자율주행 시스템을 위한 의도된 기능의 안전성 (SOTIF)

자율주행 사고는 하드웨어 결함뿐만 아니라 폭우나 미지의 엣지 시나리오에서 발생합니다. SDVSafety는 ISO 21448 SOTIF 방법론과 최소 위험 정지 전략을 탐구합니다.

인지 불확실성 및 센서 성능 한계 극복

ISO 26262가 내부 결함을 다룬다면, ISO 21448은 환경적 복잡성과 센서 성능 한계로 인한 위험을 해결합니다. 미지의 주행 환경에서 실시간 위험 평가가 요구됩니다.

Core Engineering Areas

• ISO 21448 SOTIF: 의도된 기능의 안전성 엔지니어링 체계 — 기존 ISO 26262 기능 안전은 전자 부품이 고장 나지 않는다면 안전하다는 전제에서 출발합니다. 그러나 자율주행 카메라가 일몰 역광에 일시 실명하거나, 레이다가 젖은 가드레일의 다중 경로 반사를 장애물로 오인하는 경우, 하드웨어는 100% 정상임에도 치명적인 사고를 유발합니다. ISO 21448(SOTIF)은 이러한 성능 한계로 인한 '알려지지 않은 위험(Unknown-Unsafe)' 시나리오를 체계적으로 축소하기 위한 표준입니다.
• 운행 설계 영역(ODD) 강제 집행 및 최소 위험 기동(MRM) 안전 정차 아키텍처 — 어떠한 자율주행 시스템도 모든 날씨와 도로 조건에서 무조건적으로 주행할 수는 없습니다. 운행 설계 영역(ODD)은 법적·기술적으로 허용된 강수량 한계, 속도 범위, 지오펜싱 영역을 엄격히 규정합니다. 폭설이나 도로 공사로 인해 ODD 경계가 훼손되었을 때, 시스템은 인간의 개입 없이도 안전한 고속도로 갓길로 이동하여 차량을 정차시키는 최소 위험 기동(MRM)을 자동 수행해야 합니다.
• 딥러닝 신경망 안전 모니터: 런타임 분포 외(OOD) 이상 탐지 및 불확실성 정량화 — 자율주행 영상 인식에 쓰이는 딥러닝 신경망은 본질적으로 해석 불가능한 블랙박스이며, 전혀 학습되지 않은 위험 물체에 대해서도 99%의 높은 신뢰도로 잘못된 판단을 내릴 수 있습니다. 런타임 OOD(분포 외) 안전 모니터는 신경망 중간 계층의 고차원 특징 벡터에서 마할라노비스 거리를 실시간 연산하여, 학습 데이터와 동떨어진 이상 입력 감지 즉시 안전 보호막을 전개합니다.

Technical Articles

• SOTIF 대 기능 안전: 자율주행 시대에 ISO 26262만으로는 불충분한 이유
• 레벨 3 자율주행 최소 위험 기동(MRM): 고속도로 안전 갓길 정차 제어 엔지니어링
• 차량용 비전 트랜스포머(Vision Transformer) 실시간 분포 외(OOD) 이상 탐지 기법

Related Cluster Architecture Specifications

• AutomotiveSDV — Full SDV Stack & Reference Architecture
• A2HCard — Agent-to-Human (A2H) Interface Cards & In-Cabin Autonomous Interaction Manifests
• A2HumanCard — Standardized In-Vehicle AI Agent Capability Discovery, Trust & Authorization Cards
• AIDrivenSynBio — AI-Driven Synthetic Biology for Automotive In-Cabin Air Purification, Bio-Engineered Pathogen Scavengers & Molecular Biosensors