Geautomatiseerd rijden in 5 belangrijke ontwikkelingen

Na de torenhoge verwachtingen uit de beginjaren, is het vertrouwen in geautomatiseerd rijden bij zowel industrie als publiek duidelijk teruggelopen. Henk Goossens, Innovation Partnerships Manager Safety Assessment of Automated Driving bij TNO, verbaast het niet.

"De ontwikkeling van geautomatiseerd rijden volgt duidelijk het kenmerkende patroon van de Gartner Hype Cycle. Vooral de verwachting over een snelle introductie in die beginjaren waren zeer onrealistisch. Inmiddels is de markt in rustiger vaarwater gekomen en zie je een gestage technologische ontwikkeling."

Volgens Goossens is de zelfrijdende auto dichterbij dan ooit, maar zijn er ook belangrijke hordes die industrie en beleidsmakers moeten nemen voor een veilige, verantwoorde introductie. Dit zijn de belangrijkste ontwikkelingen die TNO ziet.

1. Sterke business case voor geautomatiseerde vrachtwagens
2. Veiligheidsrisico’s kwantificeerbaar maken
3. ALKS regelgeving laat veel ruimte voor interpretatie
4. AI maakt safety assessment nog belangijker
5. DCAS vraagt ook om mentaal betrokken bestuurders

1. Sterke business case voor geautomatiseerde vrachtwagens

Een domein dat volgens de experts al heel dicht tegen het moment van release aan zit, is de trucksector. Alle grote truckmerken zijn met automated trucking bezig, waarbij nauw wordt samengewerkt met Silicon Valley. Goossens: "Volvo werkt bijvoorbeeld samen met Aurora en Continental, Daimler AG met Torc Robotics. Er wordt enorm in geïnvesteerd en je ziet volop pilots met logistieke partijen. Het is dan ook een ijzersterke business case. De loonkosten van de chauffeur drukken zwaar op de marges in de logistiek, die toch al onder druk staan omdat de sector moet verduurzamen. Minder chauffeurskosten betekent meer marge."

De technologie lijkt al klaar voor release, als je de indrukwekkende demovideo’s mag geloven, waarop automated trucks behendig afgevallen lading of plots overstekende voetgangers ontwijken. "Toch blijft een belangrijke vraag boven de markt hangen: kan die truck dat in bepaalde situaties, of in dusdanig veel gevallen dat we met elkaar vinden dat automated trucking veilig is?"

"Om dat aan te tonen rijden automated trucks nu miljoenen testkilometers met ervaren safety drivers achter het stuur. Maar wanneer trek je de conclusie dat je voldoende kilometers hebt gereden om die chauffeur achterwege te laten? Daarvoor moet je kunnen voorspellen hoe vaak het mis zou kunnen gaan. En precies daar zit de grote uitdaging van safety assessment en safety assurance. Dat is de laatste horde."

2. Veiligheidsrisico’s kwantificeerbaar maken

Om die horde veilig te kunnen nemen, werken Daimler AG en Torc Robotics samen met TNO op het gebied van safety assessment. "Amerika is vanwege de infrastructuur en soepele regelgeving de belangrijkste proeftuin voor automated trucking. Maar ook als de veiligheid niet wordt afgedwongen door overheidsregels, kunnen incidenten bedrijven enorme imagoschade opleveren. Dat hebben we natuurlijk bij de robotaxi’s gezien." Om aan te tonen dat trucks met vrijwel alle praktijksituaties kunnen omgaan, is het volgens Goossens essentieel dat fabrikanten naast safety by design ook een gedegen safety assessment doen.

"Het probleem van al dat real-life testing op de weg is dat veruit de meeste kilometers helemaal niet spannend zijn. Dus hoe toon je dan aan dat die truck met alle denkbare situaties kan omgaan?" Met Daimler AG en Torc Robotics ontwikkelt TNO daarom volgens de StreetWise methodologie een uiterst compleet model van de openbare weg.

"Uit de vele testkilometers hebben we data gedestilleerd over alle denkbare rijscenario’s, inclusief uitdagende situaties, en hoe vaak ze voorkomen. Uit testsimulaties weet je hoe het voertuig in die situaties reageert, dus dan weet je ook wat het risico op incidenten is. Zo maak je veiligheidsrisico’s kwantificeerbaar."

"Overigens gaat veiligheid niet alleen maar over statistiek, maar ook over waargenomen veiligheid. Dus het vertrouwen in automated voertuigen bij andere weggebruikers is net zo belangrijk. Dat onderzoeken we bij TNO met ons StreetProof programma."

3. ALKS regelgeving laat veel ruimte voor interpretatie

In Europa ligt de focus van geautomatiseerd rijden vooral op personenauto’s, maar in tegenstelling tot vrachtwagens is deze business case minder duidelijk. "Het is kostbare techniek, dus in eerste instantie zien we dat vooral de premiummerken met auto’s komen die op de snelweg zelf kunnen rijden." Voor deze nieuwste Level 3 Automated Lane Keeping Systems (ALKS) is inmiddels ook Europese regelgeving opgesteld. Toch levert die voor zowel industrie als uitvoerende goedkeuringsinstanties juist veel onduidelijkheid op.

"Naast concrete richtlijnen zijn er ook meer abstracte regels. Zo moet het voertuig zich gedragen als een ‘goede chauffeur’, en kunnen omgaan met ‘te verwachten situaties’. Dus je hebt al buitengewoon complexe technologie, die om moet kunnen gaan met een buitengewoon complexe omgeving."

"En om aan te kunnen tonen dat die techniek veilig is, moet je toetsen aan buitengewoon complexe regelgeving. De grote uitdaging is niet alleen hoe fabrikanten en beleidsmakers die regels moeten interpreteren, maar ook hoe ze gezamenlijk bepalen welke methodes en standaarden in de praktijk werken om die veiligheid aan te tonen."

TNO heeft daartoe een aantal heldere basisprincipes opgesteld die door industrie en regelgevers worden omarmd. "Zo is onze visie om veiligheid van ALKS met behulp van scenario-gebaseerde safety assessment aan te tonen inmiddels in de wetgeving opgenomen. De volgende vraag is dan: hoe gaan we dat in de praktijk doen?"

4. AI maakt safety assessment nog belangrijker

Om de veiligheid van geautomatiseerde technologie aan te tonen, worden verschillende paden bewandeld. Goossens: "Sommige partijen zitten uitsluitend op safety assessment, die gebruiken brute force rekenkracht om allerlei mogelijke situaties door te rekenen. Daarnaast zijn er partijen die vol inzetten op safety by design en puur op componentniveau de veiligheid beoordelen. Bij TNO combineren we beide strategieën, daarin zijn we uniek. Als je het systeemontwerp overziet, kun je de safety assessment richten op eventuele zwakke plekken in je systeem."

"Tegelijkertijd zijn er componenten die een specifieke aanpak nodig hebben om hun bijdrage aan een veilige, zelfrijdende auto te kunnen beoordelen. Dat zijn vooral onderdelen met AI, omdat ze een black box zijn. Daarvoor heb je dus specifiek safety assessment onderzoek nodig."

5. DCAS vraagt ook om mentaal betrokken bestuurders

Een andere belangrijke Europese ontwikkeling in geautomatiseerd rijden waar ook net vanuit de EU regelgeving op is vrijgegeven, is DCAS. Bij deze Driver Control Assistance Systems moet de bestuurder vooralsnog de handen aan het stuur en de ogen op de weg houden, maar bij de volgende generatie hoeft dat eerste niet meer. Deze automatiseringssystemen dragen bij aan het rijcomfort, maar de bestuurder blijft verantwoordelijk voor de rijtaak.

"Dit ontslaat fabrikanten van een heleboel verplichtingen, maar plaatst ze wel voor een andere levensgrote uitdaging", voorziet Goossens. "Want hoe toon je aan dat de bestuurder daadwerkelijk in staat is om de rijtaak over te nemen? De DCAS-regelgeving is op dit vlak summier en schrijft alleen een monitoring systeem voor dat registreert of de bestuurder ‘fysiek en visueel betrokken’ is."

Goossens: "Dat betekent handen aan het stuur en blik op de weg. Maar hoe bepaal je of een bestuurder ook mentaal betrokken is? Is die fit en alert? Hoe ga je om met individuele verschillen? En wat betekent dit voor het risico op ongelukken?"

Basale vragen die niet met de huidige regelgeving worden geadresseerd. Onderzoeksvragen die TNO bovendien goed liggen. "Naast veel expertise van de technologie, hebben we kennis van psychologische onderzoekstechnieken en faciliteiten zoals rijsimulatoren om dit soort vragen te kunnen beantwoorden. Met deze inzichten kunnen we een model maken om de bewustwording en mentale betrokkenheid van chauffeurs te beoordelen."

Twee aanbevelingen tot slot

Gevraagd naar zijn conclusie, merkt Henk Goossens op: "De techniek is indrukwekkend, we zijn dichtbij de introductie, maar we moeten niet in anekdotische verhalen de weg kwijt raken. We moeten een goede inschatting kunnen maken dat geautomatiseerd rijden niet in enkele scenario’s, maar in vrijwel alle situaties veilig is. Zowel vanuit de systeemkant, als de onderzoekskant."

Daarvoor zijn twee belangrijke veranderingen nodig, voorziet Goossens. "Ten eerste moeten fabrikanten leren hoe ze expertises aan elkaar knopen. Want veilig autonoom rijden vraagt om een complexe combinatie van heel veel expertisegebieden. Van safety engineering tot system engineering, en van componentenkennis tot kennis van verkeer en data science."

"Ten tweede is er bij zowel industrie als overheden een goed begrip nodig van de fundamenten van het veiligheidsdenken. Dat iedereen dezelfde structuren, denkpatronen en methodieken hanteert. Als we die slagen kunnen maken, zetten we echt grote stappen richting een veilige implementatie van geautomatiseerd rijden."