Sachbericht - RDV - Real Driving Validation: Erweiterung der Überprüfbarkeit von Continuous SW Integration in Kommunikation mit Fahrzeugen im Feld; Teilvorhaben: Gesamtsicherheitssimulation

Abstract

Derzeitiger Stand von Wissenschaft und Technik: Die Automobilindustrie sieht sich wachsenden Herausforderungen durch die Entwicklung autonomer Fahrfunktionen gegenüber. Die bisherigen Methoden zur Sicherheitsbewertung sind oft unzureichend und ineffizient. Der Einsatz von Markov-Modellen und fortschrittlichen Simulationstechniken wird als notwendig erachtet, um die Sicherheit und Zuverlässigkeit komplexer Systeme zu gewährleisten.

Begründung/Zielsetzung der Untersuchung: Das Projekt zielte darauf ab, eine kontinuierliche Qualitätsaussage über automatisierte Fahrfunktionen zu ermöglichen, indem reale Fahrszenarien und Umweltbedingungen in einem Gesamtsystem modelliert werden. Zudem soll der Wissenstransfer von theoretischen Ansätzen in die Industrie gefördert werden.

Methode: Es wurde ein strukturiertes Vorgehensmodell entwickelt, das auf der Erstellung von Markov-Modellen basiert, um sicherheits- und zuverlässigkeitsorientierte Kenngrößen zu berechnen. Dazu gehören die Modularisierung von Modellen, die Implementierung von Machine Learning zur Effizienzsteigerung und die Durchführung von Kritikalitäts- und Sensitivitätsanalysen.

Ergebnis: Die Ergebnisse umfassen die Entwicklung eines umfassenden Simulationsmodells, das die Sicherheit und Zuverlässigkeit autonomer Fahrfunktionen bewertet. Erfolgreiche Workshops und Kooperationen mit Partnern führten zur Identifikation kritischer Szenarien und zur Verbesserung der Modellierungsmethoden. Die Berechnungszeit konnte signifikant reduziert werden, was die Handhabung der Zustandsraumexplosion erleichtert.

Schlussfolgerung/Anwendungsmöglichkeiten: Das Projekt hat wesentliche Fortschritte in der Sicherheits- und Zuverlässigkeitsmodellierung autonomer Fahrfunktionen erzielt. Die Ergebnisse sind für OEMs und Prüforganisationen von Interesse und könnten die Effizienz bei der Zulassung neuer Systeme erhöhen. Zukünftige Arbeiten könnten die Anwendung der entwickelten Methoden in weiteren industriellen Kontexten vorsehen.

Current State of Science and Technology: The automotive industry faces increasing challenges in developing autonomous driving functions. Traditional methods for safety assessment are often inadequate and inefficient. Implementing Markov models and advanced simulation techniques is deemed essential for ensuring the safety and reliability of complex systems.

Justification/Objectives of the Investigation: The project aims to enable continuous quality assessment of automated driving functions at the vehicle level, taking into account real driving scenarios, environmental conditions, and all traffic participants. A state-oriented evaluation based on real driving data modeled in a virtual system is a key goal, alongside identifying weaknesses to develop testing procedures and transfer theoretical analysis to industry.

Method: A structured approach was developed, focusing on creating Markov models to calculate safety and reliability metrics. This includes the modularization of models, the integration of machine learning for efficiency, and conducting criticality and sensitivity analyses.

Results: The outcomes include the development of a comprehensive simulation model that evaluates the safety and reliability of autonomous driving functions. Successful workshops and collaborations led to identifying critical scenarios and enhancing modeling methods. Significant reductions in calculation time were achieved, facilitating the management of state space explosion.

Conclusion/Application Possibilities: The project has made substantial progress in the safety and reliability modeling of autonomous driving functions. The findings are of interest to OEMs and regulatory organizations, potentially increasing efficiency in the approval of new systems. Future work may extend the application of developed methods to broader industrial contexts.