梅赛德斯奔驰智能驾驶系统包括：
•智能领航限距控制功能（Active Distance Assist DISTRONIC）
•注意力辅助系统（AttentionAssist）
•主动转向辅助系统（Active Steering Assist)
•主动式车道保持辅助系统（Active Lane Keeping Assist）
•主动式刹车辅助系统（Active Brake Assist）
•多光束LED（Multibeam LED）
•C2X通讯（Car-to-X Communication）
•预防性安全系统增强版（PRE-SAFE®PLUS）
•预碰撞安全系统声响警告（PRE-SAFE®Sound）
•安全带气囊系统（Beltbag）
•主动盲点辅助系统（Active Blind Spot Assist）
•远程泊车辅助系统（Remote Parking Assist）
•规避转向辅助系统（Evasive Steering Assist）
安全与自动驾驶的主要挑战
交通事故几乎都是由人为失误造成的。当人做出错误行为，我们可进行自动驾驶功能的有效介入；在德国高速公路上，每750万公里行驶里程就可能出现一次操作失误。驾驶过程中，人类做出正确操作远多于错误行为。我们的目标是把人的正确驾驶行为变成自动化操作，今后驾车行驶750万公里，一定不能有一次闪失。
自动驾驶车辆的安全性
在乘坐自动驾驶汽车自由驰骋之前，需先确保它不会给你带来麻烦。那么如何管控风险？
复杂系统的功能分解（高可靠性设计及测试）
驾驶情景的安全评估
通过适当行为，避免失控局面发生
根据不同条件变化下的车辆反应，来进行验证
暴露于事故之中的5类原因
•硬件和元器件失效
•道路、交通、环境条件的感知不足
•复杂和困难场景的控制算法缺陷
•行为依赖的事故（譬如打手机）
•错误的驾驶员和车辆的交互（模式混乱和错误指令）
测试平台和仿真的重要性
如何衡量可控性？
辛德芬根的动态模拟器
交通事故的可控性
如何验证驾驶功能？
过程结束时的验证，需要在早期系统设计阶段制定详细规范
自动驾驶功能的测试
基于模型仿真的虚拟驾驶
自动驾驶控制软件
SiL或HiL等原创软件集成到仿真平台中
传感器模型
摄像头、激光雷达和雷达传感器的模拟
车辆模型
模拟横向和纵向运动的车辆动力学模型
道路模型
基于OpenDRIVE的路网模型提供虚拟道路和基础设施信息（虚拟道路、车道、交叉路口、交通标志和信号灯）
交通模型
车辆和VRU（行人、自行车）的交通模拟，并附有驾驶员行为模型和微观车辆模型
虚拟驾驶模拟平台
示例：真实世界场景及其模拟
使用案例：复杂交通场景的功能开发
挑战性的交通场景
跟车——前车在没有提前制动的情况下进入拥堵路段
切入——车辆猛然切入，没有逃离空间
切出——汽车在障碍物或迎面而来的汽车到达前切出
使用案例：避免碰撞场景的功能开发
切入场景模拟
仿真验证：以较高的相对速度切入
防碰撞的批量模拟（示例）
领先车辆（LV）
测试车辆（Ego）
使用案例：确保安全驾驶的防撞验证和质量措施
车道检测模拟
•基于传感器数据的估计
•真实数据
•模拟数据
•地图信息
•传感器信号的长距离解读需要精确的地图
自动驾驶汽车测试的创新是什么？
方法
•更多的模拟，尤其是关于控制算法和规则遵从性的验证方面
•系统性地搜索罕见的功能缺陷，而不仅仅是驾驶测试公里数
功能
•外部条件和规则的持续评估和适应
•可靠地判断是否超出车辆自动化限制
•尽早告知驾驶员自动驾驶模式的结束，以便其接管（L3）
•如果驾驶员无法接管（L3），车辆将寻求安全停靠
