Kategoriarkiv: Kartor

Guldkorn från svensk forskning 2021

Det här är svenska guldkorn ifrån er läsare. Stort tack för alla bidrag, och tack för ert fantastiska jobb.

PhD thesis: Decision-Making in Autonomous Driving using Reinforcement Learning.
This thesis explores different techniques based on reinforcement learning (RL) for creating a generally applicable decision-making agent for autonomous driving. One highlight is the introduction of methods that can estimate how confident the trained agent is in its decisions, which for example is important if the agent is exposed to situations outside of the training distribution. Another contribution is a method for combining planning and RL, which both improves the quality of the decisions and reduces the required amount of training samples. The full text is available here. This project was supported by Volvo Group, Chalmers, Wallenberg AI, Autonomous Systems and Software Program (WASP), Vinnova FFI, and AI Sweden. For more information, contact Carl-Johan Hoel (carl-johan.hoel@chalmers.se).

L3Pilot – Piloting Automated Driving on European Roads
The L3Pilot project (https://l3pilot.eu/) is the largest EU project on automation so far and ended in October 2021. In this project, Chalmers and Volvo Cars investigated human collaboration with automated vehicles. The Wizard of Oz approach was used both on test track and on public roads to simulate an automated driving feature that did not require drivers to supervise the system. However, the drivers occasionally had to resume manual driving in response to take-over requests. More information about the participants and the publications from this project can be found here. For more information, contact Linda Pipkorn (linda.pipkorn@chalmers.se)

Long-term demonstration of autonomous shuttle fleets in Gothenburg will run between spring 2022 and 2023 as part of the H2020 project SHOW – SHared automation Operating models for Worldwide adoption (https://show-project.eu/). Main contribution of the real-life urban demonstration is the integration of fleets of automated vehicles into public transport, to advance sustainable urban mobility, combined with evaluations of technical solutions, business models, user acceptance and scenarios for impact assessment. The project aims to be the biggest and most holistic initiative ever piloting automated vehicles in urban environments. Real-life urban demonstrations will take place in 20 cities across Europe, such as in Madrid, Turin, Salzburg, Rouen, and Linköping. SHOW gathers a strong partnership including 69 partners from 13 EU-countries and fosters international cooperation. The demonstration in Gothenburg will take place at Campus Johanneberg/Chalmers University of Technology with partners Keolis, Ericsson and RISE. The project has received funding from the European Union’s Horizon 2020 research and innovation programme. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

Demonstrating remote controlled trucks at Lindholmen/Gothenburg. Within the project SCAT – Safety Case for Autonomous Trucks we will demonstrate goods transport without a safety host onboard and with higher velocity in a mixed traffic environment at Lindholmen (https://www.ri.se/en/what-we-do/projects/safety-case-for-autonomous-trucks). The demonstration will take place in spring 2022. The project started in autumn 2020 with partners RISE, Ericsson, AstaZero, Telia and Einride. The consortium explores together how to safely handle remote access and control from a technical safety perspective and from a policy perspective to support future commercialisation of automated vehicles. We consider the gaps and challenges related to the safety of automated trucks, the digital infrastructure, the policy framework in different markets and their behavioural implications. The approach includes the legal/policy framework in Sweden, as well as France and the US exemplarily. The project is funded through the strategic innovation program Drive Sweden by Vinnova, Formas and the Swedish Energy Agency. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

Digital traffic rules for a connected and automated road transport system. In the framework of Drive Sweden Policy Lab 2021/22, one case study is identifying ways towards a future system for digital traffic rules (https://www.drivesweden.net/projekt-3/drive-sweden-policy-lab). We raise issues concerning the development of traffic regulations in Sweden through dialogue with a wide range of actors. The purpose is to investigate what is needed to create conditions for a future system with traffic rules that are geographically unambiguous and can be read by machines. Reliable information is needed already today for various applications and supporting IT systems and will become increasingly important with a connected and automated road transport system. We use policy labs as a method to find a possible solution, for example through the development of the regulations that govern how traffic regulations are decided and announced. A development of processes and routines for production, management and exchange of traffic rule data would reduce the risk of deviations that we see today. The project can contribute by looking at challenges, opportunities and alternative solutions linked to the regulations. Drive Sweden Policy Lab is a platform for collaborative policy development enabling smart mobility solutions. The platform gathers governmental agencies, municipalities, multinational corporations, start-ups and research to solve bottlenecks for innovative projects. The project Drive Sweden Policy Lab 2021/22 is funded through the strategic innovation program Drive Sweden by Vinnova, Formas and the Swedish Energy Agency. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

External interaction principles for creating trust in heavy automated vehicles. To become widely used on public roads, future automated vehicles (AVs) will need to be trusted and gain societal acceptance – something that will be greatly affected by their ability to safely, efficiently and seamlessly interact with other road users in the traffic system. This project investigates if there will be new communication needs when heavy AVs are introduced in traffic. More specifically, the project is investigating how trust and acceptance of heavy AVs can be created and maintained via External Human-Machine-Interfaces (eHMI). Currently, the project has conducted a series of studies including a virtual reality simulator study, and two Wizard of Oz studies on a test track. These studies have been focused on interaction between heavy AV’s and pedestrians. Our next goal is to investigate interaction between heavy AV’s and passenger car drivers using a driving simulator. The project is supporting an institute PhD candidate, and has also hosted two master thesis projects together with Umeå University: Designing eHMI for trucks: How to convey the truck’s automated driving mode to pedestrians and Communicating the stopping intent of an autonomous truck: The interplay between content size, timing and truck speed. This project is financed by Fordonsstrategisk Forskning och Innovation (FFI), associated to SAFER and led by Scania with RISE and Halmstad University as partners. For more information contact Yanqing Zhang (yanqing.zhang@scania.com)

Policy Lab Smarta Fartyg. Projektet undersöker hur den pågående digitaliseringen inom svensk sjöfart rimmar med dagens regelverk. Analysen görs utifrån tre konkreta fall. Två av fallen berör hur autonoma funktioner på ett godtagbart säkert sätt kan ta över människans ansvar ombord utifrån konstruktion och användningsområde. Till skillnad från fordon finns det ingen försöksförordning för autonoma fartyg så arbetet utgår från de regler och undantag som etablerats under en epok när befälhavaren alltid var ombord. I det tredje fallet samverkar två myndigheter kring hur en förändring av dagens lotsplikt kan påverkas av nationella behov och förutsättningar samtidigt som det kommer nya internationella regler. Parter i projektet är Transportstyrelsen, Sjöfartsverket, Saab Kockums, ABB, Färjerederiet och RISE. Projektet finansieras av Trafikverket. För mer information, kontakta projektledare Susanne Stenberg (susanne.stenberg@ri.se) eller Håkan Burden (hakan.burden@ri.se)

Precog: Kravhantering för säkra maskininlärningsbaserade perceptionssystem för autonom mobilitet. Självkörande fordon kräver tillförlitliga perceptionssystem. Framgångsrika perceptionssystem förlitar sig på maskininlärning. Maskininlärning bygger på träningsdata av hög kvalitet. Vad innebär detta för fordonens perceptionssystem? Hur kan vi specificera förväntningarna på träningsdatan? Vad innebär kvalitetssäkring på data-nivån? Hur påverkas fordonets funktionssäkerhet på systemnivån? Den nystartade förstudien Precog genomförs av RISE, Göteborgs universitet, Annotell och Zenseact med stöd från Vinnova. Projektet kommer att skapa samsyn för krav på maskininlärningsbaserade perceptionssystem för fordon. Precog ska utreda kedjan 1) annoteringsnoggrannhet för träningsdata, 2) maskinlärningsmodellernas precision, 3) perceptionssystemens korrekthet och 4) funktionssäkerhet. Förstudien kommer att organisera en serie workshops med nyckelspelare inom svensk fordonsindustri. Vidare kommer dessa workshops att kompletteras med djupintervjuer och litteraturstudier. Efter syntes av projektresultaten kommer vi att arrangera en öppen workshop för att delge våra slutsatser under våren 2022. För mer information kan ni kontakta Markus Borg (markus.borg@ri.se)

Motion-Planning approach for autonomous bus driving. A collaboration between Scania and KTH Royal Institute of Technology resulted in the development of a novel Motion-Planning approach for autonomous bus driving. The results of this collaboration have been recently presented in the IEEE Vehicular Technology Magazine (https://ieeexplore.ieee.org/document/9470918). The article presents a motion-planning framework that leverages expert bus driver behavior, increasing the safety and maneuverability of autonomous buses. To deploy autonomous driving technologies in urban public transport, many challenges related to self-driving buses still need to be addressed. Unlike passenger cars, buses have long and wide dimensions and a distinct chassis configuration, which significantly challenges their maneuverability. To deal with the bus special dimensions, the authors introduce a novel optimization objective that centers the whole bus body as its travels along a road. Furthermore, the authors present a new environment classification scheme that enables self-driving buses to take advantage of the elevated overhangs, to increase maneuverability. Finally, a novel collision checking method is presented that explicitly considers a bus’s front wheels and how they can protrude from beneath the chassis when maneuvering near stops. The benefits of the proposed solution are presented through exp8eriments using an autonomous bus in real road scenarios. The work was partially supported by the Wallenberg AI, Autonomous Systems and Software Program (WASP) funded by the Knut and Alice Wallenberg Foundation. For more information contact Rui Oliveira (rui.oliveira@scania.com) from the KTH Royal Institute of Technology.

Industrial PhD project: Machine Learning to Enhance AI Planning for Intelligent Autonomous Transport Systems. Scania has developed an Offboard system by which its autonomous vehicles can be controlled and managed to perform their operations. This Offboard system can allow an automated planning and scheduling system (a.k.a. AI Planner) to create missions (plan) and dispatch them to the autonomous vehicles. Scania is now researching how to improve AI planning methods for fleets of autonomous vehicles using Machine Learning (ML) techniques. Learning algorithms will support AI planners in order to save human effort leading to good quality plans in less time, thus overcoming the challenge of depending upon the fleet transport managers experience. The PhD project’s outcome is expected to help Scania’s Offboard ATS to improve the plan quality and enable the system to scale up so that it could deal with the future challenges as autonomous vehicles will be taking over in many areas that are of immediate interest to Scania. The project, partly founded by the Swedish Foundation for Strategic Research (SSF), started in April 2020 and it will last 4 years, leading to a PhD degree from Örebro University. For more information contact the Industrial PhD student Simona Gugliermo (simona.gugliermo@scania.com), the industrial supervisor Christos Koniaris (Christos.koniaris@scania.com)  or the academic supervisor Federico Pecora (federico.pecora@oru.se)

Thesis on Cyber Resilient Vehicles. Cyber security focuses on detecting and preventing attacks whereas resilience concentrates on maintaining the vehicle’s intended operation in the presence of faults and attacks, which may even require the vehicle to disable some functionality to protect the passengers in and around the car. This becomes more important when higher levels of autonomy are introduced. In this thesis, we provide methods that aid practitioners in identifying and selecting the necessary and appropriate security and resilience techniques during the design of an automotive system. Additionally, this thesis also proposes three techniques to secure them, namely a mechanism to secure the internal communication, a model to assess a vehicle’s behaviour and reliability when it is driving in traffic, and a framework to detect attacks and anomalies in a vehicle fleet. This thesis was partially supported by the VINNOVA FFI projects HoliSec, and CyReV Phase 1 & 2. For more information contact Thomas Rosenstatter (thomas.rosenstatter@ri.se).

Enhanced ADAS – nästa generations ADAS. Advanced Driver Assistance Systems (ADAS) have the potential to improve traffic safety and efficiency. However, there are challenges with these systems in terms of their limited situation awareness and insufficient driver-vehicle interaction capabilities. If not addressed, these could lead to poor driver experience and decreased use of these systems. This project is led by RISE together with Aptiv and Smart Eye as partners. The aim of this project is to explore how safety, efficiency and drivers’ experience, acceptance and trust can be enhanced by enriching the situation awareness of existing ADAS with real-time information from a) digital road maps, b) driver monitoring, and c) by incorporating dynamic driver-vehicle interaction strategies. The project aims to include two iterations of prototypes with testing of each one on public roads or test track. The first iteration of prototypes has been evaluated and was completed now in december together with expert participants that work in the field of automotive technology. We have received valueable feedback for initiating the second iteration where we aim to develop ADAS functionality together with an intelligent vehicle-driver interface that derives information from internal and external vehicle sensors, as well as digital road maps. This project is financed by Fordonsstrategisk Forskning och Innovation (FFI). For more information contact Niklas Strand (Niklas.strand@ri.se)

The focus of automation in the Project I.hamn. Sweden’s ports are facing a major challenge to function as a transport node in the transformation to a more sustainable transport system that is expressed through the UN’s goals for sustainable development and the strategy for transferring freight transport from land to sea and rail. This means a higher pressure on infrastructure and resources, which places demands on new capabilities in the execution of the port’s operations. Ports need to be more efficient, enable sustainable transport and become a natural node in the integrated transport system. The project I.Hamn (https://www.ri.se/sv/vad-vi-gor/projekt/ihamn) gathers a continuous expanding cluster of today 22 Swedish small and medium sized ports allowing them to join forces to lower thresholds in adopting solution associated to digitalisation, automation, and electrification. The project also involves system and infrastructure suppliers, and other port stakeholder, such as shipping lines, authorities and industry associations. During 2020/2021 the vision of the future port has been co-developed together with involved ports and its stakeholders, through workshops and interviews. Based on the vision, a number of demonstrators are planned for in the areas of electrification, digitalisation, and automation. The demonstrators aim to identify potential and future solutions, based on the capabilities required to realize the vision of the sustainable port. Examples within the area of automation that are exploited are auto-mooring, automatic loading operations, autonomous transports in the port area and automatic hinterland entry and exits to the port. I.hamn is a three-year demonstration project funded by the Swedish Transport Administration within the framework of the Lighthouse industry program for sustainable shipping and coordinated by RISE together with Chalmers and GU. For more information contact Sandra Haraldson (sandra.haraldson@ri.se)

HEREs hastighetskartor

Det amerikanska företaget HERE Technologies som har en navigationstjänst ska lansera en ny karttjänst vid namn HERE ISA Map som innehåller hastighetsbegränsningar för vägar runt om i världen [1].

EU lagkravet General Vehicle Safety Regulation (EU) 2019/2144, som vi skrivit om här, kräver att alla nyregistrerade fordonsmodeller från och med 2022 ska vara utrustade med system som hjälper förare att hålla sig inom hastighetsbegränsningarna med ett så kallat Intelligent Speed Assistance (ISA) system. HEREs nya karttjänst syftar främst till stöd för fordonstillverkare med att följa det här lagkravet.


[1] HERE Technologies. HERE launches Intelligent Speed Assistance map for automakers to comply with EU regulation. 2021-10-21 Länk

TomToms egna kart-ADAS

Det nederländska företaget TomTom som tillverkar navigationssystem till fordon har lanserat en ny lösning som de kallar för Virtual Horizon, vilket ger förare såväl som fordon tillgång till kartinformation att anpassa sin körning efter [1].

Systemet ska alltså gå att integrera i fordon utan existerande förarstödssystem, fordon med förarstödssystem, och även autonoma fordon. I fordon utan existerande förarstödssystem är tanken att kartinformationen presenteras för föraren att agera utefter, och i fordon med förarstödssystem eller autonomt körsystem kan kartinformationen översättas till handlingar så som deacceleration inför skymd kurva.


[1] Safe Car News. TomTom launches map-based ADAS software platform Virtual Horizon. 2021-07-07 Länk

Nvidia planerar att köpa upp Deepmap

Förra veckan skrev vi att startuppföretaget Deepmap lanserat en ny karttjänst kallad RoadMemory. Nu kan vi rapportera att företaget kommer att köpas upp av Nvidia [1]. Uppköpet väntas bli färdigt under tredje kvartalet 2021.

Planen är att integrera Deepmaps teknik med Nvidias egna Drive-plattform som idag används av flera aktörer. Målet är att kunna erbjuda kartor med en hög grad av precision för självkörande bilar som hjälper dem lokalisera sig i världen ner på centimeter-nivå. Kartorna ska också uppdateras ofta så att de har den senaste informationen om vägarnas status.

Det framgår inte vad notan kommer att landa på.

Egen kommentar

Jag tror att det här är ett win-win affärsöverenskommelse. Deepmap får ett starkt företag bakom sig som har etablerade samarbeten i fordonsbranschen, och Nvidia får Deepmaps IP samt en grupp riktigt duktiga ingenjörer. 


[1] Shapiro, D., Nvidia. NVIDIA to Acquire DeepMap, Enhancing Mapping Solutions for the AV Industry. 2021-06-10 Länk

Högupplösta kartor

Nästan alla aktörer som utvecklar automatiserad körning använder sig av högupplösta kartor. Här kommer två nyheter som handlar just om sådana kartor:

  • Startuppföretaget DeepMap har lanserat en ny karttjänst kallad RoadMemory [1]. Den baseras på massdata (crowdsourcing) som samlas in från fordonsensorer så som kameror, radar och lidar. Viktigt i detta är att den är sensoragnostisk vilket innebär att fordonstillverkare kan använda sensorer från olika tillverkare. Det är framförallt förarstödssystem som den nya karttjänsten riktar sig mot. DeepMap har kontor i Palo Alto och i Peking. 
  • Startuppföretaget Carmera har lanserat en ny funktion i sin befintliga kartjänst som fokuserar på att upptäcka ändringar i vägmiljön [2]. Den nya funktionen heter Inventory Map och håller befintliga konsument- och högupplösta kartor uppdaterade vad det gäller vägskyltar, trafiksignaler och vägmarkeringar. Sådan information läses av fordonssensorer. Initialt har funktionen satts i drift i San Francisco-området ihop med kartleverantören Ushr Inc. Där har man, enligt Carmera själva, under de första fyra veckorna av driften kommit fram till att ingen av ändringarna som Inventory Map upptäckt funnits i offentliga register från vägoperatörer. Detta trots att nästan hälften av dessa ändringar innebar en ändring av trafikregler. 

Egen kommentar

Många aktörer använder just kartor från vägoperatörer som referens (ground truth), och om dessa kartor är dåligt uppdaterade blir kartor så klart en utmaning, och rentav en begränsning för storskalig kommersialisering av autonoma fordon. På så sätt är kartfunktioner som den från Carmera intressanta. Dock undrar jag vad som krävs för att man ska våga förlita sig på en sådan funktion och använda den som referens?

Här kan ni läsa om ett annat relaterat ämne: deepfake geography.


[1] Deepmap. DeepMap Announces RoadMemory, a Highly-Scalable and Economical Mapping Service, Enabling Hands-Off Driving Everywhere. 2021-06-03 Länk

[2] Carmera. CARMERA Launches Inventory Map, Provides Live Look at Road Changes for Autonomous Driving and More. 2021-06-03 Länk

Sydkorea utökar 3D-kartor

Sydkorea har bestämt sig för att utöka sina existerande digitala 3D-kartor med ytterligare 1 400 km som kommer vara till nytta för automatiserade fordon [1].

Sydkorea började skapa dessa kartor 2019 och har hittills kartlagd 6 000 km av motorvägar, och nu ska även vanliga vägar kartläggas vilket kommer pågå till 2022.

Kopplat till detta kan ni också passa på att läsa om DeepMaps nya verktyg DeepMap HDR (High-Definition Reference) här.


[1] Sae-Jin, P., Aju Daily. S. Korea to develop precision map of ordinary roads for autonomous vehicles. 2020-10-05 Länk

Nio lanserar Navigate on Pilot

Den kinesiska tillverkaren av eldrivna fordon Nio lanserar ett förarstödssystem som tillåter föraren att ta ta bort händernafrån ratten under längre perioder (s.k. hands-free körning) [1]. Funktionaliteten lanseras nu i oktober via en mjukvaruuppdatering.

Funktionen som kallas Navigate on Pilot (NOP) sägs ha förmågan att köra fordonet från motorvägspåfart till motorvägsavfart och utföra filbyten utan förarens händer på ratten.

Funktionen använder sig av högupplösta kartor som komplement till bilbaserade sensorer.

Egen kommentar

Det blir återigen relevant att ta upp diskussionen om vad hand-free förarstödssytem innebär, vilket vi gjort ett försök till i ett tidigare nyhetsbrev här.

Eftersom Nios system använder sig av högupplösta kartor kommer det troligtvis vara tillgängligt endast på utvalda vägar. Som kontrast till detta är exempelvis Teslas tillvägagångssätt baserat på algoritmer för datorseende. Detta just för att slippa kartlägga vägar i detalj, något som är tidskrävande. Teslas metod kräver dock mycket mer algoritmträning.


[1] Shen, J., Tech Node. Hands-free driving for Nio cars coming in October. 2020-09-30 Länk

320 km kartdata från Katalonien

Ett samarbete mellan det tyska kartföretaget atlatec GmBH och den spanska tillverkaren och testaren av fordonsprodukter Applus+ IDIADA har resulterat i 320 km högupplösta (HD) kartor från vägar i Katalonien [1].

Samarbetet påbörjades under 2019 och avsåg att testa automatiserade fordon på allmänna vägar. Som en del i den processen skannades vägar som ansågs innehålla utmanande situationer för sådana fordon i Katalonien. Nu finns delar av dessa HD-kartor och tillhörande annoterade data att tillgå gratis via atlatecs hemsida.

Kartorna är baserade på formatet OpenDRIVE som används av flera sumuleringsverktyg.


[1] Auseyenka, H., Atlatec. Partnership Between atlatec and Applus+ IDIADA Results in 330 Kilometers Scanned Catalan Roads and a Sample Set. 2020-09-24 Länk

TomTom kategoriserar vägens lämplighet

Felaktigt användande av system för förarstöd och självkörning leder till olyckor och död. Det holländska kartföretaget TomTom har lanserat en lösning för fordonstillverkare som behöver stöd i att hitta tydliga gränser för var och när olika automatiseringsnivåer är lämpliga.

Lösningen baseras på TomToms HD-kartor och identifierar under vilka förhållanden som vägar kan antas vara bra nog. Produkten kallas RoadCheck och tar bland annat hänsyn till GPS-signalstyrka, väder och vägskick [1].

RoadCheck ska komma att inkluderas i en produktionsmodell av en ledande global biltillverkare i USA år 2021 [2].


Gränsdragningen för var olika automatiseringsteknologier är lämpliga är svår. Mer om kravställning kan bland annat hittas i första delen av veckans avsnitt av youtubekanalen Only GNSS.

TomTom kommer troligen inte vilja ta juridiskt ansvar för gränsdragningarna men lösningen har ändå potential att spara liv om den leder till att fordonstillverkare tvingar sina förare att använda förarstödsfunktionerna på bättre sätt.


[1] Mendoza, N. F., TechRepublic. TomTom releases new tech for autonomous vehicles to better manage roads and weather. 2020-09-03. Länk

[2] TomTom. TomTom Launches RoadCheck: A Pioneering Product for Safer Autonomous Driving. 2020-09-03. Länk

Lyfts säkerhetsrapport och AD träning

Lyft har publicerat sin första Voluntary Safety Self-Assessment rapport som är en frivillig säkerhetsrapport med syfte att upplysa allmänheten om den pågående utvecklingen och testningen [1, 2].

Den har en viss betoning på säkerheten kring oskyddade trafikanter så som fotgängare, cyklister, motorcyklister och personer med mobilitetssvårigheter. Något annat som Lyft betonar i rapporten är allmänhetens acceptans, och hur de jobbar med frågor kring tillit till sina automatiserade fordon. De erbjuder bland annat support till resenärerna inför åkturer.

I rapporten beskrivs också allt ifrån systemarkitektur, tankar kring HMI, säkerhetstester, och funktioner i fordonen.

Lyft har också meddelat att de börjat använda data från sina manuella taxibilar. Det här för att kunna träna sina självkörande bilar på verkliga scenarion och mänskliga trajektorier [3, 4].


[1] Moon, M., Engadget. Lyft details how it’s going to make self-driving cars safer. 2020-06-23 Länk


[3] LyftLevel5, Medium. Accelerating Autonomous Driving with Lyft’s Ridesharing Data. 2020-06-23 Länk

[4] Wiggers, K., Venture Beat. Lyft crowdsources driver data to train its autonomous vehicle systems. 2020-06-23 Länk