面向无人驾驶车辆开发概念阶段的高效危险识别

无人驾驶车辆复杂的 functional 结构引发了大量潜在故障。已建立的系统性危险识别方法针对每个已识别故障生成独立的潜在危险场景。这在纯专家驱动的危险分析过程中导致低效，因为许多场景中的每一个都必须单独审查。在本文中，我们提出了一种针对自动驾驶车辆开发的危险识别策略改进方案。我们的流程不聚焦于故障，而是基于在概念阶段分析的选定运行场景中偏离期望车辆行为的情况。通过评估可外部观测的偏离期望行为，我们封装了个体故障并减少了生成的潜在危险场景数量。在介绍我们的危险识别策略后，我们在研究项目 UNICAR$agil$ 所用的一个运行场景中说明了其应用。