Hur vet vi om ett automatiserat fordon är tillräckligt säkert?

En svår fråga att besvara, men enligt oberoende forskningsorganisationen RAND är vägen dit att definiera och kombinera olika mått, processer och gränsvärden. 

RAND har med hjälp av finansiellt stöd från Uber Advanced Technology Group publicerat en ny studie om metoder kring utvärdering av säkerhet av automatiserade fordon [1]. Studien går under titeln Safe Enough: Approaches to Assessing Acceptable Safety for Automated Vehicles och bygger på en tidigare studie från 2018 där RAND presenterade ett ramverk för utvärdering av säkerheten hos automatiserade fordon [2].

Den nya studien är baserad på intervjuer med ett tjugotal experter från diverse organisationer, onlineenkäter med allmänheten samt en genomgång av relevant litteratur.

Studien särskiljer tre metoder för utvärdering säkerhet – och drar slutsatsen att dessa metoder är kompletterande och stödjer varandra: 

  • Säkerhet som ett mått: Omfattar flera komplexa säkerhetsmått eftersom automatiserad körning är ett omoget område för att kunna förlita sig de enkla reaktiva säkerhetsmått (eng. lagging measures) som används idag för manuellt framförda fordon som exempelvis faktiska antalet olyckor. Utvecklare arbetar istället med mer komplexa mått, s.k. proaktiva säkerhetsmått (leading measures) som mäts innan en olycka inträffat. En sådan lovande mätmetod är bedömningen av det automatiserade fordonets förmåga att bete sig i trafiken (eng. roadmanship), vilket inkluderar dess förmåga att köra på vägen på ett säkert sätt utan att orsaka faror samt dess förmåga att reagera på ett lämpligt sätt på faror som orsakats av andra.
  • Säkerhet som en process. Omfattar olika steg som tas av utvecklare och hur dessa hur dessa steg implementeras och vad de visar om säkerheten av automatiserade fordon. Dessa processer inkluderar också utveckling och tillämpning av säkerhetsrelevanta standarder, säkerhetskultur och säkerhetsfall (samling av påståenden som definierar hur säkerhet främjas och utvärderas). Överensstämmelse med regelverket är också en process.
  • Säkerhet som ett gränsvärde. Omfattar olika kvalitativa och kvantitativa gränsvärden eller referenspunkter som exempelvis jämförelsen med mänskliga förare, uppfyllelse av ett visst prestandamått eller absoluta mål som nollvisionen. Jämförelsen med mänskliga förare är svår och just nu är trenden att använda ”lika säker eller säkrare än genomsnittlig mänsklig förare” som ett gränsvärde. 

En generell slutsats från studien är att aktörerna är överens om att de behöver komma överens om ett lämpligt tillvägagångssätt att bedöma säkerheten av automatiserade fordon samt förbättra kommunikationen med konsumenterna. Kommunikationen bör vara datadriven men ej alltför komplex. Det råder dock viss oenighet bland aktörerna om när det är lämpligt att börja skala upp sina flottor på allmänna vägar. För närvarande finns det inga vedertagna metoder som kan användas för att stödja sådana beslut. Detta är ett typiskt exempel på ett gränsvärde som behöver definieras. 

Vidare visar studien att allmänheten verkar ha störst förtroende för myndigheter som en källa till säkerhetsinformation kring automatiserade fordon, och påpekar att detta bör stärka dialogen mellan branschen och myndigheter på olika nivåer.

Studien ger också några rekommendationer till vad som bör ske för att åstadkomma en acceptabel säkerhetsnivå av automatiserade fordon:

  • Utvecklare av automatiserade fordon och forskare bör fortsätta att utveckla och integrera proaktivasäkerhetsmått. Ett branschkonsortium kan hjälpa till med detta, bland annat genom att vara föregångare för att främja sådana mått. 
  • Utvecklare bör skapa enhetliga och transparenta metoder för att presentera bevis på att deras system uppfyller säkerhetströsklar. 
  • Staten bör i samarbete med privata aktörer stödja ytterligare forskning om mänskliga förare för att möjliggöra jämförelser med automatiserade fordon som exempelvis att förstå hur människor kör i olika operativa designdomäner (ODD), incidenter inom olika ODD, och hur man karakteriserar en säker, snarare än en genomsnittlig, mänsklig förare.
  • Utvecklare av automatiserade fordon bör samarbeta med statliga och lokala ledare för att få ut sina fordon till samhällen runt om i landet.

Egen kommentar

Arbetar man med säkerhet så är den här rapporten absolut värd att läsa (men jag varnar er: den är på 140 sidor så ha en stor skål pepparkakor näratillhands!). Uppdelningen av säkerhetsmått i reaktiva och proaktiva är dock ingen större nyhet, men det är ändå intressant att se hur saker från ”old school” kommer till användning även här. På säkerhetssidan har man nämligen använt dessa mått i flera decennier (och konstaterat att just proaktiva mått är svåra att mäta och tolka). 

Sannolikt kommer studien att bemötas av en del kritik eftersom den är inriktad på att automatiserade fordon bör vara tillräckligt säkra, utan att presentera vad det innebär i praktiken. Min tolkning är att studien förespråkar att automatiserade fordon bör vara minst lika säkra som en säker mänsklig förare. Detta då till skillnad från att vara minst lika säkra som en genomsnittlig förare. Men vad karakteriserar en säker förare? Ja, det krävs mer forskning om det säger RAND – vad säger ni?

Källor

[1] RAND. Safe Enough Approaches to Assessing Acceptable Safety for Automated Vehicles. 2020-11 Länk

[2] Laura Fraade-Blanar, Marjory S. Blumenthal, James M. Anderson, and Nidhi Kalra, Measuring Automated Vehicle Safety: Forging a Framework, Santa Monica, Calif.: RAND Corporation, RR-2662, 2018 Länk