提升自动驾驶车辆安全性：结合Fault树分析与贝叶斯网络的方法
系统与控制
2025-09-29 v1 系统与控制
摘要
本文将故障树分析（FTA）和贝叶斯网络（BN）相结合，用于评估自动驾驶车辆（AV）组件的碰撞风险并确定 ASIL B 级别的故障率目标。FTA-BN 集成方法结合了故障树提供的系统性故障事件分解，以及贝叶斯网络的概率推理能力，后者允许动态更新故障概率，从而增强了风险评估的适应性。根据 AV 子系统架构构建故障树，碰撞作为顶层事件，分配故障率并确保总计不超过 100 FIT。应用贝叶斯推理更新后验概率，结果表明感知系统故障（46.06 FIT）是最主要的贡献者，尤其是检测现有目标故障（PF5）和误分类故障（PF6）。提出了针对传感器、感知、决策和运动控制的缓解策略，以降低碰撞风险。FTA-BN 集成方法提供了动态风险定量，为系统设计者提供细化的故障率目标，以提高 AV 的安全性。
引用
@article{arxiv.2504.08206,
title = {Advancing Autonomous Vehicle Safety: A Combined Fault Tree Analysis and Bayesian Network Approach},
author = {Lansu Dai and Burak Kantarci},
journal= {arXiv preprint arXiv:2504.08206},
year = {2025}
}
备注
7 pages, 6 figures, accepted to IEEE International Conference on Engineering Reliable Autonomous Systems (ERAS)