En grupp forskare vid University of Waterloo i Kanada har publicerat sina resultat i en ny vetenskaplig artikel med titel Crash Mitigation in Motion Planning for Autonomous Vehicles [1].
Som det framgår av själva titeln handlar artikeln om reducering av skador i oundvikliga olyckor med automatiserade fordon. De har använt sig av en modell för prediktiv kontroll (Model Predictive Control, MPC). När modellen förutsäger att en olycka är oundviklig aktiveras dess reglersystem som sedan baserat på bland annat kraschens uppskattade allvarlighetsgrad, fordonets dynamik och vägens utformning väljer en trajektoria med minst risk.
Egen kommentar
Bättre säkerhet är en av de främsta förväntade fördelarna med automatiserade fordon och många tror att de aldrig kommer krocka. Men så är tyvärr inte fallet, förr eller senare kommer även automatiserade fordon att krocka. Då är det nödvändigt att ha system som kan mildra skador i olyckor som inte går att undvika. Men nya frågor kan uppstå när systemen avgör hur en krock ska ske – vilken bil ska man prioritera?
Källor
[1] Wang et al., Crash Mitigation in Motion Planning for Autonomous Vehicles. IEEE Transactions on Intelligent Transportation Systems. Länk
En studie som American Automobile Association gjort av olika bilar utrustade med autobromssystem för detektion av fotgängare visar på att de i många fall missar att i tid upptäcka fotgängare på vägen [1].
Medan systemen verkade bäst klara av att detektera vuxna som korsar en väg rakt över så missade de ofta efter (höger)svängar eller barn som springer ut mellan parkerade bilar. Ju högre fart desto sämre detektion och bromsning Och nattetid klarade inga system att detektera några fotgängare.
Men trots detta menar forskarna att systemen ändå är bättre än utan. Man får bara inte helt förlita sig till dem, speciellt inte nattetid. Och utveckling pågår, systemen kommer att bli bättre.
Källa
[1] Ellen Edmonds: AAA Warns Pedestrian Detection Systems Don’t Work When Needed Most, AAA News Room 3 oktober 2019 Länk
Standarden är unik på så sätt att den inte innehåller några specifikationer, anger inga krav på hårdvara eller mjukvara eller ger vägledning om rätt utvecklingsprocess. Istället erbjuder UL 4600 en guide för att ”build the safety case” för självkörande fordon: Rather than require a particular technical approach, UL 4600 concentrates on ensuring that a valid safety case is created. A safety case includes three elements: goals, argumentation, and evidence.
Intressenterna har fram till den 1 november på sig att kommentera standarden (den är bara på 293 sidor!). Efter det ska den uppdateras och slutföras.
Tesla har köpt startup-företaget DeepScale, som gör det möjligt att använda standardprocessorer även för avancerade uppgifter som bildanalys, objektidentifiering, kartering, ruttplanering etc [1]. Sådana processorer har också fördelen att de inte är så energikrävande som de som annars används idag för automatiserad körning.
Tesla, som vill göra systemen så bra att bilarna ska kunna användas i deras planerade robot-taxitjänst, har på senare tid tappat flera nyckelpersoner inom AD. Nu har man alltså köpt till kompetens utifrån.
Kompetensen verkar behövas, för den nyligen lanserade mjukvarufunktion för självparkering, Smart Summon, verkar ställa till det, enligt flera rapporter [2].
Egen kommentar
Det är inte förvånande att det sker incidenter, det är därför Tesla var så tydliga med att föraren har ansvaret och måste hålla fordonet under uppsikt.
Källor
[1] Lora Kolodny: Tesla is buying computer vision start-up DeepScale in a quest to create truly driverless cars, CNBC 1 oktober 2019 Länk
[2] Andrew J Hawkins: Tesla’s Smart Summon feature is already causing chaos in parking lots across America, The Verge 30 september 2019 Länk
Tekniken för självkörande fordon har visat sig svårare än vad Volvo Cars trodde. Det handlar främst om att göra systemen tillräckligt säkra och samtidigt att inte invagga förarna i falskt förtroende för dem, skriver Ny Teknik [1].
– Vi kommer att vara väldigt försiktiga med att lansera något som kan ses som automatiserat utan att vara det, att hamna i en situation där föraren är imponerad med vad han kan göra med systemet och sedan överskattar dess förmåga. Vi vill leverera något som är lika säkert eller säkrare än den uppfattning du får. Det kommer att komma, och då först för motorvägsanvändning, säger Håkan Samuelsson.
Men trots detta planerar VCC att relativt snart komma med automatiserade bilar i produktion.
I tisdags hölls FFIs delprogram Trafiksäkerhet och Automatiserade Fordon sin årliga resultatkonferens. Programledaren Ulrika Landelius inledde med att berätta om den nya övergripande färdplanen för FFI, kopplad till Agenda 2030-målen. Vidare så pågår det en utvärdering av hela FFI-programmet som ska vara klar i slutet av året.
Därefter visade Rikard Fredriksson från Trafikverket en analys av trafiksäkerhetsindikatorer och dödsolyckor 2018:
2018 ökade antalet omkomna i trafiken med ca 30%.
I stort sett hela ökningen är på statliga vägar. Den största delen av ökningen står bilförarna för, medan cyklisterna dominerar bland de allvarligt skadade. Äldre bilar står för en oproportionellt stor andel av olyckorna.
Som det ser ut just nu kommer Sverige att missa det uppsatta trafiksäkerhetsmålet för 2020 då flera indikatorer pekar åt fel håll. Det är bland annat bättre hastighetsefterlevnad som behöver uppnås liksom nykter trafik samt bättre drift och underhåll av infrastrukturen och bättre användning av cykelhjälm. Dessutom behöver gamla bilar skrotas!
En intressant reflektion är att det bör finnas en starkare koppling mellan indikatorer och FFI-portföljen.
Projektpresentationer från den strategiska cykelsatsningen:
Att dela olika världar, Katja Kircher, VTI.Beeendeanalyser i projekten TRACE och ADVanCE visar att cyklister och bilister ställs inför olika utmaningar. Högre komplexitet för cyklister är normalt, och framförallt ändras det snabbare för cyklisterna. Ofta råder det oklarhet om vilka regler som gäller för cyklister. Man kan inte låta bli att undra: Hur kommer det då gå för automatiserade fordon i sådana situationer?
Cyclist Collision Avoidance Using Imagery Sensor, Tobias Aderum, Veoneer. Veoneers trackingsystem för att identifiera och autobromsa för cyklister sitter bl.a. i nya Mercedes A-klass. För att vidareutveckla systemet har projektet också försökt att, genom att identifiera hjulens ellipser, räkna fram cykelns tillståndsparametrar och prediktera cyklistens avsikter. Resultaten är inte perfekta men lovande. Behöver vidareutveckling för att kunna hantera exempelvis dåliga väder- och ljusförhållanden.
V2Cyclist: Kan V2X bli en användbar teknik för cyklister? Johan Fagerlönn, RISE. Hjälmprototyper för V2X kopplade till en molntjänst samt användargränssnitt via ljud och vibrationer via en ben-ledare. Prototypen ha utvärderats med ett begränsat antal deltagare med lovande resultat. En reflektion är om smarta hjälmar kan öka användning av hjälmar generellt sett? Och hur upplevs det när man bara får varning från en del fordon men inte alla?
Bengt Pipkorn från Autoliv föredrog humanmodellering: var är vi och vart är vi på väg? Med humanmodeller menas modeller av den mänskliga kroppen. Modellerna kan sedan skalas för att representera olika människor: stora och små, män och kvinnor etc. Några resultat:
Nyare bilar ger ökade skaderisker i vissa fall, som hjärnskakning, höftskador. Riskgrupper är kvinnor, äldre, överviktiga. Humanmodellen SAFER THUMS kan idag prediktera risken för vissa frakturer för olika åldrar. För att möjliggöra utveckling av ett mer generellt skyddssystem utvecklas humanmodeller för olika storlekar av åkande.
I framtiden när bilarna blir mer automatiserade och de åkande kan välja olika sittpositioner kommer det att krävas nya metoder för att prediktera skaderisken och nya skyddssystem.
Nya sittpositioner i automatiserade fordon som väntas bli farliga: bakåtlutad och bort från främre airbags, bakåtvänd, roterad, sovande.
Johan Svahn från Scania drog därefter projektet ARCHER – Arkitektur och säkerhet för autonoma tunga fordon. ARCHER:s syfte var att utforska problemställningarna kring utveckling av automatiserade tunga fordon. Projektet startade relativt tidigt i utvecklingen av AD vilket gjort att omvärlden hann förändras och det tänkta projektupplägget blev mindre relevant, samtidigt som svårigheterna visade sig vara större än väntat. Projektets fokus hamnade därför istället på förståelse, metoder och principer samt modellering och simulering. Säkerhetsmekanismer, redundanskoncept, gapanalyser, verifieringsstrategier och utvärdering av säkerhetskultur var andra delar som ingick. Arbetet fortsätter delvis inom ramen för PRYSINE-projektet (Programmable systems for intelligence in automation)
Efter Horizon 2020 (H2020) kommer nu nästa stora EU-forskningsprogram Horizon Europe (2021-2028). Mats Rosenquist från AB Volvo berättade om programmet och hela det stora nätverket som finns i EU-sammanhang. Han poängterade att det är viktigt att FFI-projekt används för att skapa argument och driva fram viktiga frågor på EU-nivå. Och fortfarande återstår två utlysningar inom Automated Road Transport 2020!
Trent Victor från Volvo Cars diskuterade sedan hur vi säkrar att under färd lämna tillbaka kontrollen till föraren från ett automatiserat fordon?, ett aktuellt ämne bl.a. med tanke på incidenter och olyckor. Några slutsatser:
En studie utförd av Volvo Cars visade att förarna inte reagerar eller reagerar försent när de behöver snabbt ta tillbaka kontrollen från automationen, oavsett om man har händerna på ratten eller inte, om man tittar på vägen eller inte. Det finns helt enkelt begränsningar i människans reaktion- och kognitivförmåga.
Det är stor skillnad på självstyrande fordon och självkörande fordon, vilket inte framgår av SAE-skalan.
Problem uppstår när man byter roll. Är jag tillräckligt bra på att hantera bilen efter att ha fått ta över? Vilket tillstånd är jag i efter att ha varit ur loopen ett tag? Vad händer om den så kallade operativa kördomänen (ODD) plötsligt ändras? Om systemet fallerar? Systemen måste kunna stödja föraren i en mer utdragen överlämningsprocess.
En slutsats är att man borde ta fram ett alternativ till SAE-skalan. Nivåerna bör förenklas till: manuell – övervakad körning – ej övervakad körning.
Slutligen föredrag Lars Hammarstrand från Chalmers projektet COPPLAR – Robust visual localization for self-driving vehicles in every season. För automatiserade fordon är det viktigt att de kan lokalisera sig i omgivningen. Men det är ingen enkel uppgift. De viktigaste utmaningarna här är att kunna utföra lokaliseringen med tillräcklig noggrannhet. En svårighet är att omgivningen ändrar sig såväl över längre tid (sommar-vinter) som kortare (dag-natt) tid och till och med ögonblick (stationära objekt). COPPLAR har använt semantiska annoteringsmetoder i maskininlärning för att sortera ut några av dessa problem.
Och till sist var det ett par öppna frågor som diskuterades:
Är det bra eller dåligt att man ser många bekanta ansikten i publiken?
Hur ser vi till att resultaten från FFI-projekt kommer till användning i industrin och samhället? Hur mäter man effekten av FFI-projekt?
En ny studie från Storbritanniens transportforskningslaboratorium TRL som betraktat ett scenario där traditionella och automatiserade fordon samexisterar i Storbritannien visar att 22% av olyckorna skulle kunna undvikas om ett av fordonen ersatts med ett fordon av automationsnivå 4 [1].
Studien visar också att det kommer att bli en minskning av korsningsolyckor (10%), olyckor som involverar oskyddade trafikanter (10%) och singelolyckor (12%).
En annan slutsats är att år 2040 kommer det att förebyggas upp till 650 dödsolyckor och allvarliga skadekollisioner på grund av införandet av automatiserade fordon i Storbritannien. Detta baseras på att mellan 8% och 19% av den totala bilparken består av automatiserade fordon.
Studien utgår från olycksdata i Storbritannien och presenterar en metod för beräkning av potentialen med automatiserade fordon.
Användarsupport: Information, namngivning och användarplikt. Information och manualer måste vara lätta att förstå för användaren/föraren.
Platsspecifikt: Operativ designdomän (ODD). Det automatiserade systemet ska bara fungera där det är programmerat att fungera, och systemet måste själv kunna känna igen såna områden.
Säker körning: ADS-funktioner (Automated Driving System) och beteende. Fordonet ska vara uppdaterat med rådande trafikregler så att hastighetsbegränsningar och skyltar följs.
Användarövervakning. Systemet ska övervaka förarens uppmärksamhetstillstånd så att överlämning mellan förare och bil går rätt till.
Sekundära uppgifter. Att kunna skicka email med mobilen eller liknande så kallade sekundära uppgifter bör vara lagligt.
Aktivering av automationen. Automatiserad körning ska bara vara möjlig när alla kriterier för det är uppfyllda.
Användning av automationen. Föraren ska alltid vara uppmärksam och redo att ta över fordonet om förhållandena kräver det.
Avaktivering av automationen. Det ska finnas flera sätt att ta över körningen på, både planerade och oplanerade, och samtliga ska användas genom ett ”begära och bekräfta”-system.
Kollisionsskydd: Undvikande och skydd. Fordonet måste ha fungerande teknik för att olyckor ska förhindras automatiskt.
Cybersäkerhet. Systemet måste ha skydd för att minska risken för dataintrång.
Kollisionsdata. Systemet måste kunna skicka information om varje kollision, framför allt för att föra statistik över om det varit föraren eller bilen som ansvarat för bilen vid kollisionen.
Hållbarhet. Tekniken för det automatiska bromssystemet måste fungera och kunna uppdateras i tio års tid. Periodisk besiktning måste uppdateras för att säkerställa att sådana systeme är intakt.
I ett pressmeddelande skriver Veoneer att de står bakom dessa riktlinjer [2]. Företagets forskningschef Ola Boström påpekar att: Under en period kommer gamla bilar, bilar med aktiva säkerhetsfunktioner och helt självkörande bilar samsas på vägarna. Då är det viktigt att de teknologier som installeras i de första autonoma bilarna kompletterar människan. De ska inte bara reagera och kommunicera på ett säkert sätt utan detta måste ske så att människor verkligen förstår.
Här kan ni se en film där vissa av dessa riktlinjer förklaras.
https://youtu.be/_FBspKBUK8o
Egen kommentar
Jag blir helt förvirrad av alla riktlinjer, ramverk, färdplaner, säkerhetsrapporter…Här är några av dem: Safety First for Automated Driving (11 företag), Safety Case Framework (Uber), Holistic Safety Impact Assessment Framework (Volvo Cars), PEGASUS: Scenario-based Method to Assess Highly Automated Driving Functions (tysla aktörer), Measuring Automated Vehicle Safety (RAND), Responsibility-Sensitive Safety (RSS) (MobilEye), Safety Force Field (SFF), Open Autonomous Safety (Voyage).
I går 12 september gick årets Drive Sweden Forum av stapeln med ca 270 deltagare. Drive Sweden är ju ett av 17 strategiska innovationsprogram (SIP) som finansieras av Vinnova, FORMAS och Energimyndigheten. Lindholmen Science Park är värdorganisation med Sofie Vennersten som programledare och Jan Hellåker som ordförande och har mer än 120 partners från 13 länder – 4 nya medlemmar presenterades på konferensen. Programmet blir alltmer internationellt, med samverkan såväl i EU- finansiering som gemensamma projekt. Man har också nu en person i Silicon Valley och har samarbete med Singapore.
Drive Sweden finansierar lite mer banbrytande projekt inom hållbar mobilitet, som exempelvis KOMPIS, LIMA och KRABAT. Man ger också ut nyhetsbrevet Smart Mobility samt har ett antal andra aktiviteter. Man gör nu ett omtag och lanserar en ny struktur, med delarna Society Planning, Digital Infrastructure, Policy Development, Business Models och Public Engagement, med fokus på såväl person- som godstransporter. Man har nu en öppen utlysning Innovationer för ett digitaliserat och automatiserat transportsystem för människor och gods som stänger 5 november.
Här korta sammanfattningar från några av konferensens föredrag.
David Green från Lynk & Co pratade om företagets vision att förändra mobilitet med hjälp av digitalisering för att ge en bättre kundupplevelse. För detta krävs samverkan med externa parter och man har skapat en öppen samverkansplattform colab.lynkco.com.
Ulrik Janusson och Marie Bemler från Scania visade några framtida möjliga scenarios för digitalisering inom godstransporter. Två viktiga parametrar är öppenhet i delning av data och hur mycket klimatfrågan slår igenom.
Hur kan man samverka med allmänheten när man designar framtida mobilitetstjänster och därmed nå en bättre acceptans för till exempel självkörande fordon? Detta har Vaike Fors från Högskolan i Halmstad studerat. En lärdom är att man måste gå bortom att bara titta se ”användare” och ”stadsinvånare” till att se alla som människor med olika behov, kunskaper och värderingar.
Våra kollegor Kent Eric Lång och Håkan Burden från RISE Viktoria berättade om policy-labbprojektet PLATT som tittar på möjliga strategier för att underlätta för självkörande fordon även från nya aktörer. En viktig strategi är att kunna bygga förtroende, trust, istället för tidigare typgodkännande-rutiner. Projektet är snart slut och man söker nu nya initiativ runt policy-utveckling.
Samtidigt måste samhället kunna hantera både att skapa goda näringslivsförutsättningar för ny teknologi och också bibehålla och förbättra säkerheten i trafikmiljön och därmed bygga förtroende, vilket Anna Fridén från KOMET, Kommittén för teknologiskt innovation och etik som den svenska regeringen tillsatt, berättade om.
Stefan Myhrberg från Ericsson talade om digital infrastruktur för automatiserade fordon, där man bland annat etablerat Drive Sweden Innovation Cloud, där Drive Sweden-medlemmar kan lagra och dela data från fordon, infrastruktur, parkeringsplatser, kameror etc. 5G är då en möjliggörare för att tillräckligt snabbt hantera de stora datamängderna som krävs när många enheter blir uppkopplade.
Olof Johansson från Trafikverket visade en ny färdplan för ett uppkopplat och automatiserat vägsystem. Färdplanen har identifierat 20 åtgärder i 4 kluster: Ökad kunskap om automatiseringens effekter (t.ex. tester och demonstrationer), Effektivt utnyttjande av kapacitet (t.ex. MaaS), Hållbart och säkert transportsystem genom digitalisering (t.ex. miljözoner) och Nya planeringsstöd för ökad användbarhet (t.ex. simuleringsmodeller). Nästa steg är att implementera åtgärderna. Suzanne Andersson från Trafikkontoret i Göteborg pratade om några utmaningar som då uppstår för samhällsplanerarna, som att städer utvecklas långsamt och man måste ta hänsyn till kommungränser.
En svårighet är att hitta och välja rätt affärsmodell för nya mobilitetslösningar. Rami Darwish från KTH berättade om ett affärsmodell-labb som man jobbar med inom ITRL ihop med Sustainable Innovation. I en paneldiskussion med Li Höglund från SnappCar, Stina Wärn från Folksam, Ulf Hammarberg från DHL och Mikael Rönnholm från CEVT, ledd av Roland Elander från Sustainable innovation, diskuterades detta. En nyckel är att lyssna till användarna och att vara beredd att göra snabba ändringar. Data från fordon och tjänster är också viktiga informationskällor. Men informationen måste då skyddas från intrång. Även regelverken måste kunna anpassas snabbt, med elsparkcyklar som ett aktuellt exempel. E-handel är ett annat område där affärsmodellerna behöver anpassas att bli både mer hållbara men ändå lönsamma. För industrin behöver affärsmodeller och leverantörskedjor också bli mer öppna att inkludera även lösningar från små entreprenörsföretag. Utvecklingen går både fortare och långsammare, beroende på område, än vad många tror. Man måste alltså jobba både kort- och långsiktigt.
Martin Svensson från AI Innovation of Sweden pratade om AI i det framtida transportsystemet, på komponent-, system- och samhällsnivå. Det finns stora möjligheter men mycket återstår att göra. Mats Nordlund från Zenuityvisade exempel på hur de använder AI och maskininlärning i sin verksamhet.
Joakim Jonsson från Volvo Bussar berättade om arbetet med autonoma stadsbussar som är kopplat till KRABAT-projektet. Man kan inte börja med att köra helt autonomt utan har identifierat 3 möjliga användningsfall: hållplatskörning, busståg och rangering i bussdepå. Se filmen nedan.
Få ämnen diskuteras lika ofta som säkerheten med automatiserade fordon, och så har det också varit under sommaren. En återkommande fråga är ”Hur vet man att ett automatiserat fordon är tillräckligt säkert, och vad exakt är tillräckligt säkert?” Ironin i det hela är att automationen ju väntas förbättra säkerheten.
Baserat på det som framförts i media är min slutsats att hela branschen börjat tänka om och omvärdera sina säkerhetsstrategier. Detta eftersom man insett att säkerställa säkerheten är mycket mer komplext (och kostsamt) än vad man trott från början. Det visar inte minst alla olyckor som inträffat med automatiserade fordon.
Många menar att det är mer transparens och samarbete som krävs, och att man inte har råd att tävla om säkerhet. För detta har man i Storbritannien skapat ett standardiseringsprogram som bland annat ska skapa riktlinjer för bedömning av säkerhetsnivåer. Enligt EE Times som samtalat med flera säkerhetsexperter och analytiker behöver fordonstillverkare och leverantörer göra följande för att övertyga allmänheten om att automatiserade fordon är säkra:
Ta fram mätvärden för testning
Anamma en “safety by design”-process
Dela data som samlats in under tester
Bygga en återkopplingsloop
Ta fram mer sofistikerade simuleringar på systemnivå
Detta ligger ganska mycket i linje med diskussionerna på årets upplaga av Automated Vehicle Symposium (AVS) 2019 som hölls i mitten av juli i Orlando (ja, det var varmt och fuktigt!).
Flera presentationer där tydde på en förändring i tänkandet om att mäta och säkerställa säkerhet. Det verkar som att man börjat flytta fokus från antal körda kilometer, hur ofta systemet frånkopplas samt antal olyckor, mot en mer nyanserad uppskattning av risk. Detta är positivt tycker jag och tyder på en viss mognad hos de olika aktörerna när det gäller säkerhetstänkandet. Däremot finns det fortfarande många oklarheter och vissa fall rena motsägelser:
Vi strävar efter att uppnå en säkerhetsnivå som är ”better than human but not perfection” och ”it means being free of unreasonable risk” konstaterade Chris Urmson från Aurora (tidigare Waymo/Google). På Aurora har man tagit fram en säkerhetsstrategi som omfattar en riskbaserad analys där målet är att uppnå en nivå som är ”better than human but not perfection”.
I tyska projektet Pegasus har man tagit fram ett scenariobaserat ramverk som är tänkt att användas för att verifiera att en viss säkerhetsnivå uppnåtts. Där menar man dock att en ”reference needs to be established”, dvs. man vet inte vilken säkerhetsnivå som man strävar efter exakt. För att komma närmare detta föreslår de användning av drönare för att samla mer information om trafiken.
Volvo Cars strategi är, enligt säkerhetsexperten Trent Victor, att åstadkomma en säkerhetsnivå som matchar mänskliga förare när de presterar som bäst. Alltså referensen är ”attentive, skilled, experienced driver performance”.
På Uber menar man det finns inte ett enskilt sätt att bevisa säkerheten, men ett företag kan skapa argument som visar att “the risk of harm from the system has been reduced to an acceptable level”. Vad som är en acceptabel risknivå framgår dock inte.
Personligen tycker jag att diskussionen missat att lyfta fram två viktiga aspekter: hur typgodkännadeprocessen behöver anpassas samt rollen av tredjepartsaktörer för säkerhetsbedömningen.
Materialet från vissa presentationer från AVS hittar ni här.