在减少事故方面，自动/自适应驾驶发挥的作用显而易见，也是至关重要的。例如，防撞系统可以克服导致许多事故中人类反应时间的限制。
此外，预测全球的汽车销售会保持平稳或下降趋势，而保有一辆车的时间正在增加。自适应应用可以确保符合功能要求，进行硬件和软件升级，以便在车辆的整个生命周期内满足新的安全要求。此外，OEM 继续寻找削减或维持现有成本结构的机会，同时提供基于增值消费者需求的产品，并支持新的汽车技术。适应性方法可以支持先进功能的经济性实施。
换句话说，适应性方法可以将市场挑战转化为巨大的机遇。我们在下文中总结了一些挑战，从最严重的挑战开始，也就是驾驶员安全。
挑战 #1：研究表明，大多数交通事故都是由人为失误造成的。以下统计数据列出了刹车以避免撞击的反应时间：
- 在所处理的信息中，约 90% 是视觉信息（例如，路上的鹿）
- 处理图像（最少）需要约 13 毫秒（例如，“糟糕！路上有一只鹿！”）
人类的最佳制动反应速度：大约 552 毫秒，相当于：
- 以 55 英里/小时驾驶时 40.5 英尺
- 以 75 英里/小时驾驶时 55.5 英尺
典型的人类制动反应速度：大约 1,500 毫秒，相当于：
- 以 55 英里/小时驾驶时 121.5 英尺
- 以 75 英里/小时驾驶时 166.5 英尺
- 制动响应准确率约为 79.32%
总而言之，感知到路上的鹿，然后踩刹车所需的几毫秒，可能导致近 20% 的事故发生率。
解决方案：自适应应用
自适应应用具有学习能力，能够在不受人机界面 (HMI) 影响的情况下适应所需的行为。应用可以学习车辆特性，并根据人工智能 (AI) 生态系统提供的信息，在软件集成的基础上自主适应当前需求。由此带来的更低延迟意味着车辆对危险的反应更快，从而提高了驾驶员和乘客的安全。事实上，美国交通部估计， 94% 的车辆碰撞事故由人为失误造成，并预计自适应驾驶可以显著减少这种情况。
自适应应用的一些示例包括：
- 道路危险通知和回避
- 自适应巡航/转向/制动控制和防撞
- 驾驶员/舱内监控
- 车道保持和偏离警告
- 自动停车
- 动态和矩阵照明
- L2-L5 ADAS/AD 传感和生态系统定位功能
- 确定性服务质量 (QoS) 分类
挑战 #2：OEM 还需要设计可用于多种版本（低端、中端或高端平台）的架构。OEM 版本之间的差异之一在于基于硬件安装级别的软件/应用的启用。
解决方案：自适应网络
自适应网络是一种具有架构和组件生态系统的网络，能够安全、可靠地根据应用分析和确定性数据通信要求动态地传递中心数据。
示例：
- 基于车内网络 (IVN) 的驱动技术，可以根据数据需求，确定分发全部还是部分基于对象的数据（例如，激光雷达、高清摄像头）
- 利用基于服务的协议和应用，提供改进的处理和安全/冗余功能的分布式应用
- 通过用于支持确定性数据交付要求的可编程管理对象，减少 IVN 延迟并改善车辆反应
挑战 #3：OEM 必须满足消费者和联邦法规的安全要求（例如，倒车摄像头、安全气囊、CAFÉ 标准、安全带警报、儿童安全座椅等）。此外，他们必须使用无线网络或无线技术（即 802.11p/WiFi6、4G/5G+PC5、5G NR、DSRC 与 C-V2X）安全地实施更新，例如推出新应用、调试程序、安全性和 V2X 监管的通信频率/频段。
解决方案：适应性意识
智能虚拟网络模型成为了解决方案，这种模型允许对周围生态系统进行灵活的系统级了解，并根据习得的行为获取和传递信息并适应感知的条件。以下是一些示例：
- 适应性驱动因素
- V2X 技术
- 成像设备
- 检测装置
- ECU 处理能力
- 网络通信 IEEE 标准、ASA 联盟和 Wi-Fi 联盟
- 汽车物联网
- 人工智能学习的行为