Kundenorientierte Absicherung mit Hilfe methodischer Testfallerstellung aus Felddaten

Fahrerassistenzsysteme, sowie autonomes Fahren leisten einen wesentlichen Beitrag, um Nutzfahrzeuge immer sicherer zu machen. Mit derWeiterentwicklung des automatisierten Fahrens steigt hierbei die Systemkomplexitat, woraus sich Anforderungen an neue, gesamtheitliche Erprobungskonzepte entstehen. Um die Absicherung hochautomatisierter Fahrfunktionen zu ergeben, sind neuartige Verifikations- und Validierungsmethoden erforderlich. Ziel der kundenorientierten Absicherung ist es, durch die Aggregation von Testergebnissen aus wissens- und datengetriebenen Testplattformen den Ubergang von der quantitativen Kilometerzahl zur qualitativen Abdeckung zu ermoglichen. Die adaptive Testabdeckung zielt somit auf einen Kompromiss zwischen Effizienz- und Effektivit atskriterien fur die Absicherung von automatisierten Fahrfunktionen in der Produktentstehung von Nutzfahrzeugen ab. In diesem Prozess wird ein Messtechnik- und Datenanalysekonzept fur die weltweite Absicherung von automatisierten Fahrfunktionen vorgestellt, welches eine Skalierbarkeit zur Aufzeichnung von Fahrzeugsensor- und/oder Umfeldsensordaten von spezifischen Fahrereignissen einerseits und Permanentdaten zur statistischen Absicherung und Softwareentwicklung andererseits, erlaubt. Messdaten aus landerspezifischen Feldversuchen werden aufgezeichnet und zentral in einer Datenbank gespeichert. Anschliesend wird das Wissen aus dieser Datenbank mittels einer ereignisgesteuerten Zeitreihenanalyse mit hierarchischer Clusterbildung und normalisierter Kreuzkorrelation extrahiert. Die extrahierten Cluster und ihr Parameterraum definieren die Eintrittswahrscheinlichkeit jedes logischen Szenarios und die Wahrscheinlichkeitsverteilungen der zugehorigen Parameter. Dann identifiziert die Sensitivitats- und Zuverlassigkeitsanalyse den Versagensbereich im Parameterraum, um die Versagenswahrscheinlichkeit fur jedes logische Szenario mit Hilfe von Stichprobenmethoden wie Monte-Carlo und Adaptive-Importance-Sampling vorherzusagen. Zusammenfassend zeigen die Ergebnisse die Vorteile und einige der Herausforderungen des industrieorientierten Frameworks fur eine messbare Sicherheit durch prospektive Risikobewertung.