Door John Marinaro, directeur Operation Safety &Testing
Als mensen me vragen naar de zelfrijdende vrachtwagens die we bij Torc samen met Daimler Trucks North America ontwikkelen, stellen ze meestal een van de volgende drie vragen:1) Zijn ze veilig? 2) Hoe kun je het onvoorspelbare voorspellen? en 3) Hoe weet je dat ze veilig zijn? Dit zijn goede vragen, vooral gezien het feit dat Torc en Daimler allebei hebben gezegd dat we geen zelfrijdende vrachtwagen van niveau 4 op de markt zullen brengen totdat we zeker weten dat deze veilig is. Wat de meeste mensen echter missen, is dat veiligheidspraktijken voor zelfrijdende vrachtwagens - en voor menselijke chauffeurs - meer nadruk moeten leggen op het vermijden van problemen of incidenten dan op het reageren erop.
Laat me het uitleggen door eerst het voor de hand liggende te noemen, namelijk dat zelfrijdende systemen niet perfect zijn. Als voormalig NASA-directeur van veiligheidstechniek begrijp ik dat we risico's niet volledig kunnen elimineren. Op het gebied van veiligheid is het onze taak om risico's te begrijpen en zoveel mogelijk te beperken. Er zijn problemen en parameters waarvan we weten dat we ze moeten begrijpen. Er zijn ook problemen waarvan we ons niet eens realiseren dat we ze niet kennen, ook wel onbekende onbekenden genoemd. Dit is zeker het geval voor zelfrijdende voertuigen.
Bij Torc bouwen we aan een voorbeeldige virtuele driver. Net als de beste menselijke chauffeurs kan onze chauffeur in een crisis snel ongelooflijk goede beslissingen nemen. Voorbeeldige chauffeurs – zowel menselijk als virtueel zijn van cruciaal belang voor de veiligheid op de weg. Ongeveer 77% van alle verkeersongevallen wordt veroorzaakt door een fout van de bestuurder. Deze ongevallen vinden plaats wanneer chauffeurs, om vele redenen, de vastgestelde veiligheidsprotocollen en beste praktijken niet volgen. Onze virtuele driver is ontworpen met deze best practices in gedachten - om voorspelbaar en consistent te reageren.
Zijn zelfrijdende vrachtwagens veilig? Autonome rijsystemen hebben enkele technische voordelen voor menselijke bestuurders. Zoals gezegd, worden autonome rijsystemen niet moe of afgeleid. Brede sensordekking op het voertuig zorgt te allen tijde voor continue en uitgebreide detectie van bewegende en stilstaande elementen - dus dat is een enorme vermindering van dode hoeken waaraan menselijke bestuurders worden blootgesteld. Torc-ingenieurs houden rekening met situaties die leidende indicatoren zijn voor ongevallen, samen met specifieke gegevens over gebieden met een hoog risico.
We bouwen ook gedetailleerde strategieën in om te implementeren voordat zich risicosituaties ontwikkelen. Veel van deze zelfde strategieën worden aan professionele CDL-chauffeurs geleerd in trainingsprogramma's voor defensief rijden. Het Take 5-systeem van het Smith System Driver Improvement Institute leert chauffeurs bijvoorbeeld om hoog te sturen bij het sturen, het grote geheel te zien, je ogen in beweging te houden, jezelf buiten te laten en ervoor te zorgen dat ze je zien. Dit alles is gericht op het vermijden van ongevallen, en deze richtlijnen zijn door de industrie geaccepteerde best practices voor chauffeurs van trekkeropleggers. Zelfrijdende vrachtwagens kunnen dit allemaal en nog veel meer.
Ik wil even stilstaan bij de vijfde richtlijn van Smith:laat jezelf buiten. Als je geen vluchtweg hebt, kun je nergens heen als er zich een onverwachte situatie voordoet op de weg. We integreren ook het perspectief dat onze vrachtwagens constant geconfronteerd worden met chauffeurs die niet beseffen wat er nodig is om een trekker van 40 ton met relatief hoge snelheden over de weg te rijden. Er zijn fysieke beperkingen aan het manoeuvreren met een grote vrachtwagen - zoals remsnelheid en draaicirkel - die niet aanwezig zijn in personenauto's en een uitrijpad moet met deze factoren rekening houden.
Dus hoe gaan we om met risico's voor onvoorspelbare bestuurders op de weg? Hoe voorspellen we het onvoorspelbare? We hebben geen controle over de mensen om ons heen, maar we kunnen ze wel accommoderen. Gelukkig hebben we gegevens uit onderzoeken over wat de kans op een ongeval vergroot. Door bijvoorbeeld onnodige rijstrookwisselingen te vermijden, wordt de kans op een ongeval met 12% verkleind. Natuurlijk is het soms veiliger om van rijstrook te wisselen wanneer bestuurders worden geconfronteerd met rijstrookafsluitingen en afritten naar links, maar het vermijden van ongevallen en noodoproepen is een kwestie van best practices die worden ondersteund door veiligheidsgegevens. Bij Torc stellen veiligheidsgegevens zoals deze ons in staat om onze software te programmeren met informatie die een menselijke operator tien jaar ervaring zou vergen om te kennen en onder de knie te krijgen. We kunnen de autonome vrachtwagen bijvoorbeeld informeren om 'vooraf te positioneren' in een rijstrook wanneer een verkeerssituatie problemen laat zien, zodat er niet snel hoeft te worden gewisseld.
Sommige mensen maken zich zorgen over software- en hardwarestoringen in zelfrijdende vrachtwagens, en op een gegeven moment zullen er waarschijnlijk storingen optreden. We bouwen redundanties en fouttolerantie in ons ontwerp in, om te helpen beheren wat we niet kunnen voorkomen en plannen om veilig te falen. Hiervoor nemen we ook een pagina van NASA en luchtvaart en hebben we een "hot spare" paraat om bijvoorbeeld een gedegradeerd of falend systeem over te nemen, door redundanties toe te voegen aan veiligheidskritieke systemen.
Laten we ook eens kijken naar de rijveiligheidsenvelop. Torc definieert specifiek rijgedrag voor verschillende verkeers- en omgevingsomstandigheden die ervoor zorgen dat het voertuig op een hoog veiligheidsniveau blijft rijden. Dit is van cruciaal belang voor de veiligheid op de weg, omdat uit gegevens blijkt dat het elimineren van slechts één factor van een zich ontwikkelende risicogebeurtenis de kans op een ongeval met 95% of meer kan verminderen. We classificeren de veiligheidszones op kleur:groen voor veilig, geel voor minder veilig en oranje voor risicovol en rood voor gevaarlijke zones. Als we bijvoorbeeld leren auto te rijden, wordt ons verteld dat we een afstand van 3 seconden moeten houden tot het voertuig voor ons. Voor vrachtwagens is het 5-7 seconden, omdat het langer duurt om te stoppen. Het volgen van de bovenstaande afstandsrichtlijnen zou automobilisten in het groen houden - waar we willen wonen - ten minste 90% van de tijd. Maar zo rijden mensen over het algemeen niet. Een snelle reis rond D.C. zou bijvoorbeeld onthullen dat mensen het grootste deel van hun tijd in de rode zone doorbrengen. Daardoor gebeuren er elke dag ongelukken. In de groene zone blijven zou het aantal ongevallen met meer dan 75% verminderen. Werken in de rode zone is onveilig. Je hebt geen marge en een grote kans om gedwongen te worden een heldenreactie uit te voeren om een ongeluk te voorkomen.
Autonome vrachtwagens hebben het voordeel van de veiligheidsenvelop, zowel vanwege het grote aantal gelijktijdig rapporterende sensoren als de mogelijkheid om de locatie nauwkeurig te meten en dienovereenkomstig te handelen. Dankzij sensoren kan het systeem in een zelfrijdende vrachtwagen precies detecteren waar alle anderen op de weg zich tegelijkertijd bevinden. Het hoeft niet de tijd te nemen om achter elkaar in verschillende spiegels rond te kijken, zoals menselijke operators dat moeten. Bovendien vertoont de zelfrijdende vrachtwagen geen menselijk gedrag van ongeduld, het volgen van de menigte of het ontwikkelen van agressieve emoties als er problemen op de weg zijn.
Van rijstrook wisselen is een risicovolle gebeurtenis voor zowel vrachtwagens als auto's, en een industrierichtlijn voor het wisselen van rijstrook heet Take 10, wat betekent dat je 3 seconden moet signaleren en vervolgens 7 seconden nodig hebt om de rijstrookwisseling te voltooien. Voeg hieraan de richtlijnen voor snelheidsvermindering toe, zoals het verminderen van de snelheid met 8 mph voor druk verkeer, bochten of weersomstandigheden, en je hebt al een indrukwekkend pakket richtlijnen voor defensief rijden die de marges voor fouten aanzienlijk verkleinen en het risico op ongevallen en close calls verkleinen.
We gebruiken deze en andere richtlijnen om het gedrag van onze zelfrijdende vrachtwagens te definiëren, met als doel om zoveel mogelijk in de groene zone van de veiligheidsenvelop te opereren. Ons doel bij Torc is om het voortouw te nemen in het veiliger, effectiever en efficiënter besturen van vrachtwagens dan de meeste menselijke chauffeurs, wat hopelijk de risico's zal verminderen en levens zal redden. Dit is allemaal mogelijk omdat het rijgedrag waar we het over hebben consistent kan worden geïmplementeerd met de juiste programmering.
Net zoals menselijke chauffeurs leren van ervaring, zullen onze zelfrijdende vrachtwagens ervaring opdoen. Mensen doen echter één voor één ervaring op, terwijl onze zelfrijdende vrachtwagens profiteren van collectief leren. Die sensoren en computers die de vrachtwagens helpen de situatie om hen heen waar te nemen, kunnen de gegevens ook opslaan, of registreren, in geval van een incident of als een extreme reactie nodig is. We analyseren al deze voorvallen, bepalen de juiste reactie en updaten de software voor het hele wagenpark. We plannen ook waar er een onbekende is, bijvoorbeeld het programmeren van vrachtwagens om veilig tot stilstand te komen in het geval van een situatie die het systeem niet aankan.
Hoe weet ik of zelfrijdende vrachtwagens veilig zijn? Omdat we de meest ervaren, voorbeeldige chauffeur bouwen, ondersteund door de beste hardware en computers, geavanceerde technologie, ervaren vrachtwagenchauffeurs, verkeersveiligheidsgegevens en best-in-class best practices in de branche. Ik stel me voor dat voordat we klaar zijn, onze kennis menselijke chauffeurs kan leren hoe ze veiliger kunnen rijden op de weg.
Het Safety and Mission Assurance-team van Torc gebruikt een datagestuurde benadering voor de ontwikkeling van zelfrijdende semi-trucks. Als je onze missie wilt ondersteunen om de wegen veiliger te maken, meld je dan vandaag nog aan om lid te worden van onze winnende teams.
