National Transport Library Research Database

SäkerhetsBedömning Ny Teknik 2030 (SBNT2030) (Safety Assessment New Technology 2030 (SBNT2030))

Sponsors, duration, budget: Trafikverket ; 2021-05-01 -- 2023-12-31 Registration number:
  • Trafikverket 2020/119027
Subject(s): Online resources: Abstract: Detta projekt syftar till att identifiera behov och drivkrafter för att utveckla och införa en ännu effektivare säkerhetsbedömningsprocess för ny teknik och därmed möta framtida förväntningar på effektiviseringar m h a automation inklusive AI / ML inom luftfarten och LFVs ansvarsområde. System för övervakning av dynamiska processer och trafikledning utvecklas mot ett samarbete mellan människan och systemet där den mänskliga operatören har översikt och är ansvarig för säkerhet medans systemet beräknar, föreslår och eventuellt genomför den mest effektiva åtgärden för ett optimalt resursutnyttjande. Avancerad automation och s.k. digitala assistenter bildar tillsammans med människan ett team med syfte att öka uthållighet, jämnhet och precision i beslutsfattandet. Drivkrafter att införa mer avancerad automation är tydlig och förväntad från samhället och användare, liksom förväntningen att de nya innovativa lösningarna är minst lika säkra samtidigt som de är mer kostnadseffektiva. Därför finns ett behov av att anpassa, förbättra och effektivisera processen säkerhetsbedömning i samband med att ny teknik och organisatoriska förändringar förs in i transportsystemet. För flygledning är erfarenheter från riskbedömning för Remote TWR, RTS singel / multiple, validering delegering av luftrum över landsgränser ledande. Förändringar som förväntas för en route miljöer, där digitalisering och automation banar vägen mot disruptiva innovationer är; delegering av luftrum, dynamisk luftrumsdesign, systematisering av luftrum, generiska behörigheter, digitala assistenter, AI algoritmer kopplade till informations och beslutsstöd, möjligheter för lärande och verifiering av kompetens, virtualisering av tjänster, adaptiv automation, hybridgränssnitt, dynamisk allokering av bemanning beroende på aktuell och förväntad arbetsbelastning m.m. Automationsnivån är idag relativt låg inom ATM. För att luftrummet ska nyttjas mer effektivt krävs precision och autonoma egenskaper av de ingående komponenterna. Detta är förutsättningar för en integrering av ATM och U-Space (drönare) i ett gemensamt luftrum och vid flygplatser. Utvecklingssteg, validering och implementeringen av nya system och koncepter kräver en säkerhetsbedömning för att identifiera möjliga riskkällor med säkerhetskrav. Särskilt utmanande är säkerhetsbedömning vid höga automationsnivåer och s.k. icke-deterministiskt beslutsstöd (förknippas med maskinlärning och artificiell intelligens applikationer) och informationsstöd, här måste det finnas någon typ av stöd / automation för att hantera säkerhetsbedömningen i sig och kanske även för operativ drift, det är en av flera hypoteser som kommer prövas i projektet. Sannolikt kommer automationsnivån att inom en 10 årsperiod höjas stegvis mot delautonoma system. De första stegen bedöms fokusera på maskinlärning från stora datamängder och grundläggande Artificiell Intelligens (AI) tillämpningar i väl avgränsade områden. Projektet kommer specifikt att fokusera på konsekvenserna av överraskningar i samband med hög automation (automation surprises) och relaterade felslut och felhandlingar i systeminteraktionen, detta område måste utvecklas då det är bristfälligt representerat i nuvarande praxis för säkerhetsbedömning inom flygtrafiktjänsten. Lösningar kommer att undersökas och utvärderas inom ramen för projektet.Abstract: The study aims at creating a frame for the need to develop and implement a safety assessment that meets the future expectations on implementing paradigm-shifting innovations in LFVs area of responsibility. Systems for monitoring of dynamic processes and air traffic control develop towards collaboration between human and machine in which the human operator has the supervision and responsibility for safety while systems compute, recommend and execute the most effective actions to achieve an optimum resource allocation. Advanced automation and so-called digital assistance connect with the human to a team for increasing reliable, fair and precise decision making. The drivers of implementing advanced automation are recognized and expected from society and users as well as the expectation of assuring an equal level of safety at all stages while cost-effective. This is a clear reason for adjusting, improving and increasing the effectiveness of safety assessment processes concerning the implementation of new techniques and organizational changes in transport systems. Concerning air traffic control, the experience so far from assessing the safety of remote towers and multiple remote towers as well as the delegation of generic airspace is world-leading and unique at LFV. Changes are expected in the areas of en route control concerning digitalization and dynamic airspace design, systematic management of airspace, generic rating, digital assistance, artificial intelligence algorithm connected to information and decision making, the possibility to educate and verify competences, virtualization of services, adaptive automation, hybrid interfaces, dynamic allocation of staffing depending of the actual and expected workload. Automation levels are today relatively low in Air Traffic Management. For increasing the effectiveness of air space capacity, lifting of precis requirements and autonomous characteristics of the components is needed. This is a prerequisite for an integrated ATM and U-Space (Drones) in shared airspace and airports. The steps of development, validation and implementation of new systems and concepts require a safety assessment that allows for identifying possible hazards and safety requirements. The assessment of safety is of particular difficulty at higher levels of automation, so-called non-deterministic decision making (related to machine learning and artificial intelligence) and information support. It is required to find any kind of support for dealing with the safety assessment on its own and even for operational service where hypotheses are to be verified. Automation levels will likely increase stepwise during the next 10 years period towards a part automation systems as a part of automation will take place in machine learning using big data and artificial intelligence applications in certain areas.The project will specifically focus on the implications induced by “automation surprise” and the related error types in the Human Machine Interaction which is today unsatisfyingly adapted and implemented into current practices of safety assessment at ANSPs. Solutions will be explored and evaluated in the scope of the project.
Item type: