RDV
Real Driving Validation – Erweiterung der Überprüfbarkeit von Continuous SW Integration in Kommunikation mit Fahrzeugen im Feld
Projektbeschreibung
Die Projektidee
Kernziel des Förderprojektes Real Driving Validation (RDV) ist es, durch eine umfassende Betrachtung von Fahrszenarien, Umweltbedingungen und anderen Verkehrsteilnehmern (Gesamtsystem) eine durchgängige Qualitätsaussage über automatisierte Fahrfunktionen auf Fahrzeugebene (Grey Box) zu ermöglichen.
Im Forschungsprojekt RDV werden wird dazu eine Methodik für eine ganzheitliche, standard- und regularienkonforme Absicherungsstrategie erarbeitet, welche die unterschiedlichen Reifegrade der Fahrfunktion berücksichtigt. Dabei erfolgt die Validierung auf Fahrzeugebene, während die Verifikation auf Funktions- und Fahrzeugebene stattfindet.
Zuvor identifizierte Risiken (wie kritische Zustände aus einem Markov Modell) werden simulativ (SIL) sowie durch Proving Ground Tests und Open Road Tests abgesichert. RDV nutzt stochastische Modelle und Ausfallwahrscheinlichkeiten, um anhand der realen Betriebszustände von Fahrzeugen im Feld kritische Szenarien gezielter und schneller zu identifizieren und zu testen.
Diese Szenarien können in digitale Ökosysteme wie GAIA-X oder zur Weiterentwicklung der industriellen Normung und Standardisierung genutzt werden. Mittels Markov-Modell und numerischen Simulationsmethoden wird zudem eine methodisch und analytisch-quantitativ abgesicherte Validierung der hochautomatisierten Fahrfunktionen (z.B. bei Softwareupdates) gewährleistet.
Dadurch beschleunigen optimierte Entwicklungs- und Zulassungsprozesse die Innovationszyklen durch Real Drive Validation (RDV). Über ein AD-Referenzsystem für zukünftige „fail-operational” agierende Fahrzeuggenerationen, werden anhand eines automatischen AD MW & Computing Test-Systems Erkenntnisse in Bezug auf Testbarkeit, speziell im Middleware-Segment des AD Stacks und der on-board Datenkommunikation, gewonnen.
Projektbeteiligte und Förderung
An dem bundesweiten Forschungsprojekt RDV sind rund zehn Partner beteiligt. Forschende der Technischen Hochschule Augsburg entwickeln am Technologietransferzentrum Data Science und Autonome Systeme in Landsberg am Lech unter der Leitung von Prof. Dr.-Ing. Carsten Markgraf von der Fakultät für Elektrotechnik innovative Lösungen für die Real Driving Validation.
Gefödert wird das Projekt RDV im Rahmen des BMWi-Programms „Neue Fahrzeug- und Systemtechnologien“ für drei Jahre (2024-2026).
Das Forschungsthema
Vereinfacht betrachtet gilt es, auf dem Weg zum autonomen Fahrzeug insgesamt fünf Stufen zu realisieren: assistiert (1), teilautomatisiert (2), hochautomatisiert (3), vollautomatisiert (4) und autonom (5).
Im Rahmen des bundesweiten Forschungsprojekts „RDV – Real Driving Validation” erarbeiten Forschende an der Technischen Hochschule Augsburg unter der Leitung von Prof. Dr.-Ing. Carsten Markgraf von der Fakultät für Elektrotechnik ein Konzept, um eine kontinuierliche Qualitätsaussage über automatisierte Fahrfunktionen von Stufe 3 bis 5 auf Fahrzeugebene („Grey box“) zu erstellen. Ziel dabei ist, eine analytische Gesamtsystemmodellierung und -simulation für Fahrzeuge mit autonomer Fahrfunktion durchzuführen und dabei alle möglichen Szenarien, Umweltbedingungen und Verkehrsteilnehmenden (Gesamtsystem) umfassend zu berücksichtigen.
Die Vollständigkeit der Modellierung wird insbesondere dadurch erreicht, dass nicht nur das Fahrzeug selbst, sondern auch Fahrzeuginsassen, Fahrumgebung, andere (verwundbare) Verkehrsteilnehmende, Wetter- und Straßenbedingungen, Schnittstellen zu externen Systemen (z.B. Verkehrsinformationssysteme) in der Gesamtsystemmodellierung berücksichtigt werden.
Auf Grundlage realer Fahrdaten aus Feldversuchen sowie aus Hauptuntersuchungen stellt das Projekt eine effiziente und sichere Methodik zur Validierung von KI-basierten Fahrfunktionen zur Verfügung. RDV nutzt stochastische Modelle und Ausfallwahrscheinlichkeiten, um anhand der realen Betriebszustände von Fahrzeugen im Feld kritische Szenarien gezielter und schneller zu identifizieren und zu testen. Diese Szenarien können in digitale Ökosysteme oder zur Weiterentwicklung der industriellen Normung und Standardisierung genutzt werden.
Hintergrund
Die Automobilindustrie steht vor unterschiedlichen, zeitgleich sehr rasant verlaufenden Paradigmenwechseln und befindet sich zugleich in einem hohen Wettstreit von Innovationen und Patenten. So findet eine zunehmende Elektrifizierung der Antriebe – Umstieg vom Verbrenner auf eMobilität – statt, zugleich führt die zunehmende Digitalisierung und Vernetzung von Fahrzeugsystemen zu einer Vielzahl an hoch- bzw. vollautomatisierter und autonomer Fahrfunktionen.
Auch im Bereich der Mobilitätsanbieter besteht ein hoher Wettbewerb. Ursprüngliche lokal auftretende chinesische Hersteller drängen mit ihren Fahrzeugen ebenso auf den globalen Markt und entwickeln sich mehr und mehr zu einer festen Größe, wie vormals reine IT- und Kommunikationsunternehmen, die sich nun ebenfalls zu Mobilitätsanbietern entwickeln.
Wie in anderen Hochtechnologiebranchen, z.B. Luft- und Raumfahrt, auch wird die Automobilindustrie und Unternehmen aus dem Bereich der technischen Überprüfung zunehmend herausgefordert, ihre Geschäfsmodelle und -prozesse sowie Dienstleistungen an diesen transformativen Wandel anzupassen. Dabei sind immer mehr hoch- bzw. vollautomatisierte und autonome Fahrfunktionen zu realisieren, die einen hohen Sicherheitsstandard erfüllen müssen. Allerdings nehmen die Aufwände für Entwicklung und Nachweis der Sicherheit von Systemen mit hohem Softwareanteil deutlich zu und müssen in einem vertretbaren zeitlichen und wirtschaftlichen Rahmen bleiben.
Das Forschungsprojekt Real Driving Validation (RDV) zielt darauf ab, einen Weg aufzeigen, wie die (Automobil-)Industrie bei ihrer Transformation sowie der Bewältigung des digitalen Wandels unterstützt werden kann.
Projektleitung an der THA
Telefon: | +49 821 5586-3557 |
Förderung
BMWi Programm | |
„Neue Fahrzeug- und Systemtechnologien“ |
Projektorganisation und -leitung
dSPACE GmbH | |
Rathenaustraße 26 | |
33102 Paderborn |
Projektbeteiligte
- dSPACE
- DEKRA SE, Stuttgart
- Fraunhofer EMI, Freiburg
- IQZ GmbH, Wuppertal
- JHP GmbH, Sindelfingen
- LiangDao GmbH, München
- RA Consulting GmbH, Bruchsal
- THA, Augsburg
- TTTech Auto Germany GmbH, Ingolstadt
- TÜV Nord Mobilität GmbH, Hannover