Los entornos viales complejos amenazan la operación segura de vehículos automatizados. Entre estos, las condiciones climáticas adversas y las geometrías de las carreteras tienen impactos particularmente significativos. Este estudio investiga la seguridad de conducción de vehículos automatizados (LAVs) basados en LiDAR en carreteras verticales curvas en condiciones climáticas adversas. Una metodología clave implica la construcción de una función de falla que incorpora tanto la distancia de visión disponible (ASD) como la distancia de visión de parada requerida (RSD). Esta función se analiza utilizando un enfoque combinado de redes neuronales y simulaciones de Monte Carlo para evaluar y generalizar cuantitativamente la confiabilidad de los LAVs bajo diversas condiciones. Los resultados revelan que las variaciones en las condiciones climáticas y los radios de curvatura vertical impactan significativamente la ASD de los LAVs, mientras que la influencia de la velocidad es relativamente menor. Es notable que la niebla densa y la lluvia pueden reducir sustancialmente la ASD de los LAVs en curvas verticales. Además, el nivel de automatización del vehículo y la velocidad tienen un impacto significativo en la seguridad de conducción, enfatizando la necesidad de un diseño de dominio operativo y vial adaptado a los LAVs en condiciones climáticas adversas y radios de curvatura vertical.