AVP预期功能安全研究
研究背景及意义
随着智能网联汽车技术的发展，预期功能安全问题日益突出。自主代客泊车系统（AVP）作为高阶自动驾驶场景，其安全性研究尤为重要。本研究基于ISO 21448标准，对AVP的预期功能安全进行系统分析，旨在识别隐患、构建致因场景，并建立测试评价体系，提升AVP系统的安全性与可靠性。
AVP功能定义及风险识别与危害分析
AVP系统定义
AVP系统允许用户在指定区域下车后，通过手机APP远程控制车辆自动泊车和取车，无需驾驶员操作。系统包括车端、场端和云端三种子系统，功能实现方式多样，可实现空间车位和线车位的自动泊入和泊出。
AVP系统设计运行域（ODD）
ODD从静态实体、环境、动态实体、驾驶人员状态和车辆状态五个维度定义，涵盖147个第三层级特征要素。
系统架构分析
AVP系统通过传感器（摄像头、激光雷达、毫米波雷达、超声波雷达等）感知环境，经控制器进行路径规划与控制，最终由执行器执行操作。系统架构包括硬件和软件单元，软件单元包括目标检测、路径规划与控制算法等。
风险识别与危害分析
基于STPA方法，定义分析目的，建立AVP系统分层控制结构，识别出8类关键控制行为，43类不安全控制行为（UCA），107个潜在危险事件，92个不可接受的危险事件。通过风险分析，确定41项诱因，并完成致因场景梳理，为测试方法编写提供支撑。
AVP预期功能安全场景搭建研究
AVP场景分析
依据预期功能安全静态场景七层架构，梳理驾驶、事故、失效及标准场景，形成AVP场景库。驾驶场景通过实车公开道路采集，共获得2816个场景，经预处理和覆盖原则处理，最终形成64类场景。事故场景共收集71例，梳理出30种事故场景。失效场景通过失效用例收集、分类、提取，形成22例失效场景。标准场景基于5个相关标准梳理，共191个试验场景。
场景库构建
场景库包括基本信息和场景描述信息，涵盖356类场景，涵盖四类场景来源。通过特征参数分析，补充缺失特征参数，生成167例测试场景。
SOTIF场景设计
从场景库中筛选出72个SOTIF测试场景，补充20个测试场景，形成92个SOTIF测试场景，并生成164条测试用例。
AVP系统预期功能安全测试体系研究
测试方法
采用“三支柱法”，包括模拟仿真测试、封闭场地测试和开放停车场测试。通过场景客观存在性和复杂度分析，制定测试方法分配原则。
模拟仿真测试
构建仿真测试场景库，包括测试场景构建与入库。通过51 Sim-one软件搭建分阶段SOTIF测试场景，并进行场景组合与连续测试工况设计。
封闭场地测试
明确试验场地、高精度地图、场端通信、测试车辆和测试设备要求。选取各阶段复杂度最高的场景进行测试，包括白天驶入地下停车场、路口左转遇到目标车辆从盲区驶出、泊入车位遇到柱状限位杆、驶出车位遇到目标车辆从盲区驶过等场景。
开放停车场测试
选取有代表性的停车场，进行一键泊车试验和一键召唤试验。测试要求覆盖设计运行范围内场景要素，并测试至少三个停车场或停车库。
人机交互功能试验
通过HARA分析，梳理出6种交互场景，提出对应的技术要求，并关联场景序号为84-92的场景。
AVP系统预期功能安全评价体系研究
AVP系统预期功能安全评价接受准则
基于ISO 21448提出AVP系统预期功能安全评价接受准则，包括自动驾驶危害行为事件接受准则与自动驾驶总体安全风险接受准则。
评价体系研究
建立基于SOTIF场景的主、客观评价体系。主观评价体系侧重于用户实际感受和需求，包括接管请求、最小风险策略和警示信号等指标。客观评价体系包括一键泊车能力和一键召唤能力等指标，并细化12项三级指标和多个四级指标。通过场景得分计算方法，对四级指标进行验证，并计算AVP系统总得分。
