中汽研X华为+2024年自动驾驶安全模型研究_32页_2mb

报告摘要

自动驾驶安全模型研究总结

自动驾驶技术快速发展的同时，安全性成为核心关注点。人类驾驶员的失误是交通事故的主要原因，而自动驾驶系统需通过安全模型确保行为合规性与风险可控性。安全模型旨在定义避免碰撞或缓解冲突的规则，通过量化指标指导系统设计、验证及运行，为监管机构、厂商及用户提供评估依据。

第一章安全模型概述
交通事故年均导致超100万人伤亡，人为因素占比高达75%（部分国家超90%）。自动驾驶系统（ADS）需在设计运行条件（ODC）内接管动态驾驶任务，但面临对异形障碍物识别不足、危险场景评估不准确等问题。安全模型通过数学定义和规则约束，明确系统在特定场景下是否需规避碰撞，成为安全评估与行为约束的关键工具。

第二章安全模型应用
安全模型在自动驾驶系统中具有三大应用：

安全行为约束：作为规划模块的约束条件，确保轨迹设计满足碰撞规避、交通规则及动力学限制。
安全行为验证：独立模块对规划结果进行实时检查，若不符合安全性要求则触发重新规划或直接输出安全轨迹。
安全评估指标：用于测试验证，衡量轨迹、行为或碰撞结果是否符合安全模型定义，例如通过计算时间差和距离判断风险等级。

第三章安全模型介绍

LastPointtoSteer模型：通过转向与制动组合计算最小安全距离，判断是否需制动或避让。例如，若与前车距离小于预设阈值，则通过制动减少碰撞风险。
SafetyZone模型：设定自车与行人等交通参与者之间的安全空间，计算侵入时间差触发制动。例如，行人进入安全空间边界时启动避让措施。
RSS模型：以横纵向安全距离及路权归属为核心，定义碰撞规避逻辑。例如，同向场景下需计算自车与前车的动态距离，确保两者不发生冲突。
SFF模型：将安全行为抽象为“安全力场”，通过排斥力方向避免轨迹重叠。例如，邻车切入时，根据声明集合交集判断是否需转向或制动。
FSM模型：引入“模糊状态”概念，区分安全、不安全及中间状态。例如，纵向安全距离通过最小和最大不安全距离分段评估，输出0-1的风险值。
STD模型：基于时间域统一量化安全距离、路权归属及风险评估。例如，通过时间差和距离差判断是否存在碰撞风险，并结合优先级时差决定路权归属。
CC-driver模型：模拟人类驾驶员的紧急制动和转向行为，通过五个关键参数（风险出现时间、决策响应时间、制动时间等）量化其避撞能力。例如，风险评估耗时0.4秒，制动至最大减速度需0.6秒。
中国成熟驾驶模型：结合本土化驾驶员行为数据，标定紧急制动与转向模型参数。例如，决策响应时间通过仿真试验确定，制动效能提升时间基于实车测试。