自主铁路系统安全分析：SACRED 方法论导论

随着铁路行业日益寻求引入自主性和机器学习（ML），若干问题随之而来。如何为此类系统和技术确保安全？当前安全标准在这一新技术格局中的适用性如何？将系统归类为安全的关键指标是什么？目前，铁路的安全分析反映了现有技术的失效模式；相比之下，自动化分析的主要关注点通常是平均性能。这种纯粹统计性的衡量ML性能的方法存在局限，因为它们可能忽略那些很少发生但功能在其中表现持续不佳的情况类别。为应对这些困难，我们引入了SACRED，一种用于为自主系统生成初始安全案例并确定重要安全指标的安全方法论。SACRED的开发源于柏林拟议的GoA-4轻轨系统。