高速公路巡航功能（HWP）预期功能安全分析及测试评价研究报告

面向高速公路巡航功能（HWP）预期功能安全分析及测试评价问题，由吉林大学、中国汽车工程研究院股份有限公司、东风汽车集团有限公司共同牵头，深圳市大疆创新科技有限公司、长城汽车股份有限公司、重庆车辆检测研究院有限公司、公安部道路交通安全研究中心、中汽研汽车检验中心（天津）有限公司、同济大学、纽劢科技 (上海)有限公司、上海测迅汽车科技有限公司、北京汽车股份有限公司汽车研究院、广州汽车集团股份有限公司汽车工程研究院、上海汽车集团股份有限公司等14家单位共同组建了中国智能网联汽车产业创新联盟·预期功能安全工作组·HWP任务小组。基于专项组2021年开展的一系列研究与实践活动，共同编制了《高速公路巡航功能（HWP）预期功能安全分析及测试评价研究报告》，如图1所示。

图1 研究报告

图2 研究报告目录

      在任务开展初期，SOTIF工作组HWP任务小组对该领域进行了充分调研，并确定了基于场景的SOTIF开发与测试评价的研究思路（如图3所示），在现有国内外标准及最佳实践基础上，提出比较容易落地和实践的高速公路巡航系统SOTIF开发及测试评价流程。

图3 研究技术路线

1 功能定义及典型危害分析

从高速公路巡航系统（Highway Pilot, HWP）的功能出发，确定该功能的运行设计条件，包括运行设计域（ODD）、乘员状态及本车状态，并建立HWP系统初始架构，从而明确SOTIF典型危害分析的对象提取功能需求，在危害分析和风险评估的过程中，充分利用SOTIF HARA，CTA，STPA等不同分析方法的优缺点，识别预期功能安全相关危害事件、性能局限及可预见的人为误用等。

图4 功能定义及典型危害分析

2 典型场景选取及关键参数定义

对cut-in场景进行详细定义，界定目标车cut-in轨迹、cut-in时间、cut-in距离、cut-in过程关键时间点等参数含义，并结合SOTIF工作组提出的七层场景模型识别对cut-in场景有重要影响的场景元素，为量化评价体系提供可量化输入。同时，以L1和L4层为基础，区分了cut-in场景的基础场景和叠加场景要素，为后续进行更完备的测试评价提供参考。

图5 典型场景选取及关键参数定义

3 数据采集方面/标注/分析

HWP任务小组对不同的数据采集形式进行了分析和对比，最终选取车端采集和无人机采集相结合的方法，多方位全面地对cut-in场景进行采集，使得场景数据更丰富完整，且能够反映真实、无干扰的人类驾驶行为。其中，任务小组创造性地利用“基于航测的自然交通数据采集与典型驾驶场景提取”方法，高效地采集了大量典型驾驶场景数据，正在进行数据开源后期准备工作，预期为高速公路巡航系统的开发和测试评价提供数据支撑。

图6 数据采集方面/标注/分析（左右滑动）

4 量化评价方法及体系

预期功能安全的量化评价是ISO 21448标准工作组中国标准专家组的重要提案，在最新标准草案中也多处体现了对量化评价的强烈需求。

图7 ISO 21448标准中的量化评价要求

然而，SOTIF量化评价也是业界面临的一大难题。HWP任务小组以应对cut in场景为例，从多个维度来衡量评估整车级HWP应对cut-in场景的好坏，并分析出舒适加塞区、紧急加塞区、无法应对区，分区域对HWP功能全面进行评价，最终形成科学完善的分阶段SOTIF量化评价体系。

值得一提的是，前期采集的航测数据可以提取人类驾驶员应对cut-in场景的驾驶能力指标，进而为HWP应对该场景的相应评价指标提供对比参照依据。

图8 量化评价方法

5 测试方法

结合HWP任务小组成员单位在自动驾驶测评领域丰富经验，对自动驾驶系统的多支柱法进行详尽的规划，最终结合量化评价体系需求，形成了“基础场景为主、衍生场景为辅”、“通过大规模仿真测试初步探知系统性能边界、进而设计实车场地测试用例”等方法，进而分析其对实车系统验证和确认工作的要求，形成一套可靠、可执行性高的实车测试方法。

图9 测试方法

本研究报告仅为研究HWP预期功能安全问题的探索性开端，完善的高速公路巡航系统预期功能安全测试评价则需要开展大量的后续工作，例如：顶层的SOTIF通过准则需要巨量的数据支撑、顶层通过准则向下分解至评价指标的方法、评价指标的具体目标值的确定、大量衍生场景元素的测试执行等等，2022年HWP任务小组将以以上工作为重点任务进行推进，同时积极推动研究成果标准化工作，发布《高速公路巡航功能（HWP）预期功能安全分析及测试评价规范》，敬请关注。

联盟会员可通过联盟官网下载报告，或者通过工作组邮箱发送报告下载申请，感谢您的关注！

文章转载自公众号：CICV创新中心