当前位置:

首页 > 业界资讯 > 预期功能安全场景库复杂度量化方法研究

预期功能安全场景库复杂度量化方法研究

基于Pegasus场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止“过复杂”现象,提出了“母子库”法和“系统场景概率”法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。自动驾驶汽车因安全问题导致危害的主要原因包括两方面:(1)由于电子电器故障或软件系统失效而导致的危害。对于该原因

本文目录

    基于 Pegasus 场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止“过复杂”现象,提出了“母子库”法和“系统场景概率”法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。

    自动驾驶汽车因安全问题导致危害的主要原因包括两方面:(1)由于电子电器故障或软件系统 失效而导致的危害。对于该原因,ISO 提出了 ISO26262《道路车辆—功能安全标准》,而国内提出了对应的 GB/T 34590《道路车辆—功能安全标 准》。(2)由于系统性能不足或合理预见的人为误用而导致的危害。对于该原因,ISO 提出了 ISO/ PAS 21448 Safety of the Intended Functionality,简称 SOTIF 标准 。

    SOTIF 标准中,将自动驾驶汽车行驶时面临的场景分为 4 类:已知安全场景、已知不安全场景、 未知安全场景以及未知不安全场景,如图1 所示。对于已知安全场景和未知安全场景,在 SOTIF 标准中并未给予关注。对于已知危险场景,SOTIF 标 准提出了一套方法论。其目的是提高自动驾驶汽车 相关系统的性能或缩小相关系统的运行区域范围, 并基于相关场景库进行测试与验证,即将已知危险 场景转化为已知安全场景。

    而对于未知危险场景, 则可以基于场景库进行大量的试验,以此发现和探 测出相关系统存在的安全隐患场景,即将未知危 险场景转化成已知危险场景。最后,基于上述方法 论,将已知危险场景转化为已知安全场景。总之, SOTIF 标准的目标是尽可能地扩大自动驾驶汽车相 关系统在运行时所面临的已知安全和未知安全场景 的范围,从而尽可能地缩小已知危险和未知危险场 景的范围,如图 2 所示。要实现上述目标,其中一 个关键因素是构建高质量的预期功能安全场景库。

    预期功能安全场景库复杂度量化方法研究

    预期功能安全场景库复杂度量化方法研究

    目前,许多企业和组织都构建了自己的预期功能安全场景库。例如:Kitti场景库、NuScenes[6] 场景库、Lyft 自动驾驶汽车场景库等。大多数企业和组织在场景库的构建过程中重点关注场景库数据的收集, 而对收集到的场景数据质量却缺乏合理的量化指标。

    这无疑带来了两个问题:

    (1)场景库中可能包含着大量重复且低质量的场景数据,导致基于场景库的试验时间过长,甚至无法发现自动驾驶汽车的性能缺陷,降低了试验结果可信度。

    (2)不同场景库之间无法进行优劣性比较,导致自动驾驶汽车场景 库试验无法选择最优的场景库数据。因此,采用一 种科学合理的场景库质量量化方法是十分必要的。场景数据越复杂,对相关系统的挑战越大,探测出相关系统性能缺陷的可能性就越大。因此,可以认为场景数据的复杂度是影响场景库质量的关 键因素之一。

    本文提出了一种量化场景数据复杂度 的方法。该方法是基于德国Pegasus 项目的场景分层体系,对场景中的要素进行分类统计,以计算场景 数据中要素的复杂度,并以此评估场景数据的质量。

    1 Pegasus 场景分层体系

    Pegasus项目 由德国汽车行业相关企业和研究机构共同发起,以制定与自动驾驶汽车相关的 一系列测试标准为目的。该项目提出了一种场景分 层体系,即在场景中根据场景要素的不同将其分为6层场景,见表 1。

    预期功能安全场景库复杂度量化方法研究

    预期功能安全场景库复杂度量化方法研究

    场景数据如图3所示。基于 Pegasus 场景分层体系,可以将场景数据进行分层,见表2。

    预期功能安全场景库复杂度量化方法研究

    2 场景数据复杂度量化方法

    Pegasus 场景分层体系将场景要素进行分层。本文进一步对每一层要素进行分析,量化每层要素复杂度。

    道路层的复杂度主要由车道线的可视性决定, 见表 3。对于清晰的车道线,其复杂度规定为1;被遮挡或磨损的车道线,会影响车道线的识别,其 复杂度为2;路面积水、覆冰覆盖车道线,不但影 响车道线识别,还会造成行车困难,其复杂度为3;不规则的车道线可能会引起车道线误识别,导致车 辆行驶方向错误,其复杂度为4;无车道线场景可 能影响车辆行驶方向,其复杂度为5。

    交通设施层的复杂度主要由交通设施的可视性决定,见表4。无交通设施的场景,其复杂度为1;交通设施清晰的场景,其复杂度为2;交通设施距 离过远导致无法清晰识别的场景,其复杂度为3;交通设施反光、脏污等导致难以识别的场景,其复杂度为4;交通设施不规则,可能引起错误识别, 导致车辆闯红灯等危险行为,其复杂度为5。

    预期功能安全场景库复杂度量化方法研究

    预期功能安全场景库复杂度量化方法研究

    临时交通事件层的复杂度主要由其事件的偶然 性和可预见性决定,见表 5。无临时交通事件,其复杂度为1;交通管制等有专人维护现场的临时交 通事件,其复杂度为2;道路施工等有警告指示牌 的临时交通事件,其复杂度为3;交通事故等对行 车有较大影响的临时交通事件,其复杂度为4;落石、掉落的车轮等偶发性很强且难以预见的临时交通事件,其复杂度为 5。

    交通参与者层的复杂度由参与者的常见性和合规性决定,见表6。无交通参与者,其复杂度为1;只包含车辆的场景,其复杂度为2;包含行人、自 行车等常见参与者且位于法规规定位置(如人行道、自行车道等),其复杂度为3;包含行人、自行车 等常见参与者且不位于法规规定位置(行人横穿马 路、自行车行驶在机动车道上等),其复杂度为4;不常见的交通参与者(如拖着大象的货车、骑着马 的行人等),其复杂度为5。

    环境条件层的复杂度主要由可见度决定,见表7。晴天高可见度,其复杂度为1;雨天、傍晚中可见 度,其复杂度为2;夜晚有环境灯光,其复杂度为 3;夜晚无环境灯光,可见度较低,其复杂度为4;浓 雾天可见度极低,其复杂度为5。

    预期功能安全场景库复杂度量化方法研究预期功能安全场景库复杂度量化方法研究预期功能安全场景库复杂度量化方法研究预期功能安全场景库复杂度量化方法研究

    预期功能安全场景库复杂度量化方法研究

    信息层的复杂度主要由是否有交通信息决定, 见表 8。有高精度地图或 V2X 提供交通信息,则复 杂度为 1;无高精度地图或 V2X 提供交通信息,则 复杂度为 2。 

    通过上述分层方式以及每层的复杂度量化方式,可以计算出单个场景数据的复杂度,即每层复 杂度之和。例如:图3场景数据,其复杂度为18(每 层复杂度见表9)

    对于整个场景库而言,将每个场景数据的复杂 度相加再除以场景库中场景数据总数,得到整个场 景库的复杂度。根据场景库复杂度可对比不同场景 库的质量。

    值得注意的是,由于篇幅限制,上述每层复杂 度表中并没有列举和覆盖所有要素。对于没有列举 或覆盖的要素,应根据所在层复杂度的决定因素来 确定其复杂度。例如:环境条件层复杂度的决定因 素是可见度,那么对于没有列举出的浓度较低的雾 天,其可见度与夜晚有环境灯光的可见度相当,因 此其复杂度为3。

    3 场景数据复杂度修正

    在采用上述复杂度量化方法构建场景库时,容易出现“过复杂”现象,即为了追求场景库复杂度, 场景库只收集高复杂度的场景,致使场景库复杂度 虽然很高却都是出现概率很低的场景,最终导致不能发现系统的性能缺陷。为了避免“过复杂”现象, 本文提出“母子库”和“系统场景概率”两个概念。

    3.1 母子库

    在实际场景库收集过程中,采取随机地点、 随机时间段、随机气候等的随机收集方式收集到 的数据构成“母库”。然后,针对相关系统的特 性与运行域,从“母库”中提取出“子库”。例如:对于只适用于高速公路的自动驾驶系统,从“母 库”中提取高速公路的场景数据,并形成“子库”。例如:针对特定城市开发的自动驾驶系统,从“母 库”中提取出该城市的场景数据,形成针对该系 统的“子库”。

    值得注意的是:理论上,既可以先构建“母库”, 再提取“子库”,也可以先构建“子库”,再汇集成“母 库”。但本文建议采用“先母后子”的方法。因为“母 库”的构建是随机的,所以从“母库”中提取的“子库” 也具有随机的属性。如果先构建“子库”,又因为“子库”是针对特定系统的,那么在构建过程中难以做 到完全随机。

    3.2 系统场景概率

    对于从“母库”中提取出的“子库”,进一步 分析其场景中每层要素在系统运行过程中出现的概 率,即系统场景概率。例如:对于只适应于高速公 路的自动驾驶系统,交通参与者层中出现只包含车 辆的概率(复杂度 2)是远高于出现行人、自行车 的概率(复杂度 3)。因此,在评估该层要素的复 杂度时,还需要将复杂度乘以一个概率系数,得出 该层最终的复杂度。其公式为:

    预期功能安全场景库复杂度量化方法研究

    式中:C 为该场景数据的最终复杂度;预期功能安全场景库复杂度量化方法研究为第预期功能安全场景库复杂度量化方法研究层 场景要素的复杂度;预期功能安全场景库复杂度量化方法研究为第预期功能安全场景库复杂度量化方法研究层场景要素在相关系 统运行时出现的概率系数。

    3.3 防止“过复杂”现象

    通过“母子库”和“系统场景概率”可以避免“过 复杂”现象。主要原因有:(1)在构建“母库”时, 采用了随机地点、随机时间段、随机气候等的随机 收集方式,降低了“母库”收集过程中的人为因素。(2)针对特定系统,从“母库”中提取相关“子库”, 间接避免了“子库”中的人为因素。(3)根据该系 统运行时场景出现概率及其复杂度,计算出最终场 景复杂度。将复杂度与概率这个客观因素结合,避 免了人为因素的影响。例如:对于高复杂度、低概 率的场景要素或对于低复杂度、高概率的场景要素, 其最终场景复杂度的值可能较低。

    3.4 概率系数取值

    针对不同系统,其概率系数是不一样的。例如:仅限于高速公路使用的系统,交通参与者层中出现 只包含车辆的概率系数大于出现行人、自行车的概 率系数;对于可以用于城市交通场景的系统,交通参与者层中出现行人、自行车的概率系数大于只包 含车辆的概率系数。此外,对于相同系统,处在无 人驾驶发展进程的不同阶段,其概率系数也可能是 不相同的。例如:现阶段,信息层中有高精度地图 或 V2X 的系统,其概率系数低于没有高精度地图或 V2X 的系统的概率系数。而在无人驾驶发展进程后 期,有高精度地图或 V2X 的系统,其概率系数可能 高于没有高精度地图或 V2X 的系统的概率系数。

    因此,针对不同系统,需要从其运行范围、地点、 时间、目标市场以及整体市场水平等多方面进行考 量,以此来确定其不同场景要素的概率系数。

    4 结论

    为了满足 ISO/PAS 21448 的要求,需要构建预期功能安全场景库。而场景库的构建质量缺乏相应 的量化指标,本文基于 Pegasus 场景分层体系,量化每层要素的复杂度,以此评定场景库的质量。同时,为了避免“过复杂度”现象,提出了“母子库” 和“系统场景概率”两个概念,阐述了如何构建“母 子库”以及如何计算“系统场景概率”,并以此提出了最终复杂度的计算方法。本文中提到的量化方法以及防止“过复杂度”方法对预期功能安全场景库的建立和推进起到指示作用。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    业界资讯 安全 自动驾驶
    相关文章 更多
    华为擎云亮相金融展,高效安全助力行业升级
    华为擎云亮相金融展,高效安全助力行业升级

    6月18日至20日,2025中国国际金融展在上海盛大举行,本次展会以“开放创新科技赋能共创金融新未来”为主题,集中呈现了全球金融科技与金融服务领域的最新成果。华为擎云携其智慧金融解决方案及华为擎云C5(第三代)等商用终端亮相现场,引发了众多观众的关注。据悉,即将面世的新一代华为擎云C5搭载了自主操作系统HarmonyOS,具备简洁流畅、连续交互、安全稳定等多项全场景使用优势。该设备支持智慧多窗、平行视界、超级中转站等功能,能够实现高效的多任务处理和跨设备协作,满足多样化的办公需

    胡峥楠谈YU7 GT自动驾驶征战纽北,称小米入局汽车还是有梦想的
    胡峥楠谈YU7 GT自动驾驶征战纽北,称小米入局汽车还是有梦想的

    小米YU7GT在纽博格林北环以自动驾驶模式跑出10分29秒483,创全球量产车自动驾驶圈速纪录。胡峥楠表示,这体现小米入局汽车的梦想:电能替代化学能,智能替代人工。纽北因此将小米列为三大顶级合作伙伴之一。该成绩相当于老司机水平,但仅是起点。

    小米 YU7 GT 打破浙赛自动驾驶圈速纪录成绩为1:49.434
    小米 YU7 GT 打破浙赛自动驾驶圈速纪录成绩为1:49.434

    小米YU7GT在浙江国际赛车场以1分49秒434创下自动驾驶圈速纪录,此前于纽博格林北环也取得全球首个自动驾驶圈速成绩。该车最大马力1003匹,零百加速2.92秒,CLTC续航705km,基于897V碳化硅高压平台,全程无人干预。

    曹操出行与May Mobility达成战略合作 共同开拓欧洲Robotaxi市场
    曹操出行与May Mobility达成战略合作 共同开拓欧洲Robotaxi市场

    曹操出行与自动驾驶企业MayMobility达成战略合作,在欧洲探索Robotaxi商业化。双方将联合开展可行性研究,优先在欧洲试点,由曹操出行负责运营,MayMobility提供自动驾驶技术支撑,共同推进无人驾驶出租车服务落地。

    全球首个自动驾驶系统全球技术法规获批发布
    全球首个自动驾驶系统全球技术法规获批发布

    由中、欧、英、美、加、日六方牵头的联合国自动驾驶系统全球技术法规获批发布,首次从产品全生命周期明确核心技术指标,将安全管理、试验验证及持续监控纳入制造商义务,提供完整评估方法,使各国自动驾驶车辆拥有统一标准,推动产业化从碎片化走向体系化。

    消息称大众将与博世在自动驾驶领域“分道扬镳”
    消息称大众将与博世在自动驾驶领域“分道扬镳”

    大众与博世在自动驾驶领域合作或告终,因项目进展缓慢、成本压力大且缺乏竞争力。大众计划另寻供应商采购软硬件,目标将技术普及至亲民车型。L3级自动驾驶预计2030年成为新车标准配置。

    大众放弃博世智驾!
    大众放弃博世智驾!

    大众汽车计划终止与博世在自动驾驶领域的合作,以削减成本。该合作始于2024年初,投入15亿欧元研发L2、L3级软件,但因进度慢于预期、错过关键里程碑而中止。大众正寻找新伙伴,此前已与地平线合作,同时面临裁员10万等财务危机。

    挥别博世?10万裁员?大众激进自救
    挥别博世?10万裁员?大众激进自救

    大众集团计划终止与博世在自动驾驶领域的合作,因15亿欧元投入未达预期。同时,大众酝酿激进重组,全球裁员或扩至10万人,并拟中期关停4家德国工厂,方案将于7月提交监事会。

    消息称理想拆分产品部部分关键职能:整车、智驾并入研发部门
    消息称理想拆分产品部部分关键职能:整车、智驾并入研发部门

    理想汽车调整组织架构,将产品部电动本体团队并入整车研发部门,自动驾驶终端团队并入基座模型研发部门,旨在简化产品决策流程,减少沟通层级,从而提升产品定义效率与协同能力,以应对市场竞争。

    理想“动刀”产品部
    理想“动刀”产品部

    理想汽车调整产品部架构,电动本体定义团队拆分并入整车研发,自动驾驶终端产品团队整合进基座模型研发,旨在拉近产品定义与研发落地的距离。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。