95、自动驾驶车辆控制策略评估与安全保障设计

自动驾驶车辆控制策略评估与安全保障设计

1. 自动驾驶车辆控制策略评估

1.1 弹性工程（RE）指标评估系统响应能力

在自动驾驶车辆（AV）的研究中，弹性工程（RE）指标被用于评估系统的响应能力。系统的响应能力可分为反应性和主动性。反应性响应是指系统在发生变化后能有效做出反应；而其他能力如监测系统状态、从过往故障中学习、预测未来威胁并做出响应等则属于主动性。

用户需根据控制器的要求选择一个与名义条件相关的参数，该参数会影响对系统的评估。在本研究中，通过RE指标评估系统响应能力，这为提升AV的运行性能提供了一种途径。若要全面评估整个系统的弹性性能，则需综合考虑系统的所有能力，这可能需要一个具备系统工程专业知识的跨学科团队进行系统级分析。

1.2 传统指标与弹性指标对比评估控制器性能

为评估AV的性能，开发了预览路径跟踪控制器（PPC）和基于深度学习的控制器（DLC），并使用传统指标和弹性指标进行评估。

传统指标的模拟结果显示，速度最高的测试表现更好。然而，传统指标具有时间依赖性，在不同速度下沿相同参考路径评估控制器时存在局限性。因为车辆行驶速度越快，采集的样本越少，误差积累也越少。

相比之下，弹性指标与时间无关。研究得出，对于选定的参考轨迹，测试2表现更优。结果会因参考轨迹和各感兴趣变量的名义条件不同而有所差异。值得注意的是，在所有测试中，PPC的表现均优于DLC，这可能与收集的训练数据以及用于训练模型的特征有关，因为未进行特征工程来确定哪些特征与转向角更相关。

1.3 弹性指标的应用与意义

本研究提出的弹性指标为传统横向控制器和基于深度学习的横向控制器的未来运行性能提供