预期功能安全(Safety of the Intended functionality,SOTIF)问题是智能网联汽车商业化推广的最大难题之一。在对智能网联汽车进行SOTIF分析的过程中,建立合适的风险接受准则能为危害识别和风险评估提供更准确的判别标准,有助于降低开...预期功能安全(Safety of the Intended functionality,SOTIF)问题是智能网联汽车商业化推广的最大难题之一。在对智能网联汽车进行SOTIF分析的过程中,建立合适的风险接受准则能为危害识别和风险评估提供更准确的判别标准,有助于降低开发成本、提高整车的SOTIF信心度和开发效率。为建立合适的风险接受准则,对自然驾驶数据中部分驾驶人交通特性关键参数进行提取以验证驾驶人行为的“极值特性”和参数的正态分布,并分析建立安全接受准则需要遵循的三类基本原则。在结合6标准差(6sigma,6σ)理论在工科领域中的实际应用的基础上,提出将6σ理论用于建立SOTIF风险评估的3σ接受准则,并基于该接受准则重新定义行车安全场(Driving safety field,DSF)中驾驶安全系数(Driving safety index,DSI)标准值的计算方法。利用TrafficNet数据库计算不同基础场景下的DSI的标准值(DSI*),量化基础场景下的SOTIF风险接受准则。研究结果完善智能网联汽车的SOTIF评价体系,有利于从源头提升智能网联汽车安全水平,对避免无止境地推高累积测试里程具有指导意义。展开更多
文摘预期功能安全(Safety of the Intended functionality,SOTIF)问题是智能网联汽车商业化推广的最大难题之一。在对智能网联汽车进行SOTIF分析的过程中,建立合适的风险接受准则能为危害识别和风险评估提供更准确的判别标准,有助于降低开发成本、提高整车的SOTIF信心度和开发效率。为建立合适的风险接受准则,对自然驾驶数据中部分驾驶人交通特性关键参数进行提取以验证驾驶人行为的“极值特性”和参数的正态分布,并分析建立安全接受准则需要遵循的三类基本原则。在结合6标准差(6sigma,6σ)理论在工科领域中的实际应用的基础上,提出将6σ理论用于建立SOTIF风险评估的3σ接受准则,并基于该接受准则重新定义行车安全场(Driving safety field,DSF)中驾驶安全系数(Driving safety index,DSI)标准值的计算方法。利用TrafficNet数据库计算不同基础场景下的DSI的标准值(DSI*),量化基础场景下的SOTIF风险接受准则。研究结果完善智能网联汽车的SOTIF评价体系,有利于从源头提升智能网联汽车安全水平,对避免无止境地推高累积测试里程具有指导意义。