Basée sur le système de superposition de scènes Pegasus, une méthode quantitative de complexité de scène est proposée pour évaluer la qualité des données de scène. Ce procédé détermine les déterminants des éléments au niveau de chaque couche, détermine la complexité des éléments au niveau de chaque couche sur la base des déterminants, et obtient la complexité totale des données de scène en calculant la somme de la complexité des éléments au niveau de chaque couche. De plus, afin d'éviter le phénomène de « surcomplexité », la méthode « bibliothèque mère-enfant » et la méthode « probabilité de scénario système » sont proposées. La complexité de l'élément de scène est multipliée par la probabilité d'occurrence de l'élément à. obtenir la complexité corrigée. Les résultats de la recherche montrent qu'une bibliothèque de scènes raisonnable et utilisable peut être construite grâce à cette méthode.
Les principales raisons des dangers causés par les problèmes de sécurité des véhicules autonomes comprennent deux aspects : (1) Les dommages causés par des pannes électroniques et électriques ou des pannes du système logiciel. Pour cette raison, l'ISO a proposé la norme ISO26262 « Véhicules routiers – Norme de sécurité fonctionnelle », tandis que la Chine a proposé la norme GB/T 34590 correspondante « Véhicules routiers – Norme de sécurité fonctionnelle ». (2) Dommages causés par des performances insuffisantes du système ou une mauvaise utilisation humaine raisonnablement prévisible. Pour cette raison, l'ISO a proposé la norme ISO/PAS 21448 Sécurité des fonctionnalités prévues, appelée norme SOTIF.
Dans la norme SOTIF, les scénarios auxquels sont confrontés les véhicules autonomes lors de la conduite sont répartis en 4 catégories : les scénarios sûrs connus, les scénarios dangereux connus, les scénarios sûrs inconnus et les scénarios dangereux inconnus, comme le montre la figure 1. Pour les scénarios de sécurité connus et les scénarios de sécurité inconnus, aucune attention n'est accordée dans la norme SOTIF. Pour les scénarios dangereux connus, la norme SOTIF propose une méthodologie. L'objectif est d'améliorer les performances des systèmes liés aux véhicules autonomes ou de réduire la zone de fonctionnement des systèmes associés, et d'effectuer des tests et des vérifications sur la base de la bibliothèque de scénarios pertinente, c'est-à-dire de convertir des scénarios dangereux connus en scénarios sûrs connus.
Pour les scénarios dangereux inconnus, un grand nombre d'expériences peuvent être menées sur la base de la bibliothèque de scénarios pour découvrir et détecter des scénarios de danger potentiels pour la sécurité dans les systèmes associés, c'est-à-dire convertir des scénarios dangereux inconnus en scénarios dangereux connus. Enfin, sur la base de la méthodologie ci-dessus, les scénarios dangereux connus sont transformés en scénarios sûrs connus. En bref, l'objectif de la norme SOTIF est d'élargir autant que possible l'éventail des scénarios de sécurité connus et inconnus auxquels les systèmes liés aux véhicules autonomes sont confrontés lorsqu'ils fonctionnent, réduisant ainsi autant que possible l'éventail des dangers connus et des scénarios de danger inconnus. , comme le montre la figure 2 illustrée. Pour atteindre les objectifs ci-dessus, l’un des facteurs clés est de créer une bibliothèque de haute qualité de scénarios de sécurité fonctionnelle attendus.
Actuellement, de nombreuses entreprises et organisations ont construit leurs propres bibliothèques de scénarios de sécurité fonctionnelle attendus. Par exemple : bibliothèque de scènes Kitti, bibliothèque de scènes NuScenes[6], bibliothèque de scènes de voiture autonome Lyft, etc. La plupart des entreprises et des organisations se concentrent sur la collecte de données de bibliothèque de scènes pendant le processus de construction de la bibliothèque de scènes, mais manquent d'indicateurs quantitatifs raisonnables pour la qualité des données de scène collectées.
Cela entraîne sans aucun doute deux problèmes :
(1) La bibliothèque de scènes peut contenir une grande quantité de données de scène en double et de mauvaise qualité, ce qui rend le temps de test basé sur la bibliothèque de scènes trop long, et même la conduite autonome ne peut pas être découverte. Les défauts de performance de la voiture réduisent la crédibilité des résultats des tests.
(2) Il est impossible de comparer les avantages et les inconvénients entre différentes bibliothèques de scènes, ce qui entraîne l'impossibilité de sélectionner les données optimales de la bibliothèque de scènes pour le test de la bibliothèque de scènes du véhicule autonome. Par conséquent, il est indispensable d’adopter une méthode scientifique et raisonnable pour quantifier la qualité de la bibliothèque de scènes. Plus les données de scène sont complexes, plus le défi pour le système concerné est grand et plus grande est la possibilité de détecter des défauts de performances du système concerné. Par conséquent, on peut considérer que la complexité des données de scène est l’un des facteurs clés affectant la qualité de la bibliothèque de scènes.
Cet article propose une méthode pour quantifier la complexité des données de scène. Cette méthode est basée sur le système de superposition de scènes du projet allemand Pegasus. Elle classe et compte les éléments de la scène pour calculer la complexité des éléments dans les données de scène et évalue la qualité des données de scène.
Le projet Pegasus a été lancé conjointement par des entreprises et des instituts de recherche concernés de l'industrie automobile allemande pour développer une série de normes de test liées aux véhicules autonomes. Ce projet propose un système de superposition de scènes, c'est-à-dire que la scène est divisée en six couches de scènes selon différents éléments de la scène, voir Tableau 1.
Les données de la scène sont présentées dans la figure 3. Sur la base du système de superposition de scènes Pegasus, les données de scène peuvent être superposées, voir le tableau 2.
Le système de superposition de scènes Pegasus superpose les éléments de la scène. Cet article analyse plus en détail les éléments de chaque couche et quantifie la complexité de chaque couche d'éléments.
La complexité de la couche routière est principalement déterminée par la visibilité des lignes de voies, voir Tableau 3. Pour les lignes de voie claires, la complexité est de 1 ; les lignes de voie bloquées ou usées affecteront la reconnaissance des lignes de voie, et la complexité est de 2 ; l'accumulation d'eau sur la route et les lignes de voie recouvertes de glace n'affecteront pas seulement la reconnaissance des lignes de voie, mais entraîneront également des difficultés de conduite. avec une complexité de 3 ; des lignes de voie irrégulières peuvent provoquer une mauvaise reconnaissance des lignes de voie, provoquant le déplacement du véhicule dans la mauvaise direction, avec une complexité de 4 ; des scènes sans lignes de voie peuvent affecter la direction de déplacement du véhicule, avec une complexité de 4 ; 5.
La complexité de la couche des installations de transport est principalement déterminée par la visibilité des installations de transport, voir le tableau 4. Une scène sans moyens de transport a une complexité de 1 ; une scène avec des moyens de transport clairs a une complexité de 2 ; une scène avec des moyens de transport trop éloignés et ne peuvent pas être clairement identifiés a une complexité de 3 ; sale, etc. Les scénarios difficiles à identifier ont un niveau de complexité de 4 ; des installations de circulation irrégulières peuvent provoquer une identification erronée, conduisant à des comportements dangereux tels que le fonctionnement de feux rouges, et le niveau de complexité est de 5.
La complexité de la couche d'événements de circulation temporaires est principalement déterminée par la contingence et la prévisibilité de ses événements, voir Tableau 5. S'il n'y a pas d'incidents de circulation temporaires, la complexité est de 1 ; s'il y a des incidents de circulation temporaires tels que le contrôle de la circulation et qu'il y a du personnel dédié pour entretenir la scène, la complexité est de 2 s'il y a des incidents de circulation temporaires avec des panneaux d'avertissement tels que la route ; construction, la complexité est de 3 ; les accidents de la route, etc. Les événements de circulation temporaires qui ont un plus grand impact sur la conduite ont une complexité de 4 ; les événements de circulation temporaires très sporadiques et difficiles à prévoir, comme les chutes de pierres et de roues, ont une complexité de 4 ; complexité de 5.
La complexité de la couche des participants au trafic est déterminée par le caractère commun et la conformité des participants, voir le tableau 6. S'il n'y a pas de participants à la circulation, la complexité est de 1 ; si la scène ne contient que des véhicules, la complexité est de 2 si elle contient des participants communs tels que des piétons et des vélos et est située dans une position spécifiée par la réglementation (comme des trottoirs, des pistes cyclables) ; , etc.), la complexité est de 3 ; Contient des acteurs communs tels que des piétons et des vélos et n'est pas situé dans une position précisée par la réglementation (piétons traversant la route, vélos circulant sur les voies réservées aux véhicules automobiles, etc.), sa complexité est de 4 ; Acteurs de la circulation peu courants (tels que les camions traînant des éléphants, les piétons à cheval, etc.), sa complexité est de 5.
La complexité de la couche des conditions environnementales est principalement déterminée par la visibilité, voir le tableau 7. La visibilité élevée les jours ensoleillés a une complexité de 1 ; la visibilité moyenne les jours et les soirs de pluie a une complexité de 2 ; il y a une lumière ambiante la nuit, et sa complexité est de 3 ; et sa complexité est de 4 ; la visibilité du ciel est très faible et sa complexité est de 5 ;
La complexité de la couche d'informations est principalement déterminée par la présence ou non d'informations sur le trafic, voir le tableau 8. S'il existe une carte de haute précision ou si V2X fournit des informations sur le trafic, la complexité est de 1 ; s'il n'y a pas de carte de haute précision ou si V2X fournit des informations sur le trafic, la complexité est de 2 ;
Grâce à la méthode de superposition ci-dessus et à la méthode de quantification de la complexité de chaque couche, la complexité des données d'une seule scène peut être calculée, c'est-à-dire la somme de la complexité de chaque couche. Par exemple : les données de scène de la figure 3 ont une complexité de 18 (voir le tableau 9 pour la complexité de chaque couche)
Pour l'ensemble de la bibliothèque de scènes, ajoutez la complexité de chaque donnée de scène et divisez-la par les données de scène dans la bibliothèque de scènes Le nombre total correspond à la complexité de l'ensemble de la bibliothèque de scènes. La qualité des différentes bibliothèques de scènes peut être comparée en fonction de la complexité de la bibliothèque de scènes.
Il convient de noter qu'en raison du manque d'espace, le tableau de complexité ci-dessus de chaque couche ne répertorie pas et ne couvre pas tous les éléments. Pour les éléments qui ne sont pas énumérés ou couverts, leur complexité doit être déterminée en fonction des facteurs qui déterminent la complexité de la couche dans laquelle ils se trouvent. Par exemple : le déterminant de la complexité de la couche des conditions environnementales est la visibilité, puis pour les jours de brouillard avec des concentrations plus faibles qui ne sont pas répertoriées, la visibilité est équivalente à la visibilité des lumières ambiantes la nuit, donc la complexité est de 3.
Lors de l'utilisation de la méthode de quantification de la complexité ci-dessus pour créer une bibliothèque de scènes, il est facile d'avoir un phénomène de « surcomplexité », c'est-à-dire afin de poursuivre la complexité du bibliothèque de scènes, la bibliothèque de scènes ne collecte que les scènes de haute complexité. Les scénarios rendent la bibliothèque de scénarios très complexe mais contiennent des scénarios avec une très faible probabilité d'occurrence, ce qui entraîne finalement l'incapacité de découvrir les défauts de performances du système. Afin d'éviter le phénomène de « sur-complexité », cet article propose deux concepts : « bibliothèque mère-enfant » et « probabilité de scénario système ».
Dans le processus de collecte de base de données de scènes proprement dit, les données collectées par des méthodes de collecte aléatoire telles que des emplacements aléatoires, des périodes aléatoires, des climats aléatoires, etc. constituent la « base de données mère ». Ensuite, sur la base des caractéristiques et du domaine de fonctionnement du système concerné, la « sous-bibliothèque » est extraite de la « bibliothèque mère ». Par exemple : pour un système de conduite autonome applicable uniquement aux autoroutes, les données de scène des autoroutes sont extraites de la « bibliothèque parent » et transformées en une « sous-bibliothèque ». Par exemple : pour un système de conduite autonome développé pour une ville spécifique, les données de scène de cette ville sont extraites de la « base de données mère » pour former une « sous-base de données » pour le système.
Il convient de noter : théoriquement, vous pouvez soit construire d'abord la "bibliothèque mère", puis extraire la "sous-bibliothèque", soit construire d'abord la "sous-bibliothèque", puis l'agréger dans la "bibliothèque mère". bibliothèque". Cependant, cet article recommande l’approche « la mère d’abord, le fils ensuite ». La construction de la « bibliothèque mère » étant aléatoire, les « bibliothèques enfants » extraites de la « bibliothèque mère » ont également des attributs aléatoires. Si la « sous-bibliothèque » est construite en premier, et parce qu'elle est spécifique au système, il est difficile d'obtenir un caractère complètement aléatoire pendant le processus de construction.
Pour la "sous-bibliothèque" extraite de la "bibliothèque mère", analysez plus en détail la probabilité que chaque couche d'éléments du scénario apparaisse pendant le fonctionnement du système, c'est-à-dire la probabilité du scénario système . Par exemple : pour un système de conduite autonome adapté uniquement aux autoroutes, la probabilité que la couche d'acteurs de la circulation ne contienne que des véhicules (complexité 2) est bien supérieure à la probabilité de piétons et de vélos (complexité 3). Par conséquent, lors de l’évaluation de la complexité des éléments de cette couche, il est également nécessaire de multiplier la complexité par un coefficient de probabilité pour obtenir la complexité finale de cette couche. La formule est :
Dans la formule : C est la complexité finale des données de la scène 
est la complexité des éléments de la 
-ième couche ; apparaissant lorsque le système concerné est en cours d'exécution. 
3.3 Prévenir le phénomène de « surcomplexité » 
La « bibliothèque mère-enfant » et la « probabilité de scénarios système » peuvent être utilisées pour éviter le phénomène de « surcomplexité ». Les principales raisons sont les suivantes : (1) Lors de la construction de la « bibliothèque mère », une méthode de collecte aléatoire de lieu aléatoire, de période de temps aléatoire, de climat aléatoire, etc. est utilisée pour réduire les facteurs humains dans le processus de collecte de la « bibliothèque mère ». (2) Pour un système spécifique, la « sous-bibliothèque » pertinente est extraite de la « bibliothèque mère », ce qui évite indirectement les facteurs humains dans la « sous-bibliothèque ». (3) Calculez la complexité finale de la scène en fonction de la probabilité et de la complexité d'occurrence de la scène lorsque le système est en cours d'exécution. La combinaison des facteurs objectifs de complexité et de probabilité évite l’influence des facteurs humains. Par exemple : pour des éléments de scène de haute complexité et à faible probabilité ou pour des éléments de scène de faible complexité et à haute probabilité, la valeur finale de complexité de la scène peut être inférieure.
Pour différents systèmes, les coefficients de probabilité sont différents. Par exemple : pour un système limité à l'usage de l'autoroute, le coefficient de probabilité que seuls les véhicules apparaissent dans la couche des participants au trafic est supérieur au coefficient de probabilité des piétons et des vélos, pour un système pouvant être utilisé dans des scénarios de circulation urbaine, la probabilité ; coefficient des piétons et des vélos apparaissant dans la couche des usagers de la circulation. Le coefficient de probabilité de est supérieur au coefficient de probabilité des seuls véhicules. De plus, pour un même système, à différentes étapes du processus de développement de la conduite autonome, ses coefficients de probabilité peuvent également être différents. Par exemple : A ce stade, le coefficient de probabilité d'un système avec des cartes de haute précision ou V2X dans la couche d'information est inférieur à celui d'un système sans cartes de haute précision ou V2X. Dans les dernières étapes du développement de la conduite autonome, le coefficient de probabilité d’un système doté de cartes de haute précision ou V2X peut être supérieur à celui d’un système sans cartes de haute précision ou V2X.
Par conséquent, pour différents systèmes, il est nécessaire de prendre en compte divers aspects tels que son champ d'exploitation, son emplacement, son heure, son marché cible et le niveau global du marché pour déterminer les coefficients de probabilité des différents éléments du scénario.4 Conclusion
Afin de répondre aux exigences de la norme ISO/PAS 21448, une bibliothèque de scénarios de sécurité fonctionnelle attendus doit être construite. Cependant, la qualité de construction de la bibliothèque de scènes manque d'indicateurs quantitatifs correspondants. Basé sur le système de superposition de scènes Pegasus, cet article quantifie la complexité de chaque couche d'éléments pour évaluer la qualité de la bibliothèque de scènes. Dans le même temps, afin d'éviter le phénomène de « surcomplexité », les deux concepts de « bibliothèque mère-enfant » et de « probabilité de scénario système » ont été proposés, et comment construire la « bibliothèque mère-enfant » et comment calculer la « probabilité du scénario du système » a été expliqué, et sur cette base, le final Comment calculer la complexité. Les méthodes de quantification évoquées dans cet article et les méthodes permettant d'éviter une « complexité excessive » jouent un rôle indicatif dans l'établissement et la promotion de la bibliothèque de scénarios de sécurité fonctionnelle attendue.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Comment configurer un VPS sécurisé
Qu'est-ce que le fichier bak
Principe de liaison de données bidirectionnelle
Plateforme de trading Dogecoin
Microsoft Visual C++ peut-il être désinstallé ?
Comment activer le système de version professionnelle Win7
Quels sont les avantages et les inconvénients de la décentralisation
mot en ppt
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
