自動駕駛功能的前瞻性有效性評估-從方法到結(jié)果

原文：PROSPECTIVE SAFETY EFFECTIVENESS ASSESSMENT OF AUTOMATED DRIVING FUNCTIONS ——FROM THE METHODS TO THE RESULTS

翻譯：盧萍、代超

譯文審核：朱旭光

近年來，傳感器和電子領域的發(fā)展使汽車行業(yè)越來越接近自動駕駛。市場上已經(jīng)出現(xiàn)了需要駕駛員持續(xù)監(jiān)控的自動化功能。高度自動駕駛功能（HAD）將在不久的將來進入市場。負責自動駕駛和聯(lián)網(wǎng)駕駛的德國倫理委員會（German Ethics Commission）在其報告中表示，“除非與人類駕駛相比，自動駕駛至少能減少傷害，換句話說，達到風險的積極平衡，否則給自動駕駛功能頒發(fā)許可證是不合理的。”這就引出了一個問題，如何評估自動駕駛功能對交通安全的影響，同時考慮到可能的積極和消極方面?

本文全面介紹了寶馬公司采用虛擬實驗方法對HAD進行前瞻性安全評估的方法。除其他外，該方法是HAD評價和安全保證活動的一部分。描述了該方法從場景選擇到仿真，再到確認和驗證。與該領域主要使用事故再模擬的其他模擬方法相比，該方法使用蒙特卡羅技術(shù)，其中模擬駕駛場景的初始啟動條件以及所涉及的駕駛員的參數(shù)是從分布中隨機選擇的。這些分布既基于事故數(shù)據(jù)，也基于自然駕駛數(shù)據(jù)。該方法的一個核心方面是隨機認知駕駛員行為模型，用于描述場景中單獨不同的交通參與者的行為。與基于事故再模擬的方法相比，這種方法允許分析時間方向上更大的駕駛場景，這對HAD來說很重要，因為這些功能在操作設計領域的整個駕駛過程中發(fā)揮作用，而不僅僅是在關鍵情況下。

將該方法應用于示范性HAD的安全性能評估。結(jié)果涵蓋了積極的影響，主要是在今天已知的事故場景中實現(xiàn)的，以及與人工交通相比可能發(fā)生潛在新風險的場景。這方面的一個例子是最小風險策略，討論了不同實現(xiàn)的后果。與所有其他方法（事故分析、駕駛模擬器或測試軌道研究、現(xiàn)場操作試驗）一樣，基于仿真的方法有其優(yōu)點和缺點。主要的批評是評估是虛擬的，這就提出了模擬有效性的問題。為了解決這方面的問題，方法和工具的確認和驗證是一個關鍵方面。因此，本文描述了我們目前關于確認和驗證的概念考慮。

01  介紹

自20世紀60年代以來，為了提高交通安全，汽車工業(yè)引入了不同的技術(shù)，見圖1。第一類技術(shù)是被動安全系統(tǒng)（安全帶、安全氣囊等）。這些技術(shù)的主要目的是減少事故的后果。下一步是主動嘗試防止事故的系統(tǒng)，或者至少在不可避免的事故發(fā)生的情況下，在第一次接觸之前試圖減少其后果。這些系統(tǒng)被稱為主動安全技術(shù)。它們的發(fā)展始于上世紀80年代主要關注車輛動力學的系統(tǒng)（例如ABS和ESC）。從2000年開始，更多的主動安全系統(tǒng)進入市場。該系統(tǒng)利用有關環(huán)境和周圍交通的信息來檢測迫在眉睫的風險并啟動對策（例如AEB，盲點檢測）。綜合交通安全方法中的第三類系統(tǒng)是旨在事先預防關鍵駕駛情況發(fā)生的系統(tǒng)。這類系統(tǒng)通常在縱向、橫向或兩個方向上接管車輛的控制。這些系統(tǒng)可以按照SAE自動駕駛分類。這類系統(tǒng)包括高級駕駛輔助系統(tǒng)（ADAS），如ACC，以及高度自動駕駛功能（HAD）。特別是后者是目前汽車工業(yè)發(fā)展的一個重大課題。

圖1 綜合交通安全方法

高度自動化的駕駛功能有望通過避免與人為錯誤相關的事故，在交通安全方面帶來重大改善。但是，必須考慮到事故是非常罕見的事件。2017年，德國高速公路上總共發(fā)生了20.928起事故，其中人類受到輕微、嚴重或致命的傷害。據(jù)統(tǒng)計，在德國高速公路上，每年大約2430億公里的駕駛距離，大約每1160萬公里就會發(fā)生一次造成人員受傷的事故。一旦證明事故頻率低于人類駕駛，自動駕駛帶來的交通安全改善將成為現(xiàn)實。因此，德國倫理委員會關于自動駕駛和網(wǎng)聯(lián)駕駛的第3條要求“……指導原則是避免事故，盡管如果風險平衡從根本上是積極的，技術(shù)上不可避免的剩余風險并不妨礙自動駕駛的引入”。這就提出了一個問題，如何才能實現(xiàn)自動駕駛的積極風險平衡在真實世界的事故數(shù)據(jù)可用之前，已經(jīng)進行了調(diào)查和證明。研究自動駕駛這種風險平衡的一種方法是前瞻性安全有效性評估方法。

在本文中，提出了不同的前瞻性安全有效性評估方法，包括寶馬基于仿真的自動駕駛方法。該方法隨后被應用于不同的駕駛場景。最后，本文最后描述了該方法所采用的確認和驗證方法。

02  前瞻性安全有效性評估方法

有不同的方法和工具來確定一項技術(shù)對交通安全的有效性。一般來說，安全有效性評估是對沒有被評估技術(shù)的情況（基線）與在交通安全方面提供技術(shù)的情況進行比較。

在這一點上，有必要區(qū)分回顧性和前瞻性評估方法。回顧性評估是在該技術(shù)上市后進行的。評估通常是通過真實世界的事故數(shù)據(jù)來完成的。這種方法的優(yōu)點是，它能夠提供技術(shù)在現(xiàn)實世界中的影響。但是這種方法有兩個方面的挑戰(zhàn)。第一，混雜因素難以控制；第二方面是要求該技術(shù)有一定的滲透率，也就是說，一項技術(shù)在市場上推出之前或推出后不久就不能使用。然而，如果證明積極的風險平衡是市場引入自動駕駛的先決條件，那么該方法在開發(fā)中的應用是基本要求。

采用前瞻性評價方法，對該技術(shù)在上市前的安全有效性進行評價?；旧希阎兴姆N不同的評估方法。這些是:現(xiàn)場操作測試（FOT），在受控環(huán)境（駕駛模擬器或測試軌道）中的用戶研究，事故分析和計算機模擬。每種方法都有其優(yōu)點和缺點。例如，在euroFOT項目中應用的FOT方法分析了一項技術(shù)在現(xiàn)實世界條件下的影響。然而，該方法需要相當高的資源，并且只有在技術(shù)成熟后才能應用，這樣才能在公共道路上進行測試。此外，由于事故發(fā)生的可能性很低，因此在FOT中檢測到統(tǒng)計上相關的事故數(shù)量是相當不同的。出于這個原因，通常會在評估中應用替代措施（例如關鍵駕駛情況）。在測試軌道或駕駛模擬器上對用戶進行的研究提供了有關用戶在受控條件下與技術(shù)交互的詳細信息，并且不會給用戶帶來任何風險。這種方法已在不同的研究中使用，然而，這些研究也需要付出很大的努力——特別是如果要在大量的駕駛場景中分析技術(shù)的影響。相比之下，前瞻性事故分析，例如已在中應用，允許以相對較低的努力調(diào)查潛在的應用領域。該方法的缺點在于，由于無法將駕駛場景中的特定影響考慮在內(nèi)，因此在計算技術(shù)有效性的精確程度上受到了限制。

剩下的方法是計算機模擬，已在不同的研究中使用。這種方法能夠以合理的努力來研究一項技術(shù)在各種駕駛場景中的安全效果。這種方法的挑戰(zhàn)之處在于它完全是虛擬的，這對所應用的仿真模型提出了很高的要求。同樣清楚的是，設置模擬需要來自其他工具的輸入數(shù)據(jù)，例如事故數(shù)據(jù)、駕駛模擬器數(shù)據(jù)、FOT數(shù)據(jù)或自然駕駛研究（NDS）的數(shù)據(jù)。在通過模擬進行的前瞻性安全有效性評估中，已知有兩種不同的方法，見圖2。

圖2 基于模擬的前瞻性安全有效性評估方法

第一種方法是基于事故的方法。對于這種方法，考慮到要評估的技術(shù)，對已經(jīng)重建的現(xiàn)實世界事故進行模擬。模擬的交通主體（駕駛員和車輛的組合）的軌跡來源于原始事故案例。這種方法的先決條件是可以獲得詳細的事故重構(gòu)。在這里，必須注意的是，重構(gòu)中的不確定性隨著事故案例重構(gòu)時間的延長而增加。此外，這種方法只允許調(diào)查危急情況。為了覆蓋更廣泛的情況，可以通過稍微改變原始事故案例的參數(shù)來完成對這種方法的修改，以便調(diào)查技術(shù)在變化的條件下如何反應。

第二種方法是基于交通的方法，在這種方法中模擬了人工駕駛場景。駕駛場景的起始條件是從事故數(shù)據(jù)或NDS/FOT數(shù)據(jù)的分布中隨機選擇的。因此，通過分布確保了模擬案例與現(xiàn)實世界之間的聯(lián)系。與基于事故的方法相比，無法預先計算軌跡。因此，需要在模擬中確定交通參與者行為的模型。為了進行有效的模擬，必須確保這些模型的質(zhì)量。一方面，基于事故的方法在場景的持續(xù)時間和復雜性（道路長度、涉及的交通參與者、進行的機動等）方面沒有限制。通過這種方法，駕駛情況也可以被分析，這不是最重要的，這允許分析，是否檢測到任何假陽性反應的技術(shù)。

由于在合理的努力下可以分析廣泛的場景，寶馬在廣泛的不同分析中使用了基于交通的模擬方法來預測ADAS的預期安全有效性。然而，HAD對前瞻性安全有效性評價提出了新的挑戰(zhàn)。以下章節(jié)將討論這些挑戰(zhàn)以及為解決這些挑戰(zhàn)所采取的措施。

03  自動駕駛前瞻性安全有效性評估方法

通過仿真將前瞻性安全有效性評估方法應用于自動駕駛功能所需的適應性可以從主動安全功能的差異中推導出來。首先，一般來說，每種技術(shù)對交通安全既有積極影響，也有消極影響。技術(shù)運行的時間越長，受技術(shù)影響的情況就越多。主動安全系統(tǒng)，如AEB，只有在檢測到緊急情況時才會分別對駕駛動態(tài)進行干預。這些情況——當然取決于個人的駕駛風格——是罕見和短暫的駕駛情況。此外，系統(tǒng)活躍的情況也有明確的定義。這樣，情境空間就可以縮小到幾類情境。由于干預在即將發(fā)生的碰撞發(fā)生前幾秒鐘才開始，因此模擬的時間范圍可能相當短。此外，在評估潛在的負面后果時，它可以集中在短時間內(nèi)的情況下。

對于HAD系統(tǒng)來說，技術(shù)的性質(zhì)導致了不同的需求。在這里，只要車輛處于操作設計域（ODD），該功能就可以通過駕駛持續(xù)運行。HAD較長的運行時間意味著模擬需要覆蓋更大、更長的駕駛場景。由于駕駛期間不同操作發(fā)生時，僅僅關注單一的操作是不夠的，而是需要模擬從正常駕駛到緊急情況直到碰撞時刻的整個范圍。

此外，與主動安全系統(tǒng)相比，HAD的挑戰(zhàn)性駕駛場景可能會對交通安全產(chǎn)生負面影響，因此必須得到更多的關注。首先，HAD的運行時間越長，對交通的干擾越大，就會增加執(zhí)行不適合特定情況的行動的風險。第二個原因是，HAD帶來了新的駕駛場景，而這些場景不是今天手動駕駛的一部分，最主要的例子是駕駛員必須從該功能手中接管車輛的控制。

評估自動駕駛的最后一個重要方面是，該功能不僅會像主動安全系統(tǒng)那樣改變情況的嚴重程度，而且還會影響某些駕駛場景的頻率。其中一個例子就是被動切入機動。在公共道路上的首次體驗已經(jīng)表明，與人工駕駛[30]相比，自動駕駛時這種操作的發(fā)生頻率有所增加。由于一項技術(shù)的安全效果是通過相關駕駛場景中嚴重程度和頻率的變化來描述的，因此在評估自動駕駛時也必須考慮到這種影響。

這些要求導致了前瞻性安全有效性評估的結(jié)論，這只是整個HAD測試和安全保證活動的一部分，即只有通過基于交通的模擬方法才能對自動駕駛進行評估?；谑鹿实哪M方法在場景持續(xù)時間和場景選擇方面過于有限，無法保證全面的評估。當然，必須注意的是，模擬方法需要不同的輸入數(shù)據(jù)。輸入數(shù)據(jù)必須來自其他來源，如事故數(shù)據(jù)、駕駛模擬器數(shù)據(jù)（例如描述人類駕駛員的超車能力）以及FOT和NDS數(shù)據(jù)。在以下相關方面的交通為基礎的模擬方法，因為它在BMW的應用是突出的。

自動駕駛場景分析

對自動駕駛的評估需要考慮駕駛情況，這可能會對交通安全產(chǎn)生積極和消極的影響。為了評估這些影響，必須識別相關的駕駛場景。然而，如前所述，由于HAD駕駛場景的持續(xù)運行并不意味著該場景的時間限制在幾秒鐘內(nèi)，并且只涉及少數(shù)交通參與者。這里的駕駛場景意味著一個更大的路段-例如兩公里-根據(jù)預先定義的交通流量計算出的交通參與者的數(shù)量來模擬其中的某種駕駛操作或某種沖突發(fā)生。

BMW確定要分析的場景的方法基于三個支柱，參見圖3。第一個支柱側(cè)重于預計HAD將產(chǎn)生積極影響的駕駛情景。這些可以從人類駕駛員表現(xiàn)不佳的駕駛場景中推導出來。通常這些都是事故情況。在德國高速公路上發(fā)生的主要事故類型是與（被動）插隊、交通堵塞結(jié)束時的追尾沖突、一般的追尾沖突和單一駕駛事故有關的事故，其中一輛車離開道路，不直接涉及任何其他道路使用者。

圖3 確定評估HAD的最佳方案

第二個支柱考慮了HAD具有挑戰(zhàn)性的駕駛場景。這種場景可能有積極的影響，也可能有消極的影響。通過分析功能本身來識別這些駕駛場景。相對于人工駕駛中的事故頻率，這些場景的相關性通常較低。由于HAD行為的不確定性，它們需要更深入的分析。例如，需要與其他道路使用者進行交互的駕駛場景（如高速公路入口、車道盡頭）、HAD需要做出復雜決策的場景（如車道上的障礙物），以及前面提到的駕駛員（突然）必須從該功能手中接管車輛控制權(quán)的控制場景。

模擬工具openPASS

當然，基于模擬的前瞻性安全評估方法需要一個模擬工具來進行模擬。市場上有多種商業(yè)工具，不過，這些工具大多是專有軟件工具，在所需的調(diào)整方面存在局限性。因此，寶馬在其方法中使用了開源模擬工具openPASS，該工具目前由寶馬、戴姆勒、大眾、豐田、博世、TüV南德意志集團和ITK-Engineering在eclipse基金會下聯(lián)合開發(fā)。openPASS的模塊化框架允許不同模塊采用不同的模型，而開源的方法則提供了一定的透明度。此外，在openPASS中還可以使用openDRIVE、open-SCENARIO、OSI和FMI等開源接口。對于常用的HAD評估方法而言，openPASS最重要的一點是可以通過多種隨機變化來模擬場景，這些隨機變化可能會影響環(huán)境、車輛、傳感器參數(shù)和交通。最后一個重要方面是駕駛員行為模型，該模型將在下一節(jié)詳細介紹。在這里，通過將寶馬的駕駛員行為模型集成到模擬框架中，openPASS的靈活性得到了充分發(fā)揮。

駕駛員行為模型

對于基于交通的模擬方法來說，駕駛員行為模型是必不可少的組成部分。評估HAD所需的駕駛員行為有兩個目的：第一個目的是模擬駕駛員在自動駕駛車輛中的行為，在這種情況下，駕駛員必須從自動駕駛功能中接管駕駛?cè)蝿铡５诙€目的是在考慮所有相關交通參與者之間互動的情況下，描述不同交通參與者的行為。在基線模擬中，所有交通參與者都由駕駛員行為模型控制。在處理模擬中，該模型只與非自動駕駛代理相關。由于在評估中要對基線模擬和處理模擬進行比較，因此基線模擬中的風險應與現(xiàn)實世界相當。因此，駕駛員行為模型應涵蓋各種駕駛員的駕駛能力，包括事故預防策略以及人類駕駛員的錯誤行為。

根據(jù)這一要求，寶馬公司從2014年起開始開發(fā)隨機認知駕駛員模型（SCM）。該駕駛員行為模型主要針對高速公路交通而設計。SCM 的功能概念將人類認知過程與隨機過程建模相結(jié)合。SCM由五個不同的子模塊組成，分別代表不同駕駛員的行為（信息獲取、心理模型、決策過程、行動模式、行動實施）。通過這些模型，可以表示從信息獲取到駕駛員轉(zhuǎn)向、制動或加速的過程。由于SCM的隨機特性，可以保證代理在某些駕駛情況下會有不同的行為。甚至有可能同一個駕駛員在相同的情況下做出不同的反應。這樣，就能確保評估涵蓋廣泛的駕駛員行為。

近年來，SCM的進一步發(fā)展涉及兩個方面。第一個方面是改進了模型的預測和預期能力，以確保更好的交通流量，降低被動切入機動的事故率。第二個方面是駕駛員特征模塊，該子模塊將駕駛員參數(shù)（年齡、行駛里程）和狀態(tài)（如疲勞和壓力）與SCM的駕駛員參數(shù)聯(lián)系起來。它涵蓋了駕駛員的個體差異和個體間差異及其對駕駛員行為的影響。在單向隨機過程中，交通代理可獲得一系列駕駛員個體特征，這些特征可改變、擴大或縮小SCM所有子模塊中隨機參數(shù)的基線分布。這樣，就可以模擬更廣泛的整體駕駛員群體，并盡可能逼真地運行虛擬交通模擬。為了用有效數(shù)據(jù)填充該子模塊，進行了一項駕駛模擬器研究。在討論了總體背景之后，下一章將舉例說明該方法在HAD中的應用。

04  自動駕駛方法的應用

在介紹了該方法之后，本章將重點介紹其示范應用。為此，本章分析了八種不同駕駛場景下的示例HAD效果。這八個不同的駕駛場景是：

1. 切入；

2.交通堵塞；

3.追尾事故；

4.單車事故；

5.車道盡頭；

6.車道上的障礙物；

7.高速公路入口；

8.駕駛轉(zhuǎn)換后的最小風險機動。

控制權(quán)轉(zhuǎn)換后的最小風險機動，分析是在歐洲資助的AdaptIVe研究項目和德國資助的Ko-HAF研究項目的背景下進行的。前四種情景在事故情景部分進行了報告，其余四種情景在挑戰(zhàn)情景部分進行了報告。

必須指出的是，分析的HAD只是一個示例功能，并不代表寶馬公司的實際執(zhí)行情況。

分析的高度自動駕駛功能

下文中模擬的示例HAD是根據(jù)表1實施的。對于在駕駛員未接管功能的情況下啟動的最低風險操作，分析了兩種實施方案。第一個實施方案考慮了適當減速（約2 m/s2），第二個實施方案考慮了強減速（約5 m/s2）。

表1 分析人工自動駕駛功能的規(guī)范

HAD在交通事故相關場景中的安全性能

首先，根據(jù)所描述的方法對駕駛場景進行模擬，在這些場景中，HAD預計會產(chǎn)生積極影響。與手動駕駛車輛相比，自動駕駛車輛的事故風險變化見表2。正如預期的那樣，所有場景都顯示出降低事故風險的潛力。

表2 模擬事故相關交通場景的結(jié)果

模擬方法唯一沒有涵蓋的情況是"單次駕駛事故"。在這種情況下，車輛會意外離開車道或道路。預計只要彎道位于ODD中，且未出現(xiàn)功能問題，該功能就能將車輛保持在車道上，從而防止相關事故的發(fā)生。

然而，駕駛場景中的效果只是潛在安全效果的一部分，因為這意味著該功能可以在所有條件下運行，并且始終處于激活狀態(tài)。這當然不符合實際情況，因為如表1所述，HAD在ODD方面受到限制。為了考慮到這一局限性，表3的第三列提供了符合ODD的GIDAS事故的比例信息。

關于ODD所包含的事故比例，在HAD運行速度之外發(fā)生的事故存在不確定性。在這種情況下，要么是開啟了該功能，駕駛員按照計算結(jié)果獲益；要么是駕駛員打算開得更快，這意味著操作者關閉了該功能。這樣就不會有任何好處。在某種程度上，這是一個因國而異的問題，由于德國高速公路的限速不受限制，這一點在德國比在其他國家更為重要。不過，這個原則問題適用于所有高于HAD運行速度的事故。關于HAD的使用，在市場推出之前幾乎不可能有任何說法，因為實際使用情況將取決于人機界面的設計和用戶對該功能的態(tài)度。

HAD在具有挑戰(zhàn)性的交通場景中的安全性能

在預期產(chǎn)生積極影響的駕駛場景之后，對具有挑戰(zhàn)性的場景進行了評估。表3提供了駕駛場景中事故率的預期平均變化結(jié)果以及ODD中的事故比例。

表3 模擬挑戰(zhàn)性交通場景的結(jié)果

模擬結(jié)果表明，在具有挑戰(zhàn)性的情景下，結(jié)果差異很大。對于車道上的障礙物和高速公路入口的駕駛情景，與基準情景相比，發(fā)現(xiàn)降低事故風險的潛力很大。而在風險最小的情況下，情況則有所不同。這并不奇怪，因為與正常駕駛相比，額外的和適當?shù)闹苿硬僮鲿屍渌煌▍⑴c者感到意外。對于中等-最小風險機動，事故風險大約在手動駕駛的范圍內(nèi)。與手動駕駛相比，強烈減速的最低風險操作會顯著增加事故風險。因此，從交通安全的角度來看，最小風險操作中的減速幅度應該相當?shù)?。不過，需要注意的是，本研究并未考慮采用最小風險機動的技術(shù)可行性。很明顯，適度減速的實施難度明顯高于強減速，因為機動所需的時間更長。

05  確認和驗證流程

由于目前的前瞻性效果評估方法依賴于虛擬計算機模擬，因此驗證和確認對于確保模擬提供可信和可靠的結(jié)果至關重要。在確認和驗證過程中，要檢查單個模型或整個模擬的結(jié)果是否在預定范圍內(nèi)符合參考結(jié)果。仿真驗證和確認的挑戰(zhàn)在于確保仿真的正確性，同時將這項工作的工作量控制在合理的水平。

由于寶馬公司認為驗證和確認是前瞻性安全有效性評估方法的一個重要方面，因此為其模擬確定了驗證和確認流程。寶馬公司確認和驗證流程的主要要求如下：

◆ 該流程必須涵蓋整個方法和模擬方法中的所有相關（子）模塊；

◆ 每個模型和整個方法至少要進行一次驗證；

◆ 根據(jù)仿真方法或仿真工具的變化，需要重復進行該過程。為此，可根據(jù)變化的影響程度將其分為小變化和大變化；

◆ 如果使用的是已經(jīng)驗證過的模型，則無需再對該模型進行驗證或確認；

◆ 應根據(jù)待驗證模型和參考數(shù)據(jù)的質(zhì)量來選擇參考。

表4列出了可通過不同參照物進行驗證和確認的模型概覽。無論采用哪種方法，最終都必須確定驗證模型的輸出結(jié)果是否足夠接近參考值。對于標準的定義，評估目的和參考數(shù)據(jù)的質(zhì)量都很重要。如果有明確的標準（如最大誤差），則應證明這些閾值已經(jīng)達到。如果定義了一定的目標范圍，這一點也同樣適用。在這種情況下，有必要對每個模型的允許誤差進行細分。在沒有明確標準的情況下，可采用以下方法之一對模塊質(zhì)量進行量化：

1) 計算質(zhì)量指標（最大誤差）；

2) 量化分布間的技術(shù)偏差（如效應大?。?

3) 敏感性分析；

4) 明確宣布置信區(qū)間。

表4 在確認和驗證仿真模型時，不同模型的參考數(shù)據(jù)

06  結(jié)論和討論

本文對HAD的前瞻性安全評估方法進行了全面綜述。HAD的引入為該技術(shù)的前瞻性安全評估帶來了不同的挑戰(zhàn)。原則上，可以采用不同的工具進行安全評估。不過，考慮到其優(yōu)缺點，基于模擬的評估方法是最有前途的方法，因為它能夠以合理的成本涵蓋各種各樣的駕駛和交通場景。不過，其他工具的輸入可以也應該用于正確定義模擬應用模型。從這個意義上說，模擬是評估工具所獲知識的綜合。

最后，描述的方法被應用于一個典型的HAD。結(jié)果表明，在ODD的特定場景中，HAD可以顯著降低事故風險。對于具有挑戰(zhàn)性的情況，情況就不那么明朗了。在這種情況下，交通安全方面也會出現(xiàn)新的風險。然而，兩種最低風險操作在事故風險方面的結(jié)果差異突出表明，需要進行詳細分析，考慮確切的技術(shù)行為，并在這一領域進行詳細模擬。

最后一個挑戰(zhàn)是證明得出的結(jié)果是可靠和可信的。因此，對包括所有模型在內(nèi)的方法和模擬工具進行驗證和確認至關重要。本文報告了寶馬公司為前瞻性安全評估所采取的驗證和核查方法。