【CAICV】感知系统触发场景获取及潜在危害分析_24页_3mb

感知系统触发场景获取及潜在危害分析总结

核心内容

本研究聚焦于自动驾驶车辆中感知系统在无软硬件故障情况下仍可能因复杂算法和环境因素导致预期功能失效的问题。通过分析触发场景及潜在危害，旨在提升自动驾驶系统的安全性和可靠性，支持SOTIF（道路运输安全）认证。

主要观点

• 感知系统性能局限是预期功能安全问题的主要来源。
• 触发场景获取依赖于对真实场景的参数化处理与数据驱动分析。
• 风险评估是确保自动驾驶系统安全的关键环节，涉及暴露率、穿透率和危害率三个维度。
• 错误注入测试是探索感知系统安全边界和评估触发条件危害率的重要手段。
• 场景搜索算法（如贝叶斯优化、粒子群算法）被用于加速测试，提高测试覆盖率。

关键信息

一、研究背景

自动驾驶车辆在无软硬件故障情况下仍可能因感知系统性能局限导致功能失效，因此需深入分析感知系统触发场景及其潜在危害。

二、总体框架

1. 基础场景与触发条件分析：识别关键场景及触发条件。
2. 基础场景与触发条件风险评估：评估场景发生的概率与危害程度。
3. 基于错误注入的安全边界研究：模拟感知系统故障，确定系统安全边界。
4. 感知系统测试与评估：对触发场景进行测试与验证。
5. 基于当前框架的进一步探索：持续优化与扩展研究内容。

三、研究情况介绍

1. 逻辑场景的获取与加速测试

   • 收集真实场景并进行参数化处理。
   • 使用点积法交叉相乘生成逻辑场景。
   • 通过场景泛化生成多个测试场景，如1728个场景。

2. 触发条件的分析与风险评估

   • 暴露率：根据ISO 26262定义，分为E1~E4等级。
   • 穿透率：评估感知系统性能下降的程度，包括不确定性。
   • 危害率：根据错误注入测试，定义为 $H = \frac{S_d}{S}$，分为H1~H4等级。
   • 提出三维风险评估方法，结合暴露率、穿透率和危害率。

3. 面向测试的触发场景

   • 基于参数化和场景泛化方法，生成多个测试场景。
   • 使用SIL（软件在环）和HIL（硬件在环）仿真平台进行测试。

4. 基于错误注入得到的触发场景性能边界要求

   • 通过错误注入测试，分析感知系统在不同参数空间下的性能边界。
   • 识别漏检、误检、测速测距不准等感知故障类型，并设定相关指标要求。

四、触发条件与测试方法

1. 触发条件描述

   • 确定触发条件的关键变量，如自车与前车的相对速度、距离等。
   • 对触发条件进行规范化和标准化，便于测试与评估。

2. 触发条件复现

   • 研究触发条件在不同环境下的复现可靠性。
   • 对比不同环境下的真实度，为系统测试提供支撑。

3. 触发条件评估

   • 研究不同触发条件的风险评估方法。
   • 利用NDS（自然驾驶数据）进行暴露率评估。
   • 分析融合算法对穿透率的影响。
   • 通过错误注入试验，研究错误与场景的耦合关系。

4. V2X触发条件测试与评估

   • 基于场地实验进行V2X相关触发条件的测试与评估。

五、场景搜索算法

• 贝叶斯优化算法：迭代400次，设置内核为5/2，评估测试覆盖率（F1指标）。
• 粒子群算法：设置粒子数量为20，迭代次数为20，用于加速测试。

六、测试覆盖率定义

• Recall：$\mathrm{Recall} = \frac{\mathrm{TP}}{\mathrm{T}}$
• Precision：$\mathrm{Precision} = \frac{\mathrm{TP}}{\mathrm{TP} + \mathrm{FP}}$
• F1：$\mathrm{F1} = \frac{2 * \text{Recall} * \text{Precision}}{\text{Recall} + \text{Precision}}$

七、错误注入测试

• 工具开发：团队自研错误注入工具，模拟非理想感知条件。
• 故障类型：
  • 漏检：模拟感知目标丢失，如静止车辆。
  • 误检：模拟误识别前方静止车辆。
  • 测速测距不准：分析纵向与横向测距误差对系统的影响。
• 测试方法：对每个 $10^{*}10m$ 的栅格，分析不同故障注入时间是否导致碰撞，确定感知测距偏差边界。

八、2023年度研究目标

• 延续感知系统SOTIF测试与评价技术方案。
• 针对关键技术问题进行深入挖掘。
• 深化测试与评价的标准化，提升系统安全性与可靠性。

未来计划

• 深化测试方法：继续优化场景搜索算法与错误注入测试方法。
• 完善风险评估体系：建立更全面的触发条件风险评估模型。
• 推动V2X测试：基于场地实验，进一步研究V2X系统触发条件。
• 支持SOTIF认证：通过系统测试与评估，为SOTIF认证提供依据。

结论

本研究通过系统分析感知系统触发场景及其潜在危害，提出了基于错误注入和场景搜索的测试方法，旨在提升自动驾驶系统的安全边界与测试覆盖率，支持SOTIF认证的实现。未来将继续深化相关研究，推动自动驾驶技术的安全发展。