模拟应用于缓解自动驾驶系统中可预见误用的预期功能安全性

自动驾驶系统（ADS）的发展有望革新交通运输行业，但也带来重大安全挑战。关键挑战之一是确保ADS在人类驾驶员可预见误用（FM）情况下仍然安全。为应对这一挑战，本文展示了基于驾驶模拟器的仿真测试案例研究，以缓解驾驶员的FM。驾驶员可预见误用指驾驶员误判ADS预期功能从而导致危险行为的潜在驾驶场景。预期功能安全性（SOTIF）侧重于确保因FM以及ADS传感器和基于机器学习算法的性能局限所导致的功能不足相关的危险行为不存在不合理风险。将SOTIF应用于缓解ADS中的FM包括确定潜在误用场景、开展仿真测试以及评估用于预防或缓解FM的措施的有效性。主要贡献包括：(i) 制定针对潜在误用场景进行仿真测试的测试需求，(ii) 制定与SOTIF要求一致的、用于实施预防或缓解FM措施的评估标准，以及(iii) 评估用于预防或缓解FM措施有效性的方法。最后，探讨了一个包含驾驶员-车辆接口和驾驶员与ADS交互的示例性案例研究，作为理解导致FM的因素和原因的基础。此外，本工作还开发了用于评估驾驶员预防或缓解FM措施有效性的测试流程。