Ein Artikel über die sicherheitstechnischen Merkmale selbstfahrender Autos

„Sicherheit geht vor“ ist das Kernkonzept und der Wert des autonomen Fahrens. Das Gesamtsystemsicherheitsdesign autonomer Fahrzeuge ist eine komplexe Systemtechnik, die das Kernalgorithmus-Strategiedesign des autonomen Fahrsystems des Fahrzeugs, redundantes Hardware- und Software-Sicherheitsdesign, Remote-Cloud-Fahrtechnologie, Vollprozess-Testverifizierungstechnologie usw. umfasst folgt Anforderungen und Designüberlegungen für funktionale Sicherheit (ISO 26262) und erwartete funktionale Sicherheit (ISO/PAS 21448). Sehen wir uns die Praktiken des autonomen Fahrsicherheitssystems L4 von Baidu an, die in dreischichtige Sicherheitssysteme unterteilt sind: Hauptsystemsicherheit, redundantes Sicherheitssystem und Remote-Cloud-Fahrsystem.

Abbildung 1 Baidu L4-Gesamtsystemsicherheitsdesignidee

Sicherheit des autonomen Fahrsystems

Hauptsystem Sicherheitssystem Das heißt, durch das On- Bord automatisches Fahrsystem Die Kernalgorithmusschicht gewährleistet die Sicherheit von Fahrstrategien und Fahrverhalten, was auch als „Strategiesicherheit“ bezeichnet werden kann. Verwenden Sie die fortschrittlichsten und zuverlässigsten Wahrnehmungs- und Positionierungsalgorithmen sowie prädiktive Entscheidungsplanungs- und Steuerungsalgorithmen, um verschiedene Szenarien auf der Straße zu bewältigen. Insbesondere ist es notwendig, die Sicherheit bei Fahrstrategien und Verhaltensweisen bei schwierigen Szenarien zu gewährleisten.

Die Sicherheit des Hauptsystems für autonomes Fahren ist das Sicherheitsdesign der Software- und Hardware-Kombinationssuite. Softwarealgorithmen sind der Kern des gesamten autonomen Fahrsystems. Eine typische L4-Algorithmussystemarchitektur umfasst hauptsächlich Bordbetriebssysteme, Umgebungswahrnehmung, hochpräzise Karten und Positionierung, prädiktive Entscheidungsfindung und Planung sowie Steuerungs- und Ausführungsmodule. usw.

Betriebssystem

Das Basisbetriebssystem ist die Basissoftware, die auf autonomen Fahrzeugen ausgeführt wird, um die Software- und Hardwareressourcen an Bord zu verwalten, zu planen und zu steuern. Seine Hauptaufgabe besteht darin, Echtzeit-Aufgabenplanung, Echtzeit-Rechenaufgaben-Ressourcenisolierung, Echtzeit-Nachrichtenkommunikation, Zugriffskontrolle auf Systemebene und andere Funktionen für das autonome Fahrsystem bereitzustellen, Systemressourcen effektiv zu verwalten und die Systemressourcennutzung zu verbessern. und Abschirmung von Hardware und Software vom autonomen Fahrzeugalgorithmusmodul. Die physikalischen Eigenschaften und Betriebsdetails tragen Kernkomponenten des autonomen Fahrens wie Betriebswahrnehmung, Positionierung, Planungsentscheidung und Steuerung. Das Betriebssystem zeichnet sich durch hohe Stabilität, Echtzeitleistung und geringe Latenz aus (die Reaktionsgeschwindigkeit ist 250 ms höher als die eines menschlichen Fahrers).

Pan-Sensing-System

Umweltwahrnehmung ist eine Voraussetzung für autonomes Fahren. Das Umgebungswahrnehmungssystem integriert die Vorteile mehrerer Sensoren wie Lidar, Millimeterwellenradar und Kameras, um ein 360-Grad-Sichtfeld rund um die Fahrzeugkarosserie zu erreichen und Verkehrsverhalten, Geschwindigkeit, Richtung und andere Informationen in komplexer Form stabil zu erkennen und zu verfolgen und sich ändernde Verkehrsumgebungen und liefern Informationen für die Entscheidungsfindung und Planung. Das Modul liefert Informationen zum Szenenverständnis.

Der Wahrnehmungsalgorithmus nutzt ein Multisensor-Fusion-Framework und kann Hindernisse in einer Entfernung von bis zu 280 Metern erkennen. Basierend auf tiefen neuronalen Netzen und umfangreichen Daten zum autonomen Fahren kann es Hindernistypen genau identifizieren und das Verhalten von Hindernissen stabil verfolgen, wodurch stabile Wahrnehmungsfähigkeiten für nachgelagerte Entscheidungsmodule bereitgestellt werden. Das auf der Multisensor-Fusionslösung basierende Wahrnehmungssystem bildet Redundanz durch heterogene Erfassungskanäle, bietet eine hohe Fehlertoleranz für das autonome Fahrsystem und verbessert dadurch die Systemsicherheit.

Darüber hinaus unterstützt der Wahrnehmungsalgorithmus auch effektiv die Szenenerweiterung durch Funktionen wie die Erkennung von Wassernebelgeräuschen, die Erkennung niedriger Hindernisse und die Erkennung speziell geformter Ampeln und Schilder. Im Hinblick auf die Ampelerkennung können die Farbe und der Countdown der Ampel, die durch die Wahrnehmung des eigenen Fahrzeugs erkannt werden, mit den vorherigen Informationen, die von hochpräzisen Karten bereitgestellt werden, abgeglichen werden. Gleichzeitig wird die Fähigkeit zur Erkennung temporärer Ampeln verbessert, um Zuverlässigkeit und Sicherheit zu gewährleisten.

Hochpräzise Karten und hochpräzise Positionierung versorgen autonome Fahrzeuge mit Vorab-Straßeninformationen, präzisen Fahrzeugpositionsinformationen und umfangreichen Informationen zu Straßenelementdaten, wobei das dreidimensionale Modell und die Genauigkeit des Raums betont werden und jedes Merkmal auf der Straße sehr genau angezeigt wird . und Zustand. Hochpräzise Kartierung und Positionierung nutzen eine Multisensor-Fusionslösung aus Lidar, Vision, RTK und IMU. Durch die Fusion mehrerer Sensoren kann die Positionierungsgenauigkeit 5–10 cm erreichen und so den Anforderungen des autonomen L4-Fahrens gerecht werden.

Vorausschauende Entscheidungsfindung und Planungssteuerung

Das Technologiemodul für vorausschauende Entscheidungsfindung und Planungssteuerung entspricht dem Gehirn eines selbstfahrenden Autos. Prädiktive Entscheidungsfindung und Planung sind die Kernmodule von Softwarealgorithmen, die sich direkt auf die Fähigkeit und Wirkung des autonomen Fahrens von Fahrzeugen auswirken. Dieses Algorithmusmodul basiert auf Verkehrssicherheitsspezifikationen und Konsensregeln, um sichere, effiziente und komfortable Fahrwege und Trajektorien für Fahrzeuge zu planen. Um die Generalisierungsfähigkeit des Algorithmus besser zu verbessern, werden Data-Mining- und Deep-Learning-Algorithmen eingesetzt, um eine intelligente Planung des Fahrverhaltens zu realisieren.

Nachdem das System den vom Fahrzeug festgelegten Startpunkt und das Ziel vorgegeben hat, generiert es den optimalen globalen geplanten Pfad. Das Fahrzeug kann die vom Wahrnehmungsmodul bereitgestellten Umgebungs- und Hindernisinformationen in Echtzeit empfangen, sie mit hochpräzisen Karten kombinieren, die Verhaltensabsichten und vorhergesagten Flugbahnen von umliegenden Fahrzeugen, Fußgängern, Radfahrern oder anderen Hindernissen verfolgen und vorhersagen, was Sicherheit und Komfort erhöht und Effizienz zu berücksichtigen, Entscheidungen zum Fahrverhalten zu treffen (Folgen, Spurwechsel, Parken usw.) und den Betrieb des Fahrzeugs (Geschwindigkeit, Flugbahn usw.) gemäß den Verkehrsregeln und der zivilisierten Verkehrsetikette zu planen und diese schließlich an die Verkehrsregeln auszugeben Steuermodul zur Umsetzung von Beschleunigungs-, Verzögerungs- und Lenkvorgängen des Fahrzeugs. Der Fahrzeugsteuerungsteil ist die unterste Ebene und kommuniziert direkt mit dem Fahrzeugchassis. Er übermittelt die Zielposition und Geschwindigkeit des Fahrzeugs über elektrische Signale an das Chassis, um Gas, Bremse und Lenkrad zu betätigen.

Ziel des autonomen Fahrens ist es, komplexe Verkehrsszenarien auf städtischen Straßen zu bewältigen und sicherzustellen, dass sich autonome Fahrzeuge unter allen Straßenverkehrsbedingungen in einem sicheren Fahrzustand befinden. Auf der Ebene der Softwarealgorithmen gibt es Deep-Learning-Modelle, die auf der Grundlage umfangreicher Testdaten trainiert werden, um einen sicheren, effizienten und reibungslosen Verkehr autonomer Fahrzeuge in regulären Fahrszenarien zu gewährleisten. Auf der Ebene der Sicherheitsalgorithmen werden eine Reihe sicherer Fahrstrategien für verschiedene typische Szenarien entwickelt Gefährliche Szenarien stellen sicher, dass autonome Fahrzeuge in jedem Szenario ein sicheres Fahrverhalten zeigen können. Beispielsweise werden in Extremszenarien wie schlechtem Wetter und eingeschränkter Sicht defensive Fahrstrategien ausgelöst und Sicherheitsrisiken können durch langsameres Fahren und mehr Beobachtung verringert werden.

Autonom fahrende Fahrzeuge halten sich stärker an Verkehrsregeln und Straßenpriorität, wenn sie sich an Straßenkreuzungen mit anderen Verkehrsteilnehmern treffen und in Situationen mit hoher Vorfahrt auf konkurrierende Fahrzeuge stoßen und geben Sie nach, um Risiken zu vermeiden. Bei Hochrisikoszenarien wie „Geistersonden“ halten wir uns an den Grundsatz „Sicherheit geht vor“ und wenden Notbremsstrategien an, um Verletzungen so weit wie möglich zu vermeiden. Mit der Ansammlung autonomer Fahrtestdaten und einer großen Menge extremer Szenendaten hat sich der Kernalgorithmus des autonomen Fahrens durch datengesteuerte Deep-Learning-Algorithmusmodelle weiterentwickelt und ist zu einem „alten Fahrer“ geworden, der im Voraus vorhersagen und sicher fahren kann und vorsichtig.

Fahrzeug-Straßen-Zusammenarbeit

Fahrzeug-Straßen-kollaboratives autonomes Fahren basiert auf dem intelligenten autonomen Fahren einzelner Fahrzeuge und verbindet die Transportbeteiligungselemente „Menschen-Fahrzeug-Straßen-Cloud“ organisch über das Internet von Fahrzeuge realisieren dynamische und Echtzeit-Informationsinteraktion und -austausch zwischen Fahrzeugen, Fahrzeugen und Straßen sowie Fahrzeugen und Menschen, um die Verkehrssicherheit zu gewährleisten. Durch Informationsinteraktion und -zusammenarbeit, kollaborative Erfassung und kollaborative Entscheidungssteuerung kann das kollaborative autonome Fahren zwischen Fahrzeug und Straße den Wahrnehmungsbereich eines einzelnen Fahrzeugs erheblich erweitern, seine Wahrnehmungsfähigkeiten verbessern und neue intelligente Elemente einführen, die durch hochdimensionale Daten dargestellt werden, um dies zu erreichen Gruppenintelligenz. Es kann dazu beitragen, die technischen Engpässe zu lösen, die beim intelligenten autonomen Fahren von Fahrrädern auftreten, die autonomen Fahrfähigkeiten zu verbessern, dadurch die Sicherheit des autonomen Fahrens zu gewährleisten und den Operational Design Domain (ODD) des autonomen Fahrens zu erweitern.

Zum Beispiel kann das kollaborative autonome Fahren zwischen Fahrzeug und Straße das Problem lösen, dass die Fahrradintelligenz leicht durch Umgebungsbedingungen wie Verdeckung und schlechtes Wetter beeinträchtigt wird, sowie das Problem der dynamischen und statischen kollaborativen Wahrnehmung von toten Winkeln/Verdeckungen. Das intelligente autonome Fahren von Fahrrädern wird durch den Erfassungswinkel des Sensors begrenzt. Wenn es durch statische oder dynamische Hindernisse (z. B. große Fahrzeuge) blockiert wird, kann das AV die Bewegung von Fahrzeugen oder Fußgängern im toten Winkel nicht genau erfassen. Die Zusammenarbeit zwischen Fahrzeug und Straße ermöglicht eine kontinuierliche Erkennung und Erkennung in mehreren Richtungen und über große Entfernungen durch den Einsatz mehrerer Sensoren am Straßenrand und integriert diese in die AV-Wahrnehmung, um eine genaue Wahrnehmung und Erkennung von Fahrzeugen oder Fußgängern in toten Winkeln durch autonome Fahrzeuge zu erreichen Fahrzeuge können im Voraus Vorhersagen treffen und Entscheidungen treffen, wodurch das Unfallrisiko verringert wird.

Nr. Nr. 🎜🎜##🏜 🎜 🎜##🎜 🎜#

Gemäß „ISO 26262 Funktionale Sicherheit von Straßenfahrzeugen“ muss die funktionale Sicherheit des Systems die Anforderungen der funktionalen Redundanz berücksichtigen. Gemäß den Designstandards der funktionalen Sicherheit erfolgt die funktionale Redundanz auf drei Ebenen: Komponentenebene, Systemebene und Fahrzeugebene. Redundantes Systemdesign ist der Schlüssel zur Gewährleistung eines sicheren und kontrollierbaren autonomen Fahrens. Mithilfe eines vollständig redundanten Designs können Einzelpunktausfälle oder Funktionsausfälle auf den drei Ebenen Fahrzeugsteuerungssystem, Hardwareplattform und Softwareplattform effektiv behandelt werden. Bereitstellung eines völlig unbemannten autonomen Fahrsystems.

Das autonome Fahrsystem der Stufe L4 ist zusätzlich zur integrierten Hauptrecheneinheit und dem Sensorsystem mit Sicherheitsredundanz konfiguriert, wodurch ein heterogenes redundantes Design von Software und Hardware realisiert wird . Einzelne Fehlerquellen jedes Systems werden vermieden. Das Hauptcomputersystem und das redundante Sicherheitssystem weisen unterschiedliche Arbeitsteilungen auf und überprüfen sich gegenseitig, was die Gesamtsicherheit und Zuverlässigkeit erheblich verbessert. Im Hinblick auf das Funktions- und Algorithmusstrategiedesign konzentriert sich das redundante Sicherheitssystem auf die Echtzeitüberwachung der Software und Hardware des Hauptcomputersystems sowie auf die Identifizierung von Gefahren. Wenn eine Anomalie im Hauptcomputersystem erkannt wird, wird der MRC-Mechanismus ausgelöst Alarme, langsames Bremsen und Anhalten, Notbremsung und andere Methoden, um das Fahrzeug in den Minimal Risk Condition (MRC) zu versetzen. Hardware- und Sensorredundanz Das Fahrzeugsteuerungssystem verfügt über zwei unabhängige und redundante Systeme, um einzelne Fehlerquellen zu vermeiden und die Gesamtzuverlässigkeit und Sicherheit des Systems zu verbessern.

Redundanz der Recheneinheit

Das Sicherheitssystem wird von a konfiguriert Setzen Sie SafetyDCU als redundante Recheneinheit ein, führen Sie Echtzeitberechnungen durch und überwachen Sie den Arbeitsstatus des Hauptsystems. Wenn die Hauptrecheneinheit ausfällt, kann der Algorithmus, der das redundante System unterstützen kann, das Fahrzeug weiterhin steuern und langsames Bremsen, Anhalten und andere Aktionen mit minimalem Risiko eines Zurückrollens durchführen. #? Das Fahrsensorsystem nutzt eine Komponentenredundanzlösung wie Lidar, Kameras und Positionierungsgeräte. Im Falle eines Ausfalls einer einzelnen Komponente kann das redundante System ausgelöst werden, um vollständige Umgebungswahrnehmungsfunktionen bereitzustellen und so eine sichere Steuerung der Fahrzeuge zu ermöglichen Der Betrieb des Systems ist zuverlässiger.

Redundanz des Fahrzeugsteuerungssystems

Das Fahrzeugchassis ist redundant Fähigkeiten, einschließlich wichtiger Komponenten wie Lenkung, Leistung und Bremsen, können auf ein Backup-System umschalten, um das Fahrzeug zu steuern, wenn ein einzelnes System ausfällt, und dabei helfen, das Fahrzeug sicher anzuhalten und zu verhindern, dass das Fahrzeug die Kontrolle verliert.

Fehlerüberwachungssystem und Software-Redundanz

Fehlerüberwachungssystem It ist ein vollständiges Fehlererkennungssystem, das zwischen der Hauptrecheneinheit und der Sicherheitsrecheneinheit eingesetzt wird. Es kann alle Software- und Hardwarefehler, Fehlfunktionen, Überschreitungen des ODD-Bereichs, Systemalgorithmusfehler usw. während des Systembetriebs erkennen und überwachen bestanden Das Hauptsystem und das redundante System führen eine Kreuzvalidierung durch, überprüfen und überwachen sich gegenseitig, um sicherzustellen, dass keine Fehler übersehen werden. Gleichzeitig wird eine Risikovorhersage durchgeführt, problematische Daten ausgewertet, analysiert und Merkmale extrahiert sowie Echtzeit-Sicherheitsrisikoberechnungen auf der Fahrzeugseite durchgeführt.

Das Software-Redundanzsystem ist ein vollständiger Satz leichter Software zur Wahrnehmungspositionierung und Entscheidungssteuerung. Die vollständige Redundanz des Positionierungssystems bietet beispielsweise eine mehrfache Kreuzvalidierung, um die Erkennung von Positionierungsanomalien und die Fehlertoleranz zu verbessern. Es erkennt eine 360-Grad-Umgebungserkennung, um eine Echtzeitwahrnehmung der Umgebungs- und Vorwärtsrisiken der Fahrzeugkarosserie zu erreichen Wenn ein Fehler oder Ausfall des Hauptsystems erkannt wird, übernimmt das Backup-System in seinem Namen die Kontrolle über das Fahrzeug, indem es Funktionen herabsetzt oder MRC durch Geschwindigkeitsbegrenzung, langsames Bremsen, Anhalten, Bremsen usw. erreicht, um ein sicheres Parken des Fahrzeugs zu gewährleisten.

Abbildung 4 Fehlerüberwachungssystem und Softwareredundanz # 🎜 🎜#

Remote Cloud Driving#🎜🎜 ## 🎜🎜#Das Remote-Cloud-Fahrsystem ermöglicht es einem Remote-Fahrer, das Fahrzeug zu übernehmen, wenn das Fahrzeug eingeklemmt ist oder sich in extremen Szenarien befindet, und zeigt das Umgebungsmodell, die Hauptsicht und die Draufsicht durch die Umgebung an Der Bildschirm „Safety Officer“ bietet ein umfassendes Parallelfahrerlebnis. Wenn der Fernfahrer das Fahrzeug in eine sichere Zone fährt und dann die Kontrolle an das Auto übergibt, ist die End-to-End-Verzögerung des gesamten Prozesses kürzer als die Reaktionszeit eines menschlichen Fahrers und des Wechsels der Kontrolle zwischen dem Auto und die Fernbedienung ist völlig reibungslos und nahtlos. Im Remote-Cockpit kann eine Echtzeitüberwachung auf Flottenebene durch die Konfiguration der Multi-Screen-Überwachung und durch Funktionen wie Risikowarnung und dynamische Planung erreicht werden.

Remote-Cloud-Fahren verfügt über ein umfassendes Sicherheits-Layer-Design, einschließlich aktiver Sicherheit, Sicherheitswarnung und grundlegender Sicherheitsfunktionen, mit denen Cockpit, Netzwerk und WLAN überwacht werden können. Der Status des Menschen- Das gefahrene Fahrzeug wird überwacht und je nach Fehler oder Risikostufe wird eine sichere Handhabung vorgenommen, wodurch ein umfassender Schutz für den autonomen Fahrbetrieb gewährleistet wird. Die aktuelle Selbstfahrtechnologie nutzt hauptsächlich fahrzeugseitige Selbstfahrsysteme, um autonomes Fahren auf regulären Stadtstraßen zu erreichen, und verlässt sich nur in Extremszenarien auf Remote-Cloud-Fahren. Daher können effiziente Betriebsdienste erzielt werden, bei denen ein Fernfahrer mehrere Fahrzeuge steuern kann .

Abbildung 5 Remote Cloud steuert Produktdesign 🎜#

Parallel Das Fahren basiert auf der 5G-Technologie. Der Sicherheitsbetreiber in der Fernsteuerungszentrale kann die Umgebung und den Status des Fahrzeugs in Echtzeit verstehen. Das Fahrzeug und die Cloud sind nahtlos miteinander verbunden, um in Szenarien, in denen autonomes Fahren nicht möglich ist, eine vollständige Verbindung herzustellen Am Ende des Prozesses kehrt das Fahrzeug in den autonomen Fahrzustand zurück, um in Extremszenarien eine Fahrzeugflucht und -vermeidung zu ermöglichen.

5G Cloud Driving ist eine wichtige unterstützende Einrichtung für autonomes Fahren in der Zukunft. Basierend auf neuen Infrastruktureinrichtungen wie 5G, Smart Transportation und V2X kann es autonom fahren Das Ein- und Aussteigen aus dem Fahrzeug kann durch Echtzeit-Video-Backhaul-Überwachung von außen Lücken in den Fähigkeiten des autonomen Fahrsystems schließen, wenn kein Fahrer an Bord ist.

Abbildung 6 Anwendbare Szenarien für Remote-Cloud-Fahren

#🎜 ?? 🎜 #

Von der Forschung und Entwicklung bis zur Anwendung müssen autonome Fahrsysteme ausreichende funktionale Sicherheits- und Leistungssicherheitstests und -verifizierungen durchführen, um ihre Betriebssicherheit zum Schutz von Autobenutzern und anderen Verkehrsteilnehmern nachzuweisen Sicherheit. Für die virtuelle Simulation sind Hunderte Millionen bis Dutzende Milliarden Kilometer an Verifizierungstests erforderlich, und für reale Straßentests sind mehr als eine Million Kilometer Testakkumulation erforderlich.

Prozesssystem testen

Der autonome Fahrtest verwendet eine szenariobasierte Testmethode, um zu überprüfen, ob in jedem Szenario sicheres Fahren möglich ist. Die Testszenarienbibliothek für autonomes Fahren ist die Grundlage des Testsystems und steuert alle Aspekte der Tests autonomer Fahrzeuge.

Die Testszenariobibliothek umfasst typische tägliche Fahrszenarien, Szenarien mit hohem Kollisionsrisiko, rechtliche und behördliche Szenarien usw. Sie enthält auch Szenarien, die Industriestandards entwickelt haben, wie z AEB-Funktionen. Im Einzelnen wird es in unterschiedliche natürliche Bedingungen (Wetter, Beleuchtung), unterschiedliche Straßentypen (Fahrbahnbedingungen, Fahrbahnlinientypen usw.), unterschiedliche Verkehrsteilnehmer (Fahrzeuge, Fußgängerstandorte, Geschwindigkeit usw.) und unterschiedliche Umgebungstypen (Autobahnen) unterteilt , Wohngebiete, Einkaufszentren, mehrere Arten virtueller Simulationstestszenarien (ländliche Gebiete usw.) und Testszenarien in realen Verkehrsumgebungen. Der Testinhalt umfasst Sensoren, Algorithmen, Aktoren, Mensch-Maschine-Schnittstellen und komplette Fahrzeuge usw., um die Rationalität des autonomen Fahrsystems unter verschiedenen Aspekten wie Anwendungsfunktionen, Leistung, Stabilität und Robustheit, funktionale Sicherheit und erwartete Funktionalität zu überprüfen Sicherheit, Typzertifizierung usw. Leistung, Sicherheit und Stabilität, um sicherzustellen, dass Fahrzeuge autonom auf die Straße fahren können.

Das Testprozesssystem selbstfahrender Autos umfasst hauptsächlich Offline-Umgebungstests, Vehicle-in-the-Loop-Tests (VIL) und Road-in-the-Loop-Tests (Road in the Loop). ) , RIL) werden in drei Stufen Software, Hardware und Fahrzeuge Schicht für Schicht getestet, um die Sicherheit des autonomen Fahrsystems auf der Straße zu gewährleisten. In der Offline-Testphase kann jede Codezeile vollständig und zeitnah getestet werden. Wenn die Software geändert wird, löst das System automatisch jede Testverbindung einzeln aus, bis der sichere On-Board-Teststandard erreicht ist, bevor es in das Fahrzeug gelangt -the-Loop-Testphase und Road-in-the-Loop-Testphase. Wenn während der Road-in-the-Loop-Testphase Probleme entdeckt werden, wird die nächste Runde von Codeänderungen vorgenommen und der nächste Zyklus beginnt. Nach Runden geschlossener Kreisläufe verbessern sich die autonomen Fahrfähigkeiten weiter.

Offline-Test

Offline bezieht sich auf einen Test, der dies nicht tut Um ein Fahrzeug zu integrieren, wird die meiste Arbeit im Labor erledigt. Diese Phase umfasst Model-in-the-Loop-Tests (Model in the Loop, MIL), Software-in-the-Loop-Tests (Software in the Loop, SIL) und Hardware-in-the-Loop-Tests (Hardware in the Loop, HIL).

Model-in-the-Loop-Tests verwenden umfangreiche Datensätze, um Kernalgorithmusmodelle wie Wahrnehmung, Vorhersage, Positionierung und Kontrolle anhand verschiedener Indikatoren genau zu bewerten nach der Modellbewertung. Messen Sie Modellfähigkeitsänderungen und decken Sie Algorithmusprobleme und BadCase frühzeitig durch automatisiertes Mining auf, um zu vermeiden, dass Sie bei nachfolgenden Testprozessen ins Hintertreffen geraten.

In der Software-in-the-Loop-Testphase sind Simulationstests ein wichtiges Glied im autonomen Fahrtestsystem, indem sie umfangreiche Straßentestdaten in die Simulation einfließen lassen System werden neue Algorithmen wiederholt durch Regressionseffekte verifiziert. Gleichzeitig wird im Simulationssystem eine große Anzahl extremer Szenarien erstellt und ein einzelnes Szenario durch Parametererweiterung automatisch zu einem groß angelegten Szenario verarbeitet, um die Testabdeckung zu verbessern. Darüber hinaus verfügt die Simulationsplattform über ein hochentwickeltes Messsystem, das automatisch Kollisionsprobleme, Verkehrsverstöße, somatosensorische Probleme und unzumutbare Routenprobleme ermitteln kann, die während des Simulationsprozesses auftreten.

Während der Hardware-in-the-Loop-Testphase werden Software und Hardware integriert, um die Kompatibilität und Zuverlässigkeit der Software- und Hardwaresysteme zu testen. Normalerweise tritt ein Hardwareausfall mit einer bestimmten Wahrscheinlichkeit und einem gewissen Grad an Kontingenz auf. Während der Hardware-in-the-Loop-Testphase werden Tausende von realen Szenarien basierend auf einer Kombination aus realer und virtueller Hardware wiederhergestellt und autonomes Fahren getestet Das System übt 24 Stunden am Tag Druck aus, um die Leistung und Stabilität des Systems unter verschiedenen Ressourcengrenzbedingungen zu simulieren (z. B. unzureichende GPU-Ressourcen, übermäßige CPU-Auslastung). Gleichzeitig wird in dieser Phase eine große Anzahl von Hardwarefehlern simuliert, um die Reaktion des Systems auf Hardwarefehler wie Hardwarefehler, Stromausfall, Frameverlust, Anomalien der Upstream- und Downstream-Schnittstelle usw. zu testen dass das System die funktionalen Sicherheitsanforderungen von ISO26262 erfüllt.

Fahrzeug-In-the-Loop-Test

Das Fahrzeug- In der In-the-Loop-Testphase wird zunächst ein Prüfstandtest durchgeführt und verschiedene Fahrzeugliniensteuerungsfunktionen sowie Leistungs- und Stabilitätstests auf dem Prüfstand durchgeführt, um sicherzustellen, dass das autonome Fahrsystem das Fahrzeug wie vorgesehen steuern kann. Nach Abschluss des Fahrzeug-Control-by-Wire-Tests wird die VIL-Phase einen geschlossenen Veranstaltungsort betreten und ein virtuelles und reales Szenario basierend auf realen Straßen erstellen, um die Leistung des autonomen Fahrsystems an realen Fahrzeugen zu testen.

Road-in-the-Loop-Test

Nachdem Sie die Phasen des Offline-Tests und des In-Loop-Tests des Fahrzeugs bestanden haben (jeder Link hat strenge Standards für das Bestehen des Tests), betreten Sie dann den geschlossenen Veranstaltungsort, um eine reale Szene zu erstellen, um die autonomen Fahrfähigkeiten und die Sicherheit des Fahrzeugs zu testen. Das geschlossene Testgelände umfasst gängige städtische Straßen und Autobahnen, einschließlich gerader Straßen, Kurven, Kreuzungen, Steigungen, Tunnel und Parkplätze. Darüber hinaus werden mithilfe von Testgeräten wie Dummys und gefälschten Autos verschiedene Niederfrequenzszenarien konstruiert. Solche Szenarien mit geringer Häufigkeit gibt es auf öffentlichen Straßen, sie treten jedoch seltener auf und sind auf öffentlichen Straßen nicht einfach vollständig zu überprüfen. Zum Beispiel entgegenfahrende Fahrräder, plötzlich herausstürmende Fußgänger, Wasser auf der Straße usw.

Offene Straßentests sind der letzte Schritt des Road-in-the-Loop-Tests und ein wichtiger Schritt, den autonome Fahrzeuge durchlaufen müssen, um den Test und die Bewertung abzuschließen. Die Tests auf offener Straße werden Schritt für Schritt durchgeführt. Normalerweise werden die neuesten Systeme zu Testzwecken an einer kleinen Anzahl von Fahrzeugen eingesetzt und dann nach Bestätigung ihrer Sicherheit in einer größeren Flotte eingesetzt. Durch den Einsatz großer autonomer Fahrzeuge für kontinuierliche Tests und Verifizierungen auf tatsächlichen Straßen wird ein kontinuierlicher geschlossener Kreislauf tatsächlicher Straßenszenarien und autonomer Fahrfähigkeiten gebildet, so dass autonome Fahrzeuge ihre Intelligenz, Sicherheit usw. Schritt für Schritt weiter verbessern Annäherung an das Niveau autonomer Fahrzeuge. Die Fähigkeit, Tausende von Haushalten zu erreichen.

Das obige ist der detaillierte Inhalt vonEin Artikel über die sicherheitstechnischen Merkmale selbstfahrender Autos. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!