En grupp forskare vid Virginia Tech Transportation Institute (VTTI) har tagit fram en rapport som beskriver en portfölj med testmetoder för utvärdering av förarstödssystem (motsvarande SAE nivå 1 och 2) [1].
Målet har varit att utveckla lätt implementerbara och standardiserade metoder som snabbt och billigt kan appliceras för att testa systemens funktionsförmåga och begränsningar. Utgångspunkten har varit att dessa ska vara tillämpningsbara både på existerande ADAS och de som är under utvecklingen.
Metoderna grundar sig dels i en litteratursammanställning och dels i diskussioner med experter från industri och forskningsvärlden. De utvärderar fordonets prestanda, liksom dess prestanda i förhållande till andra fordon i flottan. Exempel på detta inkluderar prestandan hos adaptiv farthållare (ACC) och körfilshållare (LKA) i en kurva samt när fordonet skär in mellan andra fordon (cut-in) och när föraren är ouppmärksam och tar bort händerna från ratten. Dessutom omfattas olika stödssytem för lägre hastigheter som start- och stopphjälp, nödinbromsning vid hinder på väg samt tillfällig körfilsavstängning.
Insamlingen av data görs huvudsakligen med hjälp av tränade observatörer som dokumenterar fordonets beteende och prestanda med ett fördefinierat protokoll, samt ett automatiskt datainsamlingssytem som sparar fordonets parametrar som hastighet, GPS-koordinater och acceleration.
Efter att metoderna tagits fram har de tillämpats på en flotta av testbilar från olika tillverkare, både på en testanläggning och på allmän väg. Följande fordon ingick i testflottan: 2017 Audi Q7 Premium Plus 3.0 TFSI Quattro, 2015 Infiniti Q50 3.7 AWD Premium, 2015 Tesla Model S P90D AWD, 2016 Mercedes-Benz E350 Sedan, 2016 Volvo XC90 T6 AWD R-Design, 2018 Cadillac CT6 AWD 3.6L Engine Premium Luxury och 2018 Tesla Model X.
Utvärderingen visade bland annat följande:
- Majoriteten av testfordonen reagerade på hinder i sin väg i form av ljus- och ljudsignaler, men för det mesta bromsade eller minskade fordonen inte hastigheten för att undvika eller mildra kollisionen.
- Fordonen var också inkonsekventa i sin prestanda, vilket tyder på stora variationer i testflottans ADAS-funktioner även om de teoretiskt sett borde prestera på liknande sätt.
- Fordonens fysiska respons i en och samma situation samt sättet att kommunicera mot föraren varierade avsevärt från fordon till fordon.
Tanken är att portföljen ska vara ett levande dokument som kommer att inkludera fler fordon när automatiserade system utvecklas och nya fordon blir tillgängliga för testning.
Egen kommentar
Studiens resultat är dessvärre inte förvånande. Det har diskuterats länge, framförallt i forskarvärlden, att det finns stora skillnader i förarstödssystem mellan olika tillverkare och att detta kan skapa förvirring för förarna. Det är dock ännu mer oroväckande att alla testade system var dåliga på att undvika kollisioner. Detta tyder på att det finns en hel del utrymme för förbättring hos diverse förarstödssystem.
Här är det också viktigt att notera att ”standardiserade metoder” inte betyder att dessa metoder gjorts till en standard av någon standardiseringsorganisation t.ex. som ISO och SAE.
Källor
[1] Basantis et al., 2020. Standardized Performance Evaluation of Vehicles with Automated Capabilities. VTTI. Länk