考虑预期功能安全的智能汽车自动紧急制动系统

预期功能安全的提出，使得传统的自动紧急制动系统的安全性受到了挑战。为此，本文中利用基于系统理论过程分析（systems-theoretic process analysis,STPA）方法得到了自动紧急制动系统的预期功能安全要求，在传统的自动紧急制动系统基础上增加了感知盲区安全车速规划策略。然后基于盲区场景下车辆与行人相遇运动学模型，构造盲区安全车速公式。接着设计加入非线性干扰观测器的速度滑模控制器，对该速度进行跟踪控制，最后在CarSim与Simulink联合平台上开展仿真试验，比较此系统与没有增加预期功能安全要求的自动紧急制动系统的安全性，并进一步在硬件在环仿真试验台上验证。结果表明，考虑预期功能安全的自动紧急制动系统能有效降低行人碰撞风险，并确保车辆安全通过盲区的行驶效率。     

自动紧急制动系统控制模块的SOTIF量化评价

建立智能汽车的预期功能安全（SOTIF）评价体系，进行SOTIF设计是实现智能驾驶汽车规模应用的必由之路。为完善自动紧急制动（AEB）系统的SOTIF理论，实现AEB系统的SOTIF设计，本文采用系统理论过程分析（STPA）的方法对AEB系统控制模块进行安全分析。根据安全分析的结果提出AEB系统控制模块的SOTIF评价指标，并基于CRITIC法和优劣解距离（TOPSIS）法对提出的评价指标进行综合量化评价。进一步地，使用提出的评价方法对某型智能汽车的AEB系统控制模块进行了基于实车试验的SOTIF评价，评价结果验证了所提出的AEB系统控制模块的SOTIF评价方法的合理性和实用性。最后，对评价结果进行分析，并根据提出的SOTIF评价指标给出AEB系统的SOTIF改进建议。     

预期功能安全场景库复杂度量化方法研究

基于Pegasus场景分层体系,提出了一种关于场景复杂度的量化方法,以此来评定场景数据的质量。该方法确定了每层要素的决定因素,根据决定因素确定每层要素的复杂度,通过求出各层要素复杂度之和,得到场景数据的总复杂度。此外,为了防止"过复杂"现象,提出了"母子库"法和"系统场景概率"法,将场景要素的复杂度乘以该要素的出现概率,得到修正后的复杂度。研究结果显示,通过该方法可以构建合理可用的场景库。