中国公路学报

作者：赵明阳, 梁茨, 徐志刚, 郑伟

单位：1. 哈尔滨工业大学 交通科学与工程学院, 黑龙江 哈尔滨 150090;2. 长安大学 信息工程学院, 陕西 西安 710064;3. 北京交通大学 自动化与智能学院, 北京 100044"],"fundList_en":["National Natural Science Foundation of China (52402493)； Heilongjiang Provincial Natural Science Foundation of China (LH2024E059)

关键词：交通工程,STPA,本体论,安全约束,自动驾驶

基金：国家自然科学基金项目(52402493)；黑龙江省自然科学基金联合引导项目(LH2024E059)

复杂运行场景中的潜在危险对自动驾驶(Autonomous Driving, AD)系统的运行安全构成严峻挑战，亟需构建具备语义能力与交互建模能力的系统化安全分析方法。为此，提出一种运行场景扩展系统理论过程分析(External Operational Scenario-Systems Theoretic Process Analysis, EOS-STPA)方法，将传统STPA方法从技术系统内部拓展至外部运行场景，构建面向自动驾驶的本体增强分层控制建模框架。方法核心包括3层结构：交互概念模型描述主车与场景元素间的输出反馈关系；场景细化模型实现对交通基础设施、道路、环境、目标的多维语义细化；具体场景模型对特定场景之间的具体相互作用进行安全分析，以进一步识别不安全交互，从而生成形式化场景安全约束。以上过程构建了一个融合控制逻辑、本体论与场景解构的封闭控制环。以自动驾驶车辆跟驰任务为例，将EOS-STPA方法应用于典型跟驰场景，识别出12条不安全控制行为与11条场景安全约束。基于CARLA平台构建仿真环境并引入EOS-STPA识别的场景安全约束进行强化学习训练，对比传统STPA奖励函数策略模型，闯红灯、危险跟车、紧急刹车及车道偏离次数分别下降63.6%、62.8%、36.5%及10.4%，证明了该方法在复杂动态场景下的结构化安全建模与行为优化能力，且EOS-STPA具备良好的通用性与扩展性，在形式化场景安全分析方面具备良好性能。

来源：2025年第11期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第11期