原文 : Assessment of Technical Requirements for Level 3 and Beyond Automated Driving Systems based on Naturalistic Driving and Accident Data Analysis

翻譯：盧萍、闞博然

譯文審核：丁佳俊

SAE L3及更高級別的自動駕駛系統(tǒng)允許將駕駛?cè)蝿?wù)和責(zé)任轉(zhuǎn)移給車輛及其自動化系統(tǒng)。開發(fā)和實(shí)際運(yùn)行中的一個重要挑戰(zhàn)是在功能、可用性和安全性之間取得平衡，因?yàn)橛谐渥愕臏?zhǔn)備時間，人類駕駛員只需要保證其能夠正常接管車輛。因此，自動駕駛需要傳感器、算法和執(zhí)行器的增強(qiáng)能力。本文著重于改善自動駕駛汽車的安全性和駕駛舒適性，并與僅有駕駛員或輔助駕駛相比，討論了即將出現(xiàn)的技術(shù)要求。

本文使用并改進(jìn)了ADAS的最新前瞻性效能評估方法，以預(yù)估自動駕駛系統(tǒng)的事故避免潛力。此分析的數(shù)據(jù)來源包括“戰(zhàn)略公路研究計(jì)劃2”（SHRP2）和德國交通事故詳細(xì)數(shù)據(jù)庫（GIDAS）。

對于高速公路，將對示例自動駕駛功能進(jìn)行前瞻性評估，并使用碰撞、近碰和基準(zhǔn)數(shù)據(jù)展示其對交通安全和駕駛舒適性的影響。進(jìn)而提取出相應(yīng)自動駕駛系統(tǒng)的相關(guān)技術(shù)要求。通過實(shí)例用例，展示了對系統(tǒng)功能、可用性和安全性可能產(chǎn)生的影響。此外，還討論了在手動駕駛時，安裝高性能傳感器對于L3及更高級別自動駕駛系統(tǒng)的安全潛力。

01  引言

在文獻(xiàn)中，對于定義自動化級別有不同的方法。在國際上，SAE J3016 [Sae18] 是其中最普遍的，因此在接下來的分析中將被使用。SAE J3016 概述了六個自動化級別，從0級（無駕駛自動化）到5級（完全駕駛自動化）。

本文中，系統(tǒng)自動化被定義為從L3（有條件自動化）開始，其中自動駕駛系統(tǒng)（ADS）在運(yùn)行設(shè)計(jì)域（ODD）內(nèi)執(zhí)行整個動態(tài)駕駛?cè)蝿?wù)（DDT）。在L3級，當(dāng)系統(tǒng)發(fā)生錯誤或接近ODD邊界時，ADS會發(fā)送過渡要求給準(zhǔn)備接管的用戶，以便其接管動態(tài)駕駛?cè)蝿?wù)（DDT）。如果駕駛員未能適當(dāng)?shù)刈鞒鲰憫?yīng)，自動駕駛系統(tǒng)可能會采取故障緩解策略。在更高級別的自動化級別（L4和L5），自動駕駛系統(tǒng)會采取系統(tǒng)響應(yīng)來執(zhí)行動態(tài)駕駛?cè)蝿?wù)（DDT）的備用措施。

在開發(fā)L0級-L2級的系統(tǒng)時，由于駕駛員可以立即接管，因此沒有最低系統(tǒng)要求。因此，可以采用自下而上的方法。通過逐步解決更復(fù)雜的場景，逐步開發(fā)手動駕駛的主動安全系統(tǒng)的事故預(yù)防潛力。

相比之下，在L3及以上的自動駕駛系統(tǒng)中，駕駛員/用戶不會立即對車輛進(jìn)行操控。因此，自下而上的方法不適用。采用自上而下的方法，可以通過根據(jù)系統(tǒng)功能限制操作設(shè)計(jì)域來確定相應(yīng)的系統(tǒng)效能。為此，必須從不同的應(yīng)用案例中推導(dǎo)出相應(yīng)的系統(tǒng)要求。因此，有必要建立一個全新的開發(fā)流程，不僅基于碰撞數(shù)據(jù)，還基于關(guān)鍵情況（近碰）和正常駕駛情況（基準(zhǔn)）。

本文的結(jié)構(gòu)如下：首先，討論了ADS事故預(yù)防潛力和技術(shù)要求的相關(guān)工作。在接下來的部分中，對本文的文獻(xiàn)和研究問題進(jìn)行了批判性回顧?！胺椒ê蛿?shù)據(jù)源”一節(jié)介紹了基于自然駕駛和事故數(shù)據(jù)分析舒適度和安全增益的應(yīng)用方法。“結(jié)果”章節(jié)結(jié)果介紹了ADS不同性能對安全性、可用性和功能性的影響。最后，討論了結(jié)果和相應(yīng)的局限性，并提出了展望。

02  相關(guān)工作與文獻(xiàn)綜述

在過去的幾十年里，通過加強(qiáng)安全措施，如改善被動安全和基礎(chǔ)設(shè)施，高收入國家減少了人身傷害[Who15]。此外，消費(fèi)者保護(hù)、保險組織和監(jiān)管機(jī)構(gòu)越來越多地需要主動安全系統(tǒng)，如自動緊急制動[Eur19]、[Gdv18]、[UNa14]。這些類型的系統(tǒng)顯示出事故頻率、身體傷害和總體損失的顯著降低[Doy15，F(xiàn)il15，Rat15，Hld11-Hld15b]。

當(dāng)前的安全系統(tǒng)，如自動緊急制動AEB，是按照自下而上的開發(fā)過程設(shè)計(jì)的（圖1）。在這種方法中，從追尾車與當(dāng)前車碰撞場景到當(dāng)前和未來的功能，如行人、騎自行車者和電動兩輪車的緊急制動，包括交叉口和交叉口場景，系統(tǒng)功能和相應(yīng)的現(xiàn)實(shí)世界事故預(yù)防能力不斷得到改進(jìn)。為了開發(fā)自動駕駛系統(tǒng)（對應(yīng)于L3級至L5級），這種流程不再適用，因?yàn)轳{駛員不能立即接管。

在本文中，開發(fā)了一種新的方法，使用自上而下的開發(fā)過程來評估L3級及以上的自動駕駛系統(tǒng)。這樣的過程提供了根據(jù)先前建立的某些駕駛場景的技術(shù)系統(tǒng)要求的系統(tǒng)可用性的調(diào)整。

定義未來安全系統(tǒng)技術(shù)要求的典型方法包括以下步驟[Wis13，Wis13a，Edw14，Sei14]：

● 真實(shí)世界臨界碰撞事故分析；

● 事故數(shù)據(jù)與情景的聚類和加權(quán)；

● 基于集群事故場景推導(dǎo)測試場景和程序；

● 特定功能的開發(fā)、測試和實(shí)際驗(yàn)證。

圖1 主動安全或輔助功能自下而上的示意圖

德國保險協(xié)會對2035年之前自動駕駛功能對預(yù)期索賠支出的影響進(jìn)行了分析[GDV17]。在該研究中，從系統(tǒng)相關(guān)性、系統(tǒng)效率、利用率和市場滲透率計(jì)算了相應(yīng)系統(tǒng)的貨幣減少量。系統(tǒng)相關(guān)性是使用事故數(shù)據(jù)確定的，并描述了系統(tǒng)能夠解決的崩潰次數(shù)。由于并非每一個可尋址的事故都是可預(yù)防的，因此定義了系統(tǒng)效率。為了考慮到該系統(tǒng)可能不是在每種駕駛條件下都是活動的，也不是在每輛車中都存在，引入了利用率和市場滲透率。可以通過調(diào)整系統(tǒng)效率來解決不同的系統(tǒng)功能和相應(yīng)的要求（例如，在不利天氣條件下駕駛、執(zhí)行變道等）。然而，使用所提出的方法，系統(tǒng)效率在很大程度上取決于專家估計(jì)。為了評估系統(tǒng)可用性方面的系統(tǒng)需求，還必須對正常駕駛情況（基線）進(jìn)行分析。

關(guān)于L3+系統(tǒng)的系統(tǒng)需求，文獻(xiàn)中僅介紹了通用方法，例如在[dv18]中。Unfallforschung derVersicher [Udv18]引入了自動駕駛的通用要求。然而，這些不允許解決對系統(tǒng)功能、系統(tǒng)安全性和系統(tǒng)可用性的影響。

03  目的和目標(biāo)

當(dāng)前L3級自動化系統(tǒng)的評估方法有許多局限性。最先進(jìn)的有效性評估基于碰撞數(shù)據(jù)。應(yīng)該考慮的另一個方面是駕駛員可以通過將駕駛?cè)蝿?wù)轉(zhuǎn)移到該系統(tǒng)而從使用這種自動駕駛系統(tǒng)中獲得額外的舒適度，因此，可以減少駕駛員的工作量。通過解決接近碰撞的情況，還可以預(yù)期進(jìn)一步的安全效益。很大一部分未遂事故表明，人類能夠充分處理危急情況。這些問題也必須通過L3級自動化系統(tǒng)來解決。為了回答這些研究問題除了碰撞數(shù)據(jù)外，還需要基線事件的駕駛數(shù)據(jù)。由于當(dāng)前使用的數(shù)據(jù)庫僅包括碰撞數(shù)據(jù)，因此需要調(diào)查其他數(shù)據(jù)庫設(shè)置。

以前的分析包括對通用系統(tǒng)的潛在評估，而沒有確定系統(tǒng)需求。對L3級系統(tǒng)的評估需要對系統(tǒng)的功能、安全性和可用性要求進(jìn)行詳細(xì)分析。

這就提出了以下研究問題:

● 不同自動駕駛功能的事故預(yù)防潛力是什么?

● 如何評估駕駛員的舒適度?

● 各種功能如何影響駕駛員的舒適度?

04  方法和數(shù)據(jù)源

我們分析的數(shù)據(jù)來源是戰(zhàn)略公路研究計(jì)劃（SHRP2）自然駕駛數(shù)據(jù)庫。該數(shù)據(jù)源包括4300年的累計(jì)駕駛數(shù)據(jù)、約3400名參與者和3300輛參與者車輛[Han16]。這項(xiàng)研究在美國的六個不同城市進(jìn)行。安裝的數(shù)據(jù)測量系統(tǒng)存儲了各種時間序列數(shù)據(jù)，如速度或轉(zhuǎn)向角[Vtt16]。此外，還提供了手動編碼的事件數(shù)據(jù)和場景視頻。在數(shù)據(jù)集中，總共存在1465起撞車事故、2710起未遂撞車事故和20000個平衡樣本基線。

在第一步中，根據(jù)可用的NDS，SHRP2數(shù)據(jù)分析不同的情況，如地點(diǎn)、碰撞嚴(yán)重程度或事故前動作。在本分析中，我們將重點(diǎn)關(guān)注州際公路/支路/分區(qū)公路的自動駕駛功能。因此，沒有分開行駛方向和交通信號的街道被排除在外?；赟HRP2內(nèi)的碰撞和近碰撞事件，確定普通HWP的事故預(yù)防潛力。

接下來的步驟描述了不同技術(shù)要求、其規(guī)范和邊界條件對功能、可用性和安全性的影響。由于人工驅(qū)動程序不能立即用于冗余，因此需要并提出一種新的方法。采用自上而下的方法來確定不同邊界條件和相應(yīng)技術(shù)要求對自動化系統(tǒng)可用性的影響（圖2）。在每一步中，自上而下的方法都描述了技術(shù)要求對作戰(zhàn)設(shè)計(jì)領(lǐng)域的影響，由于并非所有邊界條件都是可控的，實(shí)際實(shí)施將不包括通用HWP的運(yùn)行設(shè)計(jì)域（ODD）。示例性邊界條件包括:

● 天氣和地表?xiàng)l件；

● 地點(diǎn)，例如行駛方向分開且沒有交通信號的高速公路；

● 驅(qū)動速度；

● 案例，例如變道、超車；

● 交通管制，例如收費(fèi)站或警察。

將SHRP2的數(shù)據(jù)作為基線，可以分析特定的技術(shù)實(shí)施是否涵蓋數(shù)據(jù)庫中的特定場導(dǎo)，這可以判斷自動駕駛功能的舒適性優(yōu)勢 -- 在各種邊界條件下，特定功能可以覆蓋多少駕駛事件？可以采用類似的方法來分析碰撞和未遂碰撞的比例，以確定特定自動駕駛系統(tǒng)的事故預(yù)防潛力。因此，對于HWP的不同功能，如變道、進(jìn)出高速公路或在不利天氣條件下駕駛，必須考慮可用性和安全性之間的平衡。

如果當(dāng)前的技術(shù)解決方案無法處理基線場最或管理現(xiàn)有的碰撞/未遂碰撞，則必須連續(xù)減少自動駕駛系統(tǒng)的操作設(shè)計(jì)域，直到達(dá)到可接受的狀態(tài)。基于SHRP2數(shù)據(jù)，對于HWP的不同系統(tǒng)規(guī)范，將顯示各種邊界條件對舒適優(yōu)勢或去全效益的影響。

為了將SHRP2數(shù)據(jù)與德國事故數(shù)據(jù)進(jìn)行比較，德國深入事故研究（GIDAS）[Erbs08]用于分析德國高速公路上的事故。這個數(shù)據(jù)庫的優(yōu)點(diǎn)是可 以獲得事故中每一個人的信息。因此，進(jìn)行了分析，并提取了所有相關(guān)乘用車的所需數(shù)據(jù)，符合特定的過濾標(biāo)準(zhǔn)。使用了2018年6月的GIDAS數(shù)據(jù)集， 僅包括重建和完全編碼的事故。

圖2 自上而下的方法展示了技術(shù)要求對自動駕駛功能的操作設(shè)計(jì)領(lǐng)域和舒適性優(yōu)勢的影響

05  結(jié)果

在SHRP2自然駕駛研究中，有1465起事故、2710起近乎撞車事故和2萬起基線事件可用。圖3a)顯示了各自地區(qū)的相對分布情況。在該圖中，位置按碰撞次數(shù)降序排列。近48%的碰撞（包括低風(fēng)險的輪胎撞擊）發(fā)生在商業(yè)和工業(yè)區(qū)。然而，參與者只有32%的時間在這些地區(qū)開車。相比之下，只有5%的碰撞發(fā)生在沒有交通信號的州際公路/旁路/分隔高速公路上，在這些地方發(fā)生了大量的近乎碰撞（21%），尤其是基線事件（27%）。在這種街道類型中，發(fā)生的碰撞較少，但人類駕駛員成功地減輕了大量關(guān)鍵的近似碰撞事件。此外，在交通方向分離且沒有交通信號的街道上發(fā)生的基線事件比例很高。因此，HWP可能會提供較高的舒適性優(yōu)勢。

圖3b)顯示了受地點(diǎn)影響的碰撞嚴(yán)重程度的相對比例。在州際公路/旁路/分隔高速公路上發(fā)生了更嚴(yán)重和警方報(bào)告的撞車事故。在沒有交通信號但行車方向劃分的街道上，26%的事故是嚴(yán)重的，25%的事故是警方報(bào)告的，而大多數(shù)事故發(fā)生在商業(yè)/工業(yè)街道上，12%的事故是嚴(yán)重的，17%的事故是警方報(bào)告的。

總之，與商業(yè)/工業(yè)、住宅或?qū)W校等地方相比，在沒有交通信號的州際公路/旁路/分隔高速公路上發(fā)生的事故更少。這一結(jié)果與現(xiàn)有關(guān)于普通HWP的潛在安全效益的研究相似[Gdv17]。相比之下，這一NDS分析表明，在交通方向分離且沒有交通信號的街道上，發(fā)生近乎撞車事故的比例相對較高。人類駕駛員很好地處理了這些關(guān)鍵事件，因此自動化系統(tǒng)需要通過避免此類接近碰撞或通過預(yù)測駕駛來在這些場景中表現(xiàn)同樣出色。此外，高速公路/州際公路的避碰將在很大程度上減少嚴(yán)重碰撞?？偟膩碚f，對于一個普通HWP來說，對關(guān)鍵事件、碰撞嚴(yán)重程度和事故減少潛力都有很大的積極影響。對于本文的進(jìn)一步分析，我們將重點(diǎn)放在州際公路/旁路/分隔高速公路用例的自動駕駛功能上，不包括沒有獨(dú)立駕駛方向和交通信號的街道。

圖3 a)取決于地點(diǎn)的碰撞、接近碰撞和基線事件的相對比例

b)取決于地點(diǎn)的碰撞嚴(yán)重程度的相對比例

下一步，我們將重點(diǎn)研究在沒有交通信號的州際公路/旁路/分隔高速公路上的事故前操作分析。該變量描述了在事件發(fā)生之前或發(fā)生時的動作或駕駛操作類型[Vtt16]。

在這一類別中，我們的數(shù)據(jù)集中包括79起撞車事故（5.4%）、577起近乎撞車事故（21.3%）和5367起（26.8%）基線事件。圖4描繪了事故前操作在事故、接近事故和基線事件中的相對比例。66%的時間受試者以恒定速度直線行駛。在這種情況下，更少的撞車（43%）和接近撞車（42%）發(fā)生。人類駕駛員面臨的關(guān)鍵場景有:加速時直行、在車道上減速、（有意或無意）變道以及合并。在這些情況下，碰撞和接近碰撞的相對比例高于現(xiàn)有的基線事件。

此外，交通車道 上的事故前操作 減速 顯示出一個有趣的相關(guān)性:在這種情況下，相對于碰撞（11%），發(fā)生了更多的接近碰撞（19%）。這可能是由于駕駛員通過適當(dāng)?shù)囊?guī)避操作避免了事故的發(fā)生。

根據(jù)已有的時間序列數(shù)據(jù)，分析了各事件的初速度。圖5顯示了在沒有交通信號的州際/旁路/分隔高速公路上，不同事件類型影響下的速度分布。在所有基線事件中，5.7%的時間速度低于60km/h, 36.8%的時間速度低于100 km/h, 97.9%的時間速度低于130 km/h。這一分析包括了進(jìn)出坡道。因此，如果L3+系統(tǒng)能夠處理所有邊界條件-例如不利天氣，收費(fèi)站，坡道-高達(dá)130公里/小時的速度，則可以覆蓋97.9%的基線駕駛時間。在50至110公里/小時之間，與基線事件相比，發(fā)生了更多的近乎碰撞和碰撞事件。這與對事故前操作的分析相對應(yīng)（圖4）：在加速、減速或過彎時發(fā)生的碰撞和接近碰撞的比例很高。

圖4 對于沒有交通信號的州際公路/旁路/分隔高速公路，事故前操作的相對比例

圖5 沒有交通信號的州際公路/旁路//分隔高速公路的速度分布

圖6顯示了HWP不同功能的可用性，以及邊界條件和技術(shù)要求的影響。因此，基線事件從普通HWP開始評估（=100%所有在SHRP2 NDS內(nèi)的州際公路/旁路/分隔高速公路上沒有交通信號的行程都可以由HWP覆蓋）。因此，各種事件和情況必須由相應(yīng)的L3+級系統(tǒng)處理，因?yàn)椴荒苤竿祟愸{駛員作為后備人員及時可用。

在接下來的步驟中，我們將分析不同的邊界條件和技術(shù)要求對可用性的影響。因此，可以分析邊界條件/技術(shù)要求的級聯(lián)以及對自動化系統(tǒng)取代人工駕駛的影響。如果一個系統(tǒng)不能處理有看門人、官員或收費(fèi)站等交通管制的情況，則99.7%的自然駕駛時間可能仍然包括在內(nèi)。此外，如果操作設(shè)計(jì)領(lǐng)域受到不利天氣條件的限制，則可用性從99.7%降低到98.5%。邊界條件/技術(shù)要求，如出口或入口坡道上的自動駕駛，車道變化（檢測后方或側(cè)面交通）和施工區(qū)域（不同/狹窄的駕駛路徑）對用戶的舒適性優(yōu)勢顯示出更高的影響。如果這些場景無法由自動化系統(tǒng)管理，由于自動化帶來的舒適優(yōu)勢仍然是駕駛時間的82.6%。如果將最高車速額外限制在130公里/小時，則可用性降至80.8%。進(jìn)一步將速度降低到100公里/小時會導(dǎo)致可用性的大幅下降（27.3%）。最高車速為60公里/小時，前方車輛（此處定義為交通堵塞）的存在導(dǎo)致可用性下降3.9%。

圖6 在邊界條件和技術(shù)要求的影響下，對HWP不同功能的可用性進(jìn)行自上而下的評估

除此之外，由于避免或減少（接近）碰撞的臨界性，自動駕駛功能具有潛在的安全效益。在沒有交通信號的州際公路/旁路/分隔高速公路上，發(fā)生了79起撞車事故（5.4%），577起撞車事故（21.3%）和5367起（26.8%）基線事件。對于普通的HWP來說，假設(shè)這些碰撞和接近碰撞是可以避免的。圖7分析了不同類型的操作設(shè)計(jì)域?qū)Π踩院涂捎眯缘挠绊?。這一分析表明，天氣、出口/入口或施工區(qū)域等邊界條件對自動駕駛功能的安全效益有很大影響。如果不能解決這些問題，安全潛力將下降到63%的可尋址碰撞和65%的接近碰撞。與基線相比事件（83%的可用性）在這樣的條件下發(fā)生了更關(guān)鍵的事件。此外，低速自動駕駛功能（交通堵塞，60和80公里/小時）與基線事件相比具有更高的安全潛力。一個交通堵塞HWP能夠解決9%的撞車事故和8%的近乎撞車事故，而該功能只能在3.9%的基線事件中提供。因此，與可用性相比，即使是通用的交通擁堵功能對交通安全的影響也更大。

圖7 對HWP不同功能的安全潛力

進(jìn)行自上而下的評估

為了分析對避碰的影響，還對GIDAS數(shù)據(jù)進(jìn)行了研究。我們的研究共納入了高速公路或類似道路（沒有十字路口和紅綠燈的獨(dú)立道路）上的3052輛乘用車。所有車輛的集合構(gòu)成了高速公路和類似道路系統(tǒng)的100%安全潛力。與之前一樣，分析了不同邊界條件和技術(shù)要求的自上而下的方法對安全潛力的影響。數(shù)據(jù)庫中沒有關(guān)于看守人、官員或收費(fèi)站等交通管制情況的相關(guān)信息。因此，事故預(yù)防的潛力并沒有減少。在沒有不利天氣條件的情況下，安全潛力降低到94%。在下一步中，在出口/入口坡道上行駛、進(jìn)行車道變化、合并機(jī)動或通過施工區(qū)域的車輛被排除在外。因此，系統(tǒng)效益降低到83%。當(dāng)車輛在情況變得危急之前的速度低于130公里/小時時，增益為68%。在交通堵塞時，有其他車輛在場而系統(tǒng)的運(yùn)行速度最高為60公里/小時，相關(guān)效益約為9%。所有應(yīng)用的步驟如圖8所示。與NDS數(shù)據(jù)集相比，GIDAS分析了各自類型道路上的所有車輛。這導(dǎo)致了基于車輛的焦點(diǎn)。

06  討論與限制

前一節(jié)已經(jīng)展示了自動駕駛功能的潛在安全效益。此外，在手動駕駛過程中避免人為失誤（如損傷、注意力不集中）導(dǎo)致的事故，提高了安全性和舒適性。

為L3+級功能安裝的高性能傳感器還可用于改進(jìn)手動或輔助駕駛的主動安全系統(tǒng)。在NDS內(nèi)，類似的碰撞也發(fā)生在州際公路/旁道/有交通信號的分隔高速公路上。因此，利用這些傳感器可以提高最先進(jìn)主動安全系統(tǒng)的操作范圍和性能。

通過使用NDS的數(shù)據(jù)，我們的分析需要考慮到一些局限性。一方面，只有參與者車輛的時間序列數(shù)據(jù)是已知的。相比之下，在GIDAS中，事故是為所有相關(guān)人員重建的。

圖8 在邊界條件和技術(shù)要求的影響下，對HWP不同功能的安全潛力進(jìn)行自上而下的評估

另一方面，對于某些事件，特定的時間序列數(shù)據(jù)（例如速度）不包括在內(nèi)。在此分析中，排除了數(shù)據(jù)缺失的事件。

為了研究安全性和舒適性增益，假設(shè)自動駕駛功能可以考慮碰撞、接近碰撞和基線事件。此外，NDS數(shù)據(jù)庫在沒有交通信號的州際/旁路/分隔高速公路上的碰撞方面相當(dāng)有限（n=79）。

除此之外，其他交通參與者的不當(dāng)行為還沒有包括在我們的分析中。一個例子可能是在變道過程中發(fā)生的碰撞，這是由接近的車輛超速引起的。

07  結(jié)論和展望

對于自動駕駛系統(tǒng)來說，在功能、可用性和安全性之間取得平衡，是現(xiàn)實(shí)世界部署時面臨的關(guān)鍵挑戰(zhàn)。因此，本文提出了一種基于自然駕駛數(shù)據(jù)的前瞻性有效性評估。對于L3級及以上系統(tǒng)的自上而下的開發(fā)過程，對即將到來的自動駕駛功能的技術(shù)要求進(jìn)行評估是必不可少的。

本文提出了一種評估和量化這種影響的新方法。所進(jìn)行的分析表明，由于26.8%的分析基線事件是高速公路駕駛，因此普通HWP可以顯著提高駕駛員舒適度。特別是對嚴(yán)重公路碰撞事故的預(yù)防，帶來了很高的安全潛力。此外，高速公路上高比例的撞車事故表明，即使對人類駕駛員來說，駕駛?cè)蝿?wù)也相當(dāng)艱巨。對GIDAS數(shù)據(jù)庫中碰撞的分析顯示了可比較的結(jié)果，并允許為HWP創(chuàng)造一系列安全效益。

總而言之，所進(jìn)行的分析能夠區(qū)分客戶舒適度的各種運(yùn)行設(shè)計(jì)域（ODD），并降低因避免碰撞或接近碰撞而導(dǎo)致的臨界性。