| 功能 | 场景名 | 场景人机环 | 场景流程 | 场景风险 | 场景输出 | 文件链接 |
|---|
| 视频流接入与预处理 | 实时视频流风险监控 | 人：监控人员；机：摄像头、GPU服务器、网络设备；环：城市道路环境、天气条件、光照条件 | 1. 摄像头采集视频流；2. 视频流接入预处理模块；3. 预处理模块进行降噪、去模糊、畸变校正等操作；4. 风险检测模块监控帧率、码率、网络延迟等指标；5. 告警系统在指标超出阈值时发出告警；6. 监控人员查看告警信息并采取相应措施。 | 1. 视频流中断；2. 视频质量差（噪声、模糊、光照不足）；3. 预处理算法失效；4. 网络延迟过高；5. 帧率不稳定；6. 码率波动；7. GPU资源耗尽。 | 1. 实时视频流监控仪表板；2. 告警信息（包括告警类型、发生时间、严重程度等）；3. 风险报告（包括风险分析、影响评估、应对措施等）。4. 帧率稳定性指标; 5. 预处理算法成功率; 6. 视频流中断次数。 | VideoStreamIngestAndPreprocessing/RealtimeVideoStreamRisk.html |
| 视频流接入与预处理 | 预处理算法性能评估 | 人：算法工程师；机：GPU服务器、测试数据集；环：不同天气条件、光照条件、道路类型等模拟环境 | 1. 准备包含各种场景的视频测试数据集；2. 选择不同的预处理算法组合；3. 运行预处理算法，记录处理时间、GPU/CPU使用率等指标；4. 将预处理后的视频流输入到目标检测模型，评估目标检测精度；5. 对比不同算法组合的性能指标，选择最优方案。 | 1. 测试数据集代表性不足；2. 评估指标选择不合理；3. 预处理算法在特定场景下失效；4. 硬件资源限制导致评估结果不准确；5. 目标检测模型性能波动影响评估结果。 | 1. 预处理算法性能评估报告（包括处理速度、资源消耗、目标检测精度等）；2. 最优预处理算法组合推荐；3. 算法优化建议；4. 特定场景下预处理算法的性能瓶颈分析。 | VideoStreamIngestAndPreprocessing/PreprocessingPerf.Eval..html |
| 视频流接入与预处理 | 动态ROI自适应调整 | 人：算法工程师；机：摄像头、目标检测模型、控制系统；环：车辆行驶环境、目标出现频率和位置 | 1. 摄像头采集视频流；2. 目标检测模型识别视频中的目标；3. ROI调整模块根据目标位置和大小，动态调整ROI区域；4. 仅对ROI区域进行预处理和后续分析；5. 系统根据ROI调整效果，反馈给ROI调整模块进行优化。 | 1. 目标检测模型漏检或误检；2. ROI调整算法不准确；3. ROI区域过小，导致关键信息丢失；4. ROI区域过大，计算量仍然较大；5. ROI调整过于频繁，导致系统不稳定。 | 1. 动态ROI调整策略；2. 系统处理速度提升指标；3. 目标检测精度变化指标；4. ROI调整效果评估报告；5. 算法优化建议。 | VideoStreamIngestAndPreprocessing/DynamicROIAdjustment.html |
| 视频流接入与预处理 | 网络带宽自适应 | 人：系统管理员；机：摄像头、编码器、网络设备；环：网络带宽变化、服务器负载变化 | 1. 系统实时监测网络带宽和服务器负载；2. 码流自适应模块根据监测结果，计算出最优的分辨率、帧率和码率；3. 编码器根据计算结果调整视频流参数；4. 系统持续监测和调整，保证视频流畅传输。 | 1. 网络带宽监测不准确；2. 自适应算法不合理；3. 频繁调整导致视频质量波动；4. 硬件资源限制导致调整范围有限；5. 调整策略与实际需求不匹配。 | 1. 实时视频流参数（分辨率、帧率、码率）；2. 网络带宽利用率指标；3. 系统负载指标；4. 视频流畅度评估报告；5. 码流自适应策略优化建议。 | VideoStreamIngestAndPreprocessing/AdaptiveBandwidth.html |
| RL策略安全保障 | RL策略在线评估与持续优化 | 自动驾驶车辆、传感器、计算平台、RL策略、监控人员、交通环境、天气条件、其他车辆和行人。 | 1. 车辆运行：自动驾驶车辆按照当前RL策略行驶。2. 数据采集：车辆传感器采集环境数据（包括传感器数据、车辆状态、周围环境信息等）。3. 策略评估：将采集到的数据输入到RL策略评估模块，评估策略的安全性（例如，碰撞风险、违反交通规则）和性能（例如，行驶效率、舒适度）。4. 风险检测：实时检测传感器故障、对抗攻击等异常情况。5. 策略优化：如果评估结果低于预设的安全或性能阈值，触发RL策略优化模块，利用新数据进行在线学习或选择更安全的备用策略。6. 策略部署：将优化后的RL策略部署到车辆，并继续进行监控和评估。 | 1. 传感器噪声干扰导致决策偏差。2. 环境突变（如恶劣天气）导致策略失效。3. 对抗攻击篡改传感器数据误导策略。4. 策略优化过程不稳定导致性能下降。5. 未知环境因素导致意外情况发生。 | 1. 实时风险评估报告（包括风险等级、风险原因、潜在影响）。2. 优化后的RL策略版本。3. 车辆行驶轨迹数据和决策日志。4. 监控告警信息（针对传感器故障、攻击等异常情况）。5. 优化后的控制指令，提升安全性与性能。 | RLPolicySafetyAssurance/OnlineRLOptimization.html |
| RL策略安全保障 | 高风险场景下的自适应安全保障 | 自动驾驶车辆、传感器、计算平台、RL安全策略、紧急停车系统、冗余制动系统、高精度地图、复杂交通环境、恶劣天气条件、行人和其他车辆。 | 1. 风险识别：车载传感器和高精度地图识别潜在的高风险场景（例如，前方车辆急刹车、行人突然横穿马路、道路湿滑）。2. 风险评估：评估当前风险等级和潜在影响，调用风险评估模型（基于RL或传统方法）。3. 安全策略激活：如果风险等级超过预设阈值，激活基于RL的自适应安全保障策略。4. 策略执行：RL安全策略根据当前环境和风险状况，动态调整车辆控制参数（例如，调整车速、转向角度、制动力度）。5. 被动安全措施：如果RL策略无法有效控制风险，触发被动安全措施，例如启动紧急停车系统或切换到冗余制动系统。6. 监控与记录：全程监控车辆状态和环境数据，记录决策过程和风险事件，为后续分析提供数据支持。 | 1. RL安全策略决策延迟导致避让失败。2. RL策略在高风险场景下出现未知错误。3. 被动安全措施失效导致事故发生。4. 多重风险叠加导致系统崩溃。5.传感器数据被干扰导致错误决策。 | 1. 紧急避让轨迹和控制参数。2. 被动安全措施触发记录。3. 高风险场景下的决策日志和事件报告。4. 策略优化建议，提升应对高风险场景的能力。5. 安全保障系统状态报告。 | RLPolicySafetyAssurance/AdaptiveSafetyinHighRisk.html |
| RL策略安全保障 | 仿真平台性能瓶颈分析与优化 | 仿真软件、计算资源（CPU、GPU、内存）、仿真场景、仿真数据、RL策略、仿真工程师、监控系统。 | 1. 仿真运行：运行自动驾驶系统的仿真程序，模拟各种驾驶场景和风险事件。2. 性能监控：实时监控仿真平台的各项性能指标（例如，CPU利用率、GPU利用率、内存占用、帧率、仿真时间）。3. 风险识别：利用FMEA等方法识别潜在的性能瓶颈风险（例如，场景复杂度过高、计算资源不足、数据读取速度慢）。4. 风险评估：评估性能瓶颈对仿真效率和RL策略训练的影响程度。5. 优化方案：根据风险评估结果，制定优化方案（例如，降低场景复杂度、增加计算资源、优化数据读取方式、调整仿真参数）。6. 优化实施：实施优化方案，并重新运行仿真程序。7. 性能验证：验证优化后的仿真平台性能是否达到预期目标。 | 1. 仿真场景过于简单导致RL策略泛化能力不足。2. 仿真平台性能瓶颈导致训练时间过长。3. 仿真结果与实际驾驶环境存在偏差。4. 仿真过程中出现崩溃或错误导致数据丢失。5.计算资源不足，导致仿真无法运行。 | 1. 仿真平台性能报告（包括各项性能指标和瓶颈分析）。2. 优化后的仿真流程和参数配置。3. RL策略训练效率提升报告。4. 仿真结果与实际驾驶环境的差异分析。5. 计算资源需求预测。 | RLPolicySafetyAssurance/SimulationPerf.Opt..html |
| RL策略安全保障 | 冗余系统失效情况下的安全评估 | 自动驾驶车辆、主制动系统、冗余制动系统、主转向系统、冗余转向系统、各类传感器、计算平台、安全评估人员、测试场地。 | 1. 系统失效模拟：模拟自动驾驶车辆的冗余系统失效情况（例如，主制动系统失效、主转向系统失效、某个传感器失效）。2. 安全评估：评估车辆在冗余系统失效情况下的安全性能（例如，能否安全停车、能否保持车辆稳定、能否避免碰撞）。3. 风险等级确定：根据安全评估结果，确定风险等级（例如，高风险、中风险、低风险）。4. 应对措施制定：根据风险等级，制定相应的应对措施（例如，启动冗余系统、降低车速、发出告警）。5. 措施验证：验证应对措施的有效性，确保能够在冗余系统失效情况下保障车辆安全。6. 数据记录与分析：记录所有测试数据和评估结果，进行深入分析，为后续改进提供依据。 | 1. 冗余系统无法有效接管导致事故发生。2. 系统切换过程中出现延迟或错误。3. 驾驶员对系统切换不熟悉导致操作失误。4. 传感器失效导致环境感知能力下降。5.失效的冗余系统引发新的风险。 | 1. 冗余系统失效情况下的安全评估报告。2. 风险等级和应对措施建议。3. 系统切换时间和成功率数据。4. 传感器失效对环境感知能力的影响分析。5. 冗余系统设计改进建议。 | RLPolicySafetyAssurance/RedundancyFailureSafety.html |
| RL策略安全保障 | 策略失效导致的不安全行为检测与规避 | 自动驾驶车辆、计算平台、RL策略、监控系统、安全模块、驾驶员（远程）、车辆周围环境、交通参与者。 | 1. 策略行为监控：实时监控RL策略的输出和车辆行为（例如，车速、加速度、转向角度、与周围车辆的距离）。2. 不安全行为检测：利用安全规则和异常检测算法，检测策略失效导致的不安全行为（例如，超速行驶、闯红灯、急刹车、与前方车辆距离过近）。3. 风险评估：评估不安全行为可能造成的风险等级和潜在影响。4. 风险规避：采取相应的风险规避措施（例如，降低车速、调整行驶轨迹、发出警告）。5. 人工干预：如果自动规避措施无法有效控制风险，通知远程驾驶员进行人工干预。6. 事件记录与分析：记录所有不安全行为和规避措施，进行深入分析，为后续改进提供依据。 | 1. 不安全行为未能及时检测到导致事故发生。2. 自动规避措施失效导致风险扩大。3. 人工干预延迟导致控制失误。4. 策略失效的原因未能及时定位。5.环境因素导致不安全行为。 | 1. 不安全行为检测报告。2. 风险等级和规避措施记录。3. 人工干预记录。4. 策略失效原因分析。5. 策略改进建议。 | RLPolicySafetyAssurance/UnsafeBehaviorDetection.html |
| 硬件及软件冗余 | 硬件冗余监控 | 人：系统管理员、安全工程师；机：传感器、计算单元、执行器、监控服务器；环：温度、湿度、震动环境 | 1. 传感器采集硬件状态数据；2. 数据传输至监控服务器；3. 监控服务器计算硬件冗余度；4. 与预设阈值比较；5. 超出阈值，触发告警；6. 人工介入维护。 | 1. 传感器故障导致误判；2. 通信链路中断导致数据丢失；3. 共因失效导致冗余系统同时失效；4. 资源争用导致性能下降；5. 维护不及时导致冗余失效。 | 1. 硬件冗余度实时数据；2. 告警信息；3. 历史冗余数据趋势图；4. 风险评估报告；5. 维护建议。 | HardwareAndSoftwareRedundancy/HardwareRedundancyMonitoring.html |
| 硬件及软件冗余 | 软件冗余监控 | 人：软件工程师、安全工程师；机：感知模块、决策模块、控制模块、监控服务器；环：软件运行环境、操作系统 | 1. 软件模块生成状态数据；2. 数据传输至监控服务器；3. 监控服务器计算软件冗余度；4. 与预设阈值比较；5. 超出阈值，触发告警；6. 人工介入维护。 | 1. 软件Bug导致冗余模块同时失效；2. 软件升级导致冗余不一致；3. 数据同步失败导致决策冲突；4. 资源争用导致性能下降；5. 病毒攻击导致软件失效。 | 1. 软件冗余度实时数据；2. 告警信息；3. 历史冗余数据趋势图；4. 风险评估报告；5. 软件升级建议。 | HardwareAndSoftwareRedundancy/SoftwareRedundancyMonitoring.html |
| 硬件及软件冗余 | 异构冗余效果评估 | 人：系统设计师、测试工程师；机：不同类型传感器、计算单元、执行器、测试环境；环：不同工况、极端环境 | 1. 设置不同工况、环境；2. 对比不同冗余系统性能；3. 评估异构冗余效果；4. 根据结果优化异构设计；5. 重复测试。 | 1. 测试工况不足以覆盖所有风险；2. 评估指标不合理导致误判；3. 异构系统兼容性问题；4. 成本过高导致异构方案不可行；5. 缺乏专业人员进行评估和优化。 | 1. 异构冗余效果评估报告；2. 不同冗余系统性能对比数据；3. 异构冗余设计优化建议；4. 测试用例库；5. 成本效益分析。 | HardwareAndSoftwareRedundancy/HeterogeneousRedundancyEval.html |
| 硬件及软件冗余 | RL策略鲁棒性评估 | 人：算法工程师、测试工程师；机：RL策略模型、仿真环境、测试场景；环：各种风险场景，如传感器噪声、通信中断、恶意攻击 | 1. 构建风险场景；2. 运行RL策略；3. 收集reward,Q值等数据；4. 计算鲁棒性指标；5. 评估策略风险；6. 根据结果改进策略；7. 重复测试。 | 1. 风险场景覆盖不全；2. 评估指标选择不当；3. RL策略模型过拟合；4. 计算资源不足；5. 难以解释RL策略的决策过程。 | 1. RL策略鲁棒性评估报告；2. 风险场景下的策略性能数据；3. 策略改进建议；4. 可视化决策过程；5. 鲁棒性指标。 | HardwareAndSoftwareRedundancy/RLPolicyRobustnessEvaluation.html |
| 硬件及软件冗余 | 风险应对措施有效性验证 | 人：安全工程师、测试工程师；机：切换算法、测试环境、监控系统；环：各种风险场景 | 1. 构建风险场景；2. 部署风险应对措施；3. 运行系统；4. 收集数据；5. 评估应对措施效果；6. 改进措施；7. 重复验证。 | 1. 风险场景覆盖不全；2. 测试数据不足；3. 评估指标选择不当；4. 措施引入新的风险；5. 实施成本过高。 | 1. 风险应对措施有效性验证报告；2. 措施前后性能对比数据；3. 措施优化建议；4. 成本效益分析；5. 风险控制矩阵。 | HardwareAndSoftwareRedundancy/RiskMitigationValidation.html |