第4章暴露概率（Exposure）评估

第4章：暴露概率（Exposure）评估

各位同学，咱们今天聊聊暴露概率评估。说实话，这是ASIL分解里最容易被低估的一环。很多人一上来就盯着严重度和可控性，觉得暴露概率嘛，随便估估就行。我当年也犯过这个错，直到有一次项目评审被专家怼得哑口无言……嗯，从那以后我再也不敢轻视E值的评估了。

4.1 暴露概率等级定义（E0～E4）

ISO 26262把暴露概率分成了5个等级。说白了，就是评估一个危险事件在真实驾驶场景中发生的可能性有多大。你想想看，有些故障可能一年都碰不上一次，有些故障可能每天都会遇到，这两者的风险能一样吗？

等级	定义	典型场景	概率范围
E0	几乎不可能暴露	车辆在极端赛道条件下行驶	< 1% 的运行时间
E1	非常低的暴露概率	车辆在冰雪路面行驶（南方地区）	1% ~ 10%
E2	较低的暴露概率	夜间在无照明道路行驶	10% ~ 30%
E3	中等的暴露概率	城市道路正常行驶	30% ~ 60%
E4	较高的暴露概率	高速公路正常行驶	> 60% 的运行时间

关键点：E0等级在ASIL分解中几乎用不到。为什么？因为如果某个危险事件几乎不可能暴露，那它就不值得投入大量安全资源。我在项目中见过有人硬要把某个场景定为E0来降低ASIL等级，结果被审核员一眼识破——这种小聪明千万别耍。

4.2 运行场景频率分析

暴露概率不是拍脑袋定的。你得基于真实的运行场景来做分析。我个人习惯把场景分析分成三步走：

场景识别：列出车辆可能遇到的所有运行场景。比如高速巡航、城市拥堵、雨雪天气、夜间行驶、山路弯道等等。
场景分类：按频率把场景分成几大类。高频场景（每天都会遇到）、中频场景（每周几次）、低频场景（每月几次）、罕见场景（一年几次）。
场景组合：危险事件往往发生在多个场景的组合下。比如「高速行驶 + 雨天 + 夜间」，这种组合的概率就要用乘法来算。

举个例子。我在做某个ADAS项目时，需要评估「自动紧急制动系统在雨天失效」的暴露概率。单独看「雨天」场景，在江南地区可能占到30%的时间。单独看「需要AEB介入的场景」，可能只占5%的时间。两者组合起来，暴露概率就是30% × 5% = 1.5%，对应E1等级。

我的经验：场景组合分析时，千万别忘了考虑「时间相关性」。有些场景是互斥的，比如「白天」和「夜间」不可能同时发生。有些场景是相关的，比如「雨天」和「路面湿滑」几乎总是同时出现。把这些关系理清楚，你的概率估算才会靠谱。

4.3 统计数据分析方法

光靠经验估算是不够的。真正专业的做法，是用统计数据说话。我常用的方法有这么几种：

4.3.1 基于行驶里程的统计

这是最基础的方法。从整车厂或Tier1那里拿到车辆的行驶数据，包括总行驶里程、不同路况下的里程分布、不同天气条件下的行驶时间等。然后计算目标场景占总行驶里程的比例。

// 伪代码示例：基于行驶里程的暴露概率计算
float total_mileage = 100000;  // 总行驶里程（km）
float highway_mileage = 45000; // 高速行驶里程（km）
float exposure_prob = highway_mileage / total_mileage;
// 结果：45%，对应E3等级

4.3.2 基于时间的统计

有些场景更适合用时间维度来分析。比如「夜间行驶」，你统计的是车辆在夜间运行的小时数占总运行小时数的比例。我在项目中遇到过这样的情况：某款出租车每天运行20小时，夜间行驶比例高达40%；而私家车可能只有10%。同一个场景，不同车型的暴露概率完全不同。

4.3.3 基于事件触发频率的统计

对于某些特定功能，比如车道保持、自动泊车，你需要统计的是功能被触发的频率。这通常来自实车测试数据或用户使用习惯调研。

注意：统计数据一定要有代表性。我曾经见过一个团队用德国的高速公路数据来分析中国市场的暴露概率，结果完全对不上。中国的路况、驾驶习惯、气候条件都和欧洲不一样。所以，尽量用目标市场的真实数据，别偷懒。

4.4 暴露概率判定实例

光说不练假把式。咱们来看一个完整的实例分析。

案例：某电动车的电池管理系统（BMS），需要评估「电池过热导致热失控」这一危险事件的暴露概率。

第一步：场景识别

场景A：车辆在夏季高温天气下长时间高速行驶
场景B：车辆在快充站进行大功率直流快充
场景C：车辆在拥堵路况下频繁加减速
场景D：车辆在碰撞后电池包受损

第二步：数据收集

我们从某出行平台拿到了10万辆电动车的运行数据：

夏季高温（气温＞35℃）行驶时间占比：12%
高速行驶（车速＞80km/h）时间占比：25%
高温+高速的组合场景：12% × 25% = 3%
快充场景（每周2次，每次30分钟）：约1.4%的运行时间
拥堵场景（车速＜20km/h）：约18%的运行时间
碰撞场景：每10万公里约0.3次，占比极低

第三步：概率计算

对于「电池过热」这个危险事件，最关键的暴露场景是「高温+高速」和「快充」。两者是互斥的（快充时车辆静止，不会高速行驶），所以总暴露概率 = 3% + 1.4% = 4.4%。

第四步：等级判定

4.4%落在1%～10%的范围内，对应E1等级。

判定结论：该危险事件的暴露概率为E1（非常低）。但注意，E1不代表可以忽视。如果严重度是S3，可控性是C2，那么ASIL等级仍然是ASIL C。暴露概率只是三个维度之一，别因为它低就放松警惕。

好了，关于暴露概率评估，核心内容就这些。记住一句话：暴露概率不是猜出来的，是算出来的。用数据说话，用场景分析支撑，你的ASIL分解才能站得住脚。下一章咱们聊严重度评估，到时候我会分享一个让我印象深刻的翻车案例……嗯，到时候再说。

📚 课程目录