智能車變道決策規劃系統的預期功能安全研究

羅 石，李靈恩，丁 華，吳承航，過永強

（江蘇大學汽車與交通工程學院，江蘇 鎮江 212000）

0 引言

傳統的變道控制策略一般基于最小安全距離模型進行變道可行性判斷，大多數研究將車輛看作勻速或勻加速行駛，所以傳統的安全距離模型僅能夠保證目標車輛單一狀態下本車變道的安全性。但在實際道路上，車輛的駕駛行為具有很強的變動性，特別是車輛的加速度能在短時間內明顯改變車輛的行駛狀態，而車型、速度、路面狀況都是影響車輛加速度因素。一旦周圍駕駛環境出現變化，智能汽車將變得被動而不得不放棄變道，甚至陷入危險中，這樣不但會導致交通效率下降，還會給乘坐者帶來生理和心理的不適感，嚴重時可能導致交通事故發生。而預期功能安全旨在解決智能汽車控制系統組件在并未發生故障的情況下由外部環境、系統性能局限或人為誤用所導致的安全問題［1］。針對變道決策規劃系統的預期功能安全，必須要在變道前充分考慮和判斷各目標車輛在本車變道過程中可能出現的加減速行駛，使本車在變道過程中始終處于主動地位，為本車變道過程中躲避風險提供可能，確保變道過程中的安全。

目前，有關預期功能安全的研究尚處于起步階段，關于變道的預期功能安全研究更是寥若晨星。John［2］提出了預期功能安全風險評估框架，豐富和擴展了預期功能安全概念的內涵。呂穎［3］基于SCSTSV的概念建立智能駕駛安全性預警區、識別區和防護區，提出定量度量預期功能安全的“安全熵”理論，構建安全性試驗場景和試驗用例。Mahajan等［4］運用STPA對車道保持系統進行安全性分析，提出了系統改進的安全要求。薛松［5］提出了一種基于自動駕駛場景的預期功能安全危害分析評估方法，包括危險場景的構建方法、基于HAZOP（危險性和可操作性）的危害分析方法以及基于貝葉斯危害圖的風險評估方法。傳統變道方面的研究也在一定程度上涉及到預期功能安全的范疇，但對預期功能安全考慮不足，特別是涉及的車輛加減速所帶來的預期功能安全問題。李嘉嘉［6］利用有限狀態機進行變道決策，目標車輛為已知加速度的勻加速行駛，對預期功能安全來說屬于理想狀況，決策算法只考慮變道和返回2種情況，在復雜交通狀況下可能導致行駛效率不佳。王譽錢［7］通過簡化駕駛場景，僅在前方有1輛車的場景下，運用5次多項式，通過約束條件確定變道距離和變道時間，得出變道軌跡。Wang等［8］和Huang等［9］基于深度強化學習進行目標車輛駕駛行為預測和變道決策，但深度學習的決策算法需要更多針對性場景的訓練數據，優化過程漫長，同時深度學習存在的不可解釋性問題和不確定性問題也是預期功能安全的一大難題。

總而言之，現有較少專門針對汽車變道的預期功能安全的研究。故而，在傳統的變道決策基礎上考慮了預期功能安全，結合 STPA 和ISO21448［10］設計了變道控制系統的預期功能安全分析流程，得出系統的安全目標。針對安全目標進行算法改進，首先通過高斯過程回歸預測周圍車輛未來不同置信度下的加速度，結合當前車速、車距確定目標車輛不同加速度下的危險系數，不同加速度對應的危險系數作為評判對象，置信度歸一化后作為評判因素權向量，通過模糊綜合評價確定危險系數最高的加速度作為變道可行性判斷的依據，在傳統5次多項式變道軌跡的基礎上通過車速和路面狀況確定理想變道時間，由理想換道時間和安全變道終點確定出符合安全約束的最優變道軌跡，在變道過程中通過安全系數動態控制車輛行駛狀態同時進行變道軌跡重規劃，在特殊情況下進行返回原車道的軌跡規劃，保證變道過程的安全性。最后，通過聯合仿真建立標準測試場景和安全性未知場景進行驗證，并對系統安全接受準則進行量化。對比功能改進前后的風險水平，驗證改進后的風險水平符合SOTIF安全接受準則。

1 變道決策系統安全分析

1.1 融合STPA的安全分析方法

Leveson［11］于2011年提出基于系統理論過程分析方法，將安全視為控制問題，目標是識別出那些可能導致危險發生的不充分的控制，通過安全約束使風險降低到可接受的程度［12］，與預期功能安全的目標一致。筆者從場景入手，結合STPA和ISO21448提出一種自動駕駛汽車變道控制系統的預期功能安全分析方法，流程如圖1所示。首先通過STPA方法，對變道控制系統進行功能和系統規范定義，確定系統運行邊界，針對提出的危險場景進行風險評估和觸發事件識別，然后進行功能改進，最后通過驗證已知場景和未知場景確保殘余風險可接受，符合預期功能安全的接受準則。

圖1 變道控制系統的SOTIF分析流程框圖

1.2 變道決策系統的安全分析

1.2.1 場景假設及功能定義

設定智能駕駛汽車所在場景為三車道直線道路，本車處于中間車道，目標車道為左側車道，目標車輛包括本車道前車、本車道后車、目標車道前車及目標車道后車，由于本車道后車一般不影響本車變道決策，因此駕駛場景為包括本車在內的四車輛模型。通過實時監測前方車輛行駛狀況，在不滿足本車期望行駛速度或與前方車輛距離小于設定的安全距離時觸發變道，在車距符合安全變道的條件下規劃出既滿足舒適性和安全性要求，同時變道效率又高的變道軌跡，通過下層執行器完成路徑跟蹤。為方便分析，全文均使用車輛坐標系即車輛縱向運動方向為x坐標，橫向運動方向為y坐標。

1.2.2 識別潛在危害事件

對于自動變道系統而言，主要功能是保障車輛安全變道，提高交通效率或減輕車輛碰撞。為避免自動變道系統可能出現的SOTIF問題，首先要對自動變道系統層級的危害事件進行識別，從預期功能安全的角度得到自動變道系統可能發生的危害事件，如表1所示。

表1 潛在危害事件與描述

1.2.3 風險分析與評估

針對變道決策規劃系統，分析風險因素，并進行風險評估。參考功能安全［13］使用C（可控性）、S（嚴重度）進行危險判斷，其定義分別如表2、表3所示，綜合可控性等級和嚴重性等級將風險等級分為H0、H1、H2、H3、H4五個等級，其中H0表示最不危險，H4表示最危險，對可能出現的危險狀況進行危險等級綜合評估。

表2 可控性等級

表3 嚴重性等級

風險評估主要依據是不同類型的車輛導致的危害的嚴重度和可控性是有差別的，在相同速度下，對于可控性而言，由于載貨汽車相比小轎車的加速度較小，因此，可控性較高；嚴重度則正好相反，載貨汽車造成的交通事故一般會比小轎車嚴重，因此，載貨汽車嚴重度較高。通過此規則得出上述場景的風險評估結果，如表4所示。

1.2.4 功能不足和觸發事件識別

表5列出自動變道系統HV3和HV4類觸發事件的危害分析。主要考慮車輛行駛過程中目標車道車輛的運動行為的不確定性以及路面狀況給本車變道可能帶來的危害后果。此類場景與觸發事件是汽車變道過程中需特別考慮的，系統存在設計不足和控制性能局限，系統危害行為常常會帶來嚴重后果。為解決此類安全問題，通過分析得出安全目標，如表5所示。

2 功能改進

針對上述場景，在傳統變道輔助控制系統的基礎上提出新的改進的變道決策控制方法，主要變道控制流程如圖2所示。規定智能汽車在觸發變道之前在道路中央行駛，且與前車距離始終大于最小制動安全距離［14］，即保證在緊急制動情況下兩車不發生碰撞。當車距小于預期安全距離時，產生變道意圖。

圖2 變道控制流程框圖

2.1 變道可行性判斷

由于不同車型所帶來的變道危險度不同，區分車型得到的預期安全距離更符合實際情況。變道意圖產生后，通過攝像頭采集周圍車輛外形數據，計算寬高比得出車輛類型，主要區分為乘用車和載貨汽車。查閱相關標準［15］，普通轎車寬度為1 600～1 800 mm，高度為1 400～1 600 mm；載貨汽車寬度為1.6～2.6 mm，高度為2.4～3.9 mm，因此按照高寬比進行區分，高寬比大于1的判斷為載貨汽車，否則為小轎車。

2.1.1 車輛加速度預測

通過分析數據庫［16］得出車輛行駛過程中的加速度分布規律，基本符合正態分布，因此，使用高斯過程回歸預測目標車輛的加速度。該方法不僅能得到加速度的估計值，還能得到置信區間。相較于非概率機器學習方法提供了更多信息，對于預期功能安全的研究非常適用。通過回歸預測輸出未來目標車輛的加速度作為下文的數據來源，對于回歸預測在此不再贅述。

2.1.2 模糊綜合評價

模糊決策的輸入為回歸預測得到的目標車輛加速度預測值（該值取不同置信度下加速度的最大值），隸屬度函數通過基于碰撞的安全模型確定。

對于目標車道后車，只有后車加速對于本車變道才是危險的，因此安全距離為

式中：v1為本車開始變道時的車速，v2為目標車車速，a2為目標車加速度，S為兩車安全距離，s為實際距離，取安全停車距離d＝3 m，持續時間設為t＝5 s，即計算未來5 s內是否發生碰撞。

一般情況下，目標車道車速高于本車道車速，因此規定目標車道前車車速高于本車，只有前車減速對于本車變道才是危險的。前方目標車輛減速行駛，需要判斷5 s前車車速與本車車速的大小關系，所以對于目標車道前車，安全距離為

對于本車道前車，安全距離公式與目標車道前車安全距離公式相同，但由于只在變道前半段可能與其發生碰撞，因此設置t＝3 s。

將目標車輛加速度作為模糊綜合評價的評判對象U＝（a1，a2，…，ai）；將加速度危險等級論域劃分為5個模糊子集V＝（危險，比較危險，臨界，比較安全，安全）；令H＝s／S，將H作為不同加速度下危險度的評判指標；建立模糊關系矩陣R，將置信度歸一化后作為評判因素權向量A＝（a1，a2，…，ai），令B＝AOR，對計算結果B進行分析，B中最大元素Bi所對應的加速度ai即為目標車輛最危險行駛加速度。將此加速度作為變道可行性判斷的輸入值。

2.1.3 預期安全變道模型

針對預期功能安全，不但要保證當前時刻變道安全，還要保證在變道過程中即使周圍車輛出現例如突然加減速等預測之外的危險狀況時，自動駕駛汽車依然有調整的空間來保證車輛安全。因此提出預期安全變道距離，如圖3所示，dsafe為車輛主動避障結束后應與前方車輛保持的相對距離，Dac為預期安全距離即考慮預期功能安全時車輛行駛的距離，Lobj為目標車在此期間所行駛的距離，Lm為自車的行駛距離，車輛間安全距離L可表示為

圖3 變道場景示意圖

1）本車與本車道前車的預期安全距離模型

對于本車道前車，預期功能安全問題出現在前車減速行駛的情況下，所以變道車輛與本車道前車的預期安全變道模型為

式中：vobj為前車速度；aobj為前車制動減速度，大小為上文模糊綜合評價得出的加速度值；vm為本車行駛速度；t為最佳理想變道時間，將會在下文說明其計算方法。由于變道過程中本車在離開本車道后就不會與前車發生危險，所以假定變道過程中在本車道時間為變道時間的一半。本車在變道過程中處于主動狀態，實際加速度可以不為0，因此dsafe可設為零。

2）本車與目標車道前車的預期安全距離模型

與1）中同理可得，變道車輛與目標車道前車的變道可行性判斷條件為

3）本車與目標車道后車的預期安全距離模型

對于目標車道后車，只有當后車出現突然加速的情況時才會導致預期功能安全問題，此時變道車輛與目標車道后車的變道可行性判斷條件為

2.2 變道軌跡及約束

5次多項式［17］是目前使用最多且比較成熟的方法，只需輸入變道距離和變道時間即可確定一個變道軌跡簇，還可以改變變道速度等約束條件，同時也符合駕駛員的實際駕駛習慣，此處對該方法不再贅述。

2.2.1 變道終點約束

變道過程中為保證安全，要與目標車輛保持一定的距離，通過計算目標車輛在本車變道結束的估計位置可得到本車變道終點的安全范圍。

式中：T為變道時間，s為兩車當前時刻的距離，a為最高置信區間的加速度，后文將統一叫作最大概率加速度，Dsafe為變道結束時的本車速度下車輛間應保持的最小安全距離。同時，還要防止在變道前期與本車道前車發生碰撞，要保證與本車道前車的安全距離，為方便計算，假設在本車道時間為變道總時間的一半，可得：

由上述3個判斷條件可初步得到一系列不同變道目標點的變道軌跡簇。

2.2.2 最小變道時間約束

在車輛進行變道過程中，車輛的行駛穩定性是非常重要的，而主要影響車輛穩定性的因素是側向加速度，特別是在車輛高速行駛時，側向加速度的影響更為明顯，過大的側向加速度甚至會導致車輛失穩，嚴重影響車輛行駛的安全性。因此，變道軌跡規劃時，通過結合車速和路面狀況，得出側向加速度約束。在此引用不同工況下最大側向加速度變化表［18］。通過最大側向加速度可得到不同速度下車輛變道過程中的最小變道時間，如圖4所示，通過對最小變道時間tmin的約束可保證變道車輛側向穩定性。

圖4 最小變道時間與速度關系曲線

通過最小變道時間與本車當前速度的乘積得到縱向最小位移smin與上文計算的Smin進行比較，最終得出變道終點范圍X：

2.2.3 理想變道時間

變道時的舒適性是特別需要考慮的因素，雖然5次多項式可以保證加速度的變化率是連續的，但橫向加速度的大小也至關重要。橫向加速度過大會給乘客帶來不適感，橫向加速度過小會導致變道時間增長，增加變道過程風險的同時也會使變道效率降低，影響道路交通。通過理想變道時間作為下文最優變道時間的衡量標準，所謂理想變道時間是指在周圍沒有其他車輛時本車自由變道，通過考慮舒適性和變道效率綜合得出的最佳變道時間。即：

式中：取a＝6 m／s，tmax＝10 s，w1、w2分別取10和2，此時最佳變道時間td＝6.42 s，作為后文的最佳軌跡篩選評價指標。

2.2.4 最優軌跡篩選

通過上文已知變道終點約束和變道時間約束，代入5次多項式，可得到一系列的變道軌跡簇，通過變道評價指標篩選出最優軌跡作為變道軌跡的輸出結果。對于變道時間而言，越接近理想變道時間，越符合舒適性和變道效率要求；對于安全性而言，任意時刻與周圍車輛距離越遠越安全。定義變道評價標準為

式中：i為軌跡簇中每條軌跡的編號；mindi為第i條軌跡與目標車輛實時車間距離的最小值；ti為第i條軌跡的變道時間；td為理想變道時間；w3、w4為評價指標所對應的權重系數；J（ti）為每一條規劃軌跡的評價值，最大的即為當前車輛變道的最優軌跡。

2.3 緊急情況控制策略

通過上文計算可知變道過程中當車間距離小于預期安全距離時，并不意味著車輛一定會發生危險，還要與最小安全距離作比較，但車間距小于預期安全距離時說明按照初始軌跡變道會導致變道風險提高。因此，提出安全系數δ作為衡量本車當前變道狀態下的安全程度：

圖5為本車與目標車道前車安全系數示意圖，安全系數代表本車當前變道時的安全狀態。主要分為3種情況如下描述：

圖5 基于安全系數的變道策略示意圖

當δ≥1時，車輛變道處于絕對安全距離，車輛正常變道；

當0＜δ＜1時，車輛加速行為大于預期，以當前狀態為初始點，提高安全代價函數權重，同時縮短變道時間，重新規劃變道軌跡，加快變道過程；

當δ≤0時，車間距離小于最小安全距離，此時不能保證行車安全，必須采取安全措施。對于目標車道前車，若后車距離大于預期安全距離，減速增大與前車間距；對于目標車道后車，若前車距離大于預期安全距離，加速增大與后車間距；否則將目標點設為原車道，規劃返回路線，放棄變道。

3 改進控制策略的風險評估與SOTIF接收準則驗證

3.1 變道控制系統功能改進驗證與確認準則制定

根據圖1所示的分析流程，對系統進行功能改進后，要對系統的安全性進行評估和驗證。驗證場景分為標準化驗證場景和安全性未知場景，標準測試場景驗證階段須驗證系統行為是否符合預期，安全性未知場景驗證階段需要對系統行為是否存在不合理風險進行驗證［19］。根據SOTIF中國提案中的“量化思想”［20］，對驗證與確認準則進行量化定義，主要風險評價指標如表6所示。根據GB 7258—2017《機動車運行安全技術條件》［21］，表6中車輛制動減速度am取5.9 m／s2，vt為目標車輛車速，vm為本車車速，本車制動結束兩車距離取為2 m。

表6 系統危害風險接受度評估

通過表6對每個場景變道過程中各個指標進行量化，通過加權代價函數得到系統在該場景下的整體風險，代價函數為

3.2 聯合仿真場景設置與參數設定

通過PreScan、CarSim、Matlab／Simulink聯合仿真進行算法驗證。其中下層的軌跡跟蹤采用目前較為成熟的算法，橫向控制采用LQR算法，縱向控制采用雙PID算法，實驗結果顯示該控制器可以很好地跟蹤規劃的軌跡。

圖6為PreScan中建立的駕駛場景，將車道寬為3.7 m的三車道作為車輛行駛道路，其中中間車輛為本車，配備毫米波雷達，綠色扇形為雷達的檢測范圍，設為80 m，超出檢測范圍后傳感器輸出為80 m。圖中藍色車輛和紅色車輛分別為本車道前車和目標車道前車，黑色車輛為目標車道后車。本車道前車勻速行駛，不同場景下目標車道車輛的行駛狀態如表7所示，其中每種場景下的目標車輛都分為乘用車和載貨汽車。

表7 驗證場景說明

圖6 仿真場景與車輛初始狀態

針對交通場景TS5，進行整個換道算法驗證的詳細分析與說明。圖7為仿真設置的目標車道后車速度曲線。

圖7 目標車道后車速度曲線

在此情景下，由于目標車道前車距離較遠，本車在變道過程中可分為4個過程：

1）本車與本車道前車距離小于預期安全變道距離時觸發變道，進行變道可行性判斷；

2）滿足變道條件情況下，計算得出最佳的變道時間和變道終點坐標，即可得出變道軌跡；

3）變道過程中隨著目標車道前（后）車的靠近，車距逐漸減小至小于等于預期安全變道距離，此時暫停變道，減速（加速）直行以調整車距；

4）到達安全位置之后進行路徑重規劃，最終完成變道。

圖8為變道的觸發過程曲線。由于前車車速低于本車車速，計算得到當前車速下的預期安全變道距離為37.4 m，隨著兩車距離的不斷縮小，在7 s時實際車距等于預期安全距離，本車觸發變道，進行變道可行性判斷。

圖8 本車道前車為乘用車時的變道觸發過程曲線

圖9為相同條件下前車為卡車時的觸發過程曲線。正如前文所述當前方車輛為卡車時得出的預期安全距離要小于前方車輛為乘用車時的預期安全距離。

圖9 本車道前車為載貨車時的變道觸發過程曲線

通過模糊綜合評價方法對預測加速度進行綜合評價得出最終結果B＝（0.175 4，0.229 6，0.133 6，0.107 6，0.228 8），評價對象為U＝（0，0.5，0.9，1.3，1.8），可知，對本車變道過程目標車到后車加速度最危險加速度為0.5 m／s2，而傳統預測方法通常選擇最大置信度進行計算。用此加速度計算得出預期安全變道距離。圖10為同種工況下預期安全距離與傳統安全距離曲線。不難看出，在此種工況下提出的預期安全距離只比傳統安全距離多了3 m左右，并不會明顯降低交通效率但能大大提高變道過程中的安全性和本車應對風險的能力。

圖10 預期安全距離與傳統安全距離曲線

在本車變道過程中，傳感器實時更新周圍車輛行駛狀態，在本車變道過程中設置目標車道后車會加速靠近本車，如圖11所示，隨著目標車道后車車速增加，本車與目標車道后車的預期安全距離不斷增大，同時車距減小，在10.4 s時，安全系數小于零，此時不再符合安全變道條件，本車停止變道，此時目標車道前車距離較遠，本車加速直行調整與后車間距，在16.3 s時，安全系數大于零，此時重新規劃變道軌跡，并減小變道時間以盡快完成變道。如圖11的后半部分所示，為保證安全，此時得到的變道時間為2 s，至此本次變道結束。

圖11 目標車道后車為乘用車時的避險過程曲線

圖12為目標車道后車為載貨車時的避險過程曲線。圖13為全局路徑下本車最優軌跡篩選示意圖，其中本車初始位置作為坐標原點。在6.4 s時，目標車道前車的縱向坐標為335 m，目標車道后車的縱向坐標為109 m，為保證變道終點與前后車輛保持安全距離，可以得到本車變道終點的縱向坐標范圍為［176，297］，可得到若干變道軌跡簇，通過最優軌跡篩選得到此時的最佳變道時間，為7.62 s，即為圖中紅色加粗軌跡。如果行駛過程中目標車道前車沒有足夠安全車距則規劃緊急返回軌跡，如圖13中藍色點劃線所示。

圖12 目標車道后車為載貨車時的避險過程曲線

圖13 最優軌跡篩選示意圖

圖14與圖13中軌跡的側向加速度曲線對應?？梢钥闯?，即使在緊急返回原車道過程中，車輛的側向加速度依然在最大側向加速度范圍之內，可以保證車輛側向穩定性。

圖14 不同變道軌跡的側向加速度曲線

圖15為全局狀態下本車與周圍車輛的行駛軌跡。由于使用預期安全距離作為換道的距離判斷，因此，本車在7.4 s時距離本車道前車42.3 m時開始進行變道操作，而傳統變道方法的安全距離相對較小，所以在換道過程中與本車道前車距離較近。在10.6 s時，由于目標車道后車的加速靠近，本車與目標車輛后車的距離已經不再滿足預期安全距離，此時δ≤0，由于目標車道前面沒有車輛，所以本車加速前進，當與后車車距大于安全距離時繼續變道，確保變道過程的安全性，而此種情景下傳統變道策略只能選擇放棄變道，但由于傳統安全距離較小，即本車與本車道前車距離較小，就會有與前車發生碰撞的風險，這取決于變道過程中前車的行駛狀態。即使本車與本車道前車的距離可以使得車輛返回，但這種變道失敗的行為會導致交通效率降低，同時給乘客帶來不適感，但改進后的變道策略可以避免這樣的問題。圖16為變道過程中目標車道前后車均靠近本車軌跡示意圖。

圖15 目標車道前車始終處于安全狀態時變道軌跡示意圖

圖16 變道過程中目標車道前后車均靠近本車軌跡示意圖

如圖16所示，在7.6 s時本車與前車距離42.3 m，本車觸發換道，傳統方法將會繼續減小車間距才會觸發換道，換道過程中，在11.2 s時目標車道前后車均靠近本車，前后車距均不滿足安全距離要求。由于δ≤0，變道操作已無法安全進行，此時本車規劃緊急返回路徑，由于變道前與本車道前車距離大于傳統距離，因此本車有空間安全返回，而傳統方法此時距離本車道前車距離過近，無法返回原車道，可能導致碰撞的危險發生。通過圖15、圖16可以明顯看出，改進后算法在安全性上進一步提高，能更好地應對變道過程中的危險事件。

3.3 功能改進風險接受分析

按照表7設定場景，對各場景下控制系統的性能評估如表8所示。在標準測試場景下，功能改進前后車輛均可成功變道，但功能改進后變道過程中與周圍車輛的車距在一定程度上增大，提高了本車變道的安全性。在安全性未知場景中，功能改進前在TS4中，車輛在換道過程中由于目標車道前車突然減速導致車間距不滿足最小安全距離，因此本車不得不放棄變道返回原車道，而當出現TS5、TS6由于目標車道后車的加入，導致本車在無法變道時沒有足夠的距離返回原車道，有可能與本車道前車發生碰撞，如圖15、圖16所示，但改進后的控制策略充分考慮了這些預期的安全問題，所以在變道過程中有足夠的距離確保本車變道的安全性，同時使系統的總體風險水平均處于較低狀態。系統的預期功能安全水平顯著提高，系統功能改進可以被接受。

表8 不同測試場景下功能改進前后系統風險水平

4 結論

現有變道控制策略存在SOTIF問題，根據SOTIF評估準則，結合STPA分析方法，對變道過程中可能出現的危害行為進行了識別和風險評估，同時針對觸發場景，確定了安全目標。為達到安全目標，提出預期安全距離作為判斷當前變道風險的條件，預期安全距離綜合多種條件可以保證目標車輛在預期的駕駛情境下，本車變道的高效性和安全性，同時配合變道過程中的控制策略，實時調整本車與目標車輛間的行駛車距，使本車可以安全變道或在緊急狀況下安全返回，提高了變道控制系統的SOTIF性能。通過搭建聯合仿真平臺，對控制策略進行驗證，基于SOTIF中國提案的量化思想，對功能改進前后的系統風險進行計算和對比。結果表明，提出的變道決策方法可以解決預期功能安全問題，使車輛在變道過程中始終處于主動地位，避免在出現預期功能安全問題時傳統決策方法可能出現的變道效率低甚至出現安全事故，改善車輛變道決策規劃系統的預期功能安全問題。

對于自動變道系統的預期功能安全，包括傳感器、決策系統、執行器等。只針對決策規劃系統的SOTIF進行分析研究，對于其他部分暫未進行，其次文章只在聯合仿真平臺進行了算法的仿真驗證，有很大的局限性。在后續的研究中，將會從以下幾個方面展開：

1）仿真驗證環節將考慮加入硬件在環仿真，更加真實地模擬實際控制系統，提高算法的可靠性和實用性。

2）針對自動變道系統傳感器、執行器層面的SOTIF不足展開研究，使整個自動變道系統的預期功能安全得到全面性的提升。