Artikel membincangkan ciri teknikal keselamatan kereta pandu sendiri

“Keselamatan diutamakan” ialah konsep teras dan nilai pemanduan autonomi. Reka bentuk keselamatan sistem keseluruhan kenderaan autonomi ialah kejuruteraan sistem yang kompleks, melibatkan reka bentuk strategi algoritma teras sistem pemanduan autonomi kenderaan, reka bentuk keselamatan berlebihan perkakasan dan perisian, teknologi pemanduan awan jauh, teknologi pengesahan ujian proses penuh, dsb., dan mengikuti Keperluan dan pertimbangan reka bentuk untuk keselamatan kefungsian (ISO 26262) dan keselamatan kefungsian yang dimaksudkan (ISO/PAS 21448). Mari kita semak amalan sistem keselamatan pemanduan autonomi L4 Baidu, yang dibahagikan kepada sistem keselamatan tiga lapisan: keselamatan sistem utama, sistem keselamatan berlebihan dan sistem pemanduan awan jauh.

Rajah 1 Baidu L4 idea reka bentuk keselamatan sistem keseluruhan

Keselamatan sistem utama pemanduan autonomi

Sistem keselamatan sistem utama adalah melalui pemasangan kenderaan sistem pemanduan automatik Lapisan algoritma teras memastikan keselamatan strategi pemanduan dan tingkah laku pemanduan, yang juga boleh dipanggil "keselamatan strategi". Gunakan algoritma persepsi dan kedudukan yang paling maju dan boleh dipercayai, perancangan membuat keputusan ramalan dan algoritma kawalan untuk menangani pelbagai senario di jalan raya Khususnya, adalah perlu untuk memastikan keselamatan dalam strategi dan tingkah laku pemanduan apabila menghadapi senario yang sukar.

Keselamatan sistem utama pemanduan autonomi ialah reka bentuk keselamatan suite gabungan perisian dan perkakasan. Algoritma perisian adalah teras kepada keseluruhan sistem pemanduan autonomi Sebuah seni bina sistem algoritma pemanduan autonomi L4 yang tipikal merangkumi sistem pengendalian on-board, persepsi persekitaran, peta dan penentududukan berketepatan tinggi, membuat keputusan dan perancangan ramalan, modul kawalan dan pelaksanaan. dll.

Sistem pengendalian

Sistem pengendalian asas berjalan pada kenderaan autonomi dan digunakan untuk mengurus, menjadualkan dan mengawal kenderaan. Perisian asas untuk perisian dan sumber perkakasan. Tugas utamanya ialah menyediakan penjadualan tugas masa nyata, pengasingan sumber tugas pengkomputeran masa nyata, komunikasi mesej masa nyata, kawalan capaian peringkat sistem dan keupayaan lain untuk sistem pemanduan autonomi, mengurus sumber sistem dengan berkesan, meningkatkan penggunaan sumber sistem, dan melindungi perkakasan dan perisian daripada modul algoritma kenderaan autonomi Ciri-ciri fizikal dan butiran operasi membawa komponen teras pemanduan autonomi seperti persepsi operasi, kedudukan, perancangan membuat keputusan dan kawalan. Sistem pengendalian mempunyai ciri-ciri kestabilan tinggi, prestasi masa nyata dan kependaman rendah (kelajuan tindak balas adalah 250ms lebih tinggi daripada pemandu manusia).

Sistem penderia pan

Persepsi alam sekitar adalah prasyarat untuk pemanduan autonomi. Sistem persepsi persekitaran menyepadukan kelebihan berbilang penderia seperti lidar, radar gelombang milimeter dan kamera untuk mencapai pandangan 360 darjah di sekeliling badan kenderaan, secara stabil mengesan dan menjejaki tingkah laku trafik, kelajuan, arah dan maklumat lain dalam kompleks dan berubah-ubah. persekitaran lalu lintas, dan menyediakan maklumat untuk membuat keputusan dan perancangan Modul ini menyediakan maklumat pemahaman pemandangan.

Algoritma persepsi menggunakan rangka kerja gabungan berbilang sensor dan boleh menyediakan pengesanan halangan sehingga 280 meter jauhnya. Berdasarkan rangkaian saraf dalam dan data pemanduan autonomi yang besar, ia boleh mengenal pasti jenis halangan dengan tepat dan menjejaki tingkah laku halangan secara stabil, memberikan keupayaan persepsi yang stabil untuk modul membuat keputusan hiliran. Sistem persepsi berdasarkan penyelesaian gabungan berbilang sensor membentuk redundansi melalui saluran penderiaan heterogen, memberikan toleransi kesalahan yang tinggi untuk sistem pemanduan autonomi dan dengan itu meningkatkan keselamatan sistem.

Selain itu, algoritma persepsi juga berkesan menyokong pengembangan pemandangan melalui keupayaan seperti pengecaman hingar kabus air, pengesanan halangan rendah dan pengesanan lampu isyarat dan tanda yang tidak normal. Dari segi pengecaman lampu isyarat, warna lampu isyarat dan pemasa kira detik yang diiktiraf oleh penderiaan kenderaan sendiri boleh disahkan silang dengan maklumat terdahulu yang diberikan oleh peta berketepatan tinggi, sambil meningkatkan keupayaan pengecaman lampu isyarat sementara untuk memastikan kebolehpercayaan dan keselamatan.

Peta berketepatan tinggi dan kedudukan ketepatan tinggi menyediakan kenderaan autonomi dengan maklumat jalan lebih awal, maklumat kedudukan kenderaan tepat dan maklumat data elemen jalan raya yang kaya, menekankan model tiga dimensi dan ketepatan ruang serta memaparkan permukaan jalan sangat tepat setiap ciri dan keadaan. Pemetaan dan penentududukan berketepatan tinggi menggunakan penyelesaian gabungan berbilang penderia lidar, penglihatan, RTK dan IMU Melalui gabungan berbilang penderia, ketepatan kedudukan boleh mencapai 5-10 cm, memenuhi keperluan pemanduan autonomi L4.

Kawalan membuat keputusan dan perancangan ramalan

Modul teknologi kawalan pembuatan keputusan dan perancangan ramalan adalah bersamaan dengan otak kereta pandu sendiri. Pembuatan keputusan dan perancangan ramalan ialah modul teras algoritma perisian, yang secara langsung mempengaruhi keupayaan dan kesan pemanduan autonomi kenderaan. Modul algoritma ini adalah berdasarkan spesifikasi keselamatan lalu lintas dan peraturan konsensus untuk merancang laluan dan trajektori pemanduan yang selamat, cekap dan selesa untuk kenderaan. Untuk meningkatkan keupayaan generalisasi algoritma dengan lebih baik, perlombongan data dan algoritma pembelajaran mendalam digunakan untuk merealisasikan perancangan pintar tingkah laku pemanduan.

Selepas diberi titik permulaan dan destinasi yang ditetapkan oleh kenderaan, sistem menjana laluan terancang global yang optimum. Kenderaan boleh menerima persekitaran dan maklumat halangan yang disediakan oleh modul persepsi dalam masa nyata, menggabungkannya dengan peta berketepatan tinggi, menjejak dan meramalkan niat tingkah laku dan trajektori yang diramalkan bagi kenderaan sekeliling, pejalan kaki, penunggang basikal atau halangan lain, mengambil keselamatan, keselesaan. dan kecekapan dalam pertimbangan. modul kawalan untuk melaksanakan tindakan pecutan, nyahpecutan dan stereng kenderaan. Bahagian kawalan kenderaan adalah lapisan paling rendah dan berhubung terus dengan casis kenderaan Ia menghantar kedudukan sasaran dan kelajuan kenderaan ke casis melalui isyarat elektrik untuk mengendalikan pendikit, brek dan stereng.

Matlamat pemanduan autonomi adalah untuk menghadapi senario trafik yang kompleks di jalan bandar dan memastikan kenderaan autonomi berada dalam keadaan pemanduan yang selamat di bawah sebarang keadaan trafik jalan raya. Pada lapisan algoritma perisian, terdapat model pembelajaran mendalam yang dilatih berdasarkan data ujian besar-besaran untuk memastikan trafik kenderaan autonomi yang selamat, cekap dan lancar dalam senario pemanduan biasa pada lapisan algoritma keselamatan, satu siri strategi pemanduan selamat direka untuk pelbagai tipikal senario berbahaya. Pastikan kenderaan autonomi boleh melakukan tingkah laku pemanduan yang selamat dalam sebarang senario. Contohnya, dalam senario ekstrem seperti cuaca buruk dan penglihatan terhalang, strategi pemanduan bertahan akan dicetuskan, dan risiko keselamatan boleh dikurangkan dengan memperlahankan dan memerhati lebih banyak.

Kenderaan autonomi lebih mematuhi peraturan lalu lintas dan laluan betul jalan Apabila bertemu dengan peserta trafik lain di persimpangan jalan, mereka menghadapi kenderaan bersaing dalam situasi laluan yang tinggi. Kami juga akan mempertimbangkan untuk memperlahankan dan memberi laluan berdasarkan prinsip keselamatan pertama untuk mengelakkan risiko. Apabila menghadapi senario berisiko tinggi seperti "ghost probe", kami akan mematuhi prinsip keselamatan pertama dan menggunakan strategi brek kecemasan untuk mengelakkan kecederaan sebanyak mungkin. Dengan pengumpulan data ujian jalan pemanduan autonomi dan sejumlah besar data pemandangan ekstrem, algoritma teras pemanduan autonomi terus berkembang melalui model algoritma pembelajaran mendalam dipacu data, menjadi "pemandu lama" yang boleh meramal terlebih dahulu dan memandu dengan selamat dan berhati-hati.

Pemanduan autonomi kolaboratif jalan raya kenderaan

Pemanduan autonomi kolaboratif jalan raya kenderaan adalah berdasarkan autonomi pintar satu kenderaan memandu. Internet secara organik menghubungkan elemen penyertaan trafik "orang-kenderaan-jalan-awan" untuk merealisasikan pertukaran dan perkongsian maklumat yang dinamik dan masa nyata antara kenderaan dan kenderaan, kenderaan dan jalan raya, serta kenderaan dan orang ramai untuk memastikan keselamatan lalu lintas. Melalui interaksi dan kerjasama maklumat, pengesanan kolaboratif dan kawalan membuat keputusan kolaboratif, pemanduan autonomi kolaboratif kenderaan-jalan boleh meluaskan julat persepsi kenderaan tunggal, meningkatkan keupayaan persepsinya dan memperkenalkan elemen pintar baharu yang diwakili oleh data dimensi tinggi untuk mencapai kecerdasan kumpulan. Ia boleh membantu menyelesaikan kesesakan teknikal yang dihadapi oleh pemanduan basikal autonomi pintar, meningkatkan keupayaan pemanduan autonomi, dengan itu memastikan keselamatan pemanduan autonomi dan mengembangkan Domain Reka Bentuk Operasi (ODD) pemanduan autonomi.

Sebagai contoh, pemanduan autonomi kolaboratif jalan kenderaan boleh menyelesaikan masalah kecerdasan basikal yang mudah dipengaruhi oleh keadaan persekitaran seperti oklusi dan cuaca buruk, dan masalah titik buta dinamik dan statik / persepsi kolaboratif oklusi. Pemanduan basikal autonomi pintar dihadkan oleh sudut penderiaan penderia Apabila disekat oleh halangan statik atau halangan dinamik (seperti kenderaan besar), AV tidak boleh mendapatkan pergerakan kenderaan atau pejalan kaki di tempat buta dengan tepat. Kerjasama kenderaan-jalan merealisasikan pengesanan dan pengecaman berterusan berbilang arah dan jarak jauh melalui penggunaan berbilang penderia di tepi jalan, dan menyepadukannya dengan persepsi AV untuk mencapai persepsi yang tepat dan pengecaman kenderaan atau pejalan kaki di titik buta oleh kenderaan autonomi, dan kenderaan boleh membuat ramalan lebih awal dan kawalan membuat keputusan, dengan itu mengurangkan risiko kemalangan.

Rajah 2 Penderiaan kolaboratif probe kenderaan bukan motor/pejalan kaki dalam bintik buta dinamik dan statik

Rajah 3 Penderiaan kolaboratif kenderaan-jalan oklusi persimpangan

Sistem pemanduan autonomi tahap L4 dilengkapi dengan lebihan keselamatan sebagai tambahan kepada unit pengkomputeran utama dan sistem penderiaan, merealisasikan reka bentuk berlebihan yang heterogen bagi perisian dan perkakasan, mengelakkan keperluan untuk setiap sistem hingga Titik kegagalan tunggal, sistem pengkomputeran utama dan sistem keselamatan berlebihan mempunyai bahagian kerja yang berbeza dan mengesahkan satu sama lain, meningkatkan keselamatan dan kebolehpercayaan keseluruhan. Dari segi fungsi dan reka bentuk strategi algoritma, sistem keselamatan berlebihan memberi tumpuan kepada pemantauan masa nyata perisian dan perkakasan sistem pengkomputeran utama dan pengenalpastian bahaya Apabila keabnormalan dalam sistem pengkomputeran utama dikesan, mekanisme MRC akan dicetuskan, melalui penggera, brek perlahan, dan menarik balik , brek kecemasan dan kaedah lain untuk meletakkan kenderaan ke dalam Keadaan Risiko Minimum (MRC).

Lewahan perkakasan dan sensor

Daripada penderia, unit pengkomputeran kepada sistem kawalan kenderaan, terdapat dua set interaktif Ia adalah sistem bebas dan berlebihan untuk mengelakkan satu titik kegagalan dan meningkatkan kebolehpercayaan dan keselamatan keseluruhan sistem.

Lewahan unit pengkomputeran

Sistem keselamatan mengkonfigurasi set SafetyDCU sebagai unit pengkomputeran berlebihan untuk melaksanakan sebenar- pengiraan masa dan Memantau status kerja sistem utama. Apabila unit pengkomputeran utama gagal, operasi algoritma yang boleh menyokong sistem berlebihan boleh terus mengawal kenderaan, dan membuat brek perlahan, menarik balik dan tindakan lain dengan risiko terbalik yang minimum.

Lewahan penderia

Sistem keselamatan direka dengan dua sistem penderia pemanduan autonomi bebas melalui lebihan, menggunakan Laser Lewah penyelesaian untuk komponen seperti radar, kamera dan peralatan penentududukan boleh mencetuskan sistem berlebihan sekiranya berlaku sebarang kegagalan komponen tunggal, menyediakan keupayaan kesedaran alam sekitar yang lengkap untuk mengawal kenderaan dengan selamat dan memastikan operasi sistem yang lebih dipercayai.

Lewahan sistem kawalan kenderaan

Casis kenderaan mempunyai keupayaan berlebihan, termasuk stereng, kuasa, brek, dsb. Komponen utama boleh bertukar kepada sistem sandaran untuk mengawal kenderaan apabila satu sistem gagal, membantu memberhentikan kenderaan dengan selamat dan mengelakkan kenderaan daripada hilang kawalan.

Sistem pemantauan kerosakan dan redundansi perisian

Sistem pemantauan kerosakan digunakan dalam unit pengkomputeran utama dan keselamatan unit pengkomputeran Satu set lengkap sistem pengesanan kesalahan antara mereka boleh mengesan dan memantau dalam masa nyata semua kegagalan perisian dan perkakasan, pincang fungsi, julat luar ODD, kecacatan algoritma sistem, dll. semasa operasi sistem, dan menjalankan pengesahan silang melalui sistem utama dan sistem berlebihan Periksa dan pantau antara satu sama lain untuk memastikan tiada kerosakan yang terlepas. Pada masa yang sama, ramalan risiko dilakukan, data yang terdedah kepada masalah dilombong, dianalisis dan diekstrak ciri, dan pengiraan risiko keselamatan masa nyata dilakukan pada hujung kenderaan.

Sistem redundansi perisian ialah set lengkap perisian kawalan kedudukan persepsi ringan dan kawalan membuat keputusan. Sebagai contoh, redundansi sistem penentududukan yang lengkap menambah pengesahan silang berganda untuk meningkatkan keupayaan pengesanan anomali kedudukan dan toleransi kesalahan ia mengesan liputan pengesanan sekeliling 360 darjah untuk mencapai persepsi masa nyata tentang risiko sekeliling dan hadapan badan apabila a kerosakan atau kegagalan sistem utama dikesan, Sistem sandaran mengambil alih kawalan kenderaan bagi pihaknya, menurunkan fungsi atau memasuki BSMM melalui had laju, brek perlahan, menepi, brek, dsb., untuk mencapai tempat letak kenderaan yang selamat.

Rajah 4 Sistem pemantauan kerosakan dan redundansi perisian

Pemanduan awan jauh

Sistem pemanduan awan jauh digunakan apabila kenderaan terperangkap atau melampau Di tempat kejadian, pemandu jauh mengambil alih kenderaan dan memaparkan model persekitaran, penglihatan utama dan perspektif overhed melalui skrin sekeliling, memberikan pegawai keselamatan pengalaman pemanduan selari yang mengasyikkan. Apabila pemandu jauh memandu kenderaan ke zon selamat dan kemudian menyerahkan kawalan kepada kereta, kelewatan hujung ke hujung keseluruhan proses adalah lebih pendek daripada masa tindak balas pemandu manusia, dan penukaran kawalan antara kereta dan alat kawalan jauh benar-benar licin dan lancar. Dalam kokpit jauh, pemantauan masa nyata peringkat armada boleh dicapai dengan mengkonfigurasi pemantauan berbilang skrin dan melalui fungsi seperti amaran risiko dan penjadualan dinamik.

Pemanduan awan jauh mempunyai reka bentuk berlapis keselamatan yang komprehensif termasuk keselamatan aktif, amaran keselamatan dan fungsi keselamatan asas, yang boleh memantau kokpit, rangkaian dan status kenderaan tanpa pemandu dalam masa nyata dan memastikan keselamatan pengendalian mengikut kesalahan atau tahap risiko yang berbeza untuk mengiringi operasi pemanduan autonomi secara menyeluruh. Teknologi pandu sendiri semasa kebanyakannya menggunakan sistem pandu sendiri sebelah kenderaan untuk mencapai pemanduan autonomi di jalan bandar biasa, dan hanya bergantung pada pemanduan awan jauh dalam senario yang melampau Oleh itu, ia boleh mencapai perkhidmatan operasi yang cekap di mana satu pemandu jauh boleh mengawal berbilang kenderaan .

Rajah 5 Reka bentuk produk pemacu awan jauh

Pemanduan selari berdasarkan Dengan teknologi 5G, pengendali keselamatan di pusat kawalan jauh boleh memahami persekitaran dan status kenderaan dalam masa nyata, menyambung dengan lancar dengan awan kenderaan, menyelesaikan bantuan jauh dalam senario di mana pemanduan autonomi tidak boleh melepasi dan mengembalikan kenderaan kepada autonomi. keadaan memandu selepas selesai, mencapai melarikan diri Kenderaan yang melampau dan mengelak di tempat kejadian.

Pemacuan awan 5G ialah kemudahan sokongan penting untuk pemanduan autonomi pada masa hadapan Berdasarkan kemudahan infrastruktur baharu seperti 5G, pengangkutan pintar dan V2X, ia boleh merealisasikan maklum balas video masa nyata di dalam dan di luar kenderaan autonomi Pemantauan transmisi boleh mengisi jurang dalam keupayaan sistem pemanduan autonomi apabila tiada pemandu di dalam kereta.

Rajah 6 Senario yang boleh digunakan untuk pemanduan awan jauh

Ujian dan pengesahan kenderaan autonomi

Sistem pemanduan autonomi perlu dijalankan sepenuhnya daripada penyelidikan dan pembangunan kepada aplikasi Pengesahan ujian keselamatan dan prestasi keselamatan fungsian untuk membuktikan keselamatan operasinya untuk melindungi keselamatan peribadi pengguna kenderaan dan peserta trafik yang lain. Simulasi maya memerlukan ratusan juta hingga puluhan bilion kilometer ujian pengesahan, dan ujian jalan sebenar memerlukan lebih daripada satu juta kilometer pengumpulan ujian.

Sistem proses ujian

Ujian pemanduan autonomi menggunakan kaedah ujian berasaskan senario untuk mengesahkan sama ada ia mempunyai keupayaan pemanduan selamat dalam setiap senario. Perpustakaan senario ujian pemanduan autonomi adalah asas sistem ujian dan memacu semua aspek ujian kenderaan autonomi.

Pustaka senario ujian termasuk senario pemanduan harian biasa, senario risiko perlanggaran tinggi, senario undang-undang dan peraturan, dll. Ia juga termasuk senario yang telah membentuk piawaian industri, seperti senario ujian standard untuk fungsi AEB. Secara khusus, ia dibahagikan kepada keadaan semula jadi yang berbeza (cuaca, pencahayaan), jenis jalan yang berbeza (keadaan turapan, jenis garisan lorong, dll.), peserta trafik yang berbeza (kenderaan, lokasi pejalan kaki, kelajuan, dll.), jenis persekitaran yang berbeza (lebuh raya). , kawasan kediaman, pusat beli-belah, Pelbagai jenis senario ujian simulasi maya (kawasan luar bandar, dll.) dan senario ujian dalam persekitaran trafik sebenar. Kandungan ujian termasuk penderia, algoritma, penggerak, antara muka mesin manusia, dan kenderaan lengkap, dsb., untuk mengesahkan rasional sistem pemanduan autonomi daripada pelbagai aspek seperti fungsi aplikasi, prestasi, kestabilan dan keteguhan, keselamatan berfungsi, kefungsian yang dijangkakan. keselamatan, pensijilan jenis, dsb. prestasi, keselamatan dan kestabilan untuk memastikan kenderaan boleh pergi ke jalan raya secara autonomi.

Sistem proses ujian kenderaan autonomi terutamanya termasuk ujian persekitaran luar talian, ujian kenderaan dalam gelung (VIL), ujian jalan dalam gelung (Road in the Loop, RIL) 3 Pada setiap peringkat, perisian, perkakasan dan kenderaan diuji lapisan demi lapisan untuk memastikan keselamatan sistem pemanduan autonomi di jalan raya. Dalam fasa ujian luar talian, setiap baris kod boleh diuji sepenuhnya dan tepat pada masanya Apabila perisian diubah suai, sistem akan secara automatik mencetuskan setiap pautan ujian satu demi satu sehingga standard ujian dalam kapal yang selamat dicapai sebelum memasuki kenderaan masuk. -fasa ujian gelung dan fasa ujian jalan-dalam-gelung. Jika masalah ditemui semasa fasa ujian jalan-dalam-gelung, pusingan seterusnya pengubahsuaian kod akan dibuat dan kitaran seterusnya akan bermula. Selepas pusingan tertutup, keupayaan pemanduan autonomi terus bertambah baik.

Ujian luar talian

Luar talian merujuk kepada ujian yang tidak termasuk kenderaan, kebanyakan kerja dilakukan dalam makmal. Peringkat ini termasuk model dalam ujian gelung (Model dalam Gelung, MIL), perisian dalam ujian gelung (Perisian dalam Gelung, SIL), dan perkakasan dalam ujian gelung (Perkakasan dalam Gelung, HIL).

Ujian model-in-the-loop menggunakan set data berskala besar untuk menilai dengan tepat model algoritma teras seperti persepsi, ramalan, kedudukan dan kawalan serta mengukur perubahan dalam keupayaan model melalui pelbagai penunjuk selepas penilaian model , Dedahkan masalah algoritma dan BadCase pada peringkat awal melalui perlombongan automatik untuk mengelakkan ketinggalan dalam proses ujian seterusnya.

Semasa fasa ujian perisian dalam gelung, ujian simulasi merupakan pautan utama dalam sistem ujian pemanduan autonomi Dengan menuangkan data ujian jalan besar ke dalam sistem simulasi, kesannya algoritma baharu disahkan melalui regresi berulang. Pada masa yang sama, sebilangan besar senario ekstrem dibina dalam sistem simulasi, dan satu senario secara automatik dihasilkan ke dalam senario berskala besar melalui pengembangan parameter untuk meningkatkan liputan ujian. Selain itu, platform simulasi juga mempunyai sistem pengukuran yang canggih yang secara automatik boleh menentukan masalah perlanggaran, masalah pelanggaran lalu lintas, masalah somatosensori, dan masalah laluan tidak munasabah yang berlaku semasa proses simulasi.

Dalam fasa ujian perkakasan dalam gelung, perisian dan perkakasan disepadukan untuk menguji keserasian dan kebolehpercayaan sistem perisian dan perkakasan. Biasanya kegagalan perkakasan berlaku dengan kebarangkalian tertentu dan tahap kontingensi tertentu Semasa fasa ujian perkakasan dalam gelung, beribu-ribu senario kehidupan sebenar dipulihkan berdasarkan gabungan perkakasan sebenar dan maya, dan pemanduan autonomi diuji. 24 jam sehari Sistem menggunakan tekanan untuk mensimulasikan prestasi dan kestabilan sistem di bawah keadaan had sumber yang berbeza (contohnya: sumber GPU tidak mencukupi, penggunaan CPU yang berlebihan). Pada masa yang sama, sejumlah besar kerosakan perkakasan disimulasikan pada peringkat ini untuk menguji tindak balas sistem dalam kes kerosakan perkakasan, seperti kegagalan perkakasan, gangguan kuasa, kehilangan bingkai, keabnormalan antara muka huluan dan hiliran, dll., untuk memastikan bahawa sistem memenuhi keperluan keselamatan fungsi ISO26262.

Ujian dalam gelung kenderaan

Fasa ujian kenderaan dalam gelung akan dijalankan terlebih dahulu ujian berasaskan bangku. Pelbagai fungsi kawalan-oleh-wayar kenderaan, ujian prestasi dan kestabilan dilengkapkan pada rak untuk memastikan sistem pemanduan autonomi dapat mengawal kenderaan seperti yang dimaksudkan. Selepas melengkapkan ujian kawalan melalui wayar kenderaan, fasa VIL akan memasuki tempat tertutup dan membina senario maya dan sebenar berdasarkan jalan sebenar untuk menguji prestasi sistem pemanduan autonomi pada kenderaan sebenar.

Ujian jalan-dalam-gelung

Selepas lulus ujian luar talian dan peringkat ujian kenderaan dalam gelung (setiap pautan mempunyai piawaian lulus ujian yang ketat), kemudian masuk ke tempat tertutup untuk membina adegan sebenar untuk menguji keupayaan pemanduan autonomi kenderaan dan Keselamatan . Tapak ujian tertutup meliputi jalan dan lebuh raya bandar biasa, termasuk jalan lurus, selekoh, persimpangan, cerun, terowong dan tempat letak kereta. Di samping itu, pelbagai senario frekuensi rendah dibina melalui peralatan ujian seperti dummies dan kereta palsu. Senario frekuensi rendah sedemikian wujud di jalan sosial, tetapi ia berlaku kurang kerap dan tidak mudah untuk disahkan sepenuhnya di jalan terbuka. Contohnya, basikal bergerak ke arah bertentangan, pejalan kaki tiba-tiba meluru keluar, air di jalan raya, dll.

Ujian jalan terbuka ialah langkah terakhir ujian jalan-dalam-gelung dan langkah penting yang mesti dilalui oleh kenderaan autonomi untuk melengkapkan penilaian ujian. Ujian jalan terbuka dijalankan langkah demi langkah Biasanya sistem terkini digunakan pada sebilangan kecil kenderaan untuk ujian, dan kemudian digunakan untuk armada yang lebih besar selepas mengesahkan keselamatan mereka. Dengan menggunakan kenderaan autonomi berskala besar untuk ujian dan pengesahan berterusan di jalan sebenar, gelung tertutup berterusan senario jalan sebenar dan keupayaan pemanduan autonomi akan dibentuk, supaya kenderaan autonomi akan terus bertambah baik dalam kecerdasan, keselamatan, dsb., dengan itu secara beransur-ansur menghampiri tahap kenderaan autonomi Keupayaan untuk mencapai ribuan isi rumah.

Atas ialah kandungan terperinci Artikel membincangkan ciri teknikal keselamatan kereta pandu sendiri. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!