Hoe de veiligheid van geavanceerde ADAS-technologie te garanderen

Geavanceerde rijhulpsystemen (ADAS) verhogen de autoveiligheid door te helpen bij controle-, waarschuwings-, rem- en stuurtaken. Deze systemen zullen de komende tien jaar groeien, deels gedreven door vooruitgang in detectie- en lasertechnologieën en door veranderingen in de regelgeving.

Als Jeff Phillips, hoofd Automotive Marketing, National Instruments schrijft, schrijft de EU voor dat voertuigen tegen 2020 moeten zijn uitgerust met autonome noodremsystemen en waarschuwingssystemen voor voorwaartse botsingen.

Hoewel ADAS-toepassingen nog in de kinderschoenen staan, kunnen hun veiligheidskenmerken uiteindelijk de belangrijkste onderscheidende factor worden voor automerken, vooral als het gaat om het creëren van autonome voertuigen.

Tegenwoordig concurreren OEM's en technologiemerken met elkaar in deze grotendeels ongereguleerde ruimte om marktaandeel te veroveren en de veiligste voertuigen op de weg te ontwikkelen. Aangezien echter elk jaar wereldwijd bijna 1,3 miljoen mensen omkomen bij verkeersongevallen, en het aantal doden op de Britse wegen op het hoogste niveau in vijf jaar (1792), is het van cruciaal belang dat we de veiligheid van ADAS-technologie waarborgen en beheren.

Nachtmerriescenario

Een gevolg is dat ADAS-innovaties een nachtmerriescenario creëren voor testingenieurs. Al deze evoluerende ideeën betekenen testen tegen onbekenden - onbekende regelgeving, technologie, architecturen, zelfs onbekende algoritmen die zijn gemaakt door neurale netwerken in plaats van de regel voor regel code die software-ingenieurs ontwikkelen.

Bovendien valt de veiligheidslast op nieuwe technologie. Elke crash van een zelfrijdende auto brengt meer controle en twijfel over de technologie met zich mee - ondanks het feit dat er slechts een klein aantal gedocumenteerde zelfrijdende ongevallen is geweest. Zoals bij elke nieuwe technologie, moeten consumenten gerustgesteld worden over de veiligheid van de technologie voordat ze levens op het spel zetten.

En dit is de ultieme onbekende voor testingenieurs. Hoeveel tests zullen er nodig zijn om te bewijzen dat deze systemen veilig zijn - zowel volgens overheids- als wettelijke normen - en om te voldoen aan de vertrouwensnormen van de consument?

Het aantal kilometers dat nodig is om te bewijzen dat de prestaties van autonome voertuigen gelijk zijn aan of beter zijn dan de prestaties van de menselijke bestuurder volgens statistische analyse door Rand Corporation vergeleken met werkelijk gereden kilometers per januari 2018. Het is duidelijk dat er nieuwe teststrategieën moeten worden ontwikkeld om deze bijna onmogelijke aantallen binnen een redelijke tijdlijn te halen.

Het verhaal over machine learning

Vaak wordt gedacht dat autonome voertuigen alleen werkelijkheid kunnen worden door machine learning toe te passen. De mogelijke scenario's die een voertuig kan tegenkomen, zijn in wezen oneindig en het is onmogelijk om de algoritmen hard te coderen om ze allemaal met succes te onderhandelen. In plaats daarvan worden enorme datasets vastgelegd over hoe mensen reageren op rijscenario's, die vervolgens worden ingevoerd in neurale netwerken.

Hoewel ontwerpingenieurs het probleem van het ontwerpen van algoritmen redelijkerwijs kunnen aanpakken, maakt dit het werk van de testingenieur moeilijk. Algoritmen zijn in wezen een zwarte doos geworden. Uitgebreider testen is vereist omdat je geen fundamenteel begrip hebt van de code die kan worden gebruikt om testscenario's te genereren. In plaats daarvan moet u tegen bijna elk denkbaar scenario testen om ervoor te zorgen dat de algoritmen goed werken.

Een nieuwe routekaart

De technologie evolueert en wordt steeds concurrerender. Als zodanig updaten ontwerpingenieurs hun ADAS-systemen met nieuwe en verschillende sensortypen en soms zelfs veranderende systeemarchitecturen. Er zijn echter concurrerende stromingen over gecentraliseerde versus gedistribueerde verwerkingsarchitecturen. Cloudcomputing zal de complexiteit vergroten, aangezien 5G-radiotechnologie helpt bij het ondersteunen van de bandbreedtevereisten die nodig zijn voor de enorme gegevensstromen die worden gecreëerd door sensorsystemen.

Op dit moment hebben testingenieurs flexibiliteit nodig. Het is nog niet bekend welke typen of hoeveel sensoren voertuigplatforms zelfs een jaar of twee in de toekomst zullen hebben. Ook hebben de meeste testorganisaties niet het budget of de tijd om elk jaar nieuwe testsystemen op de markt te brengen om aan deze behoeften te voldoen. Ze hebben eerder aanpasbare testsystemen nodig die meer camera's of radarsensoren kunnen toevoegen en die LiDAR en andere nieuwe sensortypes kunnen bevatten.

Bouwen aan verandering

Naarmate autonome mogelijkheden in voertuigen worden geproduceerd, moet overheidsregulering gereed zijn om de veiligheid van de consument te waarborgen en het consumentenvertrouwen op te bouwen. We zien dit naar voren komen met ISO 26262 functionele veiligheidsnormen en EURO-NCAP testnormen voor verzekeringen. Ondertussen heeft Duitsland onlangs een ethische norm voor autonome voertuigen vrijgegeven die de beslissingen van zelfrijdende auto's regelt.

Hoewel standaardtesten de veiligheid van geavanceerde ADAS-technologie zullen helpen garanderen, zullen organisaties nog steeds hun eigen aanpak toevoegen om zich te onderscheiden in deze snelgroeiende markt. En aangezien de regelgeving nog steeds een inhaalslag maakt, zal een open en aanpasbare testinfrastructuur testingenieurs de flexibiliteit geven die nodig is om veranderende interne en externe normen te beheren.

De auteur van deze blog is Jeff Phillips, hoofd Automotive Marketing, National Instruments