自动驾驶系统中的不足特征与缓解方法

提出自我监视和自适应系统的概念，通过监控感知算法的风险和使用SOTIF熵来驱动决策模块。

介绍了SOTIF时间错误和故障模型（STEAM）及基于模型的SOTIF分析方法（MoSAFE）。

STEAM是SOTIF因果模型的细化，提供系统设计的全面视角。

MoSAFE方法允许基于系统设计模型实例化STEAM，通过推理从车辆级别的危险行为推导出模块级别的危险错误序列模式。

通过自动速度控制功能的案例研究，展示了改进模型和MoSAFE方法在应对自动驾驶系统安全挑战中的适用性。

综述了自动驾驶系统的现状、面临的挑战和核心功能，提出了发展所需的数据集和工具建议。

探讨了自动驾驶系统的安全分析和验证方法，建立量化描述交通场景下ADS行为的代理模型。

研究高级驾驶辅助系统（ADAS）的限制和解决方案，提出改进ADAS的算法和方法。

介绍了基于仿真的开发平台，用于验证安全关键学习型系统的安全性。

总结了自动驾驶和智能车辆技术发展的历史、里程碑、技术方向和未来研究方向。