智能车变道决策规划系统的预期功能安全研究

罗 石，李灵恩，丁 华，吴承航，过永强

（江苏大学汽车与交通工程学院，江苏 镇江 212000）

0 引言

传统的变道控制策略一般基于最小安全距离模型进行变道可行性判断，大多数研究将车辆看作匀速或匀加速行驶，所以传统的安全距离模型仅能够保证目标车辆单一状态下本车变道的安全性。但在实际道路上，车辆的驾驶行为具有很强的变动性，特别是车辆的加速度能在短时间内明显改变车辆的行驶状态，而车型、速度、路面状况都是影响车辆加速度因素。一旦周围驾驶环境出现变化，智能汽车将变得被动而不得不放弃变道，甚至陷入危险中，这样不但会导致交通效率下降，还会给乘坐者带来生理和心理的不适感，严重时可能导致交通事故发生。而预期功能安全旨在解决智能汽车控制系统组件在并未发生故障的情况下由外部环境、系统性能局限或人为误用所导致的安全问题［1］。针对变道决策规划系统的预期功能安全，必须要在变道前充分考虑和判断各目标车辆在本车变道过程中可能出现的加减速行驶，使本车在变道过程中始终处于主动地位，为本车变道过程中躲避风险提供可能，确保变道过程中的安全。

目前，有关预期功能安全的研究尚处于起步阶段，关于变道的预期功能安全研究更是寥若晨星。John［2］提出了预期功能安全风险评估框架，丰富和扩展了预期功能安全概念的内涵。吕颖［3］基于SCSTSV的概念建立智能驾驶安全性预警区、识别区和防护区，提出定量度量预期功能安全的“安全熵”理论，构建安全性试验场景和试验用例。Mahajan等［4］运用STPA对车道保持系统进行安全性分析，提出了系统改进的安全要求。薛松［5］提出了一种基于自动驾驶场景的预期功能安全危害分析评估方法，包括危险场景的构建方法、基于HAZOP（危险性和可操作性）的危害分析方法以及基于贝叶斯危害图的风险评估方法。传统变道方面的研究也在一定程度上涉及到预期功能安全的范畴，但对预期功能安全考虑不足，特别是涉及的车辆加减速所带来的预期功能安全问题。李嘉嘉［6］利用有限状态机进行变道决策，目标车辆为已知加速度的匀加速行驶，对预期功能安全来说属于理想状况，决策算法只考虑变道和返回2种情况，在复杂交通状况下可能导致行驶效率不佳。王誉钱［7］通过简化驾驶场景，仅在前方有1辆车的场景下，运用5次多项式，通过约束条件确定变道距离和变道时间，得出变道轨迹。Wang等［8］和Huang等［9］基于深度强化学习进行目标车辆驾驶行为预测和变道决策，但深度学习的决策算法需要更多针对性场景的训练数据，优化过程漫长，同时深度学习存在的不可解释性问题和不确定性问题也是预期功能安全的一大难题。

总而言之，现有较少专门针对汽车变道的预期功能安全的研究。故而，在传统的变道决策基础上考虑了预期功能安全，结合 STPA 和ISO21448［10］设计了变道控制系统的预期功能安全分析流程，得出系统的安全目标。针对安全目标进行算法改进，首先通过高斯过程回归预测周围车辆未来不同置信度下的加速度，结合当前车速、车距确定目标车辆不同加速度下的危险系数，不同加速度对应的危险系数作为评判对象，置信度归一化后作为评判因素权向量，通过模糊综合评价确定危险系数最高的加速度作为变道可行性判断的依据，在传统5次多项式变道轨迹的基础上通过车速和路面状况确定理想变道时间，由理想换道时间和安全变道终点确定出符合安全约束的最优变道轨迹，在变道过程中通过安全系数动态控制车辆行驶状态同时进行变道轨迹重规划，在特殊情况下进行返回原车道的轨迹规划，保证变道过程的安全性。最后，通过联合仿真建立标准测试场景和安全性未知场景进行验证，并对系统安全接受准则进行量化。对比功能改进前后的风险水平，验证改进后的风险水平符合SOTIF安全接受准则。

1 变道决策系统安全分析

1.1 融合STPA的安全分析方法

Leveson［11］于2011年提出基于系统理论过程分析方法，将安全视为控制问题，目标是识别出那些可能导致危险发生的不充分的控制，通过安全约束使风险降低到可接受的程度［12］，与预期功能安全的目标一致。笔者从场景入手，结合STPA和ISO21448提出一种自动驾驶汽车变道控制系统的预期功能安全分析方法，流程如图1所示。首先通过STPA方法，对变道控制系统进行功能和系统规范定义，确定系统运行边界，针对提出的危险场景进行风险评估和触发事件识别，然后进行功能改进，最后通过验证已知场景和未知场景确保残余风险可接受，符合预期功能安全的接受准则。

图1 变道控制系统的SOTIF分析流程框图

1.2 变道决策系统的安全分析

1.2.1 场景假设及功能定义

设定智能驾驶汽车所在场景为三车道直线道路，本车处于中间车道，目标车道为左侧车道，目标车辆包括本车道前车、本车道后车、目标车道前车及目标车道后车，由于本车道后车一般不影响本车变道决策，因此驾驶场景为包括本车在内的四车辆模型。通过实时监测前方车辆行驶状况，在不满足本车期望行驶速度或与前方车辆距离小于设定的安全距离时触发变道，在车距符合安全变道的条件下规划出既满足舒适性和安全性要求，同时变道效率又高的变道轨迹，通过下层执行器完成路径跟踪。为方便分析，全文均使用车辆坐标系即车辆纵向运动方向为x坐标，横向运动方向为y坐标。

1.2.2 识别潜在危害事件

对于自动变道系统而言，主要功能是保障车辆安全变道，提高交通效率或减轻车辆碰撞。为避免自动变道系统可能出现的SOTIF问题，首先要对自动变道系统层级的危害事件进行识别，从预期功能安全的角度得到自动变道系统可能发生的危害事件，如表1所示。

表1 潜在危害事件与描述

1.2.3 风险分析与评估

针对变道决策规划系统，分析风险因素，并进行风险评估。参考功能安全［13］使用C（可控性）、S（严重度）进行危险判断，其定义分别如表2、表3所示，综合可控性等级和严重性等级将风险等级分为H0、H1、H2、H3、H4五个等级，其中H0表示最不危险，H4表示最危险，对可能出现的危险状况进行危险等级综合评估。

表2 可控性等级

表3 严重性等级

风险评估主要依据是不同类型的车辆导致的危害的严重度和可控性是有差别的，在相同速度下，对于可控性而言，由于载货汽车相比小轿车的加速度较小，因此，可控性较高；严重度则正好相反，载货汽车造成的交通事故一般会比小轿车严重，因此，载货汽车严重度较高。通过此规则得出上述场景的风险评估结果，如表4所示。

1.2.4 功能不足和触发事件识别

表5列出自动变道系统HV3和HV4类触发事件的危害分析。主要考虑车辆行驶过程中目标车道车辆的运动行为的不确定性以及路面状况给本车变道可能带来的危害后果。此类场景与触发事件是汽车变道过程中需特别考虑的，系统存在设计不足和控制性能局限，系统危害行为常常会带来严重后果。为解决此类安全问题，通过分析得出安全目标，如表5所示。

2 功能改进

针对上述场景，在传统变道辅助控制系统的基础上提出新的改进的变道决策控制方法，主要变道控制流程如图2所示。规定智能汽车在触发变道之前在道路中央行驶，且与前车距离始终大于最小制动安全距离［14］，即保证在紧急制动情况下两车不发生碰撞。当车距小于预期安全距离时，产生变道意图。

图2 变道控制流程框图

2.1 变道可行性判断

由于不同车型所带来的变道危险度不同，区分车型得到的预期安全距离更符合实际情况。变道意图产生后，通过摄像头采集周围车辆外形数据，计算宽高比得出车辆类型，主要区分为乘用车和载货汽车。查阅相关标准［15］，普通轿车宽度为1 600～1 800 mm，高度为1 400～1 600 mm；载货汽车宽度为1.6～2.6 mm，高度为2.4～3.9 mm，因此按照高宽比进行区分，高宽比大于1的判断为载货汽车，否则为小轿车。

2.1.1 车辆加速度预测

通过分析数据库［16］得出车辆行驶过程中的加速度分布规律，基本符合正态分布，因此，使用高斯过程回归预测目标车辆的加速度。该方法不仅能得到加速度的估计值，还能得到置信区间。相较于非概率机器学习方法提供了更多信息，对于预期功能安全的研究非常适用。通过回归预测输出未来目标车辆的加速度作为下文的数据来源，对于回归预测在此不再赘述。

2.1.2 模糊综合评价

模糊决策的输入为回归预测得到的目标车辆加速度预测值（该值取不同置信度下加速度的最大值），隶属度函数通过基于碰撞的安全模型确定。

对于目标车道后车，只有后车加速对于本车变道才是危险的，因此安全距离为

式中：v1为本车开始变道时的车速，v2为目标车车速，a2为目标车加速度，S为两车安全距离，s为实际距离，取安全停车距离d＝3 m，持续时间设为t＝5 s，即计算未来5 s内是否发生碰撞。

一般情况下，目标车道车速高于本车道车速，因此规定目标车道前车车速高于本车，只有前车减速对于本车变道才是危险的。前方目标车辆减速行驶，需要判断5 s前车车速与本车车速的大小关系，所以对于目标车道前车，安全距离为

对于本车道前车，安全距离公式与目标车道前车安全距离公式相同，但由于只在变道前半段可能与其发生碰撞，因此设置t＝3 s。

将目标车辆加速度作为模糊综合评价的评判对象U＝（a1，a2，…，ai）；将加速度危险等级论域划分为5个模糊子集V＝（危险，比较危险，临界，比较安全，安全）；令H＝s／S，将H作为不同加速度下危险度的评判指标；建立模糊关系矩阵R，将置信度归一化后作为评判因素权向量A＝（a1，a2，…，ai），令B＝AOR，对计算结果B进行分析，B中最大元素Bi所对应的加速度ai即为目标车辆最危险行驶加速度。将此加速度作为变道可行性判断的输入值。

2.1.3 预期安全变道模型

针对预期功能安全，不但要保证当前时刻变道安全，还要保证在变道过程中即使周围车辆出现例如突然加减速等预测之外的危险状况时，自动驾驶汽车依然有调整的空间来保证车辆安全。因此提出预期安全变道距离，如图3所示，dsafe为车辆主动避障结束后应与前方车辆保持的相对距离，Dac为预期安全距离即考虑预期功能安全时车辆行驶的距离，Lobj为目标车在此期间所行驶的距离，Lm为自车的行驶距离，车辆间安全距离L可表示为

图3 变道场景示意图

1）本车与本车道前车的预期安全距离模型

对于本车道前车，预期功能安全问题出现在前车减速行驶的情况下，所以变道车辆与本车道前车的预期安全变道模型为

式中：vobj为前车速度；aobj为前车制动减速度，大小为上文模糊综合评价得出的加速度值；vm为本车行驶速度；t为最佳理想变道时间，将会在下文说明其计算方法。由于变道过程中本车在离开本车道后就不会与前车发生危险，所以假定变道过程中在本车道时间为变道时间的一半。本车在变道过程中处于主动状态，实际加速度可以不为0，因此dsafe可设为零。

2）本车与目标车道前车的预期安全距离模型

与1）中同理可得，变道车辆与目标车道前车的变道可行性判断条件为

3）本车与目标车道后车的预期安全距离模型

对于目标车道后车，只有当后车出现突然加速的情况时才会导致预期功能安全问题，此时变道车辆与目标车道后车的变道可行性判断条件为

2.2 变道轨迹及约束

5次多项式［17］是目前使用最多且比较成熟的方法，只需输入变道距离和变道时间即可确定一个变道轨迹簇，还可以改变变道速度等约束条件，同时也符合驾驶员的实际驾驶习惯，此处对该方法不再赘述。

2.2.1 变道终点约束

变道过程中为保证安全，要与目标车辆保持一定的距离，通过计算目标车辆在本车变道结束的估计位置可得到本车变道终点的安全范围。

式中：T为变道时间，s为两车当前时刻的距离，a为最高置信区间的加速度，后文将统一叫作最大概率加速度，Dsafe为变道结束时的本车速度下车辆间应保持的最小安全距离。同时，还要防止在变道前期与本车道前车发生碰撞，要保证与本车道前车的安全距离，为方便计算，假设在本车道时间为变道总时间的一半，可得：

由上述3个判断条件可初步得到一系列不同变道目标点的变道轨迹簇。

2.2.2 最小变道时间约束

在车辆进行变道过程中，车辆的行驶稳定性是非常重要的，而主要影响车辆稳定性的因素是侧向加速度，特别是在车辆高速行驶时，侧向加速度的影响更为明显，过大的侧向加速度甚至会导致车辆失稳，严重影响车辆行驶的安全性。因此，变道轨迹规划时，通过结合车速和路面状况，得出侧向加速度约束。在此引用不同工况下最大侧向加速度变化表［18］。通过最大侧向加速度可得到不同速度下车辆变道过程中的最小变道时间，如图4所示，通过对最小变道时间tmin的约束可保证变道车辆侧向稳定性。

图4 最小变道时间与速度关系曲线

通过最小变道时间与本车当前速度的乘积得到纵向最小位移smin与上文计算的Smin进行比较，最终得出变道终点范围X：

2.2.3 理想变道时间

变道时的舒适性是特别需要考虑的因素，虽然5次多项式可以保证加速度的变化率是连续的，但横向加速度的大小也至关重要。横向加速度过大会给乘客带来不适感，横向加速度过小会导致变道时间增长，增加变道过程风险的同时也会使变道效率降低，影响道路交通。通过理想变道时间作为下文最优变道时间的衡量标准，所谓理想变道时间是指在周围没有其他车辆时本车自由变道，通过考虑舒适性和变道效率综合得出的最佳变道时间。即：

式中：取a＝6 m／s，tmax＝10 s，w1、w2分别取10和2，此时最佳变道时间td＝6.42 s，作为后文的最佳轨迹筛选评价指标。

2.2.4 最优轨迹筛选

通过上文已知变道终点约束和变道时间约束，代入5次多项式，可得到一系列的变道轨迹簇，通过变道评价指标筛选出最优轨迹作为变道轨迹的输出结果。对于变道时间而言，越接近理想变道时间，越符合舒适性和变道效率要求；对于安全性而言，任意时刻与周围车辆距离越远越安全。定义变道评价标准为

式中：i为轨迹簇中每条轨迹的编号；mindi为第i条轨迹与目标车辆实时车间距离的最小值；ti为第i条轨迹的变道时间；td为理想变道时间；w3、w4为评价指标所对应的权重系数；J（ti）为每一条规划轨迹的评价值，最大的即为当前车辆变道的最优轨迹。

2.3 紧急情况控制策略

通过上文计算可知变道过程中当车间距离小于预期安全距离时，并不意味着车辆一定会发生危险，还要与最小安全距离作比较，但车间距小于预期安全距离时说明按照初始轨迹变道会导致变道风险提高。因此，提出安全系数δ作为衡量本车当前变道状态下的安全程度：

图5为本车与目标车道前车安全系数示意图，安全系数代表本车当前变道时的安全状态。主要分为3种情况如下描述：

图5 基于安全系数的变道策略示意图

当δ≥1时，车辆变道处于绝对安全距离，车辆正常变道；

当0＜δ＜1时，车辆加速行为大于预期，以当前状态为初始点，提高安全代价函数权重，同时缩短变道时间，重新规划变道轨迹，加快变道过程；

当δ≤0时，车间距离小于最小安全距离，此时不能保证行车安全，必须采取安全措施。对于目标车道前车，若后车距离大于预期安全距离，减速增大与前车间距；对于目标车道后车，若前车距离大于预期安全距离，加速增大与后车间距；否则将目标点设为原车道，规划返回路线，放弃变道。

3 改进控制策略的风险评估与SOTIF接收准则验证

3.1 变道控制系统功能改进验证与确认准则制定

根据图1所示的分析流程，对系统进行功能改进后，要对系统的安全性进行评估和验证。验证场景分为标准化验证场景和安全性未知场景，标准测试场景验证阶段须验证系统行为是否符合预期，安全性未知场景验证阶段需要对系统行为是否存在不合理风险进行验证［19］。根据SOTIF中国提案中的“量化思想”［20］，对验证与确认准则进行量化定义，主要风险评价指标如表6所示。根据GB 7258—2017《机动车运行安全技术条件》［21］，表6中车辆制动减速度am取5.9 m／s2，vt为目标车辆车速，vm为本车车速，本车制动结束两车距离取为2 m。

表6 系统危害风险接受度评估

通过表6对每个场景变道过程中各个指标进行量化，通过加权代价函数得到系统在该场景下的整体风险，代价函数为

3.2 联合仿真场景设置与参数设定

通过PreScan、CarSim、Matlab／Simulink联合仿真进行算法验证。其中下层的轨迹跟踪采用目前较为成熟的算法，横向控制采用LQR算法，纵向控制采用双PID算法，实验结果显示该控制器可以很好地跟踪规划的轨迹。

图6为PreScan中建立的驾驶场景，将车道宽为3.7 m的三车道作为车辆行驶道路，其中中间车辆为本车，配备毫米波雷达，绿色扇形为雷达的检测范围，设为80 m，超出检测范围后传感器输出为80 m。图中蓝色车辆和红色车辆分别为本车道前车和目标车道前车，黑色车辆为目标车道后车。本车道前车匀速行驶，不同场景下目标车道车辆的行驶状态如表7所示，其中每种场景下的目标车辆都分为乘用车和载货汽车。

表7 验证场景说明

图6 仿真场景与车辆初始状态

针对交通场景TS5，进行整个换道算法验证的详细分析与说明。图7为仿真设置的目标车道后车速度曲线。

图7 目标车道后车速度曲线

在此情景下，由于目标车道前车距离较远，本车在变道过程中可分为4个过程：

1）本车与本车道前车距离小于预期安全变道距离时触发变道，进行变道可行性判断；

2）满足变道条件情况下，计算得出最佳的变道时间和变道终点坐标，即可得出变道轨迹；

3）变道过程中随着目标车道前（后）车的靠近，车距逐渐减小至小于等于预期安全变道距离，此时暂停变道，减速（加速）直行以调整车距；

4）到达安全位置之后进行路径重规划，最终完成变道。

图8为变道的触发过程曲线。由于前车车速低于本车车速，计算得到当前车速下的预期安全变道距离为37.4 m，随着两车距离的不断缩小，在7 s时实际车距等于预期安全距离，本车触发变道，进行变道可行性判断。

图8 本车道前车为乘用车时的变道触发过程曲线

图9为相同条件下前车为卡车时的触发过程曲线。正如前文所述当前方车辆为卡车时得出的预期安全距离要小于前方车辆为乘用车时的预期安全距离。

图9 本车道前车为载货车时的变道触发过程曲线

通过模糊综合评价方法对预测加速度进行综合评价得出最终结果B＝（0.175 4，0.229 6，0.133 6，0.107 6，0.228 8），评价对象为U＝（0，0.5，0.9，1.3，1.8），可知，对本车变道过程目标车到后车加速度最危险加速度为0.5 m／s2，而传统预测方法通常选择最大置信度进行计算。用此加速度计算得出预期安全变道距离。图10为同种工况下预期安全距离与传统安全距离曲线。不难看出，在此种工况下提出的预期安全距离只比传统安全距离多了3 m左右，并不会明显降低交通效率但能大大提高变道过程中的安全性和本车应对风险的能力。

图10 预期安全距离与传统安全距离曲线

在本车变道过程中，传感器实时更新周围车辆行驶状态，在本车变道过程中设置目标车道后车会加速靠近本车，如图11所示，随着目标车道后车车速增加，本车与目标车道后车的预期安全距离不断增大，同时车距减小，在10.4 s时，安全系数小于零，此时不再符合安全变道条件，本车停止变道，此时目标车道前车距离较远，本车加速直行调整与后车间距，在16.3 s时，安全系数大于零，此时重新规划变道轨迹，并减小变道时间以尽快完成变道。如图11的后半部分所示，为保证安全，此时得到的变道时间为2 s，至此本次变道结束。

图11 目标车道后车为乘用车时的避险过程曲线

图12为目标车道后车为载货车时的避险过程曲线。图13为全局路径下本车最优轨迹筛选示意图，其中本车初始位置作为坐标原点。在6.4 s时，目标车道前车的纵向坐标为335 m，目标车道后车的纵向坐标为109 m，为保证变道终点与前后车辆保持安全距离，可以得到本车变道终点的纵向坐标范围为［176，297］，可得到若干变道轨迹簇，通过最优轨迹筛选得到此时的最佳变道时间，为7.62 s，即为图中红色加粗轨迹。如果行驶过程中目标车道前车没有足够安全车距则规划紧急返回轨迹，如图13中蓝色点划线所示。

图12 目标车道后车为载货车时的避险过程曲线

图13 最优轨迹筛选示意图

图14与图13中轨迹的侧向加速度曲线对应。可以看出，即使在紧急返回原车道过程中，车辆的侧向加速度依然在最大侧向加速度范围之内，可以保证车辆侧向稳定性。

图14 不同变道轨迹的侧向加速度曲线

图15为全局状态下本车与周围车辆的行驶轨迹。由于使用预期安全距离作为换道的距离判断，因此，本车在7.4 s时距离本车道前车42.3 m时开始进行变道操作，而传统变道方法的安全距离相对较小，所以在换道过程中与本车道前车距离较近。在10.6 s时，由于目标车道后车的加速靠近，本车与目标车辆后车的距离已经不再满足预期安全距离，此时δ≤0，由于目标车道前面没有车辆，所以本车加速前进，当与后车车距大于安全距离时继续变道，确保变道过程的安全性，而此种情景下传统变道策略只能选择放弃变道，但由于传统安全距离较小，即本车与本车道前车距离较小，就会有与前车发生碰撞的风险，这取决于变道过程中前车的行驶状态。即使本车与本车道前车的距离可以使得车辆返回，但这种变道失败的行为会导致交通效率降低，同时给乘客带来不适感，但改进后的变道策略可以避免这样的问题。图16为变道过程中目标车道前后车均靠近本车轨迹示意图。

图15 目标车道前车始终处于安全状态时变道轨迹示意图

图16 变道过程中目标车道前后车均靠近本车轨迹示意图

如图16所示，在7.6 s时本车与前车距离42.3 m，本车触发换道，传统方法将会继续减小车间距才会触发换道，换道过程中，在11.2 s时目标车道前后车均靠近本车，前后车距均不满足安全距离要求。由于δ≤0，变道操作已无法安全进行，此时本车规划紧急返回路径，由于变道前与本车道前车距离大于传统距离，因此本车有空间安全返回，而传统方法此时距离本车道前车距离过近，无法返回原车道，可能导致碰撞的危险发生。通过图15、图16可以明显看出，改进后算法在安全性上进一步提高，能更好地应对变道过程中的危险事件。

3.3 功能改进风险接受分析

按照表7设定场景，对各场景下控制系统的性能评估如表8所示。在标准测试场景下，功能改进前后车辆均可成功变道，但功能改进后变道过程中与周围车辆的车距在一定程度上增大，提高了本车变道的安全性。在安全性未知场景中，功能改进前在TS4中，车辆在换道过程中由于目标车道前车突然减速导致车间距不满足最小安全距离，因此本车不得不放弃变道返回原车道，而当出现TS5、TS6由于目标车道后车的加入，导致本车在无法变道时没有足够的距离返回原车道，有可能与本车道前车发生碰撞，如图15、图16所示，但改进后的控制策略充分考虑了这些预期的安全问题，所以在变道过程中有足够的距离确保本车变道的安全性，同时使系统的总体风险水平均处于较低状态。系统的预期功能安全水平显著提高，系统功能改进可以被接受。

表8 不同测试场景下功能改进前后系统风险水平

4 结论

现有变道控制策略存在SOTIF问题，根据SOTIF评估准则，结合STPA分析方法，对变道过程中可能出现的危害行为进行了识别和风险评估，同时针对触发场景，确定了安全目标。为达到安全目标，提出预期安全距离作为判断当前变道风险的条件，预期安全距离综合多种条件可以保证目标车辆在预期的驾驶情境下，本车变道的高效性和安全性，同时配合变道过程中的控制策略，实时调整本车与目标车辆间的行驶车距，使本车可以安全变道或在紧急状况下安全返回，提高了变道控制系统的SOTIF性能。通过搭建联合仿真平台，对控制策略进行验证，基于SOTIF中国提案的量化思想，对功能改进前后的系统风险进行计算和对比。结果表明，提出的变道决策方法可以解决预期功能安全问题，使车辆在变道过程中始终处于主动地位，避免在出现预期功能安全问题时传统决策方法可能出现的变道效率低甚至出现安全事故，改善车辆变道决策规划系统的预期功能安全问题。

对于自动变道系统的预期功能安全，包括传感器、决策系统、执行器等。只针对决策规划系统的SOTIF进行分析研究，对于其他部分暂未进行，其次文章只在联合仿真平台进行了算法的仿真验证，有很大的局限性。在后续的研究中，将会从以下几个方面展开：

1）仿真验证环节将考虑加入硬件在环仿真，更加真实地模拟实际控制系统，提高算法的可靠性和实用性。

2）针对自动变道系统传感器、执行器层面的SOTIF不足展开研究，使整个自动变道系统的预期功能安全得到全面性的提升。