Een jaar of tien geleden had TNO een discussie met een Duitse autofabrikant die zag dat de digitalisering steeds verder toenam, maar nergens een goede manier zag om systemen te toetsen. Hoe kon je er zeker van zijn dat een systeem veilig en goed reageert in alle omstandigheden? Hoe kies je het veiligste systeem? Waar moet dat aan voldoen? ‘Dat was voor ons de aanleiding om te bepalen hoe testmethodes zijn ontwikkeld en hoe dat er in de toekomst uit zou moeten zien’, vertelt Olaf Op den Camp, specialist in veiligheidsassessment bij TNO.

‘Traditioneel worden testmethodes gebaseerd op de ongelukken die gebeuren en hoe je gewild had dat een chauffeur had gereageerd om dat ongeluk te voorkomen. Voor Streetwise kijken we niet zozeer naar ongelukken, maar analyseren we data die van auto’s komen die wel vooral op de snelweg rijden. Welke scenario’s vinden we allemaal en dat doen we gestructureerd, dus hoe vaak komt het voor dat een auto voor je afremt. Hoe vaak kom je tegen dat een auto stilstaat voor je. Hoe vaak krijg je dat een auto voor jou invoegt of uitvoegt. Dat zijn typische scenario’s die we vastleggen en daarbij leggen we ook vast welke variaties daarin plaatsvinden.’

‘Je kunt je het scenario voorstellen dat een auto voor mij op de snelweg invoegt. Beide auto’s hebben een zekere snelheid en de derde parameter in dit scenario is de snelheid waarmee die auto van rijstrook wisselt. De vierde parameter is de afstand waarop de auto voor mij invoegt. Als bestuurder moet je rekening houden met de voertuigen om je heen, ook met de auto die voor je invoegt. Als de afstand kleiner is of de snelheid waarmee de auto voor je invoegt groter, moet ik op een andere manier reageren. Net als voor menselijke bestuurders is het voor automatisch rijdende voertuigen belangrijk dat ze voor alle verschillende situaties een gepaste reactie hebben.’

Culturele verschillen

TNO verzamelt in de Streetwise database scenario’s door heel Europa. De wegen en omstandigheden zijn niet overal gelijk. Dat heeft ook gevolgen voor het autorijden. ‘Op dit moment hebben we scenario’s in Oostenrijk, Duitsland en Nederland op basis waarvan we nu al kunnen zien uit de database dat er verschillen zitten tussen die landen. Dat komt door de verschillende verkeersregels, in Duitsland hebben je wegvakken waar geen maximumsnelheid is. Dat maakt het snelheidsregime heel anders. Daarnaast zie je een soort culturele verschillen. In Nederland rijden we allemaal wat dichter op elkaar, dat zijn we blijkbaar gewend hoewel ik niet weet of daar een wetenschappelijke onderbouwing voor is, maar het beeld is wel dat we optimaal gebruik maken van de weg. In andere landen wordt meer afstand gehouden. Een andere vergelijking is rijden op de Périphérique van Parijs en de rondweg van Amsterdam, hoewel dat hetzelfde soort weg is, rijden er andere mensen die op een andere manier reageren. Als automatisch voertuig moet je dat allebei kunnen.’

Ook het type weer speelt een rol. ‘In Noord-Europa en de Alpen kom je vaak sneeuw tegen, dat zul je zuidelijke landen een stuk minder zien. Ook dat beïnvloedt de manier waarop je met verkeerssituaties omgaat. Ik werkte een tijdje mee aan een project in Singapore, daar hoef je niet over sneeuw na te denken, maar daar komt vaak heftige regenval voor. Dat is ook een groot punt om een systeem daarmee om te kunnen laten gaan. Door aquaplaning kun je de grip verliezen. Daarnaast is er ook een muur van water. Je sensoren die je systeem van gegevens voorziet, hebben dan veel meer moeite met het zien van wat er om je voertuig heen gebeurt. De conditie van de weg is ook een factor die meespeelt. Dat kan allemaal het gedrag van een voertuig beïnvloeden.’

Nooit alle data delen

Al die gegevens zijn nodig om een autonoom voertuig veilig te laten rijden. Maar waar komen die data vandaan? ‘Dat is een enorme klus. Dus moeten we gebruik maken van data die toch al verzameld wordt en dat doen fabrikanten. Zij maken duizenden en duizenden kilometers op de weg om systemen te toetsen. Die kilometers kunnen geanalyseerd worden om te kijken wat die voertuigen allemaal tegenkomen. Autofabrikanten zitten wereldwijd verspreid, die halen hun data bijvoorbeeld uit het eigen land, waarmee wij onze database kunnen vullen.’

‘Als wij een alliantie met hen aan kunnen gaan, krijgen de partners ook van elkaar zicht op de scenario’s die van belang zijn. Want alle fabrikanten produceren voertuigen die niet alleen bedoeld zijn voor het thuisland. Europese vrachtwagenfabrikanten produceren vrachtwagens voor alle Europese wegen, dus dan kunnen die het best alle scenario’s beschikbaar hebben die we op de weg tegenkomen. Het gaat dus niet om alle data, dat gaat nooit gebeuren. Het principe dat we scenario’s met elkaar delen, gaf jaren geleden een kentering. Autoriteiten en fabrikanten zien dat testen op basis van scenario’s de enige weg is om op een goede en beproefde manier realistische testen uit te kunnen voeren.’

Samenwerking in een database

Naast fabrikanten, maken ook toeleveranciers veel kilometers en die stellen vaak ook hun data rond scenario’s beschikbaar. ‘In principe zou je ook de camera’s die langs de weg staan voor de verkeersbegeleiding kunnen gebruiken om scenario’s vast te leggen, maar daarvoor is de beeldkwaliteit onvoldoende. Dat is een kwestie van tijd. Die worden steeds beter. Overal is privacy een issue, daarom blokkeren we de kentekens van medeweggebruikers al automatisch. Dat kan vrij eenvoudig opgelost worden. De meeste fabrikanten bouwen en gebruiken hun eigen database, TNO kan daarbij ondersteunen met de Streetwise aanpak. De samenwerking waar we op dit moment aan werken in het kader van het Europese SUNRISE project, beoogt de samenwerking tussen fabrikanten. Dit om zo een compleet beeld van scenario’s over de verschillende landen te krijgen voor het testen van automatisch rijdende systemen.’