Per garantire la sicurezza della CCAM, è essenziale che i veicoli siano sicuri non solo durante la (prima) omologazione, ma anche durante il loro intero ciclo di vita in un sistema di trasporto stradale in rapida evoluzione. I cambiamenti possono derivare dall’evoluzione del sistema CCAM stesso, ad esempio, come risultato della crescente connettività utilizzando la comunicazione V2X, l’uso di sistemi basati sull’intelligenza artificiale e gli aggiornamenti software OTA (over-the-air). Anche il sistema del traffico, in cui vengono utilizzati i sistemi CCAM, sta cambiando rapidamente, con una quota di mercato crescente di veicoli con livelli più elevati di automazione, nuovi dispositivi (personali) per la mobilità e robot per la mobilità autonoma (ad esempio, per la consegna dei pacchi). ).

Allo stesso tempo, sta cambiando il modo in cui i sistemi CCAM interagiscono con gli esseri umani nel traffico. Fino a quando non verrà raggiunta la completa automazione dei trasporti, il conducente umano continuerà a svolgere un ruolo essenziale. Inoltre, cambierà l’interazione con gli altri utenti della strada, supportata da tecnologie che consentono a un sistema CCAM di comunicare le proprie intenzioni ad altri utenti della strada.

Come conseguenza di queste innovazioni e sviluppi, l’implementazione sicura dei sistemi CCAM necessita di un’estensione delle procedure di convalida della sicurezza e degli schemi di certificazione, tenendo conto dell’interazione avanzata uomo-macchina e di un approccio di monitoraggio continuo in servizio. A causa dei molti diversi scenari e variazioni che possono verificarsi realisticamente e che di conseguenza devono essere testati, dovrebbe essere possibile che gran parte della valutazione venga eseguita in un ambiente di simulazione virtuale.

Si prevede che le azioni proposte affrontino tutti i seguenti aspetti:

1. Sviluppo di una metodologia di convalida per la garanzia della sicurezza basata su scenari delle funzioni CCAM basate sull'intelligenza artificiale. L’affidabilità degli algoritmi di intelligenza artificiale dipende da quanto bene il sistema risponde agli scenari nella sua specificità ODD (Operational Design Domain) e da come risponde nel caso in cui finisca al di fuori della sua robustezza ODD. Di conseguenza, è necessario sviluppare metodi sull’uso di scenari per descrivere l’ODD dei sistemi basati sull’intelligenza artificiale.
2. Connettività. Sviluppare procedure di validazione per sistemi CCAM che si basano su V2X per funzioni critiche per la sicurezza, ovvero l'inclusione del contesto di connettività. È essenziale garantire aspetti di affidabilità, affidabilità e sicurezza informatica rispetto a V2X. L'approccio alla connettività V2X è neutrale dal punto di vista tecnologico.
3. Approccio continuo di garanzia della sicurezza. Sviluppare un approccio per una metodologia di validazione continua della sicurezza, per monitorare lo stato di sicurezza dei sistemi CCAM installati in funzione (traffico reale) durante la loro vita utile, dopo l'approvazione del tipo. Dovrebbero essere proposti parametri di prestazione per l’affidabilità dei dati monitorati, compresi gli aspetti di sicurezza informatica, e indicatori per lo stato di sicurezza. È inoltre necessario lo sviluppo di requisiti per il sistema di monitoraggio da utilizzare nella futura standardizzazione, per quanto riguarda lo scambio di dati e indicatori di prestazione di sicurezza con organizzazioni di servizi e autorità.
4. Convalidare l'approccio virtuale. Sviluppare strumenti che garantiscano il relativo grado di dettaglio e la rappresentazione adeguata del comportamento degli altri utenti della strada (compresi gli utenti vulnerabili della strada come pedoni e/o ciclisti) in test basati su scenari virtuali. Ciò include metodi per gestire gli errori di percezione, localizzazione e modellazione del mondo nelle procedure di convalida.
5. Interazione uomo-macchina. Sviluppare una metodologia di garanzia della sicurezza che incorpori la valutazione dei concetti di interazione uomo-macchina (sia conducente-veicolo che veicolo-utente strada) per livelli più elevati di automazione (controlli di conformità e configurazioni di test con metriche adeguate) garantendo una comunicazione sicura tra conducente e veicolo e tra veicolo e altri utenti della strada, rendendo l'interazione uomo-macchina inclusiva (cioè in termini di età, capacità mentale e fisica, aspetti culturali, ecc.).

Si prevede che le azioni proposte sviluppino raccomandazioni per l'armonizzazione e la standardizzazione e contribuiscano alle discussioni in corso sulle norme di omologazione dei veicoli dell'UE, nonché nel quadro dell'UNECE.

Le azioni dovrebbero basarsi sui risultati delle precedenti metodologie sviluppate in HEADSTART [1] , nonché sulla ricerca finanziata nell'ambito di HORIZON-CL5-2021-D6-01-02 [2] .

I prossimi progetti CCAM, in particolare nel settore delle dimostrazioni su larga scala, della convalida, delle infrastrutture digitali e delle tecnologie abilitanti fondamentali, dovrebbero essere presi in considerazione per garantire la compatibilità.

Dovrebbero essere stabiliti collegamenti con le iniziative Mobility Data Space di Digital Europe, progetti di infrastrutture dati federate (Gaia-X, International Data Spaces, Big Data Value – BDV).

Per raggiungere i risultati attesi, è incoraggiata la cooperazione internazionale, in particolare con il Giappone e gli Stati Uniti, ma anche con altri partner strategici rilevanti nei paesi terzi.

Questo argomento implementa il partenariato europeo co-programmato sulla "Mobilità connessa, cooperativa e automatizzata" (CCAM). Pertanto, i progetti risultanti da questo argomento dovranno riferire sui risultati al partenariato europeo "Mobilità connessa, cooperativa e automatizzata" (CCAM) a sostegno del monitoraggio dei suoi KPI.