Ny mjukvara ökar säkerheten för autonoma fordon i trafiksituationer

Tekniska universitetet i München (TUM) har utvecklat en ny mjukvara som kommer att förbättra säkerheten för autonoma fordon när de möter vägtrafik. Mjukvaran kan göra förutsägelser om en trafiksituation och den fungerar extremt snabbt, vilket gör förutsägelser varje millisekund.

Denna mjukvara kommer att vara användbar i en situation, till exempel, där det autonoma fordonet möter ett annat fordon och fotgängare samtidigt. Denna scenarie verkar oförutsägbar och erfarna förare skulle behöva uppmärksamma en mängd olika faktorer.

Forskningen publicerades i Nature Machine Intelligence, med titeln “Använda online-verifiering för att förhindra att autonoma fordon orsakar olyckor.”

Säker mjukvara

Matthias Althoff är professor i cyber-fysiska system vid TUM.

“Dessa typer av situationer utgör en enorm utmaning för autonoma fordon som styrs av datorprogram,” säger Althoff. “Men autonom körning kommer bara att accepteras av allmänheten om du kan säkerställa att fordonen inte utgör en fara för andra väganvändare — oavsett hur förvirrande trafiksituationen är.”

En av de största utmaningarna när det gäller utvecklingen av mjukvara för autonoma fordon är att säkerställa att den inte orsakar olyckor.

Mjukvaran, som utvecklades av ett team som inkluderade Althoff vid München-skolan för robotik och maskinintelligens vid TUM, är kapabel att permanent analysera och förutsäga trafikhändelser medan den är på väg. Den fungerar genom att spela in och utvärdera fordonssensordata varje millisekund, och mjukvaran kan göra förutsägelser och beräkningar för alla möjliga rörelser för varje trafikdeltagare. Detta är beroende av att deltagarna följer vägtrafikregler, och det resulterar i att systemet kan förutsäga tre till sex sekunder in i framtiden.

När det väl bestämmer sig för dessa framtida sekunder, beslutar systemet om möjliga rörelser för det autonoma fordonet, samtidigt som det beräknar nödrörelser i händelse av en farlig situation. På grund av detta nödaspekt av mjukvaran är det vanligt att systemet bara följer rutter som inte presenterar några förutsägbara kollisioner där nödmanövern krävs.

Tidigare ansedd som icke-praktisk

Anledningen till att det tog så lång tid att utveckla ett system som detta är att det traditionellt sett som tidskrävande och mindre praktiskt än andra lösningar. Men forskarteamet har nu bevisat dess effektivitet och hur man kan implementera det.

Förenklade dynamiska modeller används för beräkningarna, medan räckviddsanalys hjälper till att beräkna framtida trafikrörelser. Eftersom det tar så lång tid att beräkna alla väganvändare och deras egenskaper samtidigt, fokuserade teamet på förenklade modeller för att påskynda processen. Dessa modeller är både matematiskt möjliga och har en större rörelseomfång än riktiga, och de tillåter en stor mängd möjliga kombinationer att utforskas.

Teamet utvecklade sedan en virtuell modell baserad på riktiga trafikdata som samlades in under testkörningar med ett autonomt fordon, vilket gav en realistisk trafikmiljö för att testa systemet på.

“Med hjälp av simuleringarna kunde vi fastställa att säkerhetsmodulen inte leder till någon prestandaförlust i termer av körbeteende, de prediktiva beräkningarna är korrekta, olyckor förhindras och i nödsituationer bringas fordonet till ett säkert stopp,” säger Althoff.

Den nya mjukvaran är bara det senaste exemplet på framsteg som sker inom området för autonoma fordon, och det är ytterligare bevis för den möjliga effektiviteten av vad som tidigare ansågs vara icke-praktiska lösningar.