4. 预期功能安全基础

在自动驾驶安全体系中,功能安全(ISO 26262)解决的是“系统故障导致的风险”,而预期功能安全(Safety of the Intended Functionality,SOTIF,ISO 21448)解决的是“系统没有故障、但功能或性能不足导致的风险”。这是两类本质不同的问题:前者问“东西坏了怎么办”,后者问“东西没坏,但它看不懂、看不远、判断错了怎么办”。对于量产自动驾驶而言,SOTIF 往往是更难、更隐蔽、也更贴近真实事故的一类风险。

一、SOTIF 的核心逻辑:从“故障”转向“局限”

ISO 21448 的核心思想可以概括为一句话:在没有任何故障的前提下,由于性能局限和可预见误用,系统仍可能进入危害行为,必须通过设计、验证和运行措施把这类风险降到可接受水平。它关注的不是硬件失效,而是感知能力边界、算法泛化能力、场景覆盖不足、人机交互误解等“非故障”因素。

SOTIF 把运行场景划分为四个区域,这是理解全章的关键模型:

  • 已知安全场景:系统能正确处理,且已通过验证确认安全。
  • 已知不安全场景:系统已知会出错,但尚未修复或无法完全修复。
  • 未知不安全场景:系统可能出错,但当前尚未识别,是 SOTIF 最大的威胁。
  • 未知安全场景:系统能正确处理,但尚未被充分验证。

SOTIF 活动的目标,就是不断把“未知不安全”转化为“已知不安全”,再通过改进把它转化为“已知安全”,同时扩大“已知安全”的覆盖范围。

SOTIF 场景四象限与风险转化路径 已知安全场景 系统可正确应对,已通过验证 目标:持续扩大覆盖范围 例:白天高速跟车、清晰车道线 验证手段:封闭场地 + 实车路测 已知不安全场景 系统已知会出错,尚未完全修复 目标:改进设计或限制运行域 例:逆光下误识别白色货车 措施:降级、限速、接管提示 未知安全场景 系统可正确应对,但尚未验证 目标:补充测试与场景挖掘 例:罕见但规则清晰的施工区 手段:仿真 + 数据回灌 未知不安全场景 系统可能出错,当前尚未识别 SOTIF 最大威胁,需主动探索 例:异形障碍物 + 强眩光组合 手段:场景生成、对抗测试 识别 改进 验证 确认

二、性能局限:SOTIF 风险的根源

性能局限是指系统在无故障状态下,由于传感器物理特性、算法能力、算力约束等原因,无法在所有场景中达到预期性能。常见的性能局限包括:

  • 感知局限:摄像头在逆光、雨雾、夜间低照度下对比度下降;毫米波雷达对静止物体和金属反射的误判;激光雷达在雨雪中的点云衰减。
  • 算法局限:目标检测对异形障碍物、遮挡目标、罕见类别的泛化不足;预测模块对行人突然折返、车辆加塞的意图误判。
  • 决策局限:对模糊交通规则、无保护左转、施工区临时标志的处理能力不足。
  • 执行局限:制动距离、转向响应在低附着路面上的物理边界。

这些局限本身不是故障,但一旦与特定触发条件叠加,就可能产生危害行为。

三、触发条件与场景分类

触发条件是“激活”性能局限的外部或内部因素。SOTIF 强调把触发条件与性能局限组合起来分析,形成“触发条件—性能局限—危害行为”的因果链。常见触发条件可分为以下几类:

触发条件类别 典型示例 影响的性能局限 可能危害行为
环境光照 逆光、隧道出入口、夜间眩光 摄像头动态范围不足 漏检前车、误判车道线
天气与路面 大雨、浓雾、积雪、积水反光 激光雷达点云衰减、雷达杂波 误刹、跟车距离异常
交通参与者 异形障碍物、儿童突然横穿、加塞 目标检测与意图预测泛化不足 未及时制动或避让
道路结构 施工区、临时改道、无标线路口 地图与定位先验失效 路径规划错误、驶出道路
人机交互 驾驶员误解接管请求、过度信任 HMI 提示不清晰 接管延迟、误操作

四、案例与复盘:逆光下的白色货车

某量产项目在夏季傍晚进行实车测试时,车辆在高速上以 100 km/h 行驶,前方一辆白色厢式货车在逆光背景下进入视野。摄像头因高光溢出导致目标对比度骤降,毫米波雷达对静止货车反射截面积判断偏弱,融合模块未能在足够距离内稳定输出目标。系统直到约 60 m 才触发制动,虽未碰撞,但已低于安全阈值。

复盘时,团队按 SOTIF 方法定位:这不是传感器故障,而是逆光 + 白色目标 + 高速接近这一触发条件组合,激活了感知性能局限。改进措施包括:增加逆光场景数据训练、优化雷达与视觉融合策略、在置信度不足时提前降级并提示驾驶员接管。该场景也从“未知不安全”转为“已知不安全”,再通过验证转为“已知安全”。

常见误区:把 SOTIF 当成功能安全的补充章节,只在 FMEA 里加几条感知失效;或者认为“路测里程够长就等于 SOTIF 充分”。实际上,SOTIF 更依赖场景空间的系统性分析与主动挖掘,而不是单纯堆里程。
工程建议:建立“触发条件库 + 性能局限库 + 场景库”三库联动机制,把每次路测、仿真和用户反馈中的异常都回灌到场景库,持续更新已知不安全清单,并跟踪其收敛趋势。
# SOTIF 场景分析记录示例(YAML 片段)
scenario_id: SOTIF-0427
trigger_conditions:
  - 逆光
  - 白色目标
  - 高速接近
performance_limitation: 摄像头动态范围不足 + 雷达静止目标反射弱
hazardous_behavior: 制动触发过晚
risk_level: 高
mitigation:
  - 增加逆光训练数据
  - 融合置信度阈值调整
  - 降级并提示接管
status: 已知不安全 -> 验证中

SOTIF 的本质,是承认“没有故障的系统依然可能不安全”,并用系统化方法把未知风险逐步变成已知、可控、可验证的工程对象。理解四象限、性能局限、触发条件与场景分类,是后续开展 SOTIF 验证与量产落地的起点。