Framework zur skalierbaren Validierung automatisierter Fahrfunktionen anhand virtueller Testfahrten

Vor der Freigabe automatisierter Fahrfunktionen wird im Rahmen der Validierung beim Hersteller geprüft, ob die Funktion die Erwartungen des Benutzers erfüllen wird. In dieser Dissertation wird ein neues Framework entwickelt, das bei der Validierung unterstützt, indem Fahrfunktionen in speziellen, virtuellen Testfahrten untersucht werden.
Die Ausstattungsquote von Fahrzeugen mit automatisierten Fahrfunktionen nimmt parallel zur steigenden Funktionalität solcher Systeme zu. Gleichzeitig erhöht sich aber auch der Aufwand in der Entwicklung, eine hohe Funktionsqualität zu gewährleisten, da die Anzahl der Schnittstellen mit anderen Funktionsmodulen und der algorithmische Umfang in gleichem Maße ansteigen. ... mehrZusätzliche Komplexität wird durch die zunehmende Zahl adressierter, funktionaler Szenarien erzeugt, in denen der Nutzer eine nachvollziehbare und kontinuierlich hohe Performance der Fahrfunktion erwartet. Angesichts dieser Herausforderungen wird der Stand der Technik von Validierungsmethoden systematisch untersucht und bewertet, um bestehende Defizite zu identifizieren. Ziel ist es, anhand der Validierung eine datenbasierte Grundlage für funktionsspezifische Entscheidungen in verschiedenen Phasen des Funktionsentwicklungsprozesses, beginnend bei der Planung der Funktionsfeatures bis hin zur Freigabe, zu schaffen.
Das Kernstück des Frameworks ist die Verwendung stochastisch berechneter, virtueller Routen, die im realen Straßennetz existieren und in ihrer Häufigkeit das reale Verkehrsgeschehen repräsentativ abbilden sollen. Das bedeutet, dass in der Realität stärker befahrene Straßen entsprechend häufiger in der virtuellen Testfahrt enthalten sind. Dafür werden unterschiedliche Routengenerierungsverfahren analysiert, systematisch eingeordnet und hinsichtlich definierter Kriterien bewertet sowie erstmals validiert, indem ein aus Floating Car Data abgeleiteter Verkehrsfluss als Referenz herangezogen wird. Das Umgebungsmodell wird vollständig anhand digitaler Kartendaten aufgebaut, sodass eine Skalierbarkeit auf jede in der Karte abgebildete Straße möglich ist.
Durch die Anwendung auf eine prädiktive Längsregelfunktion (PCC) findet eine prototypische Umsetzung des neuen Frameworks zur repräsentativen, virtuellen Testfahrt statt, die gleichzeitig als exemplarischer Machbarkeitsnachweis dient. Für die PCC werden die Metriken Verfügbarkeit, Erlebbarkeit sowie Übernahmehäufigkeit für virtuelle Testfahrten auf einer Strecke von ca. 290.000 km in Westeuropa ermittelt. Das Framework eignet sich für alle Fahrfunktionen, die Abhängigkeiten vom Streckennetz aufweisen und für die ein skalierbares Umgebungsmodell aufgebaut werden kann (z.B. anhand von Kartendaten).
Basierend auf der nachweisbaren Repräsentativität der virtuellen Routen kann der Hersteller erstmals Aussagen zum Funktionsverhalten in unterschiedlichen Regionen treffen. Da die Methode mit dem Model-in-the-Loop-Ansatz schon in frühen Entwicklungsphasen nutzbar ist, werden kostenintensive Fehlentwicklungen von Fahrfunktionen aufgrund fehlerhafter Anforderungen vermieden. Als Ergänzung zu bestehenden Validierungsmethoden integriert sich das Framework in den etablierten V-Modell-Entwicklungsprozess. Eine aus der praktischen Anwendung abgeleitete Rollenbeschreibung zum Aufbau des Frameworks rundet die wissenschaftliche Arbeit ab.

Prior to the release of automated driving functions, the OEM is testing if the expectations of the user will be satisfied by the function. In this dissertation, a new framework is developed that supports the validation process by investigating driving functions in special virtual test drives.
The equipment rates of vehicles with automated driving functions increase with the rising functionality of such systems. At the same time, the development effort surges as the number of interfaces and the algorithmic scope are growing, while a quality standard needs to be ensured. ... mehrAdditional complexity is created by the higher number of possible functional scenarios, in which the driver is expecting a comprehensible and continuous level of functional performance. Considering these challenges, the state of the science and technology of validation methods is systematically investigated and evaluated in order to identify existing deficiencies. The goal is to leverage the validation in order to create a data-based foundation for decisions regarding the driving function during the different phases of the development process, beginning with the planning of the functional features and up to the release.
The core of the framework is the usage of stochastically calculated virtual routes, which exist in the real road network and which are supposed to represent the real traffic flow behavior. This implies that roads which carry a higher traffic in the real world are included more frequently in the virtual test drives. For that reason, different route generating methods are analyzed, systematically classified, and evaluated regarding a defined set of criteria. Those approaches are validated for the first time by making use of a traffic flow as a reference derived from floating car data. The environment model for the simulation within the virtual test drive is completely based on digital map data. Therefore, a high scalability is possible, as all roads which are included in the map can be used as input for the test drive.
By applying the new framework for representative virtual test drives to the use case of a predictive longitudinal control function (PCC) in a prototypical implementation, the examplary proof of concept was conducted. The PCC was investigated in virtual test drives along a distance of approximately 290,000 km in Western Europe based on the three metrics availability, experience, and takeover frequency. The framework can be applied to all driving functions that display dependencies on the road network and for which a scalable environment model can be supplied (e.g. based on map data).
Given the proven representivity of the virtual routes, the manufacturer is able to make statements regarding the functional behavior in different regions. Since the method is based on a model-in-the-loop approach, it can be applied in the early development phase already and cost-intensive mistakes due to wrong feature decisions and insufficient requirements can be avoided. Supplementing existing validation methods like the field test, the framework can be integrated into established development processes. Derived from practical application, a role description in order to set up the framework is added and therefore completes this scientific work.