行业应用方案 | 面向无人驾驶的安全性分析与验证技术

Ansys 行业应用方案连载（25） | 面向无人驾驶的安全性分析与验证技术

随着汽车电气化、智能化和网联化的飞速发展，汽车已经不再像以前一样仅仅被人们当成是交通工具，如今汽车正慢慢走进人们的生活，成为生活的一部分。通过自动驾驶替代人的驾驶工作，能有效避免人为失误，减少交通事故的发生。同时，协同的自动驾驶车辆可以显著提升道路通行效率，节省大量的燃油和通行时间。

依据美国汽车工程师协会制定的自动驾驶分级标准（SAEJ3016），自动驾驶可分为L0-L5共6级，目前大多数厂商已在量产车辆实现了L1，L2级别的驾驶辅助功能，L3，L4级别的自动驾驶功能则是厂商未来实现的重点功能。由于L3及以上级别的自动驾驶功能允许系统进行相应的驾驶任务将驾驶员从紧张的驾驶工作中解脱出来，因此一旦系统无法处理驾驶场景，将对驾驶员乃至周边车辆环境造成巨大的危害，如何确保行车安全决定着自动驾驶以及车联网能否真正的走向应用。

数字化的安全分析及仿真手段能够保证安全分析、安全需求、架构设计及测试验证的追溯性和一致性，基于物理的仿真能够快速的帮助安全分析工程师发现传感器存在的弱点和缺陷，并发现尽可能多的边缘场景，同时数字化仿真能够快速确认安全分析工程师的假设，保证因果关系链的正确性，从而实现真正意义上的保证安全分析满足功能安全（ISO26262）及预期功能安全(ISO21448)标准。

Ansys提供了一套完整的面向自动驾驶安全分析与验证的解决方案，包括基于模型的功能安全、预期功能安全分析平台，基于物理的传感器仿真及驾驶仿真平台以及面向感知算法的鲁棒性测试平台，从而全面的覆盖功能安全、预期功能安全的分析验证流程,保证自动驾驶系统的安全性。

通过medini与VRX仿真工具链的集成，完成自动驾驶功能的预期功能安全分析与验证工作

• 运行场景的危害分析与风险评估

• ODD的分析与验证

• 系统故障与触发条件的因果关系分析

• 系统架构与冗余设计的分析与改进

• 传感器的性能限制分析与验证

• 感知算法的缺陷分析与验证

• 人机交互的分析与验证

• 报警及降级策略的分析与验证

• 边缘场景的分析与验证

• 环境参数对于自动驾驶系统的安全分析与验证

• 感知算法的鲁棒性分析验证

通过对传感器进行功能安全分析与验证，降低自动驾驶功能因E/E失效产生危害的可能性

• 传感器的可靠性分析与失效率的计算

• 系统安全机制的设计与验证

• 传感器的失效模式与影响分析

• 故障容忍时间的分析与验证

• 安全状态的分析与验证

Ansys通过提供完整的功能安全、预期功能安全分析验证方案，减少大量人工确认和重复性工作，大幅提高安全分析验证的工作效率，并保证安全分析与验证的追溯性和一致性。

• 在分析阶段支持系统功能的详细设计、预期功能引起的危害分析、弱点和限制分析以及潜在触发条件分析等内容。该方案把面向环境、人机、系统的分析结果分解到各个子系统和部件，有机地和功能安全过程结合起来，帮助自动驾驶系统的开发人员识别相关危害并缩小未知的危害场景、改进功能以及指导测试验证的策略

• 通过将分析与验证有机的结合，帮助安全分析人员进行基于假设的验证，同时解决由于分析技术局限性而无法全面发现触发条件的问题，保证分析结果的全面性和准确性

通过medini与VRX仿真工具链的结合，提供覆盖全生命周期的预期功能安全、功能安全解决方案，不仅提高了安全分析与测试验证的工作效率也保证了安全分析、系统设计、测试验证的追溯性和一致性，最终实现整个自动驾驶系统的安全性。