自動駕駛技術排名是如何評估安全性的

自動駕駛技術排名評估安全性主要考慮以下方面。

首先是確保安全功能，也就是預期功能安全（SOTIF），要避免在無系統硬件或軟件故障時因功能不足引發危險。

評估方法多樣，比如 Real world test、Scenario based test、Formal verification、Shadow mode、Function based test 等。

在 Scenario based test 中，先微觀評估即 MiR 指標評估，再轉化為宏觀評估 MaR，像評估追尾事故率，用 TTC 作風險評估的 MiR 危險度量，采集場景數據等推導出總體事故率 MaR，可采用極值理論。

功能安全評估方法有形式化驗證、故障樹分析等，故障注入評估方法包括硬件、軟件、網絡故障注入。

基于機器學習的評估方法利用算法分析數據，預測故障概率和嚴重程度。基于仿真模型的評估方法建立仿真模型并實驗，基于硬件和軟件測試的評估方法通過臺架、道路、實車測試等發現問題。

還有一種自動駕駛汽車安全性等級評估方法，要建立數字孿生測試系統，測試得到危險用例，構建車輛交通環境博弈模型，根據敏感系數得安全性指數，以危險用例安全性指數為閾值確定安全性。建立數字孿生測試系統包括高精地圖測繪、建虛擬孿生測試環境、通信網絡等。

車輛自動駕駛安全性評估常用仿真測試和實地測試。

總之，只有用可靠、可行及一致的方法衡量自動駕駛系統的安全性，才有助于開發者協作及贏得公眾信任。要追蹤后果性安全指標，如車輛碰撞和違背交通規則行為的頻率和嚴重程度，還要有預測性指標體系補充。