當對特斯拉自動駕駛和大眾智能駕駛輔助的接管請求未作出響應時的車輛行為評估

最近小明師兄在梳理智能駕駛系統(tǒng)L2及L3系統(tǒng)接管相關(guān)的技術(shù)，發(fā)現(xiàn)一份不錯的論文，翻譯給大家，一起來學習一下，論文原作者 Maximilian Bauderab*, Daniel Paulaac, Tibor Kubjatkoc, Hans-Georg Schweigera 。

摘要：在這項工作中，使用特斯拉 Model 3 和大眾 ID.4 進行了駕駛測試。在測試期間，車輛由 SAE L2級智能駕駛系統(tǒng)（特斯拉自動駕駛儀和大眾旅行輔助）控制。該研究旨在調(diào)查當車輛處于非關(guān)鍵駕駛情況時，駕駛員對接管請求未作出反應時車輛的行為。

目的是從純粹的技術(shù)角度明確這是否會導致事故，以及是否仍有改進的空間。結(jié)果表明，駕駛員對接管請求未作出反應會導致系統(tǒng)啟動制動減速，這可能會導致后續(xù)交通發(fā)生追尾碰撞。此外，如果駕駛員未能作為后備措施采取行動，可能會發(fā)生二次事故。通過改進適用的聯(lián)合國歐洲經(jīng)濟委員會標準 R79，為這種情況指定減速度值，可以減少這種情況。此外，通過更早地減速并向周圍環(huán)境發(fā)出警告，可以降低事故風險。為此，還建議使用駕駛員監(jiān)測系統(tǒng)，以便系統(tǒng)做出情境決策。實施所提出的措施可以在使用這些系統(tǒng)時顯著提高道路安全。

1. 引言

為進一步提高道路安全，歐盟法規(guī)（EU）2019/2144將從2022年7月起強制要求在歐洲新認證的乘用車配備眾多與安全相關(guān)的高級駕駛輔助系統(tǒng)（ADAS）[1,2]。除了這些標準系統(tǒng)外，汽車制造商還提供“主動駕駛輔助系統(tǒng)”作為可選配置，旨在減輕駕駛員的駕駛?cè)蝿誟3]。該系統(tǒng)是一個SAE二級ADAS[4]，特斯拉將其作為自動駕駛儀進行銷售[5]，大眾則將其稱為旅行輔助[6]。

當駕駛員激活該系統(tǒng)時，在系統(tǒng)限制范圍內(nèi)，它可以在一定時間內(nèi)接管車輛的橫向和縱向控制。該系統(tǒng)通過連接多個獨立系統(tǒng)來實現(xiàn)技術(shù)上的實現(xiàn)，例如自適應巡航控制（ACC）和車道居中輔助（LCA）系統(tǒng)。根據(jù)聯(lián)合國歐洲經(jīng)濟委員會法規(guī)第79號（R79）[7]，LCA系統(tǒng)是B1類自動轉(zhuǎn)向功能，可使車輛保持在車道中心。盡管SAE二級系統(tǒng)已激活且車輛暫時以自動模式行駛，但它仍然只是一個駕駛輔助系統(tǒng)。這意味著駕駛員始終對車輛控制負責，并且必須能夠立即接管車輛控制，這是根據(jù)《維也納道路交通公約》第8條第1款、第5款和第13條第1款的修訂進行的法規(guī)要求[8]。例如，如果ADAS出現(xiàn)故障或達到系統(tǒng)限制，就會出現(xiàn)這種情況。在[9-13]中，開發(fā)了各種方法和途徑，以確定在系統(tǒng)出現(xiàn)故障或過載時車輛應如何表現(xiàn)，以確保乘員和環(huán)境的安全?？紤]到ISO 26262[14]和ISO 21448[15]的ADAS安全概念要求在出現(xiàn)危急情況時，車輛應使自身進入安全狀態(tài)[16,17]。通過將駕駛?cè)蝿战唤o駕駛員（作為ADAS的主要后備級別）或使車輛停車可以實現(xiàn)安全狀態(tài)[18]。直接處理市場上SAE二級系統(tǒng)在執(zhí)行駕駛?cè)蝿掌陂g行為的研究很少。

文獻綜述發(fā)現(xiàn)了三項通常涉及ADAS限制的研究[19-21]。這些研究的共同點是它們都是理論研究，例如對手冊的分析[20]。在[22]中找到了對特斯拉自動駕駛儀和大眾旅行輔助在鄉(xiāng)村道路上的調(diào)查。在此確定，由于R79規(guī)定的允許最大橫向加速度為3m/s2，在半徑≤370m的彎道中，由于達到系統(tǒng)限制，有可能離開行車道。除此之外，R79對SAE二級系統(tǒng)獲得型式認證還有進一步的要求。因此，如果系統(tǒng)在其限制范圍內(nèi)，駕駛員可以在長達15秒的時間內(nèi)將手從方向盤上移開，直到他必須通過視覺提示，通過短暫觸摸方向盤來確認他立即接管的能力。如果駕駛員不遵守視覺要求以確認在場，最多30秒后，他也應通過聲音要求再次將手放在方向盤上。如果駕駛員仍然不觸摸方向盤，車輛應在聲音警告信號發(fā)出后最遲30秒自動停用該系統(tǒng)。此外，系統(tǒng)應使用至少持續(xù)五秒的聲音警報信號通知駕駛員系統(tǒng)已停用。該法規(guī)未描述系統(tǒng)停用后車輛應如何繼續(xù)表現(xiàn)（例如，啟動制動減速、在車道內(nèi)對齊）。因此，R79允許SAE二級系統(tǒng)在長達1分鐘的時間內(nèi)對車輛進行縱向和橫向控制，而無需駕駛員與車輛進行交互。

文獻研究表明，尚未對當前SAE二級系統(tǒng)在駕駛員對接管請求無反應時車輛的行為進行調(diào)查。因此，對于法醫(yī)事故分析而言，沒有可用于重建類似事故現(xiàn)場的基本數(shù)據(jù)。因此，本工作的目的是分析在非關(guān)鍵駕駛過程中，駕駛員對接管請求無反應時系統(tǒng)的行為。使用特斯拉自動駕駛儀和大眾旅行輔助進行了駕駛測試，以調(diào)查市場上SAE二級系統(tǒng)的系統(tǒng)行為。為此，分析和檢查了從SAE二級系統(tǒng)開始執(zhí)行駕駛?cè)蝿盏杰囕v停止期間車輛的行為。詳細地，將所調(diào)查車輛的不同警告概念相互比較，并討論可能導致的事故因果關(guān)系。此外，將車輛的警告概念與R79的要求進行比較，并在事故分析和道路安全的背景下進行討論，以確定進一步的改進需求。這種行為可能導致危險的駕駛情況并最終導致交通事故，德國阿沙芬堡的一起事故就是一個例子[23]。在這種情況下，一輛配備SAE二級系統(tǒng)的車輛在阿沙芬堡附近的一個城鎮(zhèn)高速駛?cè)?，并在城?zhèn)中心撞上一名婦女和她的小孩，導致他們死亡。車輛駕駛員事先中風并失去行為能力。車輛保持其設定速度并自動跟隨車道。

2. 測試設備與方法

測試設備與[22]中已詳細描述的研究類似地進行測試，因此在此僅作簡要說明。使用與[22]中相同的車輛（特斯拉 Model 3 和大眾 ID.4）[24]對特斯拉自動駕駛儀和大眾旅行輔助分別進行了兩次測試運行。車輛配備了多個 GoPro Hero 8 以觀察車內(nèi)車輛的行為。此外，另一輛配備 GoPro Hero 8 的車輛跟在測試車輛后面，以確定與環(huán)境相關(guān)的行為。

與[22]中一樣，使用二維數(shù)據(jù)記錄儀確定速度和加速度。由于系統(tǒng)表現(xiàn)出確定性和可重復性的行為，因此無需進行進一步的測試。[22]的測試結(jié)果也被用于選擇合適的測試軌道。因此，測試在因戈爾施塔特附近的一條鄉(xiāng)村道路上進行。道路路線中沒有半徑小于 370 米的彎道，以確保系統(tǒng)始終在其限制范圍內(nèi)運行。每次測試運行都在測試道路附近的停車場開始。在路線的起點和終點都安排了身穿高能見度背心的保安人員，通過無線電通知測試駕駛員在路線的相關(guān)路段可能有其他道路使用者。

3. 結(jié)果

表 1 描述了測試運行期間車輛的行為。為每個動作或系統(tǒng)行為的變化設置一個帶有數(shù)字的標記，并在旁邊描述車輛的動作。零代表相應的 SAE L2 級系統(tǒng)的激活時間，因此標志著系統(tǒng)接管駕駛?cè)蝿盏臅r間。

表1：從系統(tǒng)啟動到車輛停止，部分自動化駕駛系統(tǒng)的順序和動作。

兩輛車的第一個動作（1）都是通過車輛各自的顯示屏向駕駛員發(fā)出潛在的視覺警告。系統(tǒng)的第二個動作（2）也類似，特斯拉 Model 3 發(fā)出單一的聲音警告，大眾 ID.4 向駕駛員發(fā)出重復的潛在警告音。此外，大眾 ID.4 通過在屏幕上顯示紅色方向盤符號來強化視覺警告。從第三個動作（3）開始，兩輛車都開始減速，這還導致車輛剎車燈亮起。特斯拉 Model 3 還通過在顯示屏上顯示一個大的紅色方向盤來發(fā)出強烈的視覺警告。

此外，來自（2）的聲音警告開始作為重復的聲音響起。這是大眾 ID.4 的不同之處，它不再發(fā)出視覺警告，而是增加了聲音警告的強度。在第四步（4），兩輛車都啟動危險警示燈。此外，特斯拉的自動駕駛功能大大增加了制動減速。特斯拉在第五步中停下來。停車時，危險警示燈以及對駕駛員的聲音和視覺警告都被關(guān)閉。此外，發(fā)出一個聲音表示FSD系統(tǒng)已退出。盡管停下來了，但車輛仍處于 D 檔。從第五步開始，大眾 ID.4 的行為有所不同，通過短暫地強烈減速并拉緊安全帶向駕駛員發(fā)出額外的觸覺警告。在第六步，車輛開始鳴笛，進一步加強聲音警告。這一操作一直持續(xù)到車輛停下來（7）。停車后，車輛進入 P 檔并停止聲音警告。危險警示燈保持亮起。

圖1：大眾ID.4和特斯拉Model 3的加速度-時間和速度-時間歷程對比

*圖中的數(shù)字在表1中進行了解釋

圖1和圖2展示了車輛動作的時間和位置分配。用黑色描述了大眾ID.4測試行駛的時間和位置順序。用綠色表示特斯拉Model 3的情況。

圖1中的時間曲線顯示，兩輛車在13秒后都進入第一階段。這意味著兩輛車都符合R79標準，該標準規(guī)定最多在15秒后給出視覺警告。第二步的時間不同。大眾ID.4在18秒后開始發(fā)出聲音警告，而特斯拉Model 3在25秒后才開始。根據(jù)R79，最遲應在30秒后發(fā)出聲音警告，并發(fā)出紅色光學警告信號。兩輛車都及時實施了聲音警告。然而，關(guān)于特斯拉有兩個偏差。首先，在30秒后，沒有紅色光學警告，也沒有持續(xù)的聲音警告信號。特斯拉在35秒后才通過第三步實施這一措施。另一方面，大眾在29秒后進行第三步。由于車輛只有在第三步之后才開始減速，所以到這一步為止的步驟可以總結(jié)為一個持續(xù)行駛階段，向駕駛員發(fā)出潛在的視覺和聲音警告信號。此外，駕駛員對車輛接管請求的無反應尚未對環(huán)境可見。

從第三階段開始，剎車燈的激活向后面的道路使用者表明車輛正在減速，盡管他們不清楚減速的原因。圖1中的加速度曲線顯示了出現(xiàn)的減速度的強度。特斯拉一開始的減速度為1m/s2，并在第四階段急劇增加到最大6m/s2。此外，可以看到，在危險警示燈激活后，僅過了2秒就達到了完全減速。大眾ID.4一開始的減速度比特斯拉略大，在第四步增加到大約2m/s2，并在車輛停止前再次略微下降。在大約37秒后，可以看到一個由于觸覺制動脈沖而產(chǎn)生的短暫異常值。最后，兩輛車在剛剛超過45秒后都停下來，因此再次符合R79標準。除了持續(xù)行駛階段，測試序列的第二部分可以總結(jié)為減速階段。在這個階段，車輛向駕駛員發(fā)出更強的視覺、聲音以及觸覺警告信號。當剎車燈亮起時，以及最遲在危險警示燈激活時，環(huán)境也會被警告車輛處于不正常狀態(tài)。

然而，大眾ID.4在34秒后才出現(xiàn)這種情況，特斯拉Model 3在43秒后才出現(xiàn)。在這一點之前，環(huán)境很難看出是系統(tǒng)在控制車輛，并且在緊急情況下駕駛員可能無法監(jiān)控系統(tǒng)并接管駕駛?cè)蝿铡?/p>

圖2：大眾ID.4和特斯拉Model 3的加速度-距離曲線和速度-距離曲線對比圖中的數(shù)字在表1中進行了解釋考慮到圖2，所描述的時間順序可以對應于車輛行駛的距離。然而，必須注意的是，根據(jù)系統(tǒng)的應用領(lǐng)域，速度以及因此行駛的距離可能與這種表示有所偏差。在德國鄉(xiāng)村道路上以100公里/小時的允許速度行駛時，對于ID.4來說，持續(xù)行駛階段持續(xù)790米。在900米后，通過使用危險警示燈，環(huán)境也會意識到出現(xiàn)問題。對于特斯拉Model 3來說，持續(xù)行駛階段持續(xù)的時間甚至更長，行駛了960米。在大約1145米后激活危險警示燈。車輛在再行駛32米后停止并達到靜止狀態(tài)。因此，在沒有駕駛員干預的情況下，車輛行駛了1177米。由于較早開始減速，ID.4在達到靜止狀態(tài)之前行駛了1045米。

4. 討論

基于這些結(jié)果，本研究旨在討論SAE L 2級系統(tǒng)行為的事故因果關(guān)系。為此，考慮了在本研究中確定的持續(xù)行駛階段和減速階段，并討論了對車輛乘員及其環(huán)境的影響。對于持續(xù)行駛階段，可以確定車輛在大約30秒及更長時間內(nèi)繼續(xù)以駕駛員先前設定的速度行駛。假設駕駛員作為后備級別失效，這會導致車輛在碰撞情況下出現(xiàn)一個沒有動能消散的盲區(qū)階段。如[22]所示，當系統(tǒng)過載或與弱勢道路使用者發(fā)生碰撞時，這可能會導致事故。后者是關(guān)鍵的，因為在這個階段，環(huán)境無法識別駕駛員在30秒內(nèi)沒有響應接管請求。這只是由于對接管請求無反應而導致事故的間接原因，因為導致事故的不是無反應，而是系統(tǒng)可能未受監(jiān)督的過載。由此產(chǎn)生的正面碰撞可能會因車輛離開車道而對車輛乘員及其環(huán)境造成嚴重后果。

另一方面，在第二階段，車輛已經(jīng)從系統(tǒng)中斷開動能，這可以顯著降低碰撞的嚴重程度。由于這個階段較短且速度被消散，由于轉(zhuǎn)彎半徑過小而導致的車道偏離不太可能發(fā)生。此外，一旦危險警示燈被激活，其他道路使用者或弱勢群體可以檢測到車輛的危險，這也降低了事故的可能性。

然而，由ADAS啟動的制動過程強度，制動減速度約為6m/s2，必須進行批判性地看待。根據(jù)路面情況，緊急制動時通常會達到8至10m/s2范圍內(nèi)的最大制動減速度值[25]。因此，6m/s2對應于系統(tǒng)啟動的強制動減速度，并且明顯高于適度的與交通相關(guān)的行車制動，最大約為4m/s2[25]。由于在特斯拉Model 3的情況下，危險警示燈僅在達到最大減速度前2秒被激活，所以可以合理地假設后面的車輛可能會對此感到驚訝，并且可能會發(fā)生追尾碰撞。對于這種類型的事故，如果對接管請求無反應，系統(tǒng)反應的設計將是事故的原因。應該討論在R79中設置最大減速度是否有意義以避免這種情況。相反，也應該討論設置最小減速度以盡快使車輛停止。

5. 結(jié)論

結(jié)果表明，兩個制造商使用不同的警告概念和減速度強度來實施聯(lián)合國歐洲經(jīng)濟委員會R79標準。特別是在第二減速階段，這被確定為在這種情況下車輛行為的兩個不同順序階段之一，可以觀察到這些差異。

由于在對接管請求無反應時系統(tǒng)的行為而導致的事故因果關(guān)系只能通過車輛可能的強力制動來確定。如果駕駛員在系統(tǒng)達到限制時沒有反應，其他可能的事故是次要影響。然而，這可能會導致嚴重事故，就像在阿沙芬堡發(fā)生的那樣。因此，建議進一步明確R79標準以在使用這些系統(tǒng)時提高道路安全。

作者普遍認為在持續(xù)行駛階段有很大的改進必要。例如，在15秒后沒有確認駕駛員在場的情況下盡早開始減速將是可取的，以便在發(fā)生事故時從系統(tǒng)中取出動能。較早的減速通常也會縮短在沒有駕駛員監(jiān)控系統(tǒng)的情況下可能行駛的時間和距離。此外，從這一點開始，應該讓環(huán)境清楚地知道沒有響應接管請求，以避免與其他（弱勢）道路使用者發(fā)生事故。

此外，可靠的駕駛員監(jiān)測系統(tǒng)（DMS）可以檢測駕駛員對接管請求無反應的原因，使車輛能夠采取適應情況的行動。這樣，可以確定駕駛員是主動避免接管請求但仍可以作為后備級別行動，還是由于各種原因不能作為后備級別行動。在這種應用中使用駕駛員監(jiān)測系統(tǒng)可以對車輛的行為產(chǎn)生積極影響。為此，下一代系統(tǒng)應與ADAS積極合作，正如德國全德汽車俱樂部所建議的那樣[26]。在向環(huán)境傳達系統(tǒng)狀態(tài)方面也看到了進一步的改進需求。例如，在15秒后首次對接管請求無反應后，也應該向環(huán)境發(fā)出警告。在重建此類事件時，使用自動駕駛數(shù)據(jù)存儲系統(tǒng)（DSSAD）可以進一步提供支持，它可以毫無疑問地澄清車輛引導的問題，就像在阿沙芬堡的案例中一樣。

最后，應該再次指出，由于當前的法律情況，從法律角度來看，所研究的系統(tǒng)不能成為事故的原因。本文中的實驗和發(fā)現(xiàn)基于僅具有特定軟件狀態(tài)的兩個系統(tǒng)。因此，本研究的結(jié)果不能推廣到所有SAE二級系統(tǒng)，因為軟件狀態(tài)以及因此系統(tǒng)的行為可以隨時改變。盡管如此，這些結(jié)果旨在鼓勵對系統(tǒng)和R79進行改進，以使系統(tǒng)在交通中的使用更加安全。

參考論文? [1] European Parliament and Council, Verordnung (EU) 2019/2144 des Europ?ischen Parlaments und des Rates vom 27. November 2019 über
die Typgenehmigung von Kraftfahrzeugen und Kraftfahrzeuganh?ngern sowie von Systemen, Bauteilen und selbstst?ndigen technischen
Einheiten für diese Fahrzeuge im Hinblick auf ihre allgemeine Sicherheit und den Schutz der Fahrzeuginsassen und von ungeschützten
Verkehrsteilnehmern, zur ?nderung der Verordnung (EU) 2018/858 des Europ?ischen Parlaments und des Rates und zur Aufhebung der
Verordnungen (EG) Nr. 78/2009, (EG) Nr. 79/2009 und (EG) Nr. 661/2009 des Europ?ischen Parlaments und des Rates sowie der
Verordnungen (EG) Nr. 631/2009, (EU) Nr. 406/2010, (EU) Nr. 672/2010, (EU) Nr. 1003/2010, (EU) Nr. 1005/2010, (EU) Nr. 1008/2010,
(EU) Nr. 1009/2010, (EU) Nr. 19/2011, (EU) Nr. 109/2011, (EU) Nr. 458/2011, (EU) Nr. 65/2012, (EU) Nr. 130/2012, (EU) Nr. 347/2012,
(EU) Nr. 351/2012, (EU) Nr. 1230/2012 und (EU) 2015/166 der Kommission, 2019. https://eur-lex.europa.eu/eli/reg/2019/2144/oj (accessed
21 December 2021).?[2] E. Moravcik, M. Jaskiewicz, Boosting car safety in the EU, in: 2018 XI International Science-Technical Conference Automotive Safety,
?astá, Slovakia, IEEE, 2018, pp. 1–5.?[3] D. Paula, M. Bauder, T. K?nig, K. B?hm, T. Kubjatko, H.-G. Schweiger, Fahrerassistenzsysteme - Herausforderungen & Chancen für die
forensische Unfallanalyse, in: Z. f. Verkehrssicherheit 68, pp. 295–301. [4] SAE International, J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles,
2021. [5] Tesla, Autopilot and Full Self-Driving Capability. https://www.tesla.com/support/autopilot (accessed 7 December 2022).?[6] Volkswagen AG, Assistent mit Auszeichnung. https://www.volkswagenag.com/de/news/fleet-customer/2022/07/volkswagen_id5_travel
assist.html (accessed 7 December 2022). [7] United Nations Economic Commission for Europe, Regulation No. 79 - Uniform provisions concerning the approval of vehicles with regard
to steering equipment, 2018.?[8] United Nations Economic and Social Council, Report of the sixty-eighth session of the Working Party on Road Traffic Safety, 2014.
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi8vbeX39T2AhVRQvEDHY9GA58QFnoECAQQ
AQ&url=https%3A%2F%2Fwww.unece.org%2Ffileadmin%2FDAM%2Ftrans%2Fdoc%2F2014%2Fwp1%2FECE-TRANS-WP1
145e.pdf&usg=AOvVaw0Z_B2felSNa-A0H8o5aL5Y.?[9] J. Yu, F. Luo, Fallback Strategy for Level 4+ Automated Driving System, in: The 2019 IEEE Intelligent Transportation Systems Conference - ITSC, Auckland, New Zealand, IEEE, Piscataway, NJ, 2019, pp. 156–162.[10] W. Xue, B. Yang, T. Kaizuka, K. Nakano, A Fallback Approach for an Automated Vehicle Encountering Sensor Failure in Monitoring
Environment, in: 2018 IEEE Intelligent Vehicles Symposium (IV), Changshu, IEEE, Piscataway, NJ, 2018, pp. 1807–1812.?[11] B. Sari, Fail-operational Safety Architecture for ADAS/AD Systems, in: B. Sari (Ed.), Fail-operational Safety Architecture for ADAS/AD
Systems and a Model-driven Approach for Dependent Failure Analysis, Springer Fachmedien Wiesbaden, Wiesbaden, 2020, pp. 31–75.[12] K. Waters, S.T. Shutters, Skills-approximate occupations: using networks to guide jobs retraining, Appl. Netw. Sci. 7 (2022) 43.
https://doi.org/10.1007/s41109-022-00487-7. [13] Y. Wu, K. Kihara, Y. Takeda, T. Sato, M. Akamatsu, S. Kitazaki, Assessing the Mental States of Fallback-Ready Drivers in Automated
Driving by Electrooculography, in: The 2019 IEEE Intelligent Transportation Systems Conference - ITSC, Auckland, New Zealand, IEEE,
Piscataway, NJ, 2019, pp. 4018–4023.[14] British Standards Institution, Road vehicles. Functional safety 01.040.43 Kraftfahrzeugtechnik (Begriffe), 43.040.10 Kfz-Elektrik. Kfz
Elektronik, 2018 (accessed 3 January 2023).
8?[15] ISO Internationale Organisation für Normung, Stra?enfahrzeuge - Sicherheit der beabsichtigten Funktionalit?t 43.040.10 Kfz-Elektrik. Kfz
Elektronik, 2022-06-00 (accessed 03.01.23).?[16] H.-L. Ross, Funktionale Sicherheit im Automobil: Die Herausforderung für Elektromobilit?t und automatisiertes Fahren, second.,
vollst?ndig überarbeitete Auflage, Hanser, München, 2019.?[17] D. Kopencova, M. Felcan, R. Rak, Equilibrium and Limit States in Technical and Social Disciplines as Part of Risk Analysis and
Management, in: M. Abdel Wahab (Ed.), Proceedings of 1st International Conference on Structural Damage Modelling and Assessment,
Springer Singapore, Singapore, 2021, pp. 281–294.?[18] M. Bahram, M. Aeberhard, D. Wollherr, Please Take Over! An Analysis and Strategy For a Driver Take Over Request During Autonomous
Driving: 2015 IEEE Intelligent Vehicles Symposium, IEEE, Piscataway, NJ, 2015.[19] J. Ayoub, Z. Wang, M. Li, H. Guo, R. Sherony, S. Bao, F. Zhou, Cause-and-Effect Analysis of ADAS: A Comparison Study between
Literature Review and Complaint Data, in: Proceedings of the 14th International Conference on Automotive User Interfaces and Interactive
Vehicular Applications, Seoul Republic of Korea, ACM, New York, NY, USA, 2022, pp. 139–149.?[20] M. Capallera, Q. Meteier, E. de Salis, L. Angelini, S. Carrino, O.A. Khaled, E. Mugellini, Owner Manuals Review and Taxonomy of ADAS
Limitations in Partially Automated Vehicles, in: Proceedings of the 11th International Conference on Automotive User Interfaces and
Interactive Vehicular Applications, Utrecht Netherlands, Association for Computing Machinery, New York,NY,United States, 2019,
pp. 156–164.?[21] M. Horwick, K.-H. Siedersberger, Strategy and architecture of a safety concept for fully automatic and autonomous driving assistance
systems, in: 2010 IEEE Intelligent Vehicles Symposium, La Jolla, CA, USA, IEEE, Piscataway, NJ, 2010, pp. 955–960.?[22] D. Paula, T. K?nig, M. Bauder, F. Petermeier, Tibor Kubjatko, Hans-Georg Schweiger, Performance Tests of the Tesla Autopilot and VW
Travel Assist on a Rural Road, in: Transport Means 2022. Part II. Proceedings of the 26th International Scientific Conference, KTU leidykla
?Technologija“, 2022, pp. 498–508.?[23] E. Hilgendorf, Automatisiertes Fahren und Strafrecht - der "Aschaffenburger Fall", in: Deutsche Richterzeitung, pp. 66–69.
[24] R. Rak, P. Kolitschova, J. Kerbic, Forensic and technical aspects of vehicle identification labels, in: 2018 XI International Science-Technical
Conference Automotive Safety, ?astá, Slovakia, IEEE, 2018, pp. 1–6.25] H. Burg, A. Moser, Handbuch Verkehrsunfallrekonstruktion: Unfallaufnahme, Fahrdynamik, Simulation, third. aktualisierte Auflage,
Springer Vieweg, Wiesbaden, 2017.
[26] Innenraumsensoren k?nnen Unf?lle durch müde oder abgelenkte Fahrer vermeiden, 2021. https://www.safetywissen.com/object/A11/A11.hlv7384953slf3dzwi128149xqxouv63805909749/safetywissen (accessed 13 December
2022).