9、自动驾驶系统安全评估与风险应对

自动驾驶系统安全评估与风险应对

在当今自动驾驶技术飞速发展的时代，车辆的自动化程度越来越高，传感器和电子系统的应用也日益广泛。然而，这也带来了新的安全挑战，特别是传感器攻击和安全事件的处理。本文将深入探讨多目标跟踪算法的评估、传感器攻击下自动驾驶系统性能限制的评估框架，以及基于 ISO/SAE 21434 的自动化道路车辆安全事件风险评估方案。

多目标跟踪算法评估

多目标跟踪算法是传感器融合的一个重要应用。该算法通过维护多个传感器的目标检测列表来跟踪对象。为了排除误检测的影响，算法会在 N 个传感周期内至少检测到同一对象 M 次时确认检测结果。M/N 的比值越大，检测就越准确。如果在固定 M/N 比值的情况下增加 N，有望消除方差的影响并进一步提高准确性，但由于处理时间增加，算法可能更容易受到攻击。

在相同的攻击设置下评估设计参数 M 和 N 的影响。结果表明，(M, N) = (2, 2) 比 (M, N) = (9, 12) 更安全，因为前者的碰撞情况更少。然而，也存在刹车过早的情况，这可能导致驾驶体验不佳。可以使用模拟器来评估这种权衡。

以下是不同参数组合的评估结果对比表格：
| 参数组合 (M, N) | 安全性 | 可能问题 |
| ---- | ---- | ---- |
| (2, 2) | 更安全，碰撞少 | 刹车过早，驾驶体验不佳 |
| (9, 12) | 相对不安全，碰撞可能较多 | 无明显刹车过早问题 |

传感器攻击下自动驾驶系统性能限制评估框架

提出了一个评估自动驾驶系统在传感器攻击下性能限制的框架。使用配备雷达、摄像头和激光雷达的自动紧急制动（AEB