自动驾驶的市场引进有几个动机，包括道路安全、驾驶舒适、能源效率和全新的运输系统。然而，许多挑战阻碍了它，包括感知系统的性能、安全验证、法律和道德问题、人机互动和其他。特别是SAE L3-L5级系统在道路和天气条件等复杂环境下的安全验证，需要全新的方法和流程。
在虚拟测试环境中测试和验证自动驾驶系统（ADS）的基于场景的方法越来越重要，并成为自动驾驶系统验证和确认过程中的一个重要组成部分。真实测试的高系统复杂性和成本导致了真实世界测试工作的指数式增长。使用基于场景和模拟的方法，这种努力可以有效地减少成本和时间。研究表明，为了确保ADS的安全，有必要进行数十亿公里的驾驶和测试，考虑到真实测试的时间和成本努力，这是不理性的。最大的挑战是选择一个合适的模拟框架和选择被测系统的相关场景。文献报道了不同的策略和方法来生成ADS测试的相关场景。所有这些方法都有其优点和缺点，与使用的环境、车辆、交通模型和集成的复杂性有关。
高速公路智能驾驶功能被认为是针对通常手动驾驶的传统M1车辆。该功能可以在高速公路和某些双车道上开启，这些道路不包含路口或交叉口，并且不包括非高速公路交通。当该功能被激活时，驾驶员应始终在场，并处于准备夺回控制权的位置，但不是在短时间内。最近的人为因素研究表明，在一个不定期的人机界面（HMI）交接请求后，司机可能需要四到四十秒才能收回控制权。标致雪铁龙集团的HMI专家Stéphane Feron创造了一个术语 "drissenger"，指的是在监督角色中兼任乘客的司机的角色。
本文件由运输系统研究中心（TSC）为运输部（DfT）和互联和自动驾驶汽车中心（CCAV）编写。本报告是 "自动驾驶场景分类法 "项目的成果。本报告中表达的任何观点不一定是英国交通部或CCAV的观点。大多数驾驶任务是相对常规的，但偶尔会有一些情况要求驾驶员采取非正常的行动，或者要求驾驶员对情况作出解释，并以一种深思熟虑的方式行事（常识性驾驶）。这种情况可能给自动驾驶汽车（AVs）及其开发者带来挑战。自动驾驶汽车将需要遵守管理其行为的规则。如果在异常情况下管理车辆行为的规则和条例不明确，那么这可能会导致自动驾驶汽车的意外或不理想的行为。事实上，对于同样的异常情况，AV可能会有不同的行为，这取决于AV制造商和已经部署的软件算法。在高速公路网络上可以发现的异常情况的例子可能包括（但不限于）对紧急车辆作出反应，浏览临时交通管理措施，对靠近车道的儿童作出反应，超越上坡时不稳定的骑车人，超越故障车辆等。它可以包括车辆需要走上人行道，或越过白色实线，以取得进展或让路的情况。例如，轮流并线可能会造成挑战，就像在路口留出空隙让其他车辆驶出一样。有许多情况需要驾驶员运用 "常识"，让交通自由流动，或避免不必要的道路堵塞。这个项目调查了异常的驾驶情况，并继续创建一个全面的 "自动驾驶的场景分类法"。预计这项研究的成果将开始概述可能的战略，以解决如何处理一些更具挑战性的自动驾驶情况。希望本报告和GSN的方法将有助于理解围绕CAV发展和后续推广的复杂性的思考过程。在道路上行驶时，每天都会出现许多具有挑战性的情况，如果车辆要进行自主操作，也需要解决这些情况。策略选择（修剪）的工作已被故意留给读者，以应用ALARP原则。尽管如此，在许多情况下，当达到ALARP点时，剩余的风险水平可能仍然太高，而不需要诉诸于基础设施支持。然而，这是一个什么样的剩余风险水平可以接受的问题，这是一个需要政府和社会来回答的问题。一个共同的主题是需要一个强大而有弹性的数字地图和车辆定位系统，没有这个系统，道路伤亡率将取决于图像处理和物体识别技术。
