集成情景分析：支持自动驾驶系统开发与安全评估的数据驱动方法

存在多种情景基框架以辅助车辆系统开发与安全保障。然而，亟需一种能够结合不同类型数据集的方法，这些数据集在案件严重程度、数据丰富性和代表性方面各有优势。本研究提出了一种集成情景分析方法，涵盖情景定义、融合、参数化与测试案例生成。为实现此目标，将美国十年的致命及非致命国家 crash 数据与超过 3400 万英里的自然驾驶数据相结合。选取“路口转向”情景作为示例进行演示。首先，基于记录型数据和连续时间序列数据建立情景定义。其次，进行频率分析，了解同一情景在不同严重程度下在各数据集中的发生频率。再次，分析关键因素及其参数分布。最后，提出将两种数据类型融合为代表性测试情景的方法。这些技术通过两种主要方式提升情景的代表性：其一，覆盖从常规事件到致命事故的完整案例谱系；其二，综合大规模国家及自然驾驶数据集，提供多年的背景丰富数据。