2021 | OriginalPaper | Buchkapitel
Kundenorientierte Absicherung mit Hilfe methodischer Testfallerstellung aus Felddaten
verfasst von : Adam Birlet, Mohamed Elgharbawy, Andreas Schwarzhaupt, Urs Wiesel, Christof Weber, Michael Frey
Erschienen in: Commercial Vehicle Technology 2020/2021
Verlag: Springer Fachmedien Wiesbaden
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Fahrerassistenzsysteme, sowie autonomes Fahren leisten einen wesentlichen Beitrag, um Nutzfahrzeuge immer sicherer zu machen. Mit derWeiterentwicklung des automatisierten Fahrens steigt hierbei die Systemkomplexität, woraus sich Anforderungen an neue, gesamtheitliche Erprobungskonzepte entstehen. Um die Absicherung hochautomatisierter Fahrfunktionen zu ergeben, sind neuartige Verifikations- und Validierungsmethoden erforderlich. Ziel der kundenorientierten Absicherung ist es, durch die Aggregation von Testergebnissen aus wissens- und datengetriebenen Testplattformen den Übergang von der quantitativen Kilometerzahl zur qualitativen Abdeckung zu ermöglichen. Die adaptive Testabdeckung zielt somit auf einen Kompromiss zwischen Effizienz- und Effektivit ätskriterien für die Absicherung von automatisierten Fahrfunktionen in der Produktentstehung von Nutzfahrzeugen ab. In diesem Prozess wird ein Messtechnik- und Datenanalysekonzept für die weltweite Absicherung von automatisierten Fahrfunktionen vorgestellt, welches eine Skalierbarkeit zur Aufzeichnung von Fahrzeugsensor- und/oder Umfeldsensordaten von spezifischen Fahrereignissen einerseits und Permanentdaten zur statistischen Absicherung und Softwareentwicklung andererseits, erlaubt. Messdaten aus länderspezifischen Feldversuchen werden aufgezeichnet und zentral in einer Datenbank gespeichert. Anschließend wird das Wissen aus dieser Datenbank mittels einer ereignisgesteuerten Zeitreihenanalyse mit hierarchischer Clusterbildung und normalisierter Kreuzkorrelation extrahiert. Die extrahierten Cluster und ihr Parameterraum definieren die Eintrittswahrscheinlichkeit jedes logischen Szenarios und die Wahrscheinlichkeitsverteilungen der zugehörigen Parameter. Dann identifiziert die Sensitivitäts- und Zuverlässigkeitsanalyse den Versagensbereich im Parameterraum, um die Versagenswahrscheinlichkeit für jedes logische Szenario mit Hilfe von Stichprobenmethoden wie Monte-Carlo und Adaptive-Importance-Sampling vorherzusagen. Zusammenfassend zeigen die Ergebnisse die Vorteile und einige der Herausforderungen des industrieorientierten Frameworks für eine messbare Sicherheit durch prospektive Risikobewertung.