TNO heeft een methodologie ontwikkeld om scenario’s, inclusief statistieken en metrieken, te onttrekken aan ‘real-world’ data van auto’s. De StreetWise-methodologie is ingevoerd in een data/sensor-gedreven platform wat het mogelijk maakt om deze sensor data te gebruiken als scenariosimulatie-data voor de verificatie en validatie van complexe automated driving-functies. ‘StreetWise’ van TNO en Itility is genomineerd voor de Computable Awards 2019 in de categorie Digitale Innovatie van het Jaar.
TNO bezit de domeinkennis die nodig is om de StreetWise-scenario’s te construeren. Het levert ook de basisdata voor het platform vanuit de eigen TNO-testlabauto’s. Daarnaast is TNO gelieerd aan vele fabrikanten die additionele data kunnen leveren. Itility bezit de kennis van datafabrieken en cloudplatformen die nodig is om de sensordata veilig en gebruiksvriendelijk in te lezen, deze geautomatiseerd te transformeren tot individuele activiteiten en algoritmes te runnen om ze in scenario’s om te zetten. De scenario’s worden veilig opgeslagen en geschikt gemaakt om via een api beschikbaar te stellen aan TNO-klanten. Dit alles gebeurt in een DevOps-model waarbij TNO en Itility gezamenlijk aan nieuwe functionaliteiten werken en ondertussen het platform draaiend en hoog-beschikbaar te houden.
Voor bijvoorbeeld software voor autonomous driving is het noodzakelijk om deze code te testen op alle mogelijke verkeerssituaties (scenario’s), onder alle mogelijke condities. Het is onhaalbaar om dat te doen in een ‘live’ auto, StreetWise maakt het mogelijk om dat via de scenariodata in simulatie te doen. Het Streetwise-platform geeft je de keuze uit een groot aantal scenario’s (bijvoorbeeld auto inhalen op nat wegdek op 70 KM-weg), waarna je voor je gekozen scenario de scenariodata krijgt voor een groot aantal testcases. Hiermee kunnen de eerste testen virtueel uitgevoerd worden in plaats van op de weg op basis van realistische scenario’s.
