Geurts’ promotie maakt deel uit van het project AMADeuS, gefinancierd door NWO, waarin drie promovendi onderzoek doen in samenwerking met TNO, Ford en Rijkswaterstaat. Het doel van het project is om zelfrijdende auto’s te ontwikkelen die ook kunnen omgaan met niet-zelfrijdende voertuigen. 

De overgang naar volledig autonoom rijden zal namelijk niet van de ene op de andere dag plaatsvinden. Eerst ontstaat een situatie waarin gewone auto’s met bestuurders zich mengen met zelfrijdende voertuigen – de zogeheten mixed traffic. En dat brengt de nodige uitdagingen met zich mee. Zelfrijdende auto’s kunnen onderling communiceren, maar het rijgedrag van menselijke bestuurders is veel minder voorspelbaar.

Gedrag voorspellen

“In de Verenigde Staten rijden al taxi’s zonder bestuurder rond in het gewone verkeer”, legt Geurts uit. “Omdat de autonome voertuigen niet met de gewone auto’s kunnen communiceren, moet je hun gedrag gaan voorspellen.” Veel mensen denken dat het lastigste aan autonoom rijden ligt in het beheersen van de technologie zelf, maar de echte uitdaging zit juist in de onvoorspelbaarheid van de mens achter het stuur. “We gebruiken AI en wiskundige modellen om dat gedrag te voorspellen.”

Geurts hield zich in haar onderzoek niet bezig met het doen van die voorspellingen zelf, maar gebruikte ze als uitgangspunt om te bepalen hoe zelfrijdende auto’s zich het beste op de weg kunnen gedragen. “Dat deel heet motion planning en gaat over de daadwerkelijke aansturing van de auto in het verkeer”, legt ze uit. Het uiteindelijke doel is om verkeerssituaties te creëren die veilig zijn, met zoveel mogelijk behoud van snelheid en efficiëntie. “We hebben algoritmes ontwikkeld met een methode die model predictive control heet, en daarmee kunnen we met harde bewijzen aantonen dat we situaties kunnen creëren die altijd veilig zijn.”

Worstcasescenario’s

Binnen het onderzoek lag de focus specifiek op het invoegen, zowel op snelwegen als in stedelijke situaties. “Eerst rijd je naast elkaar in verschillende banen, maar zodra je gaat invoegen moet je voldoende afstand houden door je snelheid aan te passen.” Met behulp van algoritmes is berekend wat in elke fase van het invoegen een veilige afstand is, zodat het proces soepel verloopt.

Geurts begon met simulaties om te onderzoeken hoe de auto’s zich gedragen en of de algoritmes werken. Daarna volgden experimenten op de testbaan met echte voertuigen. “Zodra je naar de testbaan gaat, bevind je je in een onzekere omgeving met allerlei externe factoren die de resultaten kunnen beïnvloeden, zoals het weer”, vertelt ze. “Veel van je aannames zijn dan ineens niet meer geldig. De grote uitdaging is om te bewijzen dat je – ondanks die onzekerheden – nog steeds veilig kunt invoegen.”

Maar wat als een bestuurder ineens iets onverwachts doet? Mensen remmen of versnellen vaak plotseling zodra iemand in de invoegstrook verschijnt. Kunnen zelfrijdende auto’s daarmee omgaan? “In de algoritmes die ik heb ontwikkeld, wordt rekening gehouden met worstcasescenario’s, zodat de situaties echt altijd veilig zijn – ongeacht wat de andere bestuurders doen.”

Op de testbaan

Om in de praktijk aan te tonen of de algoritmes echt werken, zijn er tests gedaan op de Ford Proving Ground in Lommel, België. Daar reden een Ford-auto met bestuurder en de zelfrijdende testauto van TNO naast elkaar. “In die auto moesten we eerst mijn algoritmes implementeren”, legt Geurts uit. Wat eenvoudig klinkt, bleek allesbehalve dat. 

“Je moet je algoritme volledig ombouwen en herschrijven zodat het in de auto werkt”, zegt ze. “Daarnaast moet het worden aangesloten op alle sensoren en in real time kunnen draaien, zonder vertragingen.” Je moet zeker weten dat alles werkt om de resultaten goed te kunnen interpreteren. “Als de auto anders reageert dan verwacht, kan dat liggen aan het algoritme, maar ook aan een sensor die niet goed werkt. Dat wil je dus uitsluiten.”

Moment suprême

Voor de tests is een gewone auto nodig met een testchauffeur die een speciaal certificaat heeft. “Een van mijn begeleiders had dat gelukkig en ging mee op de testbaan om de Ford-auto te besturen”, vertelt Geurts. Ook de zelfrijdende auto heeft een testchauffeur die kan ingrijpen als er iets misgaat, net zoals een rijinstructeur tijdens rijlessen. Zelf zat Geurts naast hem op de bijrijdersstoel en kon alles van dichtbij bestuderen. 

“Ik had van tevoren een heel gedetailleerd script gemaakt van scenario’s die ik wilde creëren, om te zien of alles goed werkt. Zo kon ik de test ‘regisseren’ en de chauffeur precies aanwijzingen geven wanneer hij moest versnellen of juist afremmen.”

Voor Geurts was het moment van de eerste testritten spannend. “Je ziet je algoritme, waar je maanden aan hebt gewerkt, eindelijk echt in actie – reageren op een andere auto in plaats van op een simulatie op je scherm. Je kunt alles honderd keer controleren, maar op het moment suprême is het afwachten of alles gaat werken. Dat was stressvol, maar ook een bijzondere ervaring.”

De weg op

Gelukkig ging alles boven verwachting goed en hebben de tests bevestigd dat de algoritmes werken. Toch is er nog genoeg ruimte voor verbetering. “Soms zagen we dat de rekentijd iets te lang was; we zouden willen dat de auto sneller reageert. Ook kan het soms langer duren voordat een bepaald signaal binnenkomt.”

Op dit moment gaat het nog om een prototype-algoritme, benadrukt Geurts, maar ze is tegelijkertijd hoopvol. “Het geeft ons wel een duidelijke richting om uiteindelijk hopelijk echt de weg op te gaan.”