自动驾驶SOTIF:场景库问题

如何验证自动驾驶的安全性呢？

业内公认的标准是自动驾驶的水平不比人类驾驶员差，换成量化指标就是自动驾驶的事故率低于人类驾驶员。比如人类驾驶评论百万公里会出现一次事故，那么自动驾驶去行驶百万公里的里程，最多允许出现一次事故！

以行驶里程事故数作为评价标准，是一个可执行的，有理论支持的验证方法。但自动驾驶需要上亿公里级别的里程，其中的时间成本和金钱成本十分高昂，非常不利于自动驾驶的开发落地。因此大家纷纷将目光转向了场景测试（仿真的&实车的）。这样就能以更低的成本完成验证，证明其安全性。

场景库包含4种典型测试场景：自然驾驶场景、危险工况场景、标准法规场景、参数重组场景。其中自然驾驶场景来自于日常使用中遇到的情况，危险工况场景主要来自于交通事故统计数据，标准法规场景来自于NCAP/GB/ECE/ISO等，而参数重组场景是基于以上场景的参数泛化重组。

场景库有了，测试平台工具也有，似乎仿真跑完，统计了通过率就OK了。NO，进行基于场景的验证还有一下几个主要问题需要论证：

1，采用的场景库是否足够大？是否能够代表真实世界？它能够覆盖真实世界中百分之多少的情况？

2，即使采用危险工况场景库，那么这个场景库能否覆盖真实世界所有的危害场景？它的场景量在真实世界所有场景量中所占比例如何？

3，泛化场景的参数步长如何确定？是否能够有效扩大覆盖率，同时不会引起成本的暴涨？

4，场景仿真中，如何真实再现行人二轮车或其他车辆等智慧体的交通行为？如果证明对这些智慧体的仿真是充分有效的？

5……

目前，这些场景以及工具已经足以支持（条件）自动驾驶的开发，但其论证体系的还有待进一步发展！

智能网联汽车在路上！