Algoritme voorspelt problemen bij testen zelfrijdende auto’s

Hoe zelfrijdende voertuigen op de openbare weg moeten worden toegelaten is een onderwerp waarover regelmatig discussie is. Zelfrijdende technologie maakt echter niet alleen het gebruik van auto’s op de openbaar weg anders, maar ook het testen van dergelijke voertuigen. Een nieuw algoritme voorspelt wanneer componenten van een zelfrijdende auto kapot dreigen te gaan. Zo kan het voertuig veilig en gecontroleerd tot stilstand komen.

Het algoritme is ontwikkeld door de Zweedse Technische Universiteit Chalmers. De universiteit wil hiermee bijdragen aan het veilig testen van voertuigen, ook indien geen menselijke bestuurder in het voertuig aanwezig is.

Signalen tijdig herkennen

Het testen van auto’s is op dit moment het werk van testchauffeurs. Een belangrijke vaardigheid van deze chauffeurs is het tijdig kunnen herkennen van signalen die erop wijzen dat een significant onderdeel van het voertuig kapot dreigt te gaan. Zo kunnen testchauffeurs hierop anticiperen, hun voertuig tijdig tot stilstand brengen en ongelukken voorkomen.

Het testen van zelfrijdende voertuigen vindt echter lang niet altijd plaats in de aanwezigheid van een menselijke chauffeur. Het is dan ook van belang dergelijke signalen op een andere manier op te merken. Denk hierbij aan trillingen, afwijkende meetwaarden, oplopende temperaturen en andere factoren.

Op dezelfde plek testen als reguliere voertuigen

Dit is extra van belang aangezien in de toekomst naar verwachting zelfrijdende voertuigen op dezelfde testbanen getest worden als reguliere voertuigen mét bestuurder. Met het oog op de veiligheid van deze bestuurders is het van belang dat problemen met zelfrijdende voertuigen tijdig gedetecteerd worden.

Het onderzoeksproject heet ‘Enablers for testing autonomous vehicles at existing testing grounds’. Het onderzoek brengt de uitdagingen in kaart die ontstaan rondom het testen van voertuigen op bestaande testbanen naarmate auto’s in toenemende mate autonomer worden. Onderzoekers van de Technische Universiteit Chalmers werkten hierbij samen met vrachtwagenfabrikant Volvo en autofabrikant Volvo Cars.

Real-time waarschuwingssysteem

De partijen presenteren nu een geautomatiseerd systeem dat in real-time waarschuwt indien een mechanisch component dat van belang is voor de veiligheid van het voertuig dreigt te falen. “Het probleem ligt in hoe je een voertuig het beste kunt monitoren indien je vantevoren niet weet wat er kapot gaat”, legt Tomas McKelvey, hoofdleraar Signaalverwerking van de faculteit Elektrotechniek van de Technische Universiteit Chalmers, uit.

Zelfrijdende voertuigen op de weg zijn voorzien van allerlei veiligheidssystemen. McKelvey benadrukt dat tijdens het testen van voertuigen echter niet vertrouwd kan worden op systemen waarvan de aanwezigheid op de openbare weg verplicht is. Dit aangezien het testen van voertuigen vaak in vroege fasen van de voertuigontwikkeling plaatsvindt. Dergelijke autonome functies zijn dan nog niet altijd betrouwbaar.

Veranderingen in trillingen

Mensen detecteren problemen onder meer aan de hand van veranderingen in trillingen. Het algoritme gaat op dezelfde wijze te werk. Met behulp van accelerometers op diverse plekken in het voertuig registreert het algoritme de vibraties in de motor en de wijze waarop deze trillingen zich door componenten en de carrosserie verspreiden. “Onze hypothese is dat de aard van de trillingen verandert indien een probleem ontstaat aan boord en dat die veranderingen kunnen worden geregistreerd met behulp van instrumenten”, zegt McKelvey uit.

Trillingen kunnen uiteraard ook door andere factoren veranderen. Bijvoorbeeld door variaties in het wegdek. Een aantal sensoren die bij de wielen zijn geplaatst meet daarom de trillingen die het voertuig ingaan. De overige instrumenten zoeken naar veranderingen in trillingen in het voertuig.

Data verzamelen met testvoertuigen

Bij het ontwikkelen van het algoritme speelde het verzamelen van de juiste gegevens een belangrijke rol. Hiervoor zijn twee testvoertuigen gebruikt: een vrachtwagen en een personenauto. Deze zijn getest op een testbaan van Volvo in Hällered. Hier is ook de AstaZero-testfaciliteit van de Technische Universiteit Chalmers en RISE gevestigd.

Op basis van data die hier is verzameld is een wiskundige omschrijving gecreëerd van hoe de verschillende onderdelen van het voertuig samen bewegen. Op basis van deze gegevens is een model gecreëerd dat de normale situatie omschrijft. Iedere waarde kan hierbij een bepaalde afwijking hebben.

Bewust technische problemen creëren

Vervolgens lieten de onderzoekers de twee testvoertuigen over hetzelfde oppervlakte als eerder rijden. Om het algoritme te testen creëerden zij bewust technische problemen in het voertuig. Het systeem bleek deze problemen vrij eenvoudig te detecteren. Zelfs als het om problemen ging die volgens testchauffeurs zeer moeilijk detecteerbaar zijn.

In een geval merkte het algoritme een probleem niet op. Het ging hierbij om een moer die iets was losgedraaid op de schokdemper van de vrachtwagen. “Dit was echter een probleem dat de testchauffeurs ook niet konden voelen”, aldus McKelvey.

Aard van probleem niet gedetecteerd

Het systeem detecteert op dit moment alleen dat er een probleem is opgetreden. Wat dit probleem is kan het algoritme niet achterhalen. De onderzoekers verwachten dat dit wel ontwikkeld kan worden, maar hadden hiervoor in dit onderzoek onvoldoende tijd beschikbaar. McKelvey: “Vanuit een veiligheidsperspectief is het detecteren dat een probleem optreedt het belangrijkste, zodat het voertuig van de testcircuits gehaald kan worden.”

McKelvey meldt dat er vanuit andere testfaciliteiten veel interesse is in het project. Hij hoopt dat de methode wordt doorontwikkeld tot een internationale standaard voor testcircuits.

Meer informatie over het algoritme is hier beschikbaar.

Auteur: Wouter Hoeffnagel