当对特斯拉自动驾驶和大众智能驾驶辅助的接管请求未作出响应时的车辆行为评估

最近小明师兄在梳理智能驾驶系统L2及L3系统接管相关的技术，发现一份不错的论文，翻译给大家，一起来学习一下，论文原作者 Maximilian Bauderab*, Daniel Paulaac, Tibor Kubjatkoc, Hans-Georg Schweigera 。

摘要：在这项工作中，使用特斯拉 Model 3 和大众 ID.4 进行了驾驶测试。在测试期间，车辆由 SAE L2级智能驾驶系统（特斯拉自动驾驶仪和大众旅行辅助）控制。该研究旨在调查当车辆处于非关键驾驶情况时，驾驶员对接管请求未作出反应时车辆的行为。

目的是从纯粹的技术角度明确这是否会导致事故，以及是否仍有改进的空间。结果表明，驾驶员对接管请求未作出反应会导致系统启动制动减速，这可能会导致后续交通发生追尾碰撞。此外，如果驾驶员未能作为后备措施采取行动，可能会发生二次事故。通过改进适用的联合国欧洲经济委员会标准 R79，为这种情况指定减速度值，可以减少这种情况。此外，通过更早地减速并向周围环境发出警告，可以降低事故风险。为此，还建议使用驾驶员监测系统，以便系统做出情境决策。实施所提出的措施可以在使用这些系统时显著提高道路安全。

1. 引言

为进一步提高道路安全，欧盟法规（EU）2019/2144将从2022年7月起强制要求在欧洲新认证的乘用车配备众多与安全相关的高级驾驶辅助系统（ADAS）[1,2]。除了这些标准系统外，汽车制造商还提供“主动驾驶辅助系统”作为可选配置，旨在减轻驾驶员的驾驶任务[3]。该系统是一个SAE二级ADAS[4]，特斯拉将其作为自动驾驶仪进行销售[5]，大众则将其称为旅行辅助[6]。

当驾驶员激活该系统时，在系统限制范围内，它可以在一定时间内接管车辆的横向和纵向控制。该系统通过连接多个独立系统来实现技术上的实现，例如自适应巡航控制（ACC）和车道居中辅助（LCA）系统。根据联合国欧洲经济委员会法规第79号（R79）[7]，LCA系统是B1类自动转向功能，可使车辆保持在车道中心。尽管SAE二级系统已激活且车辆暂时以自动模式行驶，但它仍然只是一个驾驶辅助系统。这意味着驾驶员始终对车辆控制负责，并且必须能够立即接管车辆控制，这是根据《维也纳道路交通公约》第8条第1款、第5款和第13条第1款的修订进行的法规要求[8]。例如，如果ADAS出现故障或达到系统限制，就会出现这种情况。在[9-13]中，开发了各种方法和途径，以确定在系统出现故障或过载时车辆应如何表现，以确保乘员和环境的安全。考虑到ISO 26262[14]和ISO 21448[15]的ADAS安全概念要求在出现危急情况时，车辆应使自身进入安全状态[16,17]。通过将驾驶任务交给驾驶员（作为ADAS的主要后备级别）或使车辆停车可以实现安全状态[18]。直接处理市场上SAE二级系统在执行驾驶任务期间行为的研究很少。

文献综述发现了三项通常涉及ADAS限制的研究[19-21]。这些研究的共同点是它们都是理论研究，例如对手册的分析[20]。在[22]中找到了对特斯拉自动驾驶仪和大众旅行辅助在乡村道路上的调查。在此确定，由于R79规定的允许最大横向加速度为3m/s²，在半径≤370m的弯道中，由于达到系统限制，有可能离开行车道。除此之外，R79对SAE二级系统获得型式认证还有进一步的要求。因此，如果系统在其限制范围内，驾驶员可以在长达15秒的时间内将手从方向盘上移开，直到他必须通过视觉提示，通过短暂触摸方向盘来确认他立即接管的能力。如果驾驶员不遵守视觉要求以确认在场，最多30秒后，他也应通过声音要求再次将手放在方向盘上。如果驾驶员仍然不触摸方向盘，车辆应在声音警告信号发出后最迟30秒自动停用该系统。此外，系统应使用至少持续五秒的声音警报信号通知驾驶员系统已停用。该法规未描述系统停用后车辆应如何继续表现（例如，启动制动减速、在车道内对齐）。因此，R79允许SAE二级系统在长达1分钟的时间内对车辆进行纵向和横向控制，而无需驾驶员与车辆进行交互。

文献研究表明，尚未对当前SAE二级系统在驾驶员对接管请求无反应时车辆的行为进行调查。因此，对于法医事故分析而言，没有可用于重建类似事故现场的基本数据。因此，本工作的目的是分析在非关键驾驶过程中，驾驶员对接管请求无反应时系统的行为。使用特斯拉自动驾驶仪和大众旅行辅助进行了驾驶测试，以调查市场上SAE二级系统的系统行为。为此，分析和检查了从SAE二级系统开始执行驾驶任务到车辆停止期间车辆的行为。详细地，将所调查车辆的不同警告概念相互比较，并讨论可能导致的事故因果关系。此外，将车辆的警告概念与R79的要求进行比较，并在事故分析和道路安全的背景下进行讨论，以确定进一步的改进需求。这种行为可能导致危险的驾驶情况并最终导致交通事故，德国阿沙芬堡的一起事故就是一个例子[23]。在这种情况下，一辆配备SAE二级系统的车辆在阿沙芬堡附近的一个城镇高速驶入，并在城镇中心撞上一名妇女和她的小孩，导致他们死亡。车辆驾驶员事先中风并失去行为能力。车辆保持其设定速度并自动跟随车道。

2. 测试设备与方法

测试设备与[22]中已详细描述的研究类似地进行测试，因此在此仅作简要说明。使用与[22]中相同的车辆（特斯拉 Model 3 和大众 ID.4）[24]对特斯拉自动驾驶仪和大众旅行辅助分别进行了两次测试运行。车辆配备了多个 GoPro Hero 8 以观察车内车辆的行为。此外，另一辆配备 GoPro Hero 8 的车辆跟在测试车辆后面，以确定与环境相关的行为。

与[22]中一样，使用二维数据记录仪确定速度和加速度。由于系统表现出确定性和可重复性的行为，因此无需进行进一步的测试。[22]的测试结果也被用于选择合适的测试轨道。因此，测试在因戈尔施塔特附近的一条乡村道路上进行。道路路线中没有半径小于 370 米的弯道，以确保系统始终在其限制范围内运行。每次测试运行都在测试道路附近的停车场开始。在路线的起点和终点都安排了身穿高能见度背心的保安人员，通过无线电通知测试驾驶员在路线的相关路段可能有其他道路使用者。

3. 结果

表 1 描述了测试运行期间车辆的行为。为每个动作或系统行为的变化设置一个带有数字的标记，并在旁边描述车辆的动作。零代表相应的 SAE L2 级系统的激活时间，因此标志着系统接管驾驶任务的时间。

表1：从系统启动到车辆停止，部分自动化驾驶系统的顺序和动作。

两辆车的第一个动作（1）都是通过车辆各自的显示屏向驾驶员发出潜在的视觉警告。系统的第二个动作（2）也类似，特斯拉 Model 3 发出单一的声音警告，大众 ID.4 向驾驶员发出重复的潜在警告音。此外，大众 ID.4 通过在屏幕上显示红色方向盘符号来强化视觉警告。从第三个动作（3）开始，两辆车都开始减速，这还导致车辆刹车灯亮起。特斯拉 Model 3 还通过在显示屏上显示一个大的红色方向盘来发出强烈的视觉警告。

此外，来自（2）的声音警告开始作为重复的声音响起。这是大众 ID.4 的不同之处，它不再发出视觉警告，而是增加了声音警告的强度。在第四步（4），两辆车都启动危险警示灯。此外，特斯拉的自动驾驶功能大大增加了制动减速。特斯拉在第五步中停下来。停车时，危险警示灯以及对驾驶员的声音和视觉警告都被关闭。此外，发出一个声音表示FSD系统已退出。尽管停下来了，但车辆仍处于 D 档。从第五步开始，大众 ID.4 的行为有所不同，通过短暂地强烈减速并拉紧安全带向驾驶员发出额外的触觉警告。在第六步，车辆开始鸣笛，进一步加强声音警告。这一操作一直持续到车辆停下来（7）。停车后，车辆进入 P 档并停止声音警告。危险警示灯保持亮起。

图1：大众ID.4和特斯拉Model 3的加速度-时间和速度-时间历程对比

*图中的数字在表1中进行了解释

图1和图2展示了车辆动作的时间和位置分配。用黑色描述了大众ID.4测试行驶的时间和位置顺序。用绿色表示特斯拉Model 3的情况。

图1中的时间曲线显示，两辆车在13秒后都进入第一阶段。这意味着两辆车都符合R79标准，该标准规定最多在15秒后给出视觉警告。第二步的时间不同。大众ID.4在18秒后开始发出声音警告，而特斯拉Model 3在25秒后才开始。根据R79，最迟应在30秒后发出声音警告，并发出红色光学警告信号。两辆车都及时实施了声音警告。然而，关于特斯拉有两个偏差。首先，在30秒后，没有红色光学警告，也没有持续的声音警告信号。特斯拉在35秒后才通过第三步实施这一措施。另一方面，大众在29秒后进行第三步。由于车辆只有在第三步之后才开始减速，所以到这一步为止的步骤可以总结为一个持续行驶阶段，向驾驶员发出潜在的视觉和声音警告信号。此外，驾驶员对车辆接管请求的无反应尚未对环境可见。

从第三阶段开始，刹车灯的激活向后面的道路使用者表明车辆正在减速，尽管他们不清楚减速的原因。图1中的加速度曲线显示了出现的减速度的强度。特斯拉一开始的减速度为1m/s²，并在第四阶段急剧增加到最大6m/s²。此外，可以看到，在危险警示灯激活后，仅过了2秒就达到了完全减速。大众ID.4一开始的减速度比特斯拉略大，在第四步增加到大约2m/s²，并在车辆停止前再次略微下降。在大约37秒后，可以看到一个由于触觉制动脉冲而产生的短暂异常值。最后，两辆车在刚刚超过45秒后都停下来，因此再次符合R79标准。除了持续行驶阶段，测试序列的第二部分可以总结为减速阶段。在这个阶段，车辆向驾驶员发出更强的视觉、声音以及触觉警告信号。当刹车灯亮起时，以及最迟在危险警示灯激活时，环境也会被警告车辆处于不正常状态。

然而，大众ID.4在34秒后才出现这种情况，特斯拉Model 3在43秒后才出现。在这一点之前，环境很难看出是系统在控制车辆，并且在紧急情况下驾驶员可能无法监控系统并接管驾驶任务。

图2：大众ID.4和特斯拉Model 3的加速度-距离曲线和速度-距离曲线对比图中的数字在表1中进行了解释考虑到图2，所描述的时间顺序可以对应于车辆行驶的距离。然而，必须注意的是，根据系统的应用领域，速度以及因此行驶的距离可能与这种表示有所偏差。在德国乡村道路上以100公里/小时的允许速度行驶时，对于ID.4来说，持续行驶阶段持续790米。在900米后，通过使用危险警示灯，环境也会意识到出现问题。对于特斯拉Model 3来说，持续行驶阶段持续的时间甚至更长，行驶了960米。在大约1145米后激活危险警示灯。车辆在再行驶32米后停止并达到静止状态。因此，在没有驾驶员干预的情况下，车辆行驶了1177米。由于较早开始减速，ID.4在达到静止状态之前行驶了1045米。

4. 讨论

基于这些结果，本研究旨在讨论SAE L 2级系统行为的事故因果关系。为此，考虑了在本研究中确定的持续行驶阶段和减速阶段，并讨论了对车辆乘员及其环境的影响。对于持续行驶阶段，可以确定车辆在大约30秒及更长时间内继续以驾驶员先前设定的速度行驶。假设驾驶员作为后备级别失效，这会导致车辆在碰撞情况下出现一个没有动能消散的盲区阶段。如[22]所示，当系统过载或与弱势道路使用者发生碰撞时，这可能会导致事故。后者是关键的，因为在这个阶段，环境无法识别驾驶员在30秒内没有响应接管请求。这只是由于对接管请求无反应而导致事故的间接原因，因为导致事故的不是无反应，而是系统可能未受监督的过载。由此产生的正面碰撞可能会因车辆离开车道而对车辆乘员及其环境造成严重后果。

另一方面，在第二阶段，车辆已经从系统中断开动能，这可以显著降低碰撞的严重程度。由于这个阶段较短且速度被消散，由于转弯半径过小而导致的车道偏离不太可能发生。此外，一旦危险警示灯被激活，其他道路使用者或弱势群体可以检测到车辆的危险，这也降低了事故的可能性。

然而，由ADAS启动的制动过程强度，制动减速度约为6m/s²，必须进行批判性地看待。根据路面情况，紧急制动时通常会达到8至10m/s²范围内的最大制动减速度值[25]。因此，6m/s²对应于系统启动的强制动减速度，并且明显高于适度的与交通相关的行车制动，最大约为4m/s²[25]。由于在特斯拉Model 3的情况下，危险警示灯仅在达到最大减速度前2秒被激活，所以可以合理地假设后面的车辆可能会对此感到惊讶，并且可能会发生追尾碰撞。对于这种类型的事故，如果对接管请求无反应，系统反应的设计将是事故的原因。应该讨论在R79中设置最大减速度是否有意义以避免这种情况。相反，也应该讨论设置最小减速度以尽快使车辆停止。

5. 结论

结果表明，两个制造商使用不同的警告概念和减速度强度来实施联合国欧洲经济委员会R79标准。特别是在第二减速阶段，这被确定为在这种情况下车辆行为的两个不同顺序阶段之一，可以观察到这些差异。

由于在对接管请求无反应时系统的行为而导致的事故因果关系只能通过车辆可能的强力制动来确定。如果驾驶员在系统达到限制时没有反应，其他可能的事故是次要影响。然而，这可能会导致严重事故，就像在阿沙芬堡发生的那样。因此，建议进一步明确R79标准以在使用这些系统时提高道路安全。

作者普遍认为在持续行驶阶段有很大的改进必要。例如，在15秒后没有确认驾驶员在场的情况下尽早开始减速将是可取的，以便在发生事故时从系统中取出动能。较早的减速通常也会缩短在没有驾驶员监控系统的情况下可能行驶的时间和距离。此外，从这一点开始，应该让环境清楚地知道没有响应接管请求，以避免与其他（弱势）道路使用者发生事故。

此外，可靠的驾驶员监测系统（DMS）可以检测驾驶员对接管请求无反应的原因，使车辆能够采取适应情况的行动。这样，可以确定驾驶员是主动避免接管请求但仍可以作为后备级别行动，还是由于各种原因不能作为后备级别行动。在这种应用中使用驾驶员监测系统可以对车辆的行为产生积极影响。为此，下一代系统应与ADAS积极合作，正如德国全德汽车俱乐部所建议的那样[26]。在向环境传达系统状态方面也看到了进一步的改进需求。例如，在15秒后首次对接管请求无反应后，也应该向环境发出警告。在重建此类事件时，使用自动驾驶数据存储系统（DSSAD）可以进一步提供支持，它可以毫无疑问地澄清车辆引导的问题，就像在阿沙芬堡的案例中一样。

最后，应该再次指出，由于当前的法律情况，从法律角度来看，所研究的系统不能成为事故的原因。本文中的实验和发现基于仅具有特定软件状态的两个系统。因此，本研究的结果不能推广到所有SAE二级系统，因为软件状态以及因此系统的行为可以随时改变。尽管如此，这些结果旨在鼓励对系统和R79进行改进，以使系统在交通中的使用更加安全。

参考论文  [1] European Parliament and Council, Verordnung (EU) 2019/2144 des Europäischen Parlaments und des Rates vom 27. November 2019 über
die Typgenehmigung von Kraftfahrzeugen und Kraftfahrzeuganhängern sowie von Systemen, Bauteilen und selbstständigen technischen
Einheiten für diese Fahrzeuge im Hinblick auf ihre allgemeine Sicherheit und den Schutz der Fahrzeuginsassen und von ungeschützten
Verkehrsteilnehmern, zur Änderung der Verordnung (EU) 2018/858 des Europäischen Parlaments und des Rates und zur Aufhebung der
Verordnungen (EG) Nr. 78/2009, (EG) Nr. 79/2009 und (EG) Nr. 661/2009 des Europäischen Parlaments und des Rates sowie der
Verordnungen (EG) Nr. 631/2009, (EU) Nr. 406/2010, (EU) Nr. 672/2010, (EU) Nr. 1003/2010, (EU) Nr. 1005/2010, (EU) Nr. 1008/2010,
(EU) Nr. 1009/2010, (EU) Nr. 19/2011, (EU) Nr. 109/2011, (EU) Nr. 458/2011, (EU) Nr. 65/2012, (EU) Nr. 130/2012, (EU) Nr. 347/2012,
(EU) Nr. 351/2012, (EU) Nr. 1230/2012 und (EU) 2015/166 der Kommission, 2019. https://eur-lex.europa.eu/eli/reg/2019/2144/oj (accessed
21 December 2021). [2] E. Moravcik, M. Jaskiewicz, Boosting car safety in the EU, in: 2018 XI International Science-Technical Conference Automotive Safety,
Častá, Slovakia, IEEE, 2018, pp. 1–5. [3] D. Paula, M. Bauder, T. König, K. Böhm, T. Kubjatko, H.-G. Schweiger, Fahrerassistenzsysteme - Herausforderungen & Chancen für die
forensische Unfallanalyse, in: Z. f. Verkehrssicherheit 68, pp. 295–301. [4] SAE International, J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles,
2021. [5] Tesla, Autopilot and Full Self-Driving Capability. https://www.tesla.com/support/autopilot (accessed 7 December 2022). [6] Volkswagen AG, Assistent mit Auszeichnung. https://www.volkswagenag.com/de/news/fleet-customer/2022/07/volkswagen_id5_travel
assist.html (accessed 7 December 2022). [7] United Nations Economic Commission for Europe, Regulation No. 79 - Uniform provisions concerning the approval of vehicles with regard
to steering equipment, 2018. [8] United Nations Economic and Social Council, Report of the sixty-eighth session of the Working Party on Road Traffic Safety, 2014.
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi8vbeX39T2AhVRQvEDHY9GA58QFnoECAQQ
AQ&url=https%3A%2F%2Fwww.unece.org%2Ffileadmin%2FDAM%2Ftrans%2Fdoc%2F2014%2Fwp1%2FECE-TRANS-WP1
145e.pdf&usg=AOvVaw0Z_B2felSNa-A0H8o5aL5Y. [9] J. Yu, F. Luo, Fallback Strategy for Level 4+ Automated Driving System, in: The 2019 IEEE Intelligent Transportation Systems Conference - ITSC, Auckland, New Zealand, IEEE, Piscataway, NJ, 2019, pp. 156–162.[10] W. Xue, B. Yang, T. Kaizuka, K. Nakano, A Fallback Approach for an Automated Vehicle Encountering Sensor Failure in Monitoring
Environment, in: 2018 IEEE Intelligent Vehicles Symposium (IV), Changshu, IEEE, Piscataway, NJ, 2018, pp. 1807–1812. [11] B. Sari, Fail-operational Safety Architecture for ADAS/AD Systems, in: B. Sari (Ed.), Fail-operational Safety Architecture for ADAS/AD
Systems and a Model-driven Approach for Dependent Failure Analysis, Springer Fachmedien Wiesbaden, Wiesbaden, 2020, pp. 31–75.[12] K. Waters, S.T. Shutters, Skills-approximate occupations: using networks to guide jobs retraining, Appl. Netw. Sci. 7 (2022) 43.
https://doi.org/10.1007/s41109-022-00487-7. [13] Y. Wu, K. Kihara, Y. Takeda, T. Sato, M. Akamatsu, S. Kitazaki, Assessing the Mental States of Fallback-Ready Drivers in Automated
Driving by Electrooculography, in: The 2019 IEEE Intelligent Transportation Systems Conference - ITSC, Auckland, New Zealand, IEEE,
Piscataway, NJ, 2019, pp. 4018–4023.[14] British Standards Institution, Road vehicles. Functional safety 01.040.43 Kraftfahrzeugtechnik (Begriffe), 43.040.10 Kfz-Elektrik. Kfz
Elektronik, 2018 (accessed 3 January 2023).
8 [15] ISO Internationale Organisation für Normung, Straßenfahrzeuge - Sicherheit der beabsichtigten Funktionalität 43.040.10 Kfz-Elektrik. Kfz
Elektronik, 2022-06-00 (accessed 03.01.23). [16] H.-L. Ross, Funktionale Sicherheit im Automobil: Die Herausforderung für Elektromobilität und automatisiertes Fahren, second.,
vollständig überarbeitete Auflage, Hanser, München, 2019. [17] D. Kopencova, M. Felcan, R. Rak, Equilibrium and Limit States in Technical and Social Disciplines as Part of Risk Analysis and
Management, in: M. Abdel Wahab (Ed.), Proceedings of 1st International Conference on Structural Damage Modelling and Assessment,
Springer Singapore, Singapore, 2021, pp. 281–294. [18] M. Bahram, M. Aeberhard, D. Wollherr, Please Take Over! An Analysis and Strategy For a Driver Take Over Request During Autonomous
Driving: 2015 IEEE Intelligent Vehicles Symposium, IEEE, Piscataway, NJ, 2015.[19] J. Ayoub, Z. Wang, M. Li, H. Guo, R. Sherony, S. Bao, F. Zhou, Cause-and-Effect Analysis of ADAS: A Comparison Study between
Literature Review and Complaint Data, in: Proceedings of the 14th International Conference on Automotive User Interfaces and Interactive
Vehicular Applications, Seoul Republic of Korea, ACM, New York, NY, USA, 2022, pp. 139–149. [20] M. Capallera, Q. Meteier, E. de Salis, L. Angelini, S. Carrino, O.A. Khaled, E. Mugellini, Owner Manuals Review and Taxonomy of ADAS
Limitations in Partially Automated Vehicles, in: Proceedings of the 11th International Conference on Automotive User Interfaces and
Interactive Vehicular Applications, Utrecht Netherlands, Association for Computing Machinery, New York,NY,United States, 2019,
pp. 156–164. [21] M. Horwick, K.-H. Siedersberger, Strategy and architecture of a safety concept for fully automatic and autonomous driving assistance
systems, in: 2010 IEEE Intelligent Vehicles Symposium, La Jolla, CA, USA, IEEE, Piscataway, NJ, 2010, pp. 955–960. [22] D. Paula, T. König, M. Bauder, F. Petermeier, Tibor Kubjatko, Hans-Georg Schweiger, Performance Tests of the Tesla Autopilot and VW
Travel Assist on a Rural Road, in: Transport Means 2022. Part II. Proceedings of the 26th International Scientific Conference, KTU leidykla
„Technologija“, 2022, pp. 498–508. [23] E. Hilgendorf, Automatisiertes Fahren und Strafrecht - der "Aschaffenburger Fall", in: Deutsche Richterzeitung, pp. 66–69.
[24] R. Rak, P. Kolitschova, J. Kerbic, Forensic and technical aspects of vehicle identification labels, in: 2018 XI International Science-Technical
Conference Automotive Safety, Častá, Slovakia, IEEE, 2018, pp. 1–6.25] H. Burg, A. Moser, Handbuch Verkehrsunfallrekonstruktion: Unfallaufnahme, Fahrdynamik, Simulation, third. aktualisierte Auflage,
Springer Vieweg, Wiesbaden, 2017.
[26] Innenraumsensoren können Unfälle durch müde oder abgelenkte Fahrer vermeiden, 2021. https://www.safetywissen.com/object/A11/A11.hlv7384953slf3dzwi128149xqxouv63805909749/safetywissen (accessed 13 December
2022).