內(nèi)容概覽

第一部分：引言——研究抽象場(chǎng)景的動(dòng)機(jī)與挑戰(zhàn)

第二部分：示例——基于SOCA的抽象場(chǎng)景生成和描述方法

第三部分：示例——基于矩陣形式的抽象場(chǎng)景生成和描述方法

第四部分：結(jié)語(yǔ)——現(xiàn)有方法局限的總結(jié)

1  引言

1.1 研究抽象場(chǎng)景的動(dòng)機(jī)

對(duì)于自動(dòng)駕駛系統(tǒng)（Automated Driving System，ADS）的測(cè)試目標(biāo)一直以來(lái)有兩類技術(shù)路線：「里程覆蓋」和「場(chǎng)景覆蓋」。眾所周知，前者相對(duì)簡(jiǎn)單粗暴直接；然而對(duì)于復(fù)雜（內(nèi)部異質(zhì)性高的）環(huán)境來(lái)說(shuō)，需要驗(yàn)證多長(zhǎng)的里程才是足夠的里程，其答案要么讓人不舒服（可行性極低），要么讓人不安心（結(jié)果的置信太低）。

當(dāng)我們?cè)谏鲜龇植媛房?，選擇走上「場(chǎng)景覆蓋」或者基于場(chǎng)景的測(cè)試驗(yàn)證道路的時(shí)候，就需要面對(duì)「縱向」「橫向」兩類問(wèn)題。

其中，「縱向」是指場(chǎng)景的全生命周期，從怎么構(gòu)成，到怎么逐級(jí)細(xì)化，怎么逐步使用，包括：

場(chǎng)景要素：從要素層面構(gòu)建一類場(chǎng)景，包括經(jīng)典的六層場(chǎng)景要素模型，或基于此形成的七層場(chǎng)景要素模型：1-道路結(jié)構(gòu)；2-道路設(shè)施；3-道路和設(shè)施的臨時(shí)改變；4-交通參與者；5-氣候環(huán)境；6-通信狀態(tài)；7-自車狀態(tài)和行為。

描述語(yǔ)言：從無(wú)到有、從粗到細(xì)地定義和描述一類場(chǎng)景，包括不同抽象層級(jí)的場(chǎng)景描述語(yǔ)言（見(jiàn)圖1）：功能場(chǎng)景->抽象場(chǎng)景->邏輯場(chǎng)景->具體場(chǎng)景。

場(chǎng)景測(cè)試：從場(chǎng)景文本到數(shù)字模擬環(huán)境、物理模擬環(huán)境到真實(shí)環(huán)境實(shí)現(xiàn)基于一類場(chǎng)景測(cè)試的全過(guò)程。

圖1 四種抽象層級(jí)的場(chǎng)景描述

如果從2016年的PEGASUS項(xiàng)目和2018年的SAKURA項(xiàng)目算起，在這條基于場(chǎng)景的測(cè)試驗(yàn)證道路上，各國(guó)已開(kāi)展了7、8年的大規(guī)模探索了，上述關(guān)于場(chǎng)景要素、描述語(yǔ)言和場(chǎng)景測(cè)試的三方面問(wèn)題已經(jīng)被解決得七七八八了，除了：

描述語(yǔ)言：還欠缺對(duì)功能場(chǎng)景和抽象場(chǎng)景的規(guī)范化描述方法。

場(chǎng)景測(cè)試：在可信、真實(shí)、高效等方面還有長(zhǎng)串的技術(shù)問(wèn)題待解決。

那么「橫向」呢？

回到“場(chǎng)景覆蓋”的目的，橫向是要回答「場(chǎng)景的全集是什么？有多少？」

在這個(gè)問(wèn)題上，我們前進(jìn)得不多。在低級(jí)別自動(dòng)駕駛系統(tǒng)上，所累積的經(jīng)驗(yàn)和方法論，在面對(duì)功能的復(fù)雜化和ODD（Operational Design Domain）的擴(kuò)大化時(shí)，顯得蒼白無(wú)力。

是時(shí)候，直面這個(gè)挑戰(zhàn)了。

1.2 抽象場(chǎng)景描述的目標(biāo)和挑戰(zhàn)

先簡(jiǎn)單回顧一下，在這個(gè)橫向維度上，專家學(xué)者們所做過(guò)的一些研究和方案（見(jiàn)表1）：

表1 場(chǎng)景覆蓋方案

在這兩類方案之間，是否能找到一種方案，同時(shí)兼具：「場(chǎng)景覆蓋」和「高效生成」，也即得到的場(chǎng)景集合對(duì)于需要測(cè)試論證的自動(dòng)駕駛系統(tǒng)來(lái)說(shuō)既是是充分的也是必要的？

以此為目標(biāo)的話，大體的實(shí)現(xiàn)思路如下：

在抽象場(chǎng)景層級(jí)上實(shí)現(xiàn)場(chǎng)景覆蓋：既有可能嚴(yán)謹(jǐn)?shù)鼗貞?yīng)「場(chǎng)景覆蓋」的需求；也可能通過(guò)工具的編譯，自動(dòng)化地向下實(shí)現(xiàn)邏輯場(chǎng)景或具體場(chǎng)景的生成，從而支持基于場(chǎng)景的測(cè)試；

結(jié)合自動(dòng)駕駛的預(yù)期功能進(jìn)行抽象場(chǎng)景生成：能有的放矢地生成（或選擇）待測(cè)場(chǎng)景，從而避免大量冗余場(chǎng)景的生成，實(shí)現(xiàn)高效生成。

聚焦「生成抽象場(chǎng)景的挑戰(zhàn)與方案」，本文梳理了兩篇相關(guān)論文，提煉其中的共性技術(shù)框架，結(jié)合路口、匝道口和路段等典型道路結(jié)構(gòu)的實(shí)例，介紹相關(guān)技術(shù)方案。

1.3 抽象場(chǎng)景描述方法框架

面向抽象場(chǎng)景的生成及描述，這兩篇論文所采用的技術(shù)框架相似，均可被歸納為四個(gè)核心模塊，即道路空間劃分、ADS決策空間的構(gòu)建、ADS的決策行為及基于決策行為的等價(jià)類劃分和抽象場(chǎng)景生成：

「模塊一：道路空間劃分」

將場(chǎng)景中具體的道路幾何結(jié)構(gòu)以一定的方式劃分為有限個(gè)區(qū)域，以便對(duì)道路信息進(jìn)行抽象提取，從而實(shí)現(xiàn)后續(xù)基于區(qū)域的分析。例如，圖2展示了對(duì)一段單向雙車道道路的劃分示例，包括A、B、C、D四個(gè)區(qū)域，其中ADS在區(qū)域A。

圖2 道路空間劃分示例（參考區(qū)域圖方法，詳情見(jiàn)下文）

「模塊二：ADS決策空間的構(gòu)建」

場(chǎng)景空間是指場(chǎng)景中全部要素所有可能的狀態(tài)的集合，而決策空間是場(chǎng)景空間的子空間，其中包含了可能影響ADS決策行為的要素及其狀態(tài)。

決策空間中存在不同的情景（Situation）。例如，表2是在上述區(qū)域圖的基礎(chǔ)上構(gòu)建的決策空間示例。通過(guò)對(duì)表2各個(gè)維度的狀態(tài)進(jìn)行組合，可以得出在圖3中的情景示例，如情景①中，區(qū)域C存在一輛向區(qū)域B變道的車輛，對(duì)自車產(chǎn)生威脅；在情景②中，區(qū)域B的車輛減速，使得與自車的車距小于安全距離，產(chǎn)生威脅。

表2 決策空間示例

「模塊三：ADS的決策行為及基于決策行為的等價(jià)類劃分」

為了有效地歸類決策空間中的情景，一種思路是建立情景與ADS決策行為的映射關(guān)系，這個(gè)映射關(guān)系構(gòu)成了行為等價(jià)類的概念。行為等價(jià)類是基于ADS決策行為對(duì)決策空間的歸并，本質(zhì)上是經(jīng)過(guò)歸類的情景集合，歸類的依據(jù)是ADS在特定情景中需要執(zhí)行的預(yù)期正確決策行為。換言之，在一個(gè)行為等價(jià)類中的所有情景中，ADS的預(yù)期正確決策行為是相同的。

通過(guò)對(duì)ADS決策空間的情景進(jìn)行遍歷，專家可以為ADS設(shè)計(jì)各種情景中的預(yù)期正確決策行為。例如，對(duì)于一個(gè)AEB系統(tǒng)而言，其主要決策行為是緊急制動(dòng)，因此可以定義行為等價(jià)類“緊急制動(dòng)”，該等價(jià)類包含情景①、情景②等情景（見(jiàn)圖3）。這種歸類方法有助于對(duì)ADS的決策空間進(jìn)行有效的梳理。

圖3 行為等價(jià)類示例

「模塊四：抽象場(chǎng)景生成」

抽象場(chǎng)景生成：基于決策空間和決策行為等價(jià)類，我們可以分別得出情景和ADS的決策行為，將它們進(jìn)行組合，實(shí)現(xiàn)抽象場(chǎng)景生成。

連續(xù)抽象場(chǎng)景生成：將上述單個(gè)抽象場(chǎng)景按照時(shí)間順序，在空間連續(xù)的條件下進(jìn)行組合，即實(shí)現(xiàn)連續(xù)抽象場(chǎng)景生成。

基于上述四大核心模塊，所提出的抽象場(chǎng)景方法框架對(duì)場(chǎng)景中所有可能直接影響ADS決策行為的要素進(jìn)行了抽象和組織（見(jiàn)圖4），進(jìn)而生成抽象場(chǎng)景。圖5展示了四個(gè)模塊之間的關(guān)系。后續(xù)將基于這個(gè)框架，結(jié)合路口、匝道口和路段等典型道路結(jié)構(gòu)的實(shí)例，介紹兩種抽象場(chǎng)景生成及描述方法。

圖4 抽象場(chǎng)景方法框架

圖5 核心模塊的相互關(guān)系

2  基于SOCA的抽象場(chǎng)景生成和描述方法，以十字路口為例

2.1 SOCA簡(jiǎn)介

博世公司提出了SOCA方法（System co-design for open context analysis, 用于開(kāi)放環(huán)境分析的系統(tǒng)協(xié)同設(shè)計(jì)）[7]，該方法被用于描述抽象場(chǎng)景，并在自動(dòng)駕駛測(cè)試評(píng)估相關(guān)的國(guó)際標(biāo)準(zhǔn)ISO 34502：Scenario based safety evaluation framework[8]的附錄中得到引用。本節(jié)將以前文提到方法思路為脈絡(luò)，介紹SOCA方法如何描述抽象場(chǎng)景。

2.2 道路空間劃分

SOCA方法通過(guò)區(qū)域圖方法來(lái)劃分道路空間，將具體的道路幾何結(jié)構(gòu)以及具體的交通參與者的抽象為不同的區(qū)域。本節(jié)通過(guò)ADS在十字路口右轉(zhuǎn)的場(chǎng)景（見(jiàn)圖6）示例來(lái)說(shuō)明區(qū)域圖的構(gòu)建方法，見(jiàn)圖7。

圖6 十字路口右轉(zhuǎn)場(chǎng)景示意圖，橙色的車輛表示自動(dòng)駕駛車輛

區(qū)域圖由不同類型的區(qū)域和邊界組成，區(qū)域的位置和大小并不是固定的，可以隨具體場(chǎng)景的情況來(lái)決定大小。區(qū)域圖包含以下類型的區(qū)域：

駕駛區(qū)：用于表示ADS存在的區(qū)域，其遵循ADS的行駛意圖進(jìn)行構(gòu)建，不同駕駛區(qū)之間由帶有方向的邊界連接，用于表示ADS的路徑；在示例中，根據(jù)ADS的右轉(zhuǎn)行駛意圖構(gòu)建駕駛區(qū)（Y、F1、G、F2、H），并使用紅色箭頭表示ADS的路徑。

位置區(qū)：用于表示其他交通參與者的位置，對(duì)于所有可能干擾ADS通過(guò)駕駛區(qū)的交通參與者構(gòu)建位置區(qū)域。在示例中，因?yàn)樾腥嗽谶^(guò)馬路時(shí)會(huì)對(duì)駕駛區(qū)F2構(gòu)成威脅，所以劃分位置區(qū)L和位置區(qū)M，此外可能存在如急救車等應(yīng)急車輛威脅到駕駛區(qū)G的情況，因此劃分位置區(qū)K和J。

信息區(qū)：用于表示交通信息，包含每個(gè)可能存在的影響ADS決策基礎(chǔ)設(shè)施要素，如交通燈和路牌等。在示例中，信息區(qū)T表示了交通燈狀態(tài)。

圖7 十字路口右轉(zhuǎn)的區(qū)域圖示例

2.3 ADS的決策空間構(gòu)建

通過(guò)對(duì)道路空間進(jìn)行劃分，能夠幫助梳理場(chǎng)景中影響ADS決策的要素。在區(qū)域圖的基礎(chǔ)上設(shè)計(jì)ADS的決策空間，在上述例子中，ADS的決策空間如表3所示。

表3 ADS在十字路口右轉(zhuǎn)的決策空間

決策空間中的每個(gè)維度是場(chǎng)景信息的一個(gè)方面，對(duì)于每個(gè)維度設(shè)置離散的狀態(tài)集，要求狀態(tài)之間是互不相交的，且每個(gè)維度的狀態(tài)應(yīng)該是全集。每個(gè)維度的狀態(tài)組合在一起，可得到一個(gè)情景，在這個(gè)例子中，共有6×2×2×2×2×9=864種情景。值得一提的是，維度的選擇主要取決于區(qū)域圖，而狀態(tài)可選項(xiàng)的設(shè)置則受到研究目的影響，可根據(jù)研究目的設(shè)置更具體的狀態(tài)可選項(xiàng)，只需要保證狀態(tài)可選項(xiàng)的互斥性和維度的完備性即可。

2.4 基于ADS的決策行為的等價(jià)類劃分

對(duì)于每個(gè)情景，都根據(jù)專家知識(shí)設(shè)定在這個(gè)情況下ADS應(yīng)該做的行為。在十字路口右轉(zhuǎn)的區(qū)域圖中，結(jié)合表3的決策空間，可以設(shè)置如下的行為等價(jià)類：

繼續(xù)前進(jìn)

舒適地停車在讓行線前

安全地停車在讓行線前

緊急地停在讓行線前

闖紅燈且駕駛區(qū)F1不可通行

闖紅燈但未陷入危險(xiǎn)

發(fā)生險(xiǎn)情或事故

安全地停在駕駛區(qū)G

安全地停在駕駛區(qū)H

在沒(méi)有交通燈的十字路口行駛

在設(shè)計(jì)行為等價(jià)類時(shí)，通常先從比較明顯的情景開(kāi)始設(shè)計(jì)等價(jià)類，如當(dāng)交通燈處于黃燈或紅燈的狀態(tài)且自車處于駕駛區(qū)Y.B時(shí)，ADS應(yīng)該采用舒適的制動(dòng)強(qiáng)度停止在讓行線前面，而對(duì)于這個(gè)行為來(lái)說(shuō)，決策空間的其他維度的狀態(tài)是無(wú)關(guān)緊要的，所以「舒適地停車在讓行線前」這一行為等價(jià)類共包含2×2×2×2×2×1=32種情景。

行為等價(jià)類的設(shè)計(jì)需要滿足完備性和一致性，完備性是指決策空間中存在的情景都被添加到至少一個(gè)行為等價(jià)類中，一致性是指決策空間中的情景都被添加到了最多一個(gè)行為等價(jià)類中。為保證等價(jià)類的完備性和一致性，在SOCA方法中，專家設(shè)計(jì)行為等價(jià)類的過(guò)程時(shí)，會(huì)使用系統(tǒng)級(jí)輔助開(kāi)發(fā)的SCODE(System Co-design，系統(tǒng)協(xié)同設(shè)計(jì))工具[9]同步檢查滿足情況以及計(jì)算剩余決策空間給出選擇建議。

以上由原論文作者設(shè)置的行為等價(jià)類僅供參考，并不是唯一答案，若研究出發(fā)點(diǎn)不同，在實(shí)踐時(shí)可以修改決策空間的顆粒度，然后基于決策空間設(shè)計(jì)不同的行為等價(jià)類。

2.5 抽象場(chǎng)景生成

綜上，前文中三個(gè)核心模塊成功地實(shí)現(xiàn)了對(duì)場(chǎng)景各要素的抽象描述。以下是一個(gè)示例，展示如何使用三個(gè)核心模型生成抽象場(chǎng)景：

道路結(jié)構(gòu)、道路基礎(chǔ)設(shè)施：

見(jiàn)圖7的區(qū)域圖

ADS的行為：

安全地停在駕駛區(qū)G

情景：

駕駛區(qū)F1的允許通行狀態(tài)=可通行

駕駛區(qū)G的允許通行狀態(tài)=可通行

駕駛區(qū)F2的允許通行狀態(tài)=不可通行

駕駛區(qū)H的允許通行狀態(tài)=不可通行

ADS所在的區(qū)域=G

3  基于SOCA的抽象場(chǎng)景生成和描述方法，以匝道路段為例

在本節(jié)，將介紹運(yùn)用SOCA方法分析高速公路上ADS匝道匯入的例子，幫助讀者更好的理解抽象場(chǎng)景的生成方法。

3.1 道路空間劃分

以高速公路匝道匯入為例，構(gòu)建區(qū)域圖（見(jiàn)圖8）。ADS處于匝道上，意圖向主路匯入。

圖8 高速公路匝道匯入的區(qū)域圖

3.2 ADS的決策空間構(gòu)建

根據(jù)區(qū)域圖，設(shè)計(jì)決策空間（見(jiàn)表4），其中主要關(guān)注駕駛區(qū)D的通行狀態(tài)，分析了各個(gè)位置區(qū)對(duì)駕駛區(qū)D的影響，以決定駕駛區(qū)D的可通行狀態(tài)，為了簡(jiǎn)化決策空間，駕駛區(qū)A、B、C、E設(shè)置為「可通行」和「不可通行」。

表4 高速公路匝道匯入的決策空間

3.3 基于ADS的決策行為的等價(jià)類劃分

在這個(gè)例子中，作者設(shè)計(jì)了十一個(gè)行為等價(jià)類，和一個(gè)非系統(tǒng)類。非系統(tǒng)類是指抽象場(chǎng)景中所有不可能發(fā)生或無(wú)意義的情況，在這些情況下不需要設(shè)計(jì)ADS的行為。行為等價(jià)類如下所示：

以目標(biāo)車速移動(dòng)

調(diào)整車速至限速

減緩碰撞

緊急制動(dòng)

舒適制動(dòng)

等待間隙

違法制動(dòng)

調(diào)整車速尋找間隙

違法停車

等待下個(gè)區(qū)域空閑

換道

為了方便讀者更好的理解等價(jià)類的含義，我們給出每個(gè)行為等價(jià)類的一個(gè)情景示例：

3.4 抽象場(chǎng)景生成

通過(guò)使基于單個(gè)ADS行為的抽象場(chǎng)景按照時(shí)序和邏輯關(guān)系進(jìn)行組合，可以形成連續(xù)的抽象場(chǎng)景，圖9展示了ADS成功匯入匝道的連續(xù)抽象場(chǎng)景示例。

本節(jié)以三車道直行路段為示例，將抽象場(chǎng)景以可計(jì)算、可解釋的矩陣形式描述[10]，并以自車為參考系來(lái)表達(dá)其他交通參與者（以汽車為例）相對(duì)自車的狀態(tài)（相對(duì)速度大小、距離遠(yuǎn)近等）。

4.1 道路空間劃分

將場(chǎng)景中的道路拓?fù)浣Y(jié)構(gòu)用以自車為參考系的柵格形式進(jìn)行表達(dá)，如圖10所示，具體如下：

在自車周圍一定橫向和縱向范圍內(nèi)，將三車道路段劃分成若干柵格，其中的每行柵格對(duì)應(yīng)一條車道

每個(gè)柵格所覆蓋的距離范圍與自車速度成正相關(guān)

在被占用柵格中采用慣性系數(shù)β表達(dá)周圍車輛相對(duì)自車的速度，下式給出一種計(jì)算示例

圖10 三車道路段柵格描述示意圖

4.2 場(chǎng)景矩陣

為了自動(dòng)化生成抽象場(chǎng)景，基于以上的柵格表示方法，將柵格轉(zhuǎn)換為矩陣形式。下方矩陣B是對(duì)圖9的場(chǎng)景柵格的表示。

同樣地，場(chǎng)景中背景車的動(dòng)作也按照矩陣形式進(jìn)行描述，包括速度變化，即速度保持、加速和減速；橫向位置變化，即車道保持、向左或向右變道。二者可同時(shí)執(zhí)行，故最多可有3x3=9個(gè)不同動(dòng)作。

背景車的動(dòng)作矩陣設(shè)計(jì)如下：

矩陣中的對(duì)角元素表示車道保持；

表示向左變道；

表示向右變道

將動(dòng)作矩陣與狀態(tài)矩陣相乘，結(jié)果即對(duì)應(yīng)著每個(gè)背景車執(zhí)行動(dòng)作后的中間情景。例如，處的車道保持和向右變道動(dòng)作分別表示為A=(,0,0;0,0,0;0,0,0)和A=(0,0,0;,0,0;0,0,0)。（感興趣的讀者可計(jì)算一次矩陣乘法，從而更好地理解此過(guò)程）

4.3 ADS的決策空間及行為等價(jià)類劃分

本節(jié)的道路拓?fù)浣Y(jié)構(gòu)相對(duì)簡(jiǎn)單，從簡(jiǎn)單的決策空間分析，參考了IDM的功能對(duì)ADS的行為等價(jià)類進(jìn)行劃分。表5給出了一種行為等價(jià)類與其對(duì)應(yīng)情景的劃分方式。若ADS功能更加高級(jí)和復(fù)雜，可以參考文獻(xiàn)[11]中所提出的方法分析決策空間并劃分其行為等價(jià)類，以保證等價(jià)類劃分的完備性和一致性。

表5 ADS的行為等價(jià)類與其對(duì)應(yīng)的情景

注：表中的期望速度、交互范圍、安全范圍和TTC閾值θ，可根據(jù)需要自行設(shè)計(jì)和定義

4.4 抽象場(chǎng)景生成

以下式所示矩陣作為初始場(chǎng)景，背景車初始的慣性系數(shù)設(shè)置為0.1。

圖11是一個(gè)抽象場(chǎng)景生成示例。背景車首先執(zhí)行動(dòng)作，情景變?yōu)?/span>；然后自車根據(jù)此時(shí)情景做出決策行為（緊急制動(dòng)），同時(shí)更新縱向位置，即完成一次場(chǎng)景生成。更新場(chǎng)景時(shí)，為了保證自車在矩陣中的位置始終不變（始終以自車為參考系），按照自車執(zhí)行動(dòng)作剛好相當(dāng)于背景車執(zhí)行相反動(dòng)作的原則更新矩陣。例如，自車緊急制動(dòng)相當(dāng)于所有背景車加速（所有背景車慣性系數(shù)減小，縱向位置向前移動(dòng)一格）。

圖11 抽象場(chǎng)景生成示例

可以遍歷背景車的所有動(dòng)作，以保證生成場(chǎng)景的全面性。初始場(chǎng)景迭代一次后，從中隨機(jī)選取若干個(gè)場(chǎng)景作為下次迭代的初始場(chǎng)景。如此反復(fù)迭代，即實(shí)現(xiàn)了直行三車道路段的連續(xù)抽象場(chǎng)景生成。一個(gè)迭代3次的連續(xù)抽象場(chǎng)景生成過(guò)程示意如圖12所示。

圖12 連續(xù)抽象場(chǎng)景生成過(guò)程示意圖

5  結(jié)語(yǔ)

最后，編者希望探討該方法框架的難點(diǎn)。在這一方法框架中，每個(gè)核心模塊都必須結(jié)合專家知識(shí)來(lái)構(gòu)建，這導(dǎo)致無(wú)法實(shí)現(xiàn)一鍵生成抽象場(chǎng)景，同時(shí)也意味著場(chǎng)景覆蓋的范圍取決于專家的經(jīng)驗(yàn)和能力。并且隨著決策空間維度的增加，將增大方法的人力成本。另外，在方法框架中可能需要多次迭代，包括對(duì)決策空間和等價(jià)類的反復(fù)調(diào)整和優(yōu)化。由于行為等價(jià)類必須同時(shí)符合完備性和一致性要求，這實(shí)際上對(duì)行為等價(jià)類和決策空間施加了限制。然而，這種限制并不會(huì)在創(chuàng)建決策空間和設(shè)計(jì)等價(jià)類時(shí)直接顯現(xiàn)出來(lái)，而是需要在檢驗(yàn)階段才能被發(fā)現(xiàn)。

[1] Erwin de Gelder (TNO), Olaf Op den Camp (TNO), Niels de Boer (NTU). Scenario Categories for the Assessment of Automated Vehicles, Version 1.7[R]. 2020.

[2] NHTSA. Pre-Crash Scenario Typology for Crash Avoidance Research[R]. https://www.nhtsa.gov/automated-vehicles-safety/published-reports-and-documents. 2007.

[3] i-vista.中國(guó)智能汽車指數(shù)網(wǎng)[EB/OL].[2024-03-12].https://www.i-vista.org/

[4] Japan Automobile Manufacturers Association, Inc. Automated Driving Safety evaluation framework Ver 3.0[R]. 2022.

[5] Damm W, M?hlmann E, Rakow A. A scenario discovery process based on traffic sequence charts[J]. Validation and Verification of Automated Systems: Results of the ENABLE-S3 Project, 2020: 61-73.

[6] Li C, Sifakis J, Wang Q, et al. Simulation-based Validation for Autonomous Driving Systems[C]//Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis. 2023: 842-853.

[7]  Butz M, Heinzemann C, Herrmann M, et al. SOCA: Domain analysis for highly automated driving systems[C]//2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2020: 1-6.

[8] International Organization for Standardization. Road Vehicles-Test Scenarios for Automated Driving Systems-Scenario based Safety evaluation framework: ISO 34502: 2022[S]. Geneva, Switzerland: ISO, 2022

[9] Bitzer M, Herrmann M, Mayer-John E. System Co-Design (SCODE): methodology for the analysis of hybrid systems: A systematics for complexity reduction of control software in embedded systems[J]. at-Automatisierungstechnik, 2020, 68(6): 488-499.

[10] Xing Xingyu, Liu Zhenyuan, Feng Tianyue, Chen Junyi, Yu Zhuoping. Function-Driven Generation Method for Continuous Scenarios of Autonomous Vehicles[C]//SAE 2022 Intelligent and Connected Vehicles Symposium. SAE, 2022.

[11]  熊璐,賈通,陳君毅,邢星宇,李博.基于有限狀態(tài)機(jī)的預(yù)期功能安全危害識(shí)別方法[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2023,51(04):616-622.