De ontwikkelingen in de automotive-industrie gaan razendsnel. Dit komt vooral door nieuwe ICT-toepassingen. Een moderne auto bevat tegen de 100 miljoen ‘Lines of Code’, terwijl een Boeing 787 functioneert op basis van ongeveer 15 miljoen Lines of Code. Voertuigen kunnen dan ook steeds meer zelf. Dat zien we graag. Laat onze auto’s maar lekker zonder onze tussenkomst remmen, parkeren, file rijden of – mooi toekomstbeeld – volledig autonoom functioneren. Zolang het maar veilig is. Echter: hoe toets je die voertuigveiligheid? Hoe controleer je of die software wel doet waarvoor het gemaakt is?

Dat is een zeer relevante kwestie. Hoe kunnen de leden van de European Association of Vehicle & Driver Registration Authorities (in Nederland de Rijksdienst voor het Wegverkeer) die veiligheid controleren? Dit blijkt namelijk nog niet zo gemakkelijk te zijn. De zelfrijdende functionaliteit is veel sneller ontwikkeld dan eerder werd aangenomen. Bij een recente software-update van Tesla kregen deze auto’s een zelfrijdende functionaliteit, die eerder nog niet aanwezig was in het voertuig. De RDW heeft vervolgens voor heel Europa de typegoedkeuring afgegeven voor deze software update.

100 miljoen toetsingen

De eerste reactie is om te gaan kijken of al die software wel goed gemaakt is, van goede kwaliteit is en doet wat het moet doen. De huidige manier van toelaten van voertuigen op de weg in Europees verband is om ieder los onderdeel en het geheel van onderdelen te controleren op kwaliteit. Maar hoe controleer je 100 miljoen Lines of Code, los van het feit dat er sprake is van een continue stroom van updates van deze software? Bovendien leren voertuigen zichzelf nieuwe dingen en passen zich bijvoorbeeld aan de bestuurder aan. Onbegonnen werk dus. De oplossing is om niet te kijken naar hoe een voertuig gemaakt is, maar te kijken hoe een voertuig zich daadwerkelijk gedraagt. Hoe veilig rijdt de (zelfrijdende) auto? Hoe zuinig en milieuvriendelijk is het voertuig nu echt?

Video to Map

Een goede manier om te kijken hoe voertuigen zich gedragen, is door simulaties uit te voeren. Maar simulaties zijn nog geen praktijk. Daarom is het nodig om praktijktoetsen voor voertuigen te ontwikkelen. Wij zien hierbij een goede toekomst voor de nieuwe technologie ‘Video to Map’. Bij deze technologie brengen camera’s verkeersituaties grafisch in beeld. Op testcircuits kan dan gekeken worden of voertuigen met zelfrijdende functionaliteit zich zo gedragen als de autofabrikant voorspeld heeft. Het Dieselgate-schandaal leert ons echter ook dat we niet alleen moeten kijken hoe voertuigen presteren bij gecontroleerde testen, maar ook hoe ze het ‘in het echie’ doen. Met Video to Map is het mogelijk om bijvoorbeeld bij ingewikkelde verkeerssituaties camera’s te positioneren, die dan vervolgens, net als op het testcircuit, volgen of ‘zelfrijdende’ voertuigen zich binnen de gestelde normen gedragen.

Wat de normen zouden moeten zijn en hoe deze individuele voertuigen zich verhouden tot die normen, kunnen we bepalen aan de hand van big data analytics. Deze resultaten kunnen als cijfers en grafieken of in de vorm van geografische kaarten worden gepresenteerd. De laatstgenoemde variant heeft als belangrijk voordeel dat ze makkelijker te interpreteren en te presenteren zijn.

Bovenstaande is vooralsnog toekomstmuziek. Maar als je goed luistert, kun je al de melodie horen. Want de zelfrijdende auto komt er absoluut aan. En dus ook allerlei veiligheidscontroles. Maar er dienen eerst nog allerlei hobbels geslecht te worden voor we onderuitgezakt naar ons werk kunnen rijden. Bijvoorbeeld als het gaat om privacy: hoe kun je continu de voertuigveiligheid controleren, zonder dat iedereen het idee heeft zelf gecontroleerd te worden? Pas als dergelijke vraagstukken goed geregeld zijn, kunnen we met bijvoorbeeld Video to Map de veiligheid blijven garanderen: Smile, you are on camera!

Voeg commentaar toe

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Blog richtlijnen en gebruiksvoorwaarden