一文詳解自動駕駛的執行設計域(ODD)
2021年4月30日,SAE釋出了第四版J3016《駕駛自動化分級》,這是即2014年1月16日、2016年9月30日、2018年6月15日之後,J3016的又一次迭代更新。
2021年7月,ISO釋出了ISO 22737《預定路線的低速自動駕駛(LSAD)效能要求、系統要求和效能測試規範》。
本系列將詳細解讀自動駕駛ODD、DDT、DDT fallback、OEDR、低速自動駕駛和自動駕駛分級。
01 基本概念
自動駕駛需要在地球上各個國家地區都能正確工作。因此要求綜合考慮各種不同型別的道路、道路標記、交通標誌等,以及環境問題,如天氣狀況。確保自動駕駛汽車在其預定的執行環境中表現充分,是整個自動駕駛系統驗證的關鍵部分。運營設計域ODD(Operational Design Domain)一詞的原始定義來自SAE J3016中的定義。
SAE J3016 將 ODD 定義為"特定駕駛自動化系統或其功能專門設計的執行條件,包括但不限於環境、地理和時間限制,和/或某些交通或道路特徵的存在或缺失。"[1]
簡單來說,ODD就是要定義好在哪些工況下是能夠自動駕駛的,脫離了這些工況,自動駕駛就不能保證工作。任何一臺自動駕駛車輛,都必須有一定限定的工況。而這個工況可以很寬泛,也可以很精準,並決定了自動駕駛車輛能勝任什麼樣的場景。比如,一臺車的自動駕駛系統只能在高速上使用,它可以自動保持車道、自動超車、自動跟車、自動讓行、自動通過ETC、自動上下匝道等,但到了城市裡就無法完全自動駕駛。同時,要確保自動駕駛測試和驗證是完整的,至少需要確保ODD所有方面已經通過確保系統安全執行,或通過確保系統能夠識別超出ODD 的範圍。
在工信部發布的《GBT 汽車駕駛自動化分級》推薦性國家標準中,ODD是設計時確定的駕駛自動化功能的本車狀態和外部環境。執行設計條件ODC(Operational Design Condition)是設計執行時確定的駕駛自動化功能可以正常工作的條件,包括ODD、駕駛員狀態以及其他必要條件。[2]
動態駕駛任務DDT(Dynamic Driving Task)是在道路交通中執行車輛所需的所有實時執行和策略功能,不包括行程安排和目的地和航路點選擇等戰略功能。
動態駕駛任務接管DDT fallback(Dynamic Driving Task fallback)是在相同情況下,使用者對實施DDT或達到最低風險條件的響應(1)在發生DDT效能相關係統故障後,或(2)在ODD退出時,或ADS對達到最低風險條件的響應。
目標和事件檢測與響應OEDR(Object and Event Detection and Response)是DDT的子任務,包括監控駕駛環境(檢測,識別和分類物件和事件,並準備按需要做出響應),並對這些物件和事件執行適當的響應(即根據需要完成DDT和/或DDT接管)。
低速自動駕駛LSAD(Lowspeed Automated Driving)是最大速度為8.89米/秒(32公里/小時)的自動駕駛系統,將被用於最後一英里的運輸、商業區的運輸、商業或機場、港口、大學校園區以及其他低速環境的應用。[3]
自動駕駛分級或類別(Levels or Categories of Driving Automation)是基於駕駛自動化系統功能,由該功能和(人工)使用者(如有)之間DDT和DDT fallback執行中的角色劃分決定。駕駛自動化系統功能部件的製造商確定該功能的要求、ODD及執行特性,包括駕駛自動化水平。
02 ODD案例
(1)ISO 22737中定義的LSAD ODD
每個LSAD系統都應由製造商定義其ODD。一個LSAD ODD的限制系統應至少指定以下屬性:
a) 低速:LSAD系統的速度應等於或小於8.89米/秒或32公里/小時;
b) 適用範圍:例如,受限通道或專用道路(公共或私人),或行人/自行車道,或限制所有或某些特定類別機動車進入的區域。限制通行的道路可以通過車道標記或速度限制或物理分界來指定;
c) 預定義路線:在LSAD系統執行之前,在LSAD系統內定義的路線。LSAD系統只能在預定路線上執行。預定路線應由相關的利益相關者共同確定(例如,地方當局、服務提供商、製造商等)。排程員應確認與預定路線的任何偏差不會導致危險情況;d) 應用區域的照明條件;
e) 天氣狀況;
f) 路況;
g) 存在或不存在VRU;
h) 可行駛區域內可能存在靜態障礙物;
i) 網聯要求等。
LSAD系統或排程員應根據當前的ODD條件(例如霧天條件、夜間照明條件),在ODD屬性預定值的範圍內為指定的應用選擇操作值(對於LSAD系統駕駛的車輛)。例如,排程員或LSAD系統可以決定將雨天的最大允許速度限制為低於晴天的速度。
(2)B款車型的L3級ODD [4]
a) 地理限制:地理ODD包括地理圍欄的邊界和這些邊界內區域所有適用的交通規則。只能在有限的高速公路上啟用和執行,與來往車輛有連續的結構隔離,沒有交叉路口和環島。這種道路型別的特點是行人和自行車出現的概率很小。對這些啟用條件的遵守將由車載感測器檢測,例如攝像頭監測交通標誌,並且還將通過高清地圖提供的資訊進行保證。考慮到法律要求等各種因素,L3級ADS被設計為在0至85mph(136.79 km/h)的速度下執行;
b) 環境限制:自動駕駛車輛持續監測環境ODD,以確保在所有條件下安全執行。例如,車輛的速度將根據一天中的時間、光線條件、路面摩擦係數太小(例如路面上有雪或冰)或風太強而調整;
c) 人類駕駛員的限制:駕駛員必須繫好安全帶坐好,並保持清醒等。
(3)A款車型的L3級ODD
a) 行駛在高速公路上,或者帶有中央隔離帶和護欄的兩車道以上機動車專用公路上;
b) 所在車道和周邊車道的車間距離在較近也就是說在堵車狀態下;
c) 車的行駛速度不超過60km/h;
d) 在感測器可檢測到的範圍內沒有訊號燈,也沒有行人和騎自行車的人等。
03 NHTSA ODD分類框架
NHTSA在《A Framework for Automated Driving System Testable Cases and Scenarios》中採用六大要素構建設計執行域,包括基礎設施、駕駛操作限制、周邊物體、互聯、環境條件、區域。[5]
(1)基礎設施
道路型別:分隔公路、不分隔公路、主幹道、城市、農村、停車場、多車道、單車道、高載客量車輛(HOV)車道、入口/出口匝道、緊急疏散路線、單向、轉彎專用車道、私家路、雙向車道、交叉口(訊號燈、掉頭、四向/雙向停車、環島、合併車道、轉彎專用車道、人行橫道、收費廣場、鐵路穿越)(FHWA,2012年)。
道路表面:瀝青、混凝土、混合料、格柵、磚、泥土、礫石、刮過的道路、部分堵塞、減速帶、坑窪、草地(Gibbons,1999)。
道路邊緣:標記線、臨時標記線、路肩(鋪砌或礫石)、路肩(草)、混凝土護欄、格柵、欄杆、路緣、錐體(Sage,2016)。
道路幾何:直線、彎道、山丘、側峰、拐角(常規、死角)、負障礙物、車道寬度(Huang,2010)。
(2)駕駛操作限制
速度限制:最低和最高限速(絕對、相對於限速、相對於周圍交通)(Elpern Waxman,2016)。
交通條件:最小交通量、正常交通量、保險槓到保險槓/高峰時間交通量、交通條件變化(事故、應急車輛、施工、封閉道路、特殊事件)(加利福尼亞大學道路計劃,2016年)。
(3)周邊物體
標誌標牌:標誌(例如,停車、讓行、行人、鐵路、學校區域等)、交通訊號(閃光、學校區域、消防部門區域等)、人行橫道、鐵路交叉口、停止的公共汽車、施工標誌、急救訊號、遇險訊號、道路使用者訊號、手勢訊號(FHWA,2012)。
道路使用者:車輛型別(轎車、輕型卡車、大型卡車、公共汽車、摩托車、寬載、應急車輛、施工裝置、馬車/四輪馬車)、停車車輛、移動車輛(手動、自動)、行人、自行車手(CA DMV,2016)。
非道路使用者障礙物/物體:動物(如狗、鹿等)、購物車、碎片(如輪胎碎片、垃圾、梯子)、施工裝置、行人、自行車手。
(4)互聯
車輛:V2V通訊(如C-V2X/DSRC、Wi-Fi)、應急車輛。
交通密集資訊:眾包資料(如Waze)和V2I。
遠端車隊管理系統:車輛由可執行遠端操作的操作中心支援(Aljaafreh等人,2011年)。
設施感測器等:工作區警報、易受傷害的道路使用者、路線和事件管理、GPS、三維高清地圖(Ellicipuram,2016)、坑洞位置、天氣資料、雲端資料等。
(5)環境條件
天氣:風、雨、雪、雨夾雪、溫度。在高速公路上,小雨或小雪可使平均速度降低3%至13%。大雨會使平均速度降低3%到16%。在大雪中,高速公路的平均速度會下降5%到40%。小雨時自由流速度可降低2%至13%,大雨時可降低6%至17%。雪會導致自由流速度降低5%至64%。降雨期間,速度變化可降低25%(FHWA,2017c)。
天氣導致的路面條件:積水、道路被淹、道路結冰、道路積雪。洪水導致車道浸沒,積雪和風吹碎屑導致車道阻塞,可能導致通行能力降低。由於危險條件(如大風中的大型卡車)造成的道路封閉和通行限制也會降低道路通行能力(FHWA,2017)。
顆粒物:霧、煙、煙霧、灰塵/汙垢、泥。低能見度可導致速度降低10%至12%。霧和強降水以及風吹雪、灰塵和煙霧會縮短能見度距離。低能見度條件會導致速度差異增大,從而增加碰撞風險。每年在霧中發生的車禍超過38700起,每年有600多人在這些車禍中喪生,16300多人受傷(FHWA,2017b)。
光照:白天(太陽:頭頂、後照燈和前照燈)、黎明、黃昏、夜晚、路燈、前照燈(常規和遠光)、迎面而來的車輛燈光(頭頂照明、後照燈和前照燈)(FHWA,2017a)。
(6)區域
地理圍欄:中央商務區、校園和退休社群(例如,CityMobil2是固定路線,包括道路上和人行道上的<20 mph路線)。
交通管控區域:可能包括臨時車道封閉、動態交通標誌、可變限速、臨時或不存在的車道標誌、人工引導交通、裝卸區。
學校區域:動態限速、不穩定的行人和車輛行為(Marshall,2017)。
國家/州:任何法律、監管、執法、侵權或其他考慮因素(例如,跟蹤距離、許可等)(Bomey&Zambito,2017)。
干擾區域:隧道、停車場、茂密的樹葉、高層建築和大氣條件限制的GPS。
04 英國 PAS1883 標準
2020年8月,英國標準協會BSI釋出 PAS1883 標準《Operational Design Domain (ODD) taxonomy for an automated driving system (ADS) – Specification》,採用三大要素構建設計執行域,包括景觀(區域、可行駛區域、交叉口、特殊結構、固定道路結構、臨時道路結構),環境條件(天氣、微粒、照明、互聯),動態元素(交通、目標車輛)。[6]
(1)景觀
區域:a)地理圍欄區;b)交通管理區;c)學校區域;d)國家或區域;e)干擾區,例如茂密的樹葉或高層建築導致的定位訊號丟失。
可行駛區域:a)可行駛區域型別;b)可駕駛區域幾何結構;c)可行駛區域車道規格;d)可行駛區域標誌;e)可駕駛區域邊緣;f)可駕駛區域表面。
可行駛區域型別:高速公路、放射狀道路(A道路是高密度交通道路,將高速公路連線到分配道路或城市中心)、分配道路(B道路將A道路與次要道路或地方道路連線起來,通常具有低至中等通行能力)、次要道路(次要道路或地方道路為居民區和其他地方發展提供通道)、支路、停車場、共享空間;
可駕駛區域幾何結構:水平面(直線和曲線);橫切面(分割、不可分割、行人路、邊緣障礙物、不同型別的車道);縱向平面(上坡(正坡度)、下坡(負坡度)、水平面)。
可行駛區域車道規格:車道尺寸、車道標誌、車道型別(公交車道、交通車道、自行車道、有軌電車車道、應急車道或其他專用車道)、車道數、行駛方向。
可行駛區域標誌:資訊標誌、監管標誌、警告標誌。
可駕駛區域邊緣:標記線、路肩(鋪砌或礫石)、路肩(草)、固體屏障(例如格柵、軌道、路緣、錐體)、臨時標記線、沒有。
可駕駛區域表面:可行駛區域表面型別(鬆散(如礫石、泥土、沙子)、分段式(如混凝土板、花崗岩、鵝卵石)、均勻(如瀝青))、可駕駛區域表面特徵(包括交通和天氣造成的損壞,分類為裂縫、坑洞、車轍或隆起)、可行駛區域引起的路面狀況(結冰、淹沒的道路、海市蜃樓、可行駛區域的積雪、死水、溼路、表面汙染)。
交叉口:環形交叉口、交叉口(T型交叉口、Y形交叉口、十字交叉口、交錯交叉口、立體交叉口)。
特殊結構:自動訪問控制、橋樑、行人過路處、鐵路道口、隧道、收費廣場。
固定道路結構:建築物、街燈、街道設施(例如護柱)、植被。
臨時道路結構:施工現場繞道、垃圾收集、道路工程、道路標誌。
(2)環境條件
天氣:風、降雨、降雪。
微粒:海洋(僅沿海地區)、非沉澱水滴或冰晶(即,霧/霧)、沙塵、煙霧和汙染、火山灰。
照明:白天、夜間或低環境照明條件、雲、人工照明(可能是路燈或迎面而來的車輛燈)。
互聯:V2X。
(3)動態元素
交通:實體密度、交通量、流量、實體型別、有特殊車輛(如救護車或警察車輛)。
主題車輛:主題車輛的速度是額外的ODD屬性。
05 SAE J2980 ODD分類框架
SAE J2980標準中推薦使用六大要素構建執行設計域,包括位置(公路、鄉村道路、城市道路、交叉口、土路、越野、停車場、車道、維修車庫),道路狀況(道路摩擦(幹、冰、雪、溼、裂)、坡度、道路寬度),駕駛操作(啟動、停車、向前行駛、向後行駛、直行、轉彎、避開車道、變道、關閉),車輛狀態(滑行、爬行、加速、減速、駐車、停止、碰撞),其他考慮因素(側風,即將來臨的交通,施工區域,事故場景,交通堵塞,行人),其他車輛特徵(其他車輛系統的狀態:故障程式碼、拖車、過載、啟動關閉/開啟、遠端車輛啟動、其他技術)。[7]
06 歐洲PEGASUS專案
歐洲PEGASUS 專案提出了一個具有六個獨立層的場景系統描述模型[8]:
a) 道路:幾何結構、拓撲,路面質量、邊界(路面);
b) 基礎設施:邊界(結構),標誌牌、訊號燈等;
c) 第一層和第二層的臨時操縱:道路的臨時性設施,如臨時封路、道路施工現場等;
d) 目標物:靜態、動態、移動,互動、機動;
e) 自然環境:天氣、光照等其他環境資訊;
f) 數字資訊:數字資訊,如V2X資訊、數字地圖資訊等。
來自 “ https://mp.weixin.qq.com/s/7o_EDuq_5YdaGOVkU7yNcw ”, 原文作者:5G行業應用;原文連結:https://mp.weixin.qq.com/s/7o_EDuq_5YdaGOVkU7yNcw,如有侵權,請聯絡管理員刪除。
相關文章
- 一文詳解高精地圖:自動駕駛的必由之路丨曼孚科技地圖自動駕駛
- 一文詳解自動駕駛BEV感知,景聯文科技提供資料標註支援自動駕駛
- 一文詳解面向自動駕駛的高精地圖資料採集標註體系自動駕駛地圖
- 深度學習在自動駕駛感知領域的應用深度學習自動駕駛
- 為自動駕駛保駕護航—談談主流中介軟體設計自動駕駛
- 自動駕駛資料閉環:實現高階自動駕駛的必由之路自動駕駛
- 寶馬設立自動駕駛研發中心,2021年釋出自動駕駛汽車自動駕駛
- 乾貨|自動駕駛行業研究報告自動駕駛行業
- 自動駕駛中的障礙物行為預測自動駕駛
- 自動駕駛研究報告自動駕駛
- 自動駕駛拉鋸戰自動駕駛
- 全面解讀自動駕駛的關鍵組成部分自動駕駛
- 奧迪:自動駕駛的脈搏自動駕駛
- 自動駕駛系(四)——環境感知之可行駛區域檢測技術自動駕駛
- 從研發域到量產域的自動駕駛工具鏈探索與實踐自動駕駛
- 解析丨自動駕駛核心技術:感知,決策與執行(上:感知篇)自動駕駛
- 自動駕駛測試全流程自動駕駛
- 自動駕駛復甦在 2020自動駕駛
- 大疆攪局自動駕駛自動駕駛
- 自動駕駛定位已知方式自動駕駛
- 自動駕駛控制演算法自動駕駛演算法
- 避免自動駕駛事故,CV領域如何檢測物理攻擊?自動駕駛
- 蘋果自動駕駛背後的故事蘋果自動駕駛
- 自動駕駛哪國強?各國和地區自動駕駛成熟度指數自動駕駛
- 解析丨自動駕駛核心技術:感知、決策與執行(中:決策篇)自動駕駛
- 一文讀懂自動駕駛中的機器人作業系統ROS自動駕駛機器人作業系統ROS
- 自動駕駛系列(七)——聊聊人機互動中的DMS駕駛員監控系統自動駕駛
- 華為:自動駕駛網路解決方案白皮書自動駕駛
- GaussDB技術解讀系列:運維自動駕駛探索運維自動駕駛
- 自動駕駛計程車到底“破壞力”幾何?自動駕駛
- SAE自動駕駛分級介紹自動駕駛
- 自動駕駛出行,進入下半場自動駕駛
- 【面試】滴滴自動駕駛測開面試自動駕駛
- 【自動駕駛】運動控制自行車模型運動規律圖解自動駕駛模型圖解
- 黑芝麻智慧攜手均聯智行,深度共創自動駕駛域控智慧方案自動駕駛
- 2020出行之變(一):自動駕駛的“躍淵”時刻自動駕駛
- 聊聊自動駕駛必須解決哪些感知問題?交通標誌識別技術詳解自動駕駛
- 美政府研究人們駕駛走神時間,證明自動駕駛的必要性自動駕駛