Die Absicherung von hochautomatisierten Nutzfahrzeugfunktionen basiert auf einer Risikobewertung des Systemverhaltens in der intendierten Operationsumgebung. Aktuelle Ansätze setzen auf Worst-Case Risiko Abschätzungen, die zu nicht akzeptabler Verfügbarkeit führen. Ein wesentlicher Grund dafür sind zu konservative Verhaltensannahmen für die System-Nutzer, Menschen und Maschinen in der direkten Umgebung. Ansätze zur dynamischen Risikobewertung (Dynamic Risk Assessment, DRA) versprechen Abhilfe, da sie situationsabhängig Verhaltensannahmen treffen und damit Systemverhalten auf Basis des dynamischen Risikos der aktuellen Situation anstatt auf Basis des maximalen Risikos aller möglichen Situation. Das Ziel dieses Arbeitspakets ist es, im Fraunhofer IESE und der AG Robotersysteme (AGROSY) der TU Kaiserslautern entwickelte (Laufzeit-)Modelle für die dynamische Verhaltens- und Risikoprädiktion in automatisierten Fahrfunktionen zu integrieren und das Performanzpotenzial des resultierenden Gesamtmodells zu evaluieren. Als Plattform für die Evaluation sollen sowohl Simulations- als auch Realfahrzeugumgebung im Kontext eines autonomen Shuttlebusses genutzt werden, die kürzlich in der AG Robotersysteme aufgebaut wurden.

Dynamische Ansätze zur ausreichenden Reduktion von Risiken autonomer Systeme, ohne deren Performanz zu stark zu reduzieren und damit die Produktfähigkeit einzuschränken, haben großes Potenzial im Nutzfahrzeugbereich, da sich in diesem Bereich noch keine Lösungen durchsetzen konnten. Das vorliegende Vorhaben soll die Basis zum weiteren Knowhow-Aufbau dienen.

The safeguarding of highly automated commercial vehicle functions is based on a risk assessment of the system behavior in the intended operational environment. Current approaches rely on worst-case risk assessments that lead to unacceptable availability. A significant reason for this is overly conservative behavioral assumptions for the system users, people, and machines in the immediate environment. Dynamic risk assessment (DRA) approaches promise to remedy this situation by making behavioral assumptions based on the case. Thus, system behavior is based on the dynamic risk of the current situation rather than the maximum risk of all possible conditions. The goal of this work is the integration of models for dynamic behavior and risk prediction in automated driving functions that have been developed at Fraunhofer IESE and the RRLab at the TU Kaiserslautern. Further, it aims for an evaluation of the performance potential of the resulting overall model. Both simulation and real-vehicle environments in an autonomous shuttle bus are used as platforms for the review.

Dynamic approaches reduce the risks of autonomous systems have great potential in the commercial vehicle sector since no solutions have yet become established in this area. The current project is intended to provide the basis for further know-how development.