Процесс, который был разработан с использованием данных о более чем 25 миллионах миль реального вождения, может сократить время, необходимое для оценки роботизированных транспортных средств, управляющих потенциально опасными ситуациями, в 300–100 000 раз. По словам исследователей, это может сэкономить 99,9% времени и затрат на тестирование.Они описывают подход в новом техническом документе, опубликованном Mcity, государственно-частным партнерством под руководством U-M для ускорения развития передовых мобильных транспортных средств и технологий.
«Даже самые передовые и крупномасштабные усилия по тестированию автоматизированных транспортных средств сегодня ужасно не дотягивают до того, что необходимо для тщательного тестирования этих роботизированных автомобилей», — сказал Хуэй Пэн, директор Mcity и профессор машиностроения Роджера Л. Маккарти в Университете штата Мичиган.По сути, новый ускоренный процесс оценки разбивает сложные реальные ситуации вождения на компоненты, которые можно многократно тестировать или моделировать, подвергая автоматизированные транспортные средства сжатому набору самых сложных дорожных ситуаций. Таким образом, всего 1000 миль испытаний могут дать от 300000 до 100 миллионов миль реального вождения. Хотя 100 миллионов миль могут показаться излишним, исследователям недостаточно получить достаточно данных для подтверждения безопасности беспилотного транспортного средства.
Это потому, что сложные сценарии, на которых им нужно сосредоточиться, редки. Авария со смертельным исходом происходит только один раз на каждые 100 миллионов миль езды.Тем не менее, по словам исследователей, для того, чтобы потребители могли принимать беспилотные автомобили, тесты должны доказать с 80-процентной уверенностью, что они на 90 процентов безопаснее, чем люди-водители. Чтобы достичь этого уровня достоверности, тестовые автомобили должны проехать 11 миллиардов миль в смоделированных или реальных условиях.
Но потребуется почти десять лет круглосуточных испытаний, чтобы проехать всего 2 миллиона миль в типичных городских условиях.Помимо этого, для полностью автоматизированных беспилотных транспортных средств потребуется совсем другой тип проверки, чем для манекенов на снегоходах, используемых для современных автомобилей.
Даже вопросы, которые задают исследователи, сложнее. Вместо «Что происходит при аварии?» им нужно будет измерить, насколько хорошо они могут предотвратить такое.«Методы тестирования автомобилей с традиционным управлением — это что-то вроде того, что врач измеряет артериальное давление или частоту сердечных сокращений пациента, в то время как тестирование автоматизированных транспортных средств больше похоже на то, чтобы дать кому-то тест на IQ», — сказал Дин Чжао, младший научный сотрудник отдела механики UM. Инженер и соавтор новой белой книги вместе с Пэн.
Чтобы разработать четырехступенчатый ускоренный подход, исследователи UM проанализировали данные о 25,2 миллиона миль реального вождения, собранные в рамках двух проектов Института транспортных исследований UM — Развертывание пилотной модели безопасности и Интегрированные системы безопасности на базе транспортных средств. Вместе они привлекли около 3000 автомобилей и волонтеров в течение двух лет. Исходя из этих данных, исследователи:
Выявлены события, которые могут содержать «значимые взаимодействия» между автоматизированным транспортным средством и транспортным средством, управляемым человеком, и создана симуляция, которая заменила все беспрецедентные мили этими значимыми взаимодействиями.Запрограммировали свое моделирование так, чтобы считать водителей-людей основной угрозой для автоматизированных транспортных средств, и разместили водителей-людей повсюду случайным образом.Проведены математические тесты для оценки риска и вероятности определенных исходов, включая аварии, травмы и опасные ситуации.Интерпретировал результаты ускоренных испытаний с использованием метода, называемого «выборка важности», чтобы узнать, как автоматизированное транспортное средство будет вести себя статистически в повседневных дорожных ситуациях.
Ускоренный процесс оценки может выполняться для различных потенциально опасных маневров. Исследователи оценили две наиболее распространенные ситуации, которые, по их мнению, могут привести к серьезным авариям: автоматизированный автомобиль, следующий за водителем-человеком, и водитель-человек, сливающиеся перед автоматизированным автомобилем. Точность оценки была определена путем проведения и сравнения ускоренного и реального моделирования.
Необходимы дополнительные исследования, связанные с дополнительными дорожными ситуациями.Доступ к статье: https://mcity.umich.edu/wp-content/uploads/2017/05/Mcity-White-Paper_Accelerated-AV-Testing.pdf.