Geautomatiseerde voertuigen op de openbare weg

De vooruitgang van geautomatiseerd rijden is afhankelijk van betrouwbare lokalisatie, die kan worden bereikt door het gebruik van meerdere nieuwe sensor inputs, geavanceerde sensorsignaalfusietechnieken en online schatting van de integriteit van de lokalisatie. TNO biedt bewezen technologiebouwstenen die verder gaan dan de state-of-the-art en die de mogelijkheden van zelfrijdende systemen verbeteren om nauwkeurig de positie in de wegomgeving te bepalen, waardoor de algehele veiligheid en betrouwbaarheid verbeteren.

Autonome voertuigen, moeten voortdurend eventuele veranderingen van de wegconditie kunnen beoordelen en zich daaraan aanpassen. Om een veilige en betrouwbare inschatting te kunnen maken, zullen zelfrijdende voertuigen daarvoor verschillende informatiebronnen moeten combineren.

Menselijke bestuurders zijn getraind om hun rijstijl aan te passen voor een veilig rijgedrag in verschillende omstandigheden, rekening houdend met factoren zoals bandenslijtage en het weer. Ze gebruiken visuele signalen en hun ervaring om de toestand van de weg te beoordelen en de juiste remafstanden en snelheden te bepalen en aan te houden.

In autonome voertuigen kan informatie over de toestand van de banden, de weg en het weer worden verzameld met behulp van algoritmen en sensoren. Deze gegevens, gecombineerd met externe input zoals realtime datauitwisseling van voertuig tot voertuig en meteorologische informatie, dienen als cruciale input voor veilig autonoom rijden.

TNO doet onderzoek naar geavanceerde sensorsystemen en algoritmen om de veiligheid van voertuigen te verbeteren via verschillende innovatieprogramma's. Een recent aandachtsgebied is het optimaliseren van de remweg door bandeninformatie te gebruiken in geavanceerde antiblokkeer-systemen (ABS). Naast ABS ziet TNO verschillende veelbelovende toepassingen voor bandeninformatie, zoals in andere actieve veiligheidssystemen zoals 'Automated Evasive Steering'. Met gedetailleerde bandengegevens kunnen deze systemen nauwkeuriger beoordelen wanneer ze moeten remmen of uitwijken om mogelijke ongelukken te voorkomen, wat uiteindelijk de veiligheid van het voertuig ten goede komt.

Hoe kunnen we zelfrijdende voertuigen leren om adequaat om te gaan met de ongelofelijke complexiteit van ons verkeer en in elke situatie adequate beslissingen te nemen? Om zelfrijdende voertuigen veilig en verantwoord te leren navigeren, past TNO een innovatieve aanpak toe die zich richt op contextbewust rijgedrag en bewegingsplanning met behulp van kunstmatige intelligentie.

Het ontwerp van zelfrijdende voertuigen is bijzonder uitdagend door een fenomeen dat bekend staat als combinatorische explosie, waarbij de veelheid aan omgevingsfactoren en hun combinaties het praktisch onhaalbaar maken om expliciet het vereiste gedrag voor elk scenario te definiëren. Alleen al het aantal mogelijke combinaties is overweldigend en traditionele benaderingen voor softwareontwikkeling zijn niet schaalbaar genoeg om deze complexiteit om te gaan en het systeem in iteratieve stappen te verbeteren.

Hoewel neurale netwerken heel krachtig zijn voor het maken van complexe beslissingen, ontbreekt de garantie dat specifiek gedrag - zoals het naleven van verkeersregels - expliciet wordt meegenomen in alle situaties. Bovendien is het onmogelijk om over gedrag dat op neurale netwerken gebaseerd is te redeneren of het systeem veilig is voor alle mogelijke scenario's. Dit vormt een grote uitdaging bij het valideren van de betrouwbaarheid en veiligheid van zelfrijdende voertuigsystemen.

Om deze uitdaging aan te gaan, ontwikkelt TNO een unieke en innovatieve oplossing op basis van redeneersystemen. Het doel is om een gedragsspecificatie te creëren die rekening houdt met alle factoren van de rijcontext, zoals andere weggebruikers, wegindeling, verkeersregels, weersomstandigheden en de mogelijkheden van het geautomatiseerde voertuig. Deze oplossing moet begrijpelijk, verifieerbaar en verklaarbaar zijn voor mensen. Dit bereiken we door het gespecificeerde gedrag op te delen in een groot aantal deelspecificaties, waarbij het redeneersysteem deze naadloos met elkaar combineert met als resultaat de daadwerkelijke padplanning voor het geautomatiseerde voertuig.

Sensorwaarnemingen alleen zijn onvoldoende voor zelfrijdende voertuigen om de wereld om hen heen nauwkeurig te begrijpen. Hoewel hybride systemen die sensordata combineren met externe data beter zullen presteren, zijn ze niet 100% betrouwbaar. TNO pakt uitdagingen op het gebied van cyberbeveiliging en betrouwbaarheid binnen het automobieldomein aan door samen te werken met partners om een veilige en betrouwbare digitale infrastructuur op te zetten.

Intelligent Speed Assist (ISA) illustreert de beperkingen van het uitsluitend vertrouwen op sensorische informatie. Systemen met alleen camera's geven vaak onnauwkeurige informatie over snelheidslimieten, terwijl hybride systemen met externe kaartgegevens betrouwbaarder zijn. Ook waarschuwingen ten aanzien van wegwerkzaamheden en informatie over de status van verkeerslichten zijn voorbeelden van de positieve bijdrage die externe communicatie met de digitale infrastructuur heeft op veiligheid en doorstroming. Maar zelfs met hybride systemen is de betrouwbaarheid niet gegarandeerd omdat externe informatie onjuist of verouderd kan zijn.

In dit innovatieprogramma richt TNO zich op het aanpakken van de hoofdoorzaken van onjuiste informatie uit de digitale infrastructuur. De uitdaging is het omgaan met de complexiteit van de dataketen waarbij meerdere partijen betrokken zijn, zoals OEM's, wegbeheerders, telecomproviders en dataleveranciers. Het waarborgen van de veiligheid en betrouwbaarheid door iedere partij in deze keten is cruciaal om te voorkomen dat onbetrouwbare informatie wordt doorgegeven aan voertuigen, wat zou kunnen leiden tot onveilige situaties. De inspanningen van TNO zijn gericht op het verbeteren van de integriteit en veiligheid van datatransmissie binnen dit complexe ecosysteem.

Daarom is het cruciaal voor voertuigen om externe communicatie te beoordelen, inclusief de kwaliteit van de gegevens en de betrouwbaarheid van de bron en verbinding. Bij TNO ontwikkelen we een opzet voor het automotive trust domain dat bijdraagt aan Europese normen door de kwaliteit van informatie in de gehele dataketen te evalueren. Door gebruik te maken van onze unieke expertise op het gebied van veiligheidsbeoordeling, ICT voor de auto-industrie, data en cloudtechnologieën werkt TNO actief aan een veilige en betrouwbare digitale infrastructuur voor geautomatiseerd rijden.