Kategoriarkiv: Okategoriserade

Förtydligande om SAE nivåer

Förra veckan skrev vi en artikel om utmaningar med automatiserad körning motsvarande SAE-nivå 3 som framförts av Amnon Shashua och Shai Shalev-Shwartz från Mobileye. I den framgår det att kontrollöverlämning mellan mänsklig förare och automatiserade körsystem kan ske även för SAE-nivå 5. En läsare reagerade på det, vilket fick oss att tro att det kan finnas fler med samma funderingar. Därav ett litet förtydligande.

Vi kan börja med att konstatera att SAE-skalan är och förblir en förenkling av något som är väldigt komplext, vilket gör att den blir ibland svår att begripa och tillämpa i verkligheten. För visst kan man tro att det är konstigt att ett fordon som är utrustat med SAE-nivå 5 och som klarar av alla förhållanden överlämnar kontrollen till en mänsklig förare? Enligt SAE-standarden kan det mycket väl vara möjligt. Så här står det i standarden där ADS står för Automated Driving System och DDT står för Dynamic Driving Task: 

At levels 4 and 5, the ADS must be capable of performing the DDT fallback and achieving a minimal risk condition. Level 4 and 5 ADS-equipped vehicles that are designed to also accommodate operation by a driver (whether conventional or remote) may allow a user to perform the DDT fallback if s/he chooses to do so. However, a level 4 or 5 ADS need not be designed to allow a user to perform DDT fallback and, indeed, may be designed to disallow it in order to reduce crash risk.

Utryckt på ett annat sätt: Nivå 5-fordon kan vara utrustade även med reglage så att föraren, om han/hon vill, kan ta över och köra manuellt – men det får inte vara tvingande och systemet kan vara designat för att ta över kontrollen så att det som systemet bestämmer går före förarens input.

AUTOBUS slutseminarium

Som ni säkert vet har det gjorts några piloter med självkörande skyttelbussar i Norge och Transportøkonomisk institutt (TOI), Lunds universitet, Vias Institute i Belgien och TU Delft i Nederländerna har tillsammans genomfört ett forskningsprojekt kallat Autobus som handlar om hur andra trafikanter samverkar med sådana fordon. Projektet har pågått sedan 2018 och har finansierats av norska forskningsrådet. 

Den 28 april 2021 kommer Autobus och dess slutresultat att presenteras på ett onlineseminarium. Ni hittar programmet och länken till seminariet här. Mer information om projektet finns att tillgå här

Så här vill AVSC kvantifiera säkerheten

Automated Vehicle Safety Consortium (AVSC) har publicerat riktlinjer kring metoder och mått för säkerhetsutvärdering av automatiserade körsystem motsvarande SAE-nivå 4 och 5 [1]. Riktlinjerna grundar sig i bäst praxis inom området och är huvudsakligen ämnade för systemutvecklare och tillverkare. Definitionerna som används är till stor del baserade på existerande SAE- och ISO-standarder. 

Konsortiet betonar vikten av s.k. evidensbaserad säkerhetsutvärdering av automatiserade körsystem. För att kunna testas och lanseras på allmänna vägar behöver sådana system vara säkra, och för att motivera att deras system är säkra behöver tillverkarna kunna vissa i siffror att systemen uppnått en acceptabel säkerhetsnivå. För detta föreslår AVSC en femstegsprocess:

  • Specificera säkerhetsmål (exempelvis reducera antalet olyckor),
  • Definiera säkerhetsmått, både de som mäter säkerheten på ett direkt sätt (exempelvis påverkan på antalet av olyckor) och indirekt sätt (exempelvis förmågan att anpassa hastigheten till kontexten).,
  • Beskriv operationell designdomän (ODD),
  • Applicera givna analysmetoder,
  • Utvärdera prestandan.

Vidare så definierar konsortiet en rad mått och metoder för respektive steg i processen. I grova drag så förespråkar de att använda den mänskliga föraren som referenspunkt så långt det går. 

AVSC har ett tiotal partners inklusive Aurora, Motional, GM, Lyft, Daimler, Volkswagen, Ford och SAE. 

Egen kommentar

Ni som arbetar med säkerhet kommer nog känna igen det mesta och på så sätt är dessa riktlinjer inte så revolutionerande. Det är dock bra att ha allt samlat på ett ställe och framförallt tycker jag att det är positivt att så många aktörer enats om kvantifierbara mått. Det här är ett område som behöver utvecklas och standardiseras, och AVSCs riktlinjer är ett bra bidrag (även om man inte nödvändigtvis håller med om allt som förslås där).

Källor

[1] AVSC. AVSC Best Practice for Metrics and Methods for Assessing Safety Performance of Automated Driving Systems (ADS). Mars 2021. Länk

Krav på nivå 3 från Mobileye

I en samförfattad artikel av den verkställande direktören på Mobileye, Amnon Shashua, och den utvecklingsansvarige på Mobileye, Prof. Shai Shalev-Shwartz, diskuteras automationsnivå 3 (enligt SAE skalan) och några förslag på krav presenteras [1].

Enligt standarden J3016 från Society of Automotive Engineers (SAE) som berör automationsnivåer skiljer sig nivå 3-5 från nivå 0-2 på så sätt att 3-5 skall kunna utföra alla köruppgifter (Dynamic Driving Task: DDT) inom given designdomän (Operational Design Domain: ODD). Vidare så skall personen i förarsätet kunna ta över kontrollen av köruppgifterna omedelbart i automationsnivå 0-2 medan övertagandet av kontroll för nivå 3-5 inte sker omedelbart.

Mobileye författarna gör här en poäng kring att man i automationsnivå 3 inte kan anta ett mindre sofistikerat självkörande system än automationsnivå 4 och 5 eftersom vad som helst kan hända under den tid som personen i förarsätet har på sig att ta tillbaka kontrollen, då överföringen inte sker omedelbart. Med andra ord så kan ett automationsnivå 3 system inte endast vara designat att hantera sin ODD, utan bör klara DDT även utanför sitt ODD.

En annan del av artikeln berör det som de kallar för ”Black Swans” vilket innebär att ett system exempelvis kan göra perceptuella missar som på förhand inte går att veta om systemet kommer att göra. Man kan dock få ut en statistisk uppskattning på sådana fel där måttet ”Mean-Time-Between-Failures” (MTBF) ger en genomsnittstid för systemet innan det gör ett ”Black Swan” fel. Författarnas förslag här är att MTBF inte får vara lägre än siffror ifrån olycksstatistik med mänskliga förare för automationsnivå 3-5.

Egen kommentar

Kopplat till det här ämnet kan ni också läsa en nyligen publicerad artikel från den internationella forskargruppen HF-IRADS kallat Can the human driver be made responsible when automation is unable to handle the situation? Där lyfter fram de liknande oro som Mobileye, till och med för avancerade förarstödssytem som idag klassas som SAE-nivå 2.

Källa

[1] Amnon Shashua. Medium. On Black Swans, Failures-by-Design, and Safety of Automated Driving Systems. 2021-03-14 Länk

Nytt samarbete mellan Volvo och Aurora

Volvo Groups affärsenhet Autonomous Solutions har gått in i ett samarbete med det amerikanska företaget Aurora för att skapa en mobilitetslösning i Nordamerika [1].

I samarbetet som skall sträcka sig över flera år skall initialt fokus ligga på att Auroras självkörande system vid namn Aurora Driver ska integreras med Volvos lastbilar.

Avsikten är att tillsammans skapa en hub-till-hub mobilitetslösning.

Källa

[1] AB Volvo. Volvo partners with Aurora to accelerate the deployment of autonomous transport solutions. 2021-03-30 Länk

NIRA Dynamics hjälper Audi

Vissa Audi-bilar har sedan 2017 kunnat varna varandra för olyckor, trasiga fordon utmed vägen, trafikstockningar, halka och begränsad sikt med hjälp av V2X kommunikation. Nu har företaget tagit det hela ett steg vidare med hjälp av svärmdata från svenska NIRA Dynamics som gör att varningen blir snabbare och mer exakt [1]. Lösnningen är gjord i samarbete med Car.Software och HERE Technologies. 

Information om vägfriktion samlas in med hjälp av bilsensorer. Sensordata anonymiseras, både i själva bilen och när de överförs till NIRAs molnlösning. I molnet kombineras sensordata från många bilar med exempelvis aktuell och historisk väderinformation, och överförs sedan till tjänsteleverantören HERE där den integreras med detaljerad platsinformation. Vid behov skickar HERE varningar till de bilar som befinner sig i eller är på väg mot områden med dåliga vägförhållanden.

Källor

[1] Audi Media Center. Precise data for greater safety: Audi warns its drivers faster about slippery roads. 2021-03-08 Länk

Nallebjörn i trafiken

För att mäta hur medvetna förare är om vad som händer i trafiken runtomkring dem när de använder förarstödssystem har forskarna vid forskningsinstitutet IIHS tagit hjälp av en nallebjörn [1]. En gigantisk sådan klädd i en varseljacka. Den spändes fast på baksidan av en bil som sedan färdades på samma motorvägssträcka som en testbil. Under experimentet som varade en timme blev testbilen omkörd av nallebilen tre gånger. Vid varje omkörning befann sig nallebilen i ungefär 30 sekunder framför testbilen.

Testbilen var en 2019 Mercedes-Benz C300 som var utrustad med förarstödssystem motsvarande nivå 2 enligt SAE-skalan. Den framfördes av en testförare. Totalt deltog 31 testförare i experimentet och de delades upp i tre grupper:

  • Grupp 1: De som regelbundet använde liknande nivå 2-system i sina egna fordon fick köra med testbilens förarstödsystem påslagen.
  • Grupp 2: De som hade liten eller ingen erfarenhet av liknande nivå 2-system fick köra med testbilens förarstödsystem påslagen.
  • Grupp 3: De som inte alls kände till nivå 2-system fick köra testbilen utan dessa system påslagna. 

Testförarnas blickbeteende spelades in med hjälp av kameror monterade i testbilen. Efter experimentet fick testförarna berätta om de hade sett något konstigt och hur många gånger.

Resultaten tyder på betydliga skillnader mellan de tre grupperna vad det gäller blickbeteendet och hur många gånger de såg nallen under färden. Testförarna tillhörande Grupp 2 (oerfarna) var dubbelt så benägna att missa nallen jämfört med de två andra grupperna. Grupp 2 testförare var också mer benägna att rikta blicken framåt. Testförarna tillhörande Grupp 1 var bäst på att upptäcka nallen och ange rätt antal gånger den dykt upp. De som upptäckte nallen förflyttade sin blick runt i trafiken och många av dem noterade nallen redan vid omkörning. 

Dessa resultat tyder på att förarstödssystem motsvarande nivå 2 har potential att förbättra förarnas situationsmedvetenhet efter att de har fått erfarenhet av att använda sådana system. Oerfarna förare kan däremot ha svårare att hålla reda på vad som händer i trafiken när de använder okänd teknik.

Och nallen? Nallen klarade sig i trafiken (puh!) och enligt forskarna var det ett kostnadseffektivt sätt att studera situationsmedvetenhet på. 

Källor

[1] IIHS. IIHS pioneers new method for testing driver attention. 2021-03-02 Länk

Rättelse och kommentarer

I samband med artikeln om Motionals tester utan förare i Las Vegas skrev vi ”Hittills har bara ett fåtal företag testat automatiserade fordon på allmän väg utan någon säkerhetsförare bakom ratten: Waymo (Phoenix), Cruise (San Francisco), Yandex (Las Vegas), AutoX (Shenzhen).”. Den här listan med företag gäller bara robotaxi och är inte helt komplett om man tar hänsyn till alla andra typer av automatiserade fordon som testats eller testas på allmänna vägar. Vi har bl.a. Einride på tunga sidan som kört utan förare på allmän väg utanför Jönköping. Tack till vår uppmärksamma läsare!

Vidare så har vi fått in en kommentar om Motionals kommentar att personen i passagerarsätet inte behövt göra några ingripanden:

Viktigt utöver antal ingripanden är:

  • Hur ofta bilen, enligt andra trafikanter, uppför sig illa. T ex överdriven försiktighet. Hur ska man mäta det?
  • Hur ofta bilen vägrar att köra beroende på väder etc?

Vi har också fått in en kommentar i samband med vår artikel om Euro NCAPs tester av förarövervakning (Driver Monitoring Systems, DMS):

Det finns ett lagkrav på gång som heter Driver Drowsiness and Attention Warning (DDAW) där man ska ha Karolinska Sleepiness Scale (KSS) som benchmark. Problemet är att KSS inte fungerar så bra. Man lägger in en ground truth som inte är bra/funkar för att man inte har något annat. Följden blir att systemdetekteringar kommer behöva anpassas för att matcha KSS istället för att sträva efter att förbättra trötthetssystemet. 

Stort tack för dessa upplysningar!

Förarmodellering för säker platooning

Förarmodeller är viktigt för att förverkliga potentialen med automatiserade fordon. De kan användas som ett stöd i designprocessen för att säkerställa att man designar för säkra interaktioner mellan förare och automatiserade fordon.

En nyligt publicerad rapport från USA tar avstamp i en litteraturundersökning som ger en översikt över överlämningar mellan förare och automatiserade, för att sedan redogöra för en körsimulatorstudie med lastbilar körandes i kolonn (platoon) [1]. Därefter utvecklades ett antal förarmodeller som predicerar förarens beslutsfattande, bromsningsbeteende och styrresponser utifrån verklig körning.

Rapporten lyfter framförallt vikten av visuella parametrar som exempelvis visaul looming (objekt som rör sig i en riktning mot föraren och snabbt expanderar i storlek) för förarens styråtgärder och interaktioner. Vid överraskande övertagandesituationer som berodde på automationsfel påverkades förarens reaktionstid av tiden till kollision (TTC) snarare än typen av automationsfel.

Egen kommentar

Här i Sverige har vi framgångsrikt arbetat med övertagandesituationer vid automationsfel och förarmodellering i SAFER-projekt så som SHADES [2], QUADRA [3], och nu senast QUADRAE [4]. Sammanfattningsvis kan sägas att ämnet är fortsatt aktuellt och att det finns behov av mer forskning.

Källor

[1] McDonald, D.A et al., Safe-D National UTC, Texas A&M University och Virginia Tech Transportation Institute. Modeling Driver Behavior during Automated Vehicle Platooning Failures. Länk

[2] SHADES. Länk

[3] QUADRA. Länk

[4] QUADRAE. Länk


Cruise bygger stor laddstation

Det amerikanska företaget Cruise, som till största delen ägs av General Motors, har meddelat om en satsning på förbättring av laddningsinfrastruktur till sina eldrivna fordon [1, 2].

Cruise som har en ”flotta” av autonoma fordon ska bygga en depå, eller station, för laddning av av sina fordon i San Fransisco. Det antal fordon som går att ladda samtidigt ska till en början vara runt 50 fordon, för att sedan utökas allteftersom.

Byggnadsprojektet ska enligt planerna vara klart senast 2022.

Egen kommentar

Det hade varit kul om man lät de 50-100 autonoma fordonen samsas och interagera för att få ladda utan någon uppkoppling. Kan ni föreställa er det?

Källor

[1] Said, C., San Francisco Chronicle. Cruise robot cars to charge themselves at huge San Francisco facility. 2021-02-19 Länk

[2] Grant, R., Medium. Scaling to Combat Climate Change. 2021-02-19 Länk