Kontaktperson
Fredrik Warg
Forskare
Kontakta FredrikUppkopplade automatiserade fordon (CAV) förväntas ge effektivare, mer tillgängliga och säkrare transportlösningar. Men systemens komplexitet är en utmaning. Projektets mål var nya metoder för säkerhetsbevisning av CAVs som möjliggör snabbare utveckling med kontinuerliga uppdateringar av säkerhetskritiska system.
Fordonsindustrin är just nu inne i en förändring där allt mer avancerade funktioner för förarstöd eller oövervakad drift (”självkörande fordon”) utvecklas för att kunna tillhandahålla säkrare, effektivare och mer tillgängliga transportlösningar. Men eftersom sådana funktioner måste kunna tolka sin omvärld och ta rätt beslut vid varje situation som uppkommer är det en utmaning att se till att produkten både är säker och ger bra prestanda, till exempel att den klarar olika trafik- eller omgivningsförhållanden. För att ge bästa kundvärde under hela produktens livstid måste den kunna uppdateras för att gradvis förbättra prestanda allteftersom vi lär oss mer, till exempel hur man ska kunna köra säkert under olika driftsförhållanden, eller om omvärldsförhållandena förändras, till exempel nya trafikregler tillkommer.
Agil utveckling används i många branscher för att möjliggöra regelbundna uppdateringar, men för säkerhetskritiska system är ett problem att säkerhetsbevisningen måste vara komplett och konsistent för varje uppdatering som görs. Projektets mål var därför att ta fram metoder för säkerhetsbevisning som passar i en iterativ utvecklingsprocess med kontinuerliga uppdateringar. I projektet deltog parter som utvecklar funktioner både till vägfordon och gruvfordon. Iterativ utveckling möjliggör att nya automatiserade funktioner enklare kan introduceras på marknaden med initialt mer begränsade användningsfall, följt av gradvis utveckling av prestanda och antal användningsfall.
Projektet jobbade med metoder inom områden som kontinuerlig säkerhetsbevisning (safety assurance), människa/maskininteraktion, säkerhetskoncept som är lämpligt för kontinuerliga uppdateringar och som inkluderar maskininlärningskomponenter, samt hantering av produktvariabilitet med formella metoder. Förväntade effekter var bidrag till state-of-the-art för säkerhetsbevisning för CAVs och förbättrade utvecklingsprocesser som stärker konkurrenskraften för OEMer, underleverantörer och tjänsteleverantörer som utvecklar CAV.funktioner.
Projektresultaten finns sammanfattade i rapporten "SALIENCE4CAV Public Report: Safety Lifecycle Enabling Continuous Deployment for Connected Automated Vehicles" (ladda ner rapporten via länken).
SALIENCE4CAV
Avslutat
Koordinator, Projektledare
3 år
18 MSEK
Agreat, Comentor, Epiroc, KTH, Qamcom, Semcon, Veoneer, Zenseact
FFI (Vinnova)