L3级以上智能驾驶必须考虑的功能OEDR概述和研究方法

概述

本文描述了智能驾驶系统关于OEDR功能的识别，这些功能使ADS能够在其规定的ODD内安全运行。OEDR指的是“DDT的子任务，包括监控驾驶环境(检测、识别和分类物体和事件，并根据需要准备响应)，并对这些物体和事件(即，根据需要完成DDT和/或DDT接管来执行适当的响应)。

OEDR功能将在开发ADS测试中发挥关键作用之前的一些文章对ADS功能概念进行了技术上的操纵行为识别。这些行为主要集中在SAE J3016中规定的与实时功能相关的DDT元素。这些行为在概念上表示ADS导航到达指定目的地时使用的与控制相关的任务。在执行这些机动行为策略时，ADS将不可避免地与各种静态和动态物理对象进行交互，这可能会改变这些行为的执行方式。

SAE J3016将以下实时功能确定为DDT的组成部分，以解决这些与物体的相互作用：

•对象和事件检测、识别和分类

•对象和事件响应这些功能可以广义定位为OEDR。

OEDR表示ADS功能检测任何与驾驶任务相关的情况并实现适当响应的能力。决定自动驾驶汽车驾驶自动化程度的因素之一，是人工驾驶还是自动驾驶负责监控驾驶环境。ADS的重点是对周围环境和事件的监测与相应的响应，涵盖了从SAE L3级到L5级的所有级别的智能驾驶车型。

下图中显示的与OEDR特别相关的ADS功能体系结构的元素通常包括支持以下内容的硬件和软件组件：

•传感(如毫米波雷达，激光雷达，超声波雷达、视觉摄像头等)

•感知(如道路特征分类、目标分割与分类等)

•世界建模(例如，持久数据映射，动态障碍跟踪和预测等)

•导航、规划及控制(例如，路径规划和执行响应的运动控制命令)

该架构的传感和感知元素专门支持相关对象的检测。世界建模支持感知和其他信息的聚合，以识别和理解可能通过与这些对象的交互发生的事件。导航、规划及控制支持确定对这些事件和交互的适当响应，以及生成控制命令来实现该响应。

方法

本OEDR分析选择了《近万字解释：智能驾驶系统功能如何定义》中确定的三个常见的ADS功能。这允许对操作环境和条件以及驾驶场景的进行评估。

选择的三个功能如下：

•L3级有条件交通拥堵自动驾驶

•L3级条件高速公路自动驾驶

•L4级高度自动化驾驶车辆

TNC选择这些功能是为了与《7000字告诉您什么是-智能驾驶系统ADS-设计运行域ODD》及《智能驾驶系统ADS设计运行域ODD》文章中提供的各种不同的ODDs的元素相一致。L3级有条件交通拥堵自动驾驶功能通常可以在交通拥堵常见的地区(如高速公路、城市道路)低速、走走停停的交通中发挥作用。L3级条件高速公路自动驾驶功能通常可预期在具有典型交通水平的高速公路(如高速公路、有限入口高架道路)上发挥作用。

L4级高度自动化驾驶车辆/TNC功能通常可以预期在人口密集的城市地区以低速或中速运行，并与其他车辆和弱势的道路使用者进行各种各样的互动。这些功能的选择也是基于对公众开放的预期时间。这两个L3功能被认为是近期的ADS，可能会在未来几年内可用。L4功能被认为是中期ADS，尽管目前这是一个重要的研究课题。使用《近万字解释：智能驾驶系统功能如何定义》中选定的ADS功能概念和《7000字告诉您什么是-智能驾驶系统ADS-设计运行域ODD》及《智能驾驶系统ADS设计运行域ODD》中确定的ODDs。

本文将回顾用于确定ADS的OEDR概念功能的过程。这个过程可以被分解为以下步骤：

•回顾文献，以评估和利用先前的研究。识别功能的概念性操作描述。

•进行分析，确定基线赔率

•进行驾驶场景分析。

•进行分析，识别OEDR行为和相应的响应。

图 示：OEDR能力识别过程

名义上的、有代表性的ConOps的开发支持了每个ADS功能的正常驾驶场景的确定。操作说明解释了每个功能的预期用途和可能使用的情况。操作说明是确定每个功能的操作需求的出发点，包括其OEDR能力。

在对选定的ADS功能的操作需求进行评估后，一项重点工作是为每个功能建立基线ODD，以进一步细化分析，确定三个选定功能的ODEDR能力。这项工作有助于框定ODDR分析，以考虑到某些ODD要素的潜在变化，以及ODD要素的大量组合和排列组合。

有理由相信，开发类似ADS功能的不同组织或企业将产生独特的设计和实施，因此最终将为各自的系统定义不同的ODD。例如，供应商A设计和开发的L3交通拥堵自动驾驶功能只能在没有行人或骑车人的有限通道高速公路上运行；而供应商B设计的L3交通拥堵自动驾驶功能具有类似的控制能力，但也能在可能存在行人和骑车人的干道和城市道路上运行。

同样，在ODD的特定类别中，能力也可以有很大的多样性。例如，供应商A的交通拥堵自动驾驶功能可能只能在小雨中运行，而供应商B的交通拥堵自动驾驶功能可以在小雨和大雨中运行（在本例中，小雨和大雨被纯粹定性处理）。定义明确的ODD有助于确定可能需要的OEDR能力，因此，这些基线ODD为确定OEDR能力的目的，为每个选定的功能划定了ODD的属性。

还应注意的是，开发中的OEM和实体最终将为其各自的功能定义ODD，因此，这些基线ODD的目的是概念性和描述性的，而不是规范性的。基线ODD还用于支持第五章所述的样本测试方案和程序的开发。随着每个功能的ODD基线的建立，对操作描述中的驾驶场景的调查和分析导致了ADS可能遇到的相关对象和互动的识别。

这些对象和事件来自于对特定ADS功能在其ODD中运行的正常驾驶场景的评估，包括：

- 预期的危险（例如，车辆、行人等）；

- 未指定/未预期的事件（例如，施工区、紧急车辆等）；以及

- 关键基础设施要素（例如，交通标志和信号，道路标记等）。

加州PATH为定义行为能力而进行的前期工作为此次驾驶场景评估提供了参考。下表再现了PATH在各种驾驶环境中确定的关键驾驶动作的工作清单。这些驾驶环境与ODD的某些属性高度对应。PATH 编制的这份清单是一个起点，根据《7000字告诉您什么是-智能驾驶系统ADS-设计运行域ODD》及《智能驾驶系统ADS设计运行域ODD》制定的 ODD 分层分类法进行了扩展和完善。表 加州 PATH 最低行为能力 (Nowakowski, Shladover, Chan, & Tan, 2015)

接下来，对驾驶场景的评估估计了与各种物体和事件相关的风险。这种风险分析有助于对测试和评估的方案进行优先排序。风险是通过考虑事件或互动发生的可能性，以及ADS对互动作出不正确反应（例如，导致与物体相撞的反应）所造成的严重程度来定性估计的。这项分析还使用了NHTSA的预碰撞数据来确定场景的优先次序。优先顺序是基于发生频率和严重程度（导致受伤或死亡的数量）。下表显示了涉及人工驾驶车辆的两车轻型车碰撞的预碰撞数据。

在指定了自动驾驶车辆行为的工作清单后，目标对象和事件的清单被细化为OEDR行为的工作清单，在概念上代表了一组可测试的感知相关场景。

然后确定控制行动，以支持对确定的目标对象和事件组合的安全反应。控制行动的选择是由任务分解进一步告知的。这种分解，在某些情况下，将行为分解为更具体的控制相关行为和动作。可以参考美国国家标准和技术研究所的4D/RCS无人驾驶汽车系统参考模型架构被用来进行分析。

表 两辆轻型汽车碰撞前的场景