兰德-Measuring-Automated-Vehicle-Safety_-Forging-a-Framework_91页_2mb

总结：测量自动驾驶车辆安全

核心内容

本报告旨在为自动驾驶车辆（AV）安全的测量提供一个框架，该框架适用于企业、政策制定者和公众。报告的核心内容包括对AV安全的定义、测量方法以及如何有效沟通这些信息。由于AV的行驶里程有限，报告提出了使用代理指标（proxy measures）来评估其安全性，并探讨了在模拟环境、封闭测试场和公共道路上测量安全性的不同方法。

主要观点

• 安全的定义：安全被定义为消除、减少或管理对公众的伤害（包括人员、动物和财产）。报告强调了对人员安全的关注。
• 测量框架：框架分为三个层面：设置（Setting）、阶段（Stage）和指标（Measure）。每个层面都提供了不同的测量角度。
• 安全指标的分类：
  • 领先指标（Leading Measures）：如交通违规、驾驶能力（roadmanship）和接管事件（disengagements），这些指标与安全结果相关，但不直接反映实际伤害。
  • 滞后指标（Lagging Measures）：如事故、伤害、死亡和财产损失，这些是实际的安全结果。
  • 标准、流程、程序和设计指标：这些指标适用于更底层的系统，因此未在本框架中重点讨论。
• 运营设计域（ODD）：AV的运营设计域定义了其可以安全运行的地理、天气、道路标记等条件，是进行安全比较的基础。
• 数据共享与沟通：报告强调了数据共享的重要性，认为其有助于跨行业和政府的广泛学习。同时，清晰、一致的沟通对于公众接受AV至关重要。

关键信息

设置（Setting）

• 模拟环境：用于测试系统在不同场景下的表现，不涉及实际公众风险。
• 封闭测试场：提供可控的测试条件，便于评估系统性能。
• 公共道路：包括有安全驾驶员和无安全驾驶员两种情况，是最终评估AV安全性的关键场景。

阶段（Stage）

• 开发阶段：主要关注系统设计和功能测试，如通过模拟和封闭测试场进行。
• 演示阶段：通过实际测试确保系统符合特定运营设计域的要求，是向公众展示安全性的机会。
• 部署阶段：关注AV在实际运行中的表现，包括事故率、伤害率等滞后指标。

指标（Measure）

• 领先指标：如交通违规、驾驶能力（roadmanship）和接管事件，用于早期评估安全性能。
• 滞后指标：如事故、伤害、死亡和维修成本，用于评估实际安全性。
• 代理指标：在缺乏实际数据的情况下，用于衡量AV在特定条件下的表现。

框架与建议

• 框架结构：通过图S.1展示，涵盖设置、阶段和指标三个维度，便于不同利益相关者理解AV的安全性。
• 数据共享协议：建议建立标准化的数据共享协议，包括指标、格式、频率、治理和数据安全等要素。
• 统一的运营设计域分类：建议建立统一的分类系统，以便更好地理解和沟通AV的运行条件。
• 技术中立性：框架不偏向任何特定技术或供应商，旨在为所有AV提供通用的测量方法。
• 安全事件处理：在尚未积累足够数据的情况下，安全事件应作为案例研究，以促进行业和公众的学习。

推荐措施

• 关注公众安全：在AV开发过程中，监管机构和公众应关注安全，而非开发进度。
• 利用演示阶段进行沟通：演示阶段应作为向政策制定者和公众展示安全性的机会，尽管目前缺乏统一标准。
• 案例研究的重要性：在数据不足时，安全事件应作为案例研究，以促进行业和公众对AV安全的理解。
• 推动标准化：鼓励建立统一的测量和数据共享标准，以提高比较的公平性和透明度。

限制与挑战

• 数据获取困难：由于AV数据的敏感性和保密性，公开数据有限，影响了对安全性的全面评估。
• 技术复杂性：AV依赖于复杂的计算机系统，其行为难以预测，增加了安全评估的难度。
• 公众接受度：清晰、一致的安全信息沟通是提升公众接受度的关键。

结论

本报告提出了一种全面的框架，用于测量自动驾驶车辆的安全性，并强调了在不同阶段和设置下使用合适的指标的重要性。此外，报告还提出了数据共享、统一分类系统和案例研究等建议，以促进AV技术的安全发展和公众信任。