Dynamisch risicobeheersysteem voor autonoom rijden

Wat is de belangrijkste uitdaging voor de acceptatie van autonoom rijden? Dat is het waarborgen van de veiligheid van weggebruikers zonder het risico te lopen snelheid te verliezen. Een team van wetenschappers ontwikkelde onlangs een dynamisch risicobeheersysteem. Het is onderdeel van een referentieveiligheidsarchitectuur. Hierdoor krijgt een voertuig een beter inzicht in de huidige gevaren tijdens het rijden.

AI-capaciteiten worden bij autonome voertuigen gebruikt om beïnvloedende factoren te analyseren en er rekening mee te houden. Denk bijvoorbeeld aan het rijgedrag van andere weggebruikers. Met de huidige geavanceerde technologie kunnen zelfrijdende auto’s veiliger zijn dan menselijke bestuurders. Echter, ze leiden mogelijk ook tot een verlies aan snelheid en comfort. En dit zorgt weer voor het verminderen van de acceptatie van autonome mobiliteit. Dit blijkt uit een onderzoek van het Insurance Institute for Highway Safety. Dit is een Amerikaanse organisatie voor verkeersveiligheid die regelmatig onderzoek publiceert over autonoom rijden. Pilotstudies van Duitse autofabrikanten bevestigen ook de perceptie van passagiers dat autonome voertuigen vooral traag en aarzelend zijn. Een belangrijke uitdaging bij het op de markt brengen van autonome systemen? De veiligheid garanderen zonder de snelheid en het comfort zo sterk te beperken dat de acceptatie verdwijnt.

Autonoom rijden verbeteren

Daarom is het LOPAAS-project (Layers of Protection Architecture for Autonomous Systems) opgericht. In het project werken Fraunhofer IESE, Fraunhofer IKS en de Universiteit van York samen. Het zijn allemaal centrale onderzoeksinstellingen op het gebied van veiligheidsborging van complexe (software)systemen. Hun doel is om autonome voertuigen sneller en veiliger te laten rijden. De resultaten van het project worden vervolgens opgenomen in standaarden voor technologieoverdracht.

Referentieveiligheidsarchitectuur

De partners bundelen hun expertise om een referentieveiligheidsarchitectuur en argumenten te ontwikkelen voor autonoom rijden en autonome systemen. Fraunhofer IESE brengt zijn expertise in dynamisch risicobeheer in. Daarmee kunnen autonome systemen de risico’s van hun handelingsopties op een situatiespecifieke manier beoordelen en controleren. ICS richt zich op betrouwbare, op AI gebaseerde situatiedetectie en runtime-bewaking van de bijbehorende onzekerheden. De universiteit van York brengt haar expertise in op het gebied van het systematisch genereren van uitgebreide en traceerbare veiligheidsredeneringen.

Robotaxi’s en snelwegbestuurders

De projectpartners ontwikkelen innovatieve veiligheidsconcepten voor de twee belangrijkste toepassingsgebieden. Enerzijds voor robotaxi’s en roboshuttles. Dit zijn zelfrijdende auto’s voor één of meer passagiers. En anderzijds voor snelwegbestuurders geïntegreerd in privéauto’s. Dit wil zeggen software die de rij- en stuurfunctie volledig kan overnemen op goed in kaart gebrachte snelwegtrajecten in eenvoudige weersomstandigheden. De partners onderzoeken de veiligheidsconcepten aan de hand van specifieke gebruiksscenario’s van een snelwegbestuurder.

Dynamisch risicomanagement

Met deze digitale “veiligheidsingenieur” brengen de onderzoeksteams een systeem aan boord dat geautomatiseerd rijden efficiënter maakt voor de verschillende gebruikssituaties en tegelijkertijd de veiligheid garandeert. Aangepast aan de verkeerssituatie reageert de digitale veiligheidsingenieur individueel en beïnvloedt hij het rijgedrag en de rijervaring van de gebruiker. Daarbij maakt dynamisch risicomanagement met behulp van AI anticiperend rijden mogelijk, waarbij de vereiste afstand tot andere voertuigen wordt aangehouden en hard remmen wordt voorkomen.

Worst case scenario’s

“De huidige benaderingen gaan uit van worst-case scenario’s om optimale veiligheid te garanderen. Ze zijn onder andere gebaseerd op berekeningen van natuurkundige wetten die bepalen hoe objecten bewegen. Dit leidt echter tot een lagere snelheid van het voertuig. Het is ook moeilijk om meerdere risico’s correct in te schatten die tegelijkertijd kunnen optreden. Denk bijvoorbeeld aan een voetganger die plotseling links van het voertuig opduikt en een fietser aan de rechterkant van het voertuig.” Dat zegt Dr. Rasmus Adler. Hij is Program Manager Autonomous Systems bij Fraunhofer IESE en projectmanager van LOPAAS. “Het doel is om een begrip van risico’s in voertuigen te implementeren dat niet het ergste geval berekent en dus niet alle risico’s overschat.”

Causale Bayesiaanse netwerken

Hiervoor gebruikt het onderzoeksteam causale Bayesiaanse netwerken. Dit om de gezamenlijke kansverdeling van alle risicorelevante variabelen zo compact mogelijk weer te geven, zodat het systeem de dynamische context kan begrijpen. De nieuwe methodologie van de onderzoekers wordt al toegepast op het gebied van intralogistiek. Een project met Hitachi richt zich op veilige en efficiënte samenwerking tussen autonome mobiele robots en menselijke werknemers in industriële magazijnen. Het onderliggende oplossingsprincipe is het vervangen van statische worst-case aannames door dynamische veiligheidsmechanismen. Deze dynamische veiligheidsmechanismen maken gebruik van kennis over de specifieke huidige situatie van een transportsysteem zonder bestuurder.

Autonoom rijden en aannames

De aanname hoe waarschijnlijk het is dat een persoon in de bedoelde rijrichting van een machine beweegt, kan bijvoorbeeld nauwkeuriger worden geschat op basis van de huidige werktaak of eerdere bewegingen van mensen op die locatie. Hierdoor kan het systeem ook beter inschatten of proactief remmen echt nodig is. Systemen moeten de relevante eigenschappen van zichzelf en hun context in de gaten houden, deze eigenschappen in de toekomst projecteren en conclusies trekken over de impact ervan op het risico. “In eenvoudige omgevingen zoals magazijnen werkt onze benadering van dynamisch risicobeheer heel goed. Hitachi is van plan om zijn onbemande vorkheftrucks hiermee uit te rusten. We zullen onze methodologie optimaliseren voor complexe verkeerssituaties met robotaxi’s en automatische bestuurders totdat het project in juni 2024 eindigt. Hiervoor gebruiken we ook AI en datagestuurde modellen, die essentieel zijn voor omgevingsherkenning en objectclassificatie,” zegt Adler.

Foto en bron: Autonome voertuigen vereisen een paradigmaverschuiving op het gebied van veiligheidstechniek. De veiligheid van passagiers en weggebruikers moet worden gegarandeerd zonder snelheidsverlies. (foto: Fraunhofer IESE)

Lees ook: Autonome elektrische veerboot begint commerciële vaart in Stockholm