Förra veckan rapporterade vi om en ny dödsolycka med en Tesla-bil. I väntan på att utredningen av denna ska bli färdig kan vi tipsa om en intressant läsning baserad på en studie om prestandan av förarstödssystem (läs: Autopilot) i tre Tesla-bilar av samma modell och år (Model 3, 2018). Den gjordes förra året av en forskargrupp vid Duke University. 

Följande scenarier var i fokus för studien: 

• Förarövervakningssystemets prestanda under körning på motorväg.
• Varning för distraktion vid plötsliga hinder på vägen som exempelvis när två körfält går ihop vid vägarbete.
• Filhållningshjälp till en distraherad förare när denne oavsiktligt börjar glida ut i en annan fil. 
• Kontrollöverlämning till en distraherad förare i en S-formad kurva. 

Den förstnämnda testades i verklig trafik, medan de tre övriga testades på en testbana. Det var alltid samma förare som körde, och jämförelsen omfattade en rad olika mått för respektive scenario.  

Resultaten visar gedigen skillnad i prestandan mellan de tre olika bilarna, och mellan de olika scenerierna. Det fanns exemplevis stora variationer i när varningar aktiverades och hur bilarna hanterade respektive scenario. Enligt forskarna själva verkar det som att bilarna presterade bäst i de till synes mest utmanande scenarierna som när föraren ignorerade förfrågningen att ta över kontrollen i en kurva, medan de presterade sämre i enklare scenarier som är bilen höll på att glida ut till närliggande körfält eller när det var hinder på vägen.

Baserat på detta dras slutsatsen att det kan vara vilseledande att tro att tekniken kommer vara lika bra eller bättre än mänskliga förare i enkla situationer, men sämre i svåra situationer. Vad detta beror på exakt är svårt att säga, men en möjlig förklaring skulle kunna vara att Teslas ingenjörer lagt mycket energi att uppnå bra prestanda i svåra situationer, i tron om att systemet enkelt kommer kunna hantera enklare situationer. 

Viktigt i det hela är att notera att det kan ha funnits små skillnader i hård- och mjukvaran i dessa bilar som kan ha lett till viss (icke-kvantifierad) variation. Även yttre faktorer så som ljusskiftningar kan ha bidragit till viss variation. 

Här kan ni läsa hela rapporten. Och kopplat till detta kan ni också passa på att läsa hur Consumer Reports lurat Autopilot på en testbana att tro att det satt en förare i förarsätet. 

I en studie från Östra Finlands Universitet har forskare undersökt skillnader i hur passagerare upplever och uppfattar autonoma fordon [1].

Tre olika autonoma fordon användes i testerna: Navyas skyttelbuss, EasyMiles skyttelbuss Ez-10 samt Juto från Sensible 4. Fordonen hade en säkerhetsförare ombord och testerna utfördes under perioden maj-juni 2018 i Helsingfors samt i oktober 2018 i Lappland. 70 deltagare intervjuades kring upplevd tillit, säkerhet och trygghet efter sina åkturer i enlighet med teori om planerat beteende.

Resultaten visade bland annat följande:

• Tillit, säkerhet och trygghet var påverkande faktorer till positiv inställning gentemot autonoma fordon.
• Det fanns inga skillnader mellan kön gällande uppfattning av trafiksäkerhet, trygghet och krishanteringsförmåga.
• Unga passagerare kände sig tryggare än äldre i autonoma fordon.
• Studenter ansåg sig vara bättre på att hantera kriser än deltagarna som hade ett arbete i form av anställning.
• Vinterväglag hade ingen signifikant påverkan på passagerarnas inställning gentemot autonoma fordon.

Källa

[1] Launonen, P., Salonen, A., Liimitainen, H., Transportation Research. Icy roads and urban environments. Passenger experiences inautonomous vehicles in Finland. 2020-04 Länk

• Connected and automated driving (EUCAD 2021), 20-22 april 2021
• IMC17 – International Mobility Conference, 23–25 april 2021
• Hur får transportforskning om samhälle och människor betydelse i praktiken?, 12 maj 2021
• IEEE Intelligent Vehicles Symposium – IV2021, 11-15 juli 2021
• Driver Distraction and Inattention (DDI), 18-20 oktober 2021

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.

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. 

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