自动驾驶汽车行业的RFID安全保护

如果自动驾驶汽车大规模实施，很可能会产生巨大的经济效益和社会效益，包括大大减少交通死亡、受伤和拥堵，并使每个人都获得更便宜、更灵活和更高效的交通工具。英特尔(Intel)的Mobileye为该模型开发了一个创新框架。它围绕着两个基本支柱:1)经过验证的安全保证，2)经济可扩展性。本文将向更多读者介绍该模型的安全支持。

项目概述

我们提出的模型为AV系统的设计和验证提供了详细、实用和有效的解决方案，从而极大地提高了安全性。以下是我们认为下一步值得关注的领域，以及我们提出的解决方案:

1、一套预先确定的规则，用于快速准确地评估和确定自动驾驶汽车与无人驾驶车辆碰撞时的责任:

图1说明了以下内容。如果车在外面行驶时出了问题，你打了AV, AV是没有办法避免碰撞的。但这种情况一直在发生，所以即使我们禁止AV，也是徒劳的。结论是，任何有用的自动驾驶系统都会遇到可能导致事故的情况，包括机械故障和外力。

如图1所示，中央车不能保证绝对安全

故障的形式化模型允许创建决策(驾驶策略)软件，以避免自动驾驶系统引起的事故。它还可以以一种有效的方式进行验证。

Mobileye设计了一种名为“负责任安全”(RSS)的系统。RSS从计划和决策的角度确保AV系统不会发出可能导致AV事故的命令。

安全程度如何?我们的系统可以验证每10亿小时的驾驶在交通事故中有三个数量级的改善。人类驾驶的死亡率是每百万小时发生一起交通事故(也就是说，美国每年的交通死亡人数约为40人，而2016年为4万人)。

详细说明我们的安全措施

在实践中，AV需要知道两件事:

安全状态:即使其他车辆采取不可预测或鲁莽的行为，自动驾驶汽车也不会造成事故的状态。默认紧急策略:这是一个概念，定义AV可以用来维持或返回安全状态的最积极的规避动作。

切入实践

RSS使用相同的原则很好地处理了这种情况。根据一组变量，可以计算出反病毒周围的安全通道。如果有人驾驶的车辆(如下图所示)在撞车前违反了通道，这是车辆的责任。相比之下，自动驾驶汽车可以连续计算其他车辆周围的安全通道，并且永远不会发出侵犯空间的命令。

图2:计算出的绕车安全通道将决定在切入机动情况下的失败

处理有限的感知和遮挡物体

考虑这样的情况:C0试图离开停车场，进入一条被建筑物挡住交通的街道。人类驾驶员的行为是慢慢融入道路，获得越来越多的视野，直到感知限制被消除。然而，司机做了一些假设，例如交通可能的速度和交通暴露的时间。RSS计算最大合理速度的假设称为Vlimit(基于道路速度限制的动态)。有了这些信息，如果C0是AV，它知道它可以偷看多少，并且仍然给C1一个刹车的机会。如果C1比Vlimit快并且发生碰撞，则是C1错误。相反，如果C1为AV，假设可能有一辆车看不见它，想要离开停车场，它会更加谨慎，向中央车道开得更远。

图3,RSS包括物体(车辆、行人等)被其他物体挡住(隐藏)的情况。

将RSS扩展到所有道路结构，包括首选路线、双向交通、交通灯、非结构化道路、非结构化道路。