自動(dòng)化系統和網(wǎng)關(guān)的安全與保障

自動(dòng)駕駛系統的安全性不僅要注重傳統的功能安全性，還要考慮行為安全性。作為駕駛策略的一部分，自動(dòng)駕駛系統需要學(xué)習與非自動(dòng)車(chē)輛和行人交互。它們需要學(xué)習預測其他參與方的行為，還需要預測危險和安全關(guān)鍵的情況，即便是邊緣情況也不例外。自動(dòng)駕駛系統需要防范周?chē)鷦?dòng)態(tài)環(huán)境可能帶來(lái)的風(fēng)險，即使是在硬件或軟件無(wú)故障的情況下。汽車(chē)安全專(zhuān)家正在開(kāi)發(fā)ISO/PAS 21448標準，即預期功能安全(SOTIF)，用于涵蓋ISO 26262未涉及的場(chǎng)景。對于某些場(chǎng)景來(lái)說(shuō)，為開(kāi)發(fā)ISO/PAS 21448 SOTIF所進(jìn)行的大量工作并未有效覆蓋邊緣情況以及不安全的未知條件。對于自動(dòng)駕駛市場(chǎng)的其他場(chǎng)景來(lái)說(shuō)，這項標準可能會(huì )限制或扼殺創(chuàng )新，特別是它關(guān)系到自動(dòng)駕駛領(lǐng)域機器學(xué)習的使用。

為了實(shí)現安全無(wú)憂(yōu)的自動(dòng)駕駛，系統需要具備以下特性：

·可靠 – 超低故障率（汽車(chē)級品質(zhì)）

·安全 – 強大的故障檢測能力(ISO 26262 ASIL D)

·可用 – 正確操作準備就緒（能夠區分安全相關(guān)和非安全相關(guān)的故障）

·容錯 – 即便在發(fā)生故障時(shí)，也可以繼續操作（降低性能/功能，僅可繼續操作重要功能）

·可信賴(lài) – 故障預測功能能夠提前檢測故障（離線(xiàn)測試）

圖5 安全概念的演變，行業(yè)方法

SAE自動(dòng)駕駛分類(lèi)較低級別中的大部分輔助功能都是“故障防護”系統，這意味著(zhù)一旦發(fā)生故障，系統將會(huì )進(jìn)入安全模式。在L0、L1自動(dòng)駕駛功能的情況下，系統依靠駕駛員對車(chē)輛繼續進(jìn)行安全操作。在當前的L2和L3系統中，我們期望系統能夠具備更高級的可用性，能夠識別故障并以降低性能的模式繼續運行，僅在部分情況下依賴(lài)駕駛員。預計L4和L5系統將可以在發(fā)生故障后繼續運行，這意味著(zhù)當系統檢測到故障后，系統內置足夠的冗余來(lái)容錯，以便繼續全面運行足夠長(cháng)的時(shí)間，直到系統將車(chē)輛恢復到安全狀態(tài)。

當出現故障時(shí)，切換到人類(lèi)駕駛員是L0至L3系統的一個(gè)關(guān)鍵部分。要實(shí)現從自動(dòng)駕駛系統到人類(lèi)駕駛員的切換，需要進(jìn)行大量研究工作。Eriksson和Stanton的研究發(fā)現，在非緊急情況下，完成切換所需時(shí)間從2至26秒不等，如果駕駛員收到切換請求時(shí)正在進(jìn)行其他任務(wù)，所需的時(shí)間會(huì )更長(cháng)。請記住，車(chē)輛在高速公路上自動(dòng)駕駛時(shí)，高速行駛下的速度超過(guò)每秒25米。在最快的反應時(shí)間下，車(chē)輛需要行駛半個(gè)足球場(chǎng)的路程才能完成切換，在最慢的反應時(shí)間下，車(chē)輛則需要行駛將近6個(gè)足球場(chǎng)的路程才能完成切換。在緊急情況下，駕駛員的反應會(huì )比較慢，并且人類(lèi)駕駛員可能會(huì )做出錯誤的決策，造成交通事故 (Eriksson  & Stanton, 2017)?；谶@種情況，恩智浦認為實(shí)現安全無(wú)憂(yōu)出行需要L2甚至更高級的自動(dòng)駕駛系統，才能使其在發(fā)生故障后繼續運行，至少能夠安全停車(chē)。

圖6 安全概念的演變，恩智浦方法

當爭論被表述為安全的自動(dòng)駕駛系統要始終遵守交通規則時(shí)，我們在現實(shí)世界中卻會(huì )觀(guān)察到與嚴格的規則相應、有時(shí)候甚至是相反的某些場(chǎng)景，存在社會(huì )規范可以使大多數復雜的系統進(jìn)行更高效的運作。這些社會(huì )規范允許在某些情況下違反交通規則，比如在即將駛入車(chē)道時(shí)，繞過(guò)拋錨車(chē)輛或被攔下的車(chē)輛。有時(shí)，違反交通規則并不是故意為之，而是避免交通事故的必要措施。自動(dòng)駕駛系統需要配有決策矩陣，從而選擇可接受的違反交通規則的方式，以實(shí)現更安全、高效的駕駛。

圖7 （有時(shí)）需要遵守的規則

自動(dòng)駕駛汽車(chē)需要確保采取的任何措施都不會(huì )危及生命安全。這給安全工程師驗證車(chē)輛安全性帶來(lái)了很大的壓力，然而并沒(méi)有令人滿(mǎn)意的方法來(lái)驗證自動(dòng)駕駛汽車(chē)永遠安全運行。

自動(dòng)駕駛系統架構分為兩個(gè)功能域：1) 建模域，對環(huán)境進(jìn)行監控和建模；2) 規劃域，用于制定行為策略和規劃，并進(jìn)行路徑選擇。系統分為兩個(gè)功能域，每個(gè)功能域由多種設備組成，使其具有更優(yōu)的可擴展性和異質(zhì)性，每個(gè)功能域還可根據特定的應用要求提供高效的計算架構匹配。如果不了解系統的決策機制，那就無(wú)法保證其安全性。這就是大型端到端系統處理感知和規劃時(shí)所涉及的問(wèn)題。配有接收傳感器輸入和提供驅動(dòng)指令輸出的封閉式黑盒方法很難進(jìn)行驗證和調試，而且也很難擴展到新的算法、傳感器解決方案和計算。

相對于端到端解決方案，建模和規劃分區架構更有利于實(shí)現系統的安全性。

圖8 高水平分區自動(dòng)駕駛系統

世界上大多數汽車(chē)制造商都在研發(fā)自動(dòng)駕駛技術(shù)，到2050年，自動(dòng)駕駛市場(chǎng)估值將達到7萬(wàn)億美元[8]。安全性和防護性是輔助駕駛和自動(dòng)駕駛系統成功為消費者部署并采用的基石。恩智浦認為ISO 26262和ISO/PAS 21448(SOTIF)在定義安全自動(dòng)駕駛系統方面互為補充且不可或缺。ISO 26262可解決因電子系統故障造成的安全風(fēng)險，ISO/PAS 21448 SOTIF為設計驗證和確認任務(wù)提供指導，以檢測因定義或設計缺陷導致的功能行為故障。

能夠放松身心、處理郵件或看看喜歡的節目，而不是真正的開(kāi)車(chē)上下班，這是某些駕駛員夢(mèng)想的便利場(chǎng)景。我們真正的目標是確保您通過(guò)安全連接充分享受這些功能，同時(shí)通過(guò)系統內置的安全無(wú)憂(yōu)出行技術(shù)為您和周?chē)鸟{駛員提供更高的安全性。

參考文獻

AAA Foundation for Traffic Safety.  (2019年February月). American Driving Survey, 2014-2017. 檢索來(lái)源:  https://aaafoundation.org/american-driving-survey-2014-2017/

DrozhzhinAlex. (2015年August月6日). Black  Hat USA 2015: The full story of how that Jeep was hacked. 檢索來(lái)源: Kaspersky Lab:  (https://www.kaspersky.com/blog/blackhat-jeep-cherokee-hack-explained/9493/

ErikssonAlexander, & StantonA.Neville.  (2017). Takeover Time in Highly Automated Vehicles: Noncritical Transitions to  and From Manual Control. Human Factors: The Journal of the Human Factors and  Ergonomics Society, Volume: 59 issue: 4, page(s): 689-705.

McKinsey & Company. (2016年September月). Monetizing Car Data, New service business opportunities  to create new customer benefits. 檢索來(lái)源: https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/monetizing-car-data

National Safety Council. (2018年04月17日). 檢索來(lái)源: Road to Zero Report:  https://www.nsc.org/Portals/0/Documents/DistractedDrivingDocuments/Driver-Tech/Road%20to%20Zero/The-Report.pdf?ver=2018-04-17-111652-263

SalayRick, & CzarneckiKrzystof. (2018年August月5日). Using  Machine Learning Safely in Automotive Software: An Assessment and Adaption of  Software Process Requirements in ISO 26262. 檢索來(lái)源: arXiv:1808.01614

SimacsekBalázs. (2019). Can We Trust Our Cars? 檢索來(lái)源: Secure Vehicle Architectures, NXP  Semiconductors: https://www.nxp.com/docs/en/white-paper/AUTOSECWP.pdf