Safety integrity framework for automated driving

要約

このペーパーでは、BMWの最初のSAEレベル3自動化された運転システムの開発、リリースプロセス、および規制当局の承認を支えた包括的な安全枠組みについて説明します。
このフレームワークは、システムエンジニアリング、エンジニアリングリスク分析、ベイジアンデータ分析、実験の設計、および統計学習の分野からの確立された定性的および定量的方法を新しい方法で組み合わせています。
このアプローチは、ハードウェアとソフトウェアの障害、パフォーマンスの制限、および肯定的なリスクバランスを達成する許容レベルまでの不十分な仕様に関連するリスクを体系的に最小化します。
フレームワークの中心にあるのは、ハザードシナリオに関連する不確実性の体系的な識別と定量化と、設計された実験、フィールドデータ、および専門知識に基づいて冗長に設計されたシステムです。
システムの残留リスクは、確率的シミュレーションを通じて推定され、感度分析によって評価されます。
これらの高度な分析手法をVモデルに統合することにより、フレームワークは既存の自動車安全基準を満たし、統一し、補完します。
したがって、自動化された運転システムの開発と展開のために、包括的で厳格で透明な安全保証プロセスを提供します。

要約(オリジナル)

This paper describes the comprehensive safety framework that underpinned the development, release process, and regulatory approval of BMW’s first SAE Level 3 Automated Driving System. The framework combines established qualitative and quantitative methods from the fields of Systems Engineering, Engineering Risk Analysis, Bayesian Data Analysis, Design of Experiments, and Statistical Learning in a novel manner. The approach systematically minimizes the risks associated with hardware and software faults, performance limitations, and insufficient specifications to an acceptable level that achieves a Positive Risk Balance. At the core of the framework is the systematic identification and quantification of uncertainties associated with hazard scenarios and the redundantly designed system based on designed experiments, field data, and expert knowledge. The residual risk of the system is then estimated through Stochastic Simulation and evaluated by Sensitivity Analysis. By integrating these advanced analytical techniques into the V-Model, the framework fulfills, unifies, and complements existing automotive safety standards. It therefore provides a comprehensive, rigorous, and transparent safety assurance process for the development and deployment of Automated Driving Systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google