Analýza rizik V2V komunikace a její usměrnění s použitím principů funkční bezpečnosti

Abstract

Disertační práce se zabývá analýzou rizik spojených s jízdou nákladních vozidel v konvojích. Pozornost je věnována mimo jiné V2V komunikaci mezi vozidly a jejím vlivům na bezpečnost celého systému. Práce vychází z principů a postupů definovaných normou ISO 26262 ed.2 a přímo je aplikuje na provoz vozidel s různými stupni autonomie.

Cílem práce je identifikovat a vyhodnotit rizika spojená s provozem nákladních vozidel v režimu konvoje, stanovit úrovně integrity bezpečnosti ASIL a pro vybraná rizika navrhnou bezpečnostní odpovídající bezpečnostní cíle a mechanismy pro snížení rizika. K tomu jsou využity metody popsané normou ISO 26262 ed.2 jako je HARA, FTA nebo FMEA, které jsou následně aplikovány na vybrané subsystémy a jejich bezpečnostní funkce.

Část práce je zároveň věnována využití neuronových sítí v bezpečnostně kritických aplikacích autonomních vozidel. Práce posuzuje specifické chování neuronových sítí z hlediska funkční bezpečnosti, zejména pak jejich nelineární chování, omezenou předvídatelnost a problém jejich validace. Obsahem práce je diskuze o různých přístupech k jejich bezpečnému začlenění do jednotlivých systému autonomních vozidel.

The dissertation deals with the analysis of risks associated with driving trucks in convoys. Among other things, attention is paid to V2V communication between vehicles and its impact on the safety of the entire system. The work is based on the principles and procedures defined by ISO 26262 ed.2 and directly applies them to the operation of vehicles with varying degrees of autonomy.

The aim of the thesis is to identify and evaluate the risks associated with the operation of trucks in convoy mode, to determine ASIL safety integrity levels, and to propose appropriate safety objectives and risk reduction mechanisms for selected risks. To this end, methods described in ISO 26262 ed.2, such as HARA, FTA, or FMEA, are used and subsequently applied to selected subsystems and their safety functions.

Part of the work is also devoted to the use of neural networks in safety-critical applications of autonomous vehicles. The work assesses the specific behavior of neural networks in terms of functional safety, in particular their nonlinear behavior, limited predictability, and the problem of their validation. The content of the work is a discussion of various approaches to their safe integration into individual autonomous vehicle systems.