Kategoriarkiv: Positionering

Jordbruksmaskiner, skepp och drönare

Hexagons sensor kit. Hexagon som utvecklar teknologi för jordbruksmaskiner har presenterat en traktor med självkörande teknologi. Traktorn är framtagen som en forskningsplattform, och företaget har redan nyttjat traktorn för att validera sitt nya paket med sensorer och positioneringsenheter. Paketet har utvecklats i samarbete med AutonomouStuff och NovAtel. Länk1 Länk2

Självkörande skepp över atlanten. Ett autonomt skepp vid namn Mayflower ska korsa atlanten under April 2021. Skeppet har en ”AI-kapten” och förlitar sig på radarer, kameror och kommunikation till andra båtar för att navigera sig till sin måldestinationen. Innan resan över Atlanten sker så kommer skeppet testas. Detta kommer att ske under kommande veckor. Länk

Drönarleveranser i North Carolina. Den amerikanska detaljhandelskedjan Walmart meddelar att de ska utföra ett pilotprojekt med fokus på drönarleveranser i North Carolina i USA. Detta görs tillsammans med det israeliska företaget Flytrex som har en lösning för drönarleveranser. Länk

Spåra fotgängare via smartphones

Israeliska startupföretaget Viziblezone utvecklar ett system för att detektera fotgängare och andra oskyddade tarfikanter. Deras metod går ut på att spåra trafikanterna via en app som de installerat på sin telefon [1].

Viziblezones system skall möjliggöra för förare och framtida autonoma fordon att se dolda faror. Tanken är att så många som möjligt skall ha appen, då dess effektivitet beror på hur stor andel av populationen som går att detektera i given trafikmiljö.

Appen skickar ut en Wi-Fi signal upp till 180 meter som fordon kan ”ta in” för att få uppfattning om andra trafikanters position. Systemet skall också kunna skilja på vilken typ av trafikant det handlar om: fotgängare, cyklist, elsparkcykel eller bil.

Företaget har redan utfört en pilot i Europa och har ytterligare två piloter planerade, en i USA och en i Sydkorea.

Viziblezone har hittills fått finansiering på ca 1.2 miljoner USD och är i processen för att påbörja serie A finansiering.

Egen kommentar

Precis som det diskuteras om i den hänvisade källan så är jag väldigt fundersam kring integritetsutmaningarna som kan uppstå med den här metoden. Jag har pga. integritetsutmaningarna svårt att se en stor andel av populationen ladda ner den här appen. Dessutom har tidigare projekt med liknande idéer inte lyckats få det hela att fungera, framförallt på grund av dålig positioneringsnoggrannhet.

Källa

[1] Joseph, N., The Drive. Viziblezone Wants Cars to Spot Pedestrians By Tracking Their Smartphones The next big thing, or a privacy nightmare? 2020-05-06 Länk

Att undvika kedjekollisioner

Att förutsäga framtiden är en av de största utmaningar för självkörande fordon. Men som med många saker så kan det vara lättare om man hjälps åt. Att samordna fordons medvetande och beteende är sannolikt mer effektivt än att varje fordon planerar för sig självt.

Forskare vid Cranfield University har inom ramen för Multi-Car Collision Avoidance (MuCCA)-projektet testat ett system för samarbete mellan självkörande fordon i motorvägsliknande miljö [2]. Testet visade att fordonen kunde ta ett gemensamt beslut om beteenden och på det sättet kunde de undvika både hinder och hastiga inbromsningar [1].

Projektet finansieras av Innovate UK och Centre for Connected and Autonomous Vehicles som är en del av Department for Transport och Department for Business, Energy & Industrial Strategy i Storbritannien.

Källor

[1] Institution of Mechanical Engineers. Autonomous cars given ‘human-like’ reactions to prevent crashes on shared roads. 2020-03-24 Länk

[2] The Multi-Car Collision Avoidance Project website Länk

Ett nytt gyroskop

På universitetet i Michigan har forskare utvecklat ett nytt gyroskop som är litet, relativt billigt och sägs ha väldigt bra precision [1].

Gyroskop hjälper till att orientera objekt i miljöer när det inte finns GPS täckning och har en viktig relevans för autonoma fordon. Det nya gyroskopet påstås ha 10 000 större noggrannhet men är bara 10 gånger dyrare än gyroskop i dagens mobiltelfoner. Vidare sägs det vara 1 000 gånger billigare än andra gyroskop som är större och har likvärdig prestanda.

Detaljer om det nya gyroskopet kommer att presenteras i en artkel med titel 0.00016 deg/√hr angle random walk (ARW) and 0.0014 deg/hr bias instability (BI) from a 5.2M-Q and 1-cm precision shell integrating (PSI) gyroscope inom ramen för 7th IEEE international Symposium on Inertial Sensors & Systems (finns inte online ännu).

Källa

[1] Michigan News. Small, precise and affordable gyroscope for navigating without GPS. 2020-03-23 Länk

Högupplöst kartuppdatering i farten

För någon vecka sedan nämnde vi ett forskningsprojekt i Australien som visade på betydelsen av realtidsuppdaterade högupplösta kartor för självkörande fordon. Nu har TomTom tillsammans med två Toyotaägda bolag (TRI-AD och Denso) visat en fungerade lösning för att automatiskt uppdatera högupplösta kartor [1].

För detta användes TRI-AD-testfordon utrustade med DENSO-sensorer, TRI-ADs Automated Mapping Platform (AMP) och TomToms molnbaserade kartplattform.

Den höga detaljrikedomen från sensorer från vägfordon kombineras med satellitbilder. På detta sätt påstås fördröjningen i uppdateringar av högdefinitionskartor kortas och de ytor som beskrivs med högupplösta kartor kunna expanderas. Priset för att skapa och uppdatera kartorna ska också minska rejält. [2]

Källa

[1] TomTom. TomTom, Toyota Research Institute – Advanced Development, Inc. and DENSO Collaborate on Advanced Mapmaking for Automated Driving. 2020-03-10. Länk

[2] Toyota. TRI-AD enables successful creation of HD maps for automated driving on surface roads. 2020-03-10 Länk

Satellitnavigation

Amerikanska Swift Navigation som utvecklar teknologi för satellitnavigation ska nu ingå ett samarbete med Deutsche Telekom som är ett tyskt telekommunikationsföretag [1, 2].

Samarbetet syftar till att Deutsche Telekom ska få använda Swifts Skylark Cloud Correction Services till sin kommunikationsinfrastruktur. Skylark består av mjukvarualgoritmer för satellitnavigation som sägs ge en positioneringsnoggrannhet på mindre än 10 cm.

Swifts lösning är lämpad för bland annat autonoma fordon och förarstödssytem (ADAS) där hög positionsprecision är nödvändig. Andra former av autonoma fordon som exempelvis drönare och varuleveransrobotar kan också utnyttja teknologin.

Samtidigt satsar även Geely 326 miljoner dollar på att producera satelliter med låg omloppsbana [3]. Dessa satelliter väntas kunna ge bättre uppkoppling och hög precision vid navigering av autonoma fordon. Kommersiell lansering är planerad senare under året.

Källor

[1] Kirchhof, N., Telekom. Swift Navigation and Deutsche Telekom Announce Partnership. 2020-03-03 Länk

[2] Telekompaper. Deutsche Telekom partners with Swift Navigation on cloud correction service for autonomous vehicles. 2020-03-03 Länk

[3] Reuters. China’s Geely invests $326 mln to build satellites for autonomous cars. 2020-03-03 Länk

Svensk forskning: Framtiden är ljus

MICA. CoEXist. SMART. PLATT. PRoPART. PERCEPTRON. PRELAT. DENSE. Barmark. BRAVE, HATric. Ja, så heter några av projekten som ni har äran att läsa om i årets sista sammanställning av relevant svensk forskning. För varje gång blir jag mer och mer imponerad av vår forskning och forskare. Det är fantastiskt att se hur mycket görs i vårt ”lilla” land, och det här är nog bara en bråkdel av det hela! Vi behöver bara bli bättre på att sprida våra resultat, och jag hoppas att OmAD bidrar till detta. Något annat vi behöver bli bättre på är att koppla samman våra projekt till en helhet och visa hur de leder till positiva samhällsförändringar. Kanske ett lämpligt nyårslöfte?

Stort tack till er alla som bidragit till den här sammanställningen! Det hade inte varit möjligt utan era bidrag och engagemang.

Modeling driver behavior in interactions with other road usersDriver models help improve and evaluate systems for road crash mitigation and avoidance. As systems develop and address increasingly complex scenarios. Driver models also need to be developed to be able to account for the interactions among these road users. Even as we improve driver modeling with control-theory models and actual data-driven implementations, existing driver models fail to sufficiently take interaction among road users into consideration. This paper addresses this insufficiency by proposing a new operational framework to computationally model interactions among road users. For this purpose, we introduce a definition for interaction among road users. The modeling framework is demonstrated by a specific driving scenario: the overtaking of a cyclist when an oncoming vehicle may be present. In this scenario, modeling driver interaction using Unified modeling language within our framework can lead to improved crash mitigation and avoidance through tailored system activation of automated emergency braking. This is a paper that will be presented at TRA-conference next year. The work was partly carried out at SAFER and within the FFI-project Modelling Interaction between Cyclists and Automobiles (MICA). For more information contact Prateek Thalya at Veoneer (prateek.thalya@veoneer.com).

Researchers from Veoneer have also published several other relevant papers, contact Ola Boström (ola.bostrom@veoneer.com) at Veoneer for more information: 

  • Occupant activities and sitting positions in automated vehicles in China and Sweden – The 26th International Technical Conference on the Enhanced Safety of Vehicles (ESV)
  • Passenger Car Safety Beyond ADAS: Defining Remaining Accident Configurations As Future Priorities Conference: The 26th International Technical Conference on the Enhanced Safety of Vehicles (ESV)
  • Intersection AEB Implementation Strategies for Left-Turn Across Path Crashes – Traffic Injury Prevention (ADAS)
  • A Model of Indian Drivers’ Ratings of In-Vehicle Alerts to Pedestrian Encounters on Roads in India, for presentation at the coming Human Factors and Ergonomics Society’s 2019 International Annual Meeting
  • Benefits of intuitive auditory cues for blind spot in supporting personalization; ESV2019
  • Adaptive Transitions for Automation in Cars, Trucks, Busses and Motorcycles; Intelligent Transport Systems (got invited for a journal track after the ITS World Congress)
  • How do oncoming traffic and cyclist lane position influence cyclist overtaking by drivers? – Shown at ICSC and submitted to AAP journal
  • Radar Interference Mitigation for Automated Driving – IEEE Signal processing magazine
  • How do drivers negotiate intersections with pedestrians? Fractional factorial design in an open-source driving simulator – AAP
  • Modelling discomfort: How do drivers feel when cyclists cross their path? – AAP

Driver/passenger activity mapping. FFI funded DRAMA project (2018-2020) addresses knowledge building around activity identification of drivers and passengers in vehicles to improve interaction between them and the vehicle. Mapping and detecting activities at drivers and passengers is important for both UX and traffic safety. With knowledge about activites, the HMI can be adjusted to, the currently most efficient modality. If the vehicle knows the body posture of the passengers safety functions such as airbags, brakes and steering system can be adjusted by the safety systems in the vehicle. The project develops a system that can recognizes individual and interaction activities of driver and passengers in vehicles of high level of automation (SAE3+). The project studies from literature the most relevant activities of driver and/or passenger in highly automated vehicles in terms of safety and comfort. The developed prototype acquires input data from multiple cameras mounted in the cabin of a vehicle and classify the detected activities according to the chosen in-cabin activities of interest. Machine learning algorithms are used to extract timeseries of activity features including: Body poses, head position/eye gaze/face landmark, objects, dense optical flow, and detected activity/interaction. The work is a collaboration between RISE AB and Smart Eye AB. For more information contact Thanh Hai Bui (thanh.bui@ri.se) at RISE, or Henrik Lind (henrik.lind@smarteye.se) at Smart Eye AB.

Mimicking professional bus drivers. Scania and KTH Royal Institute of Technology are currently researching motion planning algorithms for autonomous buses driving in cities. The research has so far discovered that current motion planning approaches, which are suitable for passenger vehicles, are not successful at driving buses in cities. The problem arises due to the large dimensions of buses, but mostly due to the particular chassis configuration, where the wheelbase length is much shorter than the vehicle length, resulting in large vehicle overhangs. The research then focuses on how to use these overhangs to increase the maneuverability of buses driving in cities. The result is a new motion planning approach which allows buses to briefly drive with the overhangs outside of the road and over curbs, in order to drive along narrow roads and sharp turns, while ensuring the safety of the drive. The first results of this work have been recently published in the Intelligent Transportation Systems Conference 2019. The paper can be accessed via IEEE here, or arXiv here, and a video of the results here. This 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.

CoEXist is a European project (May 2017 – April 2020) which aims at preparing the transition phase during which automated and conventional vehicles will co-exist on cities’ roads. CoEXist aims at enabling mobility stakeholders to get “AV-ready” (Automated Vehicles-ready). To achieve its objective, CoEXist have developed an assessment framework including both microscopic and macroscopic traffic models that take the introduction of automated vehicles into account. The tools developed in the framework of CoEXist are tested by road authorities in the four project cities: Helmond (NL), Milton Keynes (UK), Gothenburg (SE) and Stuttgart (DE) in order to assess the “AV-readiness” of their local-designed use cases. Swedish partners in the CoEXist project is VTI and the City of Gothenburg. Preliminary results from the traffic modelling show decreases in traffic performance in an introductory stage with lower penetration rates and AVs with limited capabilities and cautious driving logics while higher penetration rates of more advanced AVs leads to a modal change from public transport to private cars. Final event will be held in Milton Keynes (UK) on 25-26 March 2020, Homepage: https://www.h2020-coexist.eu/. Contact Johan Olstam (johan.olstam@vti.se) for more information.

SMART. The aim of the SMART project (Simulation and Modelling of Automated Road Transport) is to enhance and further develop todays state-of-the-art traffic models in order to enable analysis of future traffic systems. The project consists of two PhD projects, one focusing on microscopic traffic simulation and the behaviour of and interaction between conventional and automated vehicles, and one focusing on mesoscopic simulation and fleets of automated vehicles for public transport operations. The licentiate thesis Simulation based evaluation of flexible transit was presented by the PhD student David Leffler on June 13th, 2019. The project is carried out by VTI, KTH and LiU and is funded by Trafikverket via Centre for Traffic Research (CTR). Contact Johan Olstam (johan.olstam@vti.se) or Wilco Burghout (wilco@kth.se) for more information.

PLATT – Policylab för Autonoma Transporttjänster. Inom ramen för DriveSweden (Vinnova) har PLATT har Volvo GTT, Einride, Combitech och RISE bedrivit policyutveckling tillsammans med offentliga och kommersiella aktörer inom transportnäringen. Därigenom har vi identifierat en rad utmaningar som de sökande står inför. Det handlar både om att kunna budgetera för ansökan i form av kostnad och ledtid men också hur man vet vad som ska ingå i en ansökan. Men vi har också sett en rad olika strategier för att hantera den osäkerheten. Dels beprövade strategier som använts både specifikt inom fordonsutvecklingen och generellt inom svensk myndighetsutövning, dels nya strategier som sätter fingret på hur man kan hantera säkerheten vid införande av ny teknologi utan att hämma innovationstakten. Genom att bjuda in brett till projektets aktiviteter har vi också samlat på oss många praktiska tips på hur man som sökande både kan påverka hur lång tid det tar att få igenom en ansökan men också mängden arbete man behöver lägga ner på en framgångsrik ansökan. Tipsen belyser också aspekter som inverkar gynnsamt på hur försöksverksamheten uppfattas av omvärlden, t.ex. räddningstjänsten och allmänheten. Här hittar ni slutrapporten och projektets hemsida. För mer information kontakta Håkan Burden på RISE (hakan.burden@ri.se). 

Driving automation state-of-mind: Using training to instigate rapid mental model development. I takt med att automatiserade funktioner blir alltmer avancerade och vanliga, ökar också kraven på användarens (förarens) förståelse för korrekt användning. Inte förrän den mänskliga föraren helt kan ersättas kommer förarens förståelse av systemen vara en kritiskt komponent i att fordonet (människan tillsammans med de automatiserade systemen) framförs säkert på vägen. Finns det då något sätt att snabb-träna förare i hur man ska använda sådana system? Den nyligen publicerade studien ämnade undersöka just detta. Tidigare forskning inom förarträning och inlärning kombinerades till en tränings-metodik som sedan inkorporerades i ett träningsprogram ämnad att träna noviser i användningen av ett hypotetiskt förarassistanssystem motsvarande SAE Level 2. Resultaten indikerade inte bara att automations-träning av förare är möjlig, utan kanske viktigast av allt att de tränade förarna i betydligt större utsträckning var benägna att ingripa i situationer som krävde det (baserat på systemets begränsningar) jämfört med deras otränade motparter. Studien gjordes inom ramen för FFI-projekt HATrick. För mer information kontakta Martin Krampell (krampell@gmail.com).

PRoPART finalized. After 24 months of work, H2020 project „PRoPART”, funded by the European Global Navigation Satellite System Agency (GSA), was successfully closed. The 7 consortium partners, coming from 4 European countries have developed an RTK (Real Time Kinematic) software solution by both exploiting the distinguished features of Galileo signals as well as combining it with other positioning and sensor technologies. RTK gives the possibility of cm-level accuracy using correction data from reference stations. The innovation developed during the project can be a game changer for the future mass market of autonomous transport. The final demonstration was done in November at AstaZero and here you can see a movie and presentation material. The project was coordinated by RISE with partners from across Europe, including Scania, AstaZero and Waysure. For more information contact Stefan Nord at RISE (stefan.nord@ri.se).  

PERCEPTRON är ett FFI-projekt är ett samarbete mellan Volvokoncernen, Semcon och Chalmers som avslutas nu vid årsskiftet. Målsättningen med PERCEPTRON har varit att ta fram ett koncept för kontinuerlig datadriven utveckling vilket inbegriper infrastruktur för att ta hand om loggad data, design av neurala nätverk, träning och validering. Ett resultat av projektet är tre neurala nätverk att exekvera i fordonet för objektdetektering, detektering av filmarkeringar och vägdetektering. Nätverken har tränats på insamlad och annoterad data för lastbil på svenska vägar. En översiktlig utvärdering av hårdvara och programvara för användande neurala nätverk har också gjorts för att ge vägledning åt utvecklare. För ytterligare information kontakta projektledare Carlos Camacho, Volvokoncernen.

PRELAT är ett FFI-projekt som slutar vid årsskiftet efter fem års samarbete mellan Volvokoncernen och Chalmers. Projektet har arbetat med fully convolutional neural network för fusion av kamera och lidar i syfte att uppnå robust vägdetektion och klassificering av vägmarkeringar för lateral filhållning. Ett tidigt resultat pekar på nyttan av använda lidar för snabb och noggrann vägdetektion. Ett annat resultat från PRELAT är på vilken detaljnivå fusion av kamera och lidar bör utföras. Slutligen är ett tredje resultat hur semi-supervised training kan utformas i syfte att minska mängden kostsam annotering. PRELAT och PERCEPTRON har varit en del av den snabbt expanderande utvecklingen och användningen av neurala nätverk inom fordonsindustrin. Resultaten har bidragit med ökad förståelse och kommer att användas i framtida projekt i Volvokoncernen. För ytterligare information hänvisas till projektledare Martin Sanfridson, Volvokoncernen

Universally designed mobility for increased accessibility to societal functions. A consortium of organisations in West Sweden (Västra Götalandsregion, Västtrafik, RISE, Norconsult Astando AB, with user organisations SRF and DHR) have collaborated on a number of projects with the vision of working towards autonomous and universally designed mobility for increased accessibility to societal functions. A series of projects performed by the consortium have explored the following subjects:

  • Samverkande system för sjukresor och sjukhus (eng. Cooperative systems for medical journeys and hospitals). How a System-of-systems approach can be utilised to bridge accessibility gaps when making service journeys between public transport and hospital departments. (funded by Vinnova FFI)
  • Autonoma skyttelbussar för ökad tillgänglighet till viktiga samhällsfunktioner (eng. Autonomous shuttle busses for increased accessibility to important societal functions). Pre-study for a trial of autonomous shuttle-busses at Sahlgrenska Hospital in Gothenburg. (funded by Västra Götalandsregion kollektivtrafiknämnden)
  • Guidning till autonoma fordon för blinda, döva och dövblinda (eng. Guidance to autonomous vehicles for persons with blindness, deafness and deaf-blindness) Guiding for journeys with autonomous vehicles for people with blindness, deafness and deaf-blindness. (funded by Drive Sweden – Vinnova, Energimyndigheten och Formas)

A combination of methods including design-thinking workshops, user-trials, field studies, service-design methods and innovation processes have been utilised to ensure that user needs have been clearly understood and taken into consideration in design of potential solutions. The studies have resulted in increased understanding of the needs of users with visual impairments in autonomous transport systems and how public authorities can contribute to designing services that reduce barriers to independent travel. A large number of service improvements and solutions have been identified. Methods for using vibro-tactile communication to guide users with visual impairments to public transport have been evaluated. A plan for a one year test of autonomous busses in a hospital environment is undergoing an approval process within the regional authority. The insights gained from these projects have already begun to create value. Many solutions can be applied to existing public transport solutions. However to create future transport solutions which are created with accessibility for all from the outset, the results require more communication for example to vehicle manufacturers, city and public transport planners and more. For more information contact Steve Cook at Norconsult (Steve.Cook@norconsult.com). 

What happens to self-driving cars if the weather turns bad? Current systems offer comfort and safety in good weather. However, they often fail to sense its surroundings in visibility conditions with heavy rain, snow or fog causing the automated systems to stop their support. The DENSE project, under the ECSEL joint undertaking and co-financed by EU and national funding bodies, addresses this key challenge of autonomous driving by developing an environment perception technology that extends the performance of sensors in adverse visibility conditions. The project designs, tests and validates a generic sensor suite that enables driver assistance systems and autonomous driving systems to operate also in adverse weather. The DENSE 24/7 all-weather sensor suite combines Radar, Short-Wave Infrared (SWIR), gated camera sensor, and LIDAR. In addition, a mobile Road State Sensor assesses the road surface conditions. For maximizing efficiency, DENSE implements a high-level fusion platform integration between the individual sensors. DENSE use artificial neural networks to fuse all sensor information at pixel level, leading to an enriched and enhanced multi-spectral image. The system has been integrated in a test vehicle and demonstrated under controlled conditions in a weather chamber and evaluated under real-life conditions in Central and Northern Europe. Project duration is between June 2016-February 2020. There are 15 project partners with Daimler as coordinator. For more information visit the project website or contact Jan-Erik Källhammer at Veoner (jan-erik.kallhammer@veoneer.com).

Projekt Automatiserad vägdrift med kortnamn ”Barmark” har som målsättning att genom automatisering av drift- och underhållsfordon bidra till förbättrad arbetsmiljö, ökad resiliens samt minskade säsongsvariationer vid val av transportslag. Projektet tar fram ett fordon som kör och navigerar självständigt längs en definierad rutt samtidigt som det utför ett arbetsuppdrag och interagerar med omgivningen. Inom projektet sker fordonsanpassning exv. av bromssystem, midja och EHI styrning, utveckling och anpassning av sensorsystem exv. drönarburna radarsystem, ultraljud, GPS/Video samt utveckling och anpassning av webbaserad front-end med loggning av fordon med förare i trafik. Vidare utförs analys av infrastruktur och testscenarier inför projektdemonstrationer som kommer utföras kommande vinter- och sommarsäsong. Projektgruppen utgörs av RISE, Semcon, CIT, Peab, Swevia, Skanska, Svensk Markservice, Trafikverket, Alkit, Teade, AstaZero och Lundberg Hymas, där RISE är koordinator. Projektet pågår 2018-05-01 till 2020-08-30 och finansieras av det strategiska innovationsprogrammet InfraSweden2030, en gemensam satsning av Vinnova, Formas och Energimyndigheten samt av projektpartners. For mer information kontakta Viveca Wallqvist på RISE (viveca.wallqvist@ri.se). 

Användargränssnitt för att upptäcka oskyddade trafikanter I syfte att förbättra tilltro och acceptans för SAE nivå 3. I EU-projektet BRAVE, Bridging gaps for the adoption of Automated VEhicles som koordineras av VTI, Statens väg- och transportforskningsinstitut, bedrivs forskning för att bidra till förbättrad säkerhet och acceptans av automatiserade fordon. I projektet har VTI under hösten genomfört en studie i körsimulatorn Sim IV på Lindholmen i Göteborg. Bakgrunden till studien är att implementering av automatiserade körsystem på SAE nivå 3 i urbana miljöer utgör en utmaning, i det att återkommande och svårförutsägbara interaktioner mellan fordon och oskyddade trafikanter behöver hanteras. För att adressera utmaningen har projektet utvecklat ett koncept för användargränssnittet som håller föraren informerad om närvaron av oskyddade trafikanter i den närliggande omgivningen. Genom att göra denna typ av information tillgänglig för föraren ges hen möjlighet att avsluta uppgifter av sekundär karaktär, såsom att se på film och liknande, och i samarbete med systemet övervaka körningen fram till dess att det är säkert att återgå till sekundära uppgifter. I körsimulatorstudien fick deltagare med och utan erfarenhet av supportfunktioner på SAE nivå 2 köra i en urban miljö samtidigt som dom kunde titta på film. Nivån av information angående oskyddade trafikanter varierades över fyra betingelser: (1.) ingen information, (2.) en varning för att förmå föraren att återta kontroll när en kollision var nära förestående, (3.) en förvarning som meddelade om närvaron av oskyddade trafikanter, samt (4.) kombination av varnings- och förvarningskoncepten. Studiens resultat visar att en strategi för användargränssnittet som integrerar förvarnings- och varningsmeddelandet är den lösning som är att föredra för att förbättra säkerheten, samtidigt som förarens tilltro till systemet förbättras. Vidare visade studien att tidigare erfarenhet av SAE nivå 2 är avgörande för om strategin fungerar eller inte. Resultaten stödjer design av användargränssnitt för automatiserade körfunktioner baserat på behov, preferenser och förmågor hos förare för att säkerställa bättre acceptans och säkerhet. För mer information om projektet kontakta Niklas Strand, Ignacio Solis Marcos eller Ingrid Skogsmo på VTI eller se www.brave-project-eu eller följ projektet på Twitter @BRAVE_H2020 

Aidrivers väljer RoboSense Lidar

Brittiska teknikföretaget Aidrivers, som fokuserar självkörande fordon för industriella tillämpningar som i hamnar, kommer att integrera en Lidar från kinesiska leverantören RoboSense [1] för positionering.

RoboSense Lidar sägs vara robust och kunna klara även svåra väderförhållanden.

Källa:

[1] RoboSense partners Aidrivers over autonomous solutions for industrial transportation, Economic Times – India Times 23 augusti 2019, Länk

Svensk forskning imponerar

Som utlovat så kommer här en sammanställning av relevant svensk forskning. Den är långtifrån heltäckande, dock inte mindre imponerande för det. Den visar på både bredd och djup samt det unika samarbetet som vi har mellan olika aktörer. Stort tack för alla bidrag! // As promised before, here comes a summary of relevant Swedish research. It is far from comprehensive, yet very impressive. It shows both depth and width, and the unique collaborative environment that we have in Sweden. Thanks to all contributors!

Sound design for self-driving cars. The recently started FFI project Sound Interaction in Intelligent Cars explores the role of sound in enhancing user experience during unsupervised autonomous driving. The work focuses on a set of design challenges that could have important effects on people’s willingness to use and buy self-driving cars, including lack of trust in the new technology and increased risk of motion sickness. For instance, the project examines the potential for sound to subtly inform users about upcoming vehicle maneuvers before they actually take place, allowing the users to better anticipate the vehicle’s imminent behavior. In addition to addressing established challenges, the project identifies and examines completely new ways to use sound and meet users’ needs in an environment where they no longer have responsibility as drivers. The work is a collaboration among Volvo Cars, RISE, and the audio production company Pole Position Production and will result in prototypes of complete sound design solutions for self-driving cars. The solutions will be evaluated with users in a VR setting as well as in a real demo car during 2020. For more information contact Fredrik Hagman at Volvo Cars (fredrik.hagman@volvocars.com). 

Adapting new city districts for autonomous vehicles. Halmstad University, together with ten other organisations in seven different countries, has received EU funding for a new research project for the development of smart cities. The project aims to facilitate the planning and development of new city districts so that they are adapted for electric autonomous vehicles. The project is called SUV (Stimulating the Up-take of Shared and Electric Autonomous Vehicles by Local Authorities) and brings together universities, transport organisations and municipalities for a sustainable development of urban environments. Halmstad University will in the project contribute with technologies for connected and collaborative autonomous vehicles. One example of such technology is the communication between vehicles, as well as between vehicles and the infrastructure. The University will also contribute with technical competence in modelling different scenarios with autonomous vehicles. Examples of these scenarios are the traffic flow in cities and how to connect autonomous driving in different environments, such as between a restricted harbour area and the public road network. Varberg municipality is also a project partner. For more information contact Magnus Jonsson (magnus.jonsson@hh.se) at Halmstad University.

System-av-system för effektiv hantering av nödsituationer. HIEM (Holistisk och integrerad nödsituation hantering med hjälp av avancerad teknik och utrustning vid trafikolyckor) är ett Vinnovafinansierat bilateralt projekt med Kina, och SoSER (System av system för effektiva räddningsinsatser och mobilitet i städer) är ett Vinnovafinansierat projekt inom system-av-system för urban mobilitet (SoSSUM). Båda dessa projekt handlar om effektiv hantering av nödsituationer men med olika fokus. I HIEM avser vi utveckla avancerad teknik för hantering av nödsituationer som inkluderar prehospital diagnostik, sjukhusval, navigering av utryckningsfordon, smart infrastrukturanpassning, kontroll av trafikflöden och hantering av trafikstockningar, trådlöskommunikation och systemintegration. I SoSEER fokuserar vi på system-av-system (SoS) och utvecklar SoS metoder för räddningsinsatser, inklusive arkitektur, modellering, simulering och integration.  Tillsammans kommer projekten att leverera ett effektivt system-av-system för räddningsinsatser som förbättrar mobilitet i städer vid trafikolyckor, och bidra till utveckling av framstående kunskapsbas i Sverige och utbildning av specialister inom området system-av-system. Både HEIM och SOSEER involverar fyra forskningsinstanser (Chalmers tekniska högskola: trafikflödesstyrning; RISE: systemintegration; Uppsala universitet: optimal ruttval; och VTI: trafiksäkerhet och nödhantering) och fyra industriaktörer (Medfield Diagnostics AB: utrustning för snabb prehospital diagnostik; H&E Solutions: fordonsutrustning för trådlöskommunikation; WSP AB: Intelligent infrastruktur och tjänsteleverantör; FellowBot AB: platsplanering för nödfordon). Det kinesiska forskarteamet leds av Changjiang Professor Wei Wang som är en av de mest inflytelserika transportforskarna i Kina med över 30 års erfarenhet inom nödhantering. Projekten kommer att pågå i tre år från 2019-04 till 2022-04 och välkomnar intressenter inom räddning och sjukvård att ta kontakt med konsortiet för diskussion och utveckling. För mer information kontakta Xiaobo Qu (xiaobo@chalmers.se) på Chalmers eller Lei Chen (lei.chen@ri.se) på RISE.

Hur upplevs olika körstilar? I slutet av FFI-projektet HaTric (Användargränssnitt för automatiserade fordon) genomförde Design & Human Factors försök på AstaZero med Wizard-of-Oz-bil från Volvo Cars. En Wizard-of-Oz-bil är gjord för att upplevas som helt självkörande, men framförs i verkligheten av en dold testförare i baksätet. Under försöket fick deltagarna uppleva två olika körstilar med fordonet som körde en bana med ett antal vanliga trafiksituationer. Fordonet körde ett varv med en mer offensiv stil och ett varv med en mer defensiv stil. Deltagarna fick skatta tillit i de olika situationerna och de intervjuades om sin uppfattning om hur fordonet uppförde sig och fungerade. Nu har vi analyserat klart resultaten från studien och några intressanta slutsatser är att människors tillit till fordonet påverkas mycket av situationerna, t.ex. om det finns oskyddade trafikanter med i situationen. Det var inte en körstil som upplevdes som mest tillitsskapande i alla situationer, men på det stora hela föredrog deltagarna den mer defensiva stilen. När det gällde deltagarnas förståelse och mentala bild av fordonet så byggde deltagarna tydligt upp en omfattande bild av hur fordonet fungerade och tänkte på baserat den väldigt begränsade input de fick. De tolkade in tekniska funktioner och komponenter, egenskaper, förmågor och till och med personlighet baserat på fordonets körning i de olika situationerna. För mer resultat, håll utkik efter kommande publikationer i Transportation Research Part F och licentiatsseminarier under hösten. Kontaktperson är Lars-Ola Bilgård (lars-ola.bligard@chalmers.se) på Chalmers. 

NPAD (Nätverks-RTK Positionering för Automatiserad Körning) är ett FFI-projekt som löper från maj 2018 till april 2020.Projektets mål är att möjliggöra Nätverks-RTK GNSS-positionering för ett stort antal mobila plattformar genom att tillämpa den standard som utvecklats av 3GPP samt anpassa Lantmäteriets befintliga infrastruktur (SWEPOS). Nätverks-RTK är en GNSS-teknologi som har potential att kunna svara mot krav på kostnad, noggrannhet och tillgänglighet. Denna teknologi bygger på att korrektionsdata från en fast referensstation kan tas emot av GNSS-mottagaren. Dagens distribution av korrektionsdata är inte byggt för en massmarknad av t.ex. automatiserade fordon eller smartphones. 3GPP arbetar nu med standardisering kring hur korrektionsdata skulle kunna distribueras via mobilnätet vilket skulle kunna möjliggöra positionering på cm-nivå för en massmarknad.  Projektet syftar till att sammanställa kravbilden utifrån automatiserade fordon, undersöka hur befintliga system för distribution av korrektionsdata skall anpassas och hur en komplett arkitektur skall se ut för distribution via mobilnätet. En demonstrator skall tas fram för att utföra tester och demonstrera tekniken dels på AstaZero och dels längs utvalda vägsträckor. Testerna skall validera den tekniska lösningen och testa både basstationsbyte och skifte mellan referensstationer.Projektet koordineras av RISE och övriga deltagare är AstaZero, Caliterra, Einride, Ericsson, Lantmäteriet, Scania, AB Volvo och Waysure. För mer information kontakta Stefan Nord (stefan.nord@ri.se) på RISE. 

Positionering på AstaZero. A0REF består av 3st Nätverks-RTK referensstationer monterade på tre olika ställen på testanläggningen AstaZero. Dessa har i samarbete mellan Lantmäteriet, MT och AstaZero placerats på AstaZero för att erbjuda referenspunkter med en noggrannhet på mm-nivå (s.k. ankarpunkter). Dessa kan sedan användas för att mäta in andra objekt på banan eller mätinstrument för att mäta på fordon, t.ex. position och hastighet, med spårbar noggrannhet. För mer information kontakta Stefan Nord (stefan.nord@ri.se) på RISE. 

Implementering av självkörande bilar: Överblick av problem och möjligheter avseende samhälleliga och etiska aspekter är ett projekt vid Institutet för Framtidsstudier i samarbete med KTH, som löper under delar av 2019 och 2020 inom ramen för Trafikverkets forskningsprogram ”Vision Zero Academy”. Som projekttiteln antyder är målet med projektet är att analysera etiska och samhälleliga aspekter avseende implementeringen av självkörande fordon. Projektet syftar å ena sidan att ge en bred överblick över vilka etiska frågor som förtjänar att belysas ytterligare. Å andra sidan kommer projektet bidra till att genomföra två djupare analyser av två sådana frågor. Först kommer vi analysera etiska maskinbeslut med avseende på självkörande fordon. Sedan kommer vi att analysera ansvarsfrågor rörande informationsflöden och människors personliga integritet. För mer information besök projektets websida eller kontakta Björn Lundgren (bjorn.lundgren@iffs.se) på Institutet för Framtidsstudier. 

Human Interaction with Automated Vehicles in Cities. This topic will be addressed in a new EU-project called Supporting the interaction of Humans and Automated vehicles: Preparing for the Environment of Tomorrow (SHAPE-IT) that will start in October 2019 and be coordinated by Chalmers. The main objective of SHAPE-IT is to facilitate safe, acceptable (and, ideally, desirable) integration of user-centred and transparent AVs into tomorrow’s mixed urban traffic environments, using both existing and new research methods, designing advanced interfaces and control strategies. This project spans three complementary facets of AV/human factors research: 1) understanding the behaviour of different road-users (inside and outside AVs) when interacting with AVs, investigating cognitive processes, predictability, trust, acceptance and safe interaction following an initial, and long-term exposure to AVs; 2) researching design strategies for the interfaces used for communication and interaction between AVs and humans (inside and outside AVs), and 3) integrating knowledge on human/AV interactions into models to perform prospective mixed traffic-AV safety assessments. As Artificial Intelligence (AI) is a core technology for AV development, in this project, we will also seek to integrate knowledge of human factors with that of AI in AV development, reducing the gap between human-factors and AI scientists, and AV software developers. Fifteen PhD-students will be performing research in the project (the recruitment is ongoing), together with their academic and industrial supervisors. For more information visit the project website or contact Jonas Bärgman (jonas.bargman@chalmers.se) at Chalmers.

Kunskapsunderlag om uppkopplade, samverkande och automatiserade fordon, farkoster och system. Under våren har Trafikanalys haft regeringens uppdrag att ta fram ett trafikslagsövergripande kunskapsunderlag som belyser utmaningar och möjligheter med uppkopplade, samverkande och automatiserade fordon, farkoster och system. Nu har detta publicerats i en rapport som hittas här. Där konstateras bland annat att utvecklingen kommer att ha störst påverkan på vägtrafiken, dels för att denna delsektor är ekonomisk störst och dels för att nyttorna blir mest påtagliga där. Det finns också risk för negativa effekter, som exempelvis risk för ökad vägtrafik som kan motverka de positiva effekterna och bidra till ett mer utspritt boendemönster och försämra underlaget för kollektivtrafik. Delat resande kommer att bli mycket viktigt för att lyckas begränsa den förväntade trafikökningen i urbana miljöer. Vidare konstateras det att utvecklingen rymmer också en rad potentiella målkonflikter; mellan ett kostnadseffektivt och integrerat transportsystem respektive samhällets sårbarhet för extrema risker, mellan enkel och effektiv datakommunikation respektive datasäkerhet, och mellan en storskalig tillgång till data för verksamhetssamordning respektive integritetsrisker. En rekommendation från studien är att det nationella ansvaret för riskhantering klarläggs och att resurser sätts av. Beaktat de osäkerheter som finns om den framtida utvecklingen konstateras att en bred palett av styrmedel kommer att behöva analyseras inför framtiden. För mer information kontakta Lennart Thörn (lennart.thorn@trafa.se) på Trafikanalys. 

Autobike – självkörande cykel. Syftet med studentprojektet Autobike är att utveckla en självkörande cykel som ska användas i testmiljöer för autonoma bilar. Innan autonoma bilar lanseras på marknaden testas de i testmiljöer för att säkerställa att de fungerar som de ska och till exempel kan väja för en cyklist som dyker upp helt oväntat.  Projektet sker i samverkan mellan Mälardalens högskola, Chalmers, AstaZero, Cycleurope och Volvo Cars. Under hösten och våren har studenterna arbetat med alltifrån val av cykel och utvecklingen av elektroniken, mjukvaran, programmeringen och mekaniken, till implementering av kontrollsystemet och testning av cykeln. Att få cykeln att balansera var inte det enklaste. Utvecklingen fortsätter efter sommaren. Här och här hittas mer information. 

V-Com. It is a precautionary system that communicates safety-critical information between truck drivers and vulnerable road users that was presented by six final year MSc students from Blekinge Institute of Technology and Stanford University together with Volvo Group Connected Solutions and its Silicon Valley based Innovation Lab Hub at this year’s Stanford EXPE – design experience. In Stanford’s capstone project, ME310, which runs from October to June, they move in a Design Thinking process through phases of needfinding, ideation, prototyping and more to arrive at a final detail designed product to display at the final exhibition, the EXPE. V-Com is a system of sensing, computation and communication components that the students mounted as an add-on on a truck. For more information visit this site or contact Jenny Elfsberg (jenny.elfsberg@volvo.com) at Innovation Lab Hub US at Volvo Group. 

En ny Tesla-olycka

Nu har det inträffat ännu en dödsolycka med en Tesla-bil som körde med Autopilot.

Utredare vid NTSB (National Transport Safety Board) har funnit att båda männen som omkom i Tesla-krascherna använde förarassistentsystemet Autopilot i samband med kollisionerna [1], [2].

Autopilot är ett Level 2 semi-autonomt system, som enligt Society of Automotive Engineers beskrivs som ett system som kombinerar adaptiv farthållare, körfälthållare, självparkering och nu senast möjligheten att automatiskt byta körfält.

Efter den första kraschen under 2016 fick Tesla en chans att adressera så kallade  ”edge cases” (ovanliga scenarion) för att kunna redesigna Autopilot. Tesla sade då att kameran misslyckats med att känna igen den vita lastbilen mot en ljus himmel; US National Highway Traffic Safety Administration (NHTSA) fann i huvudsak att föraren inte var uppmärksam på vägen och gjorde bedömningen att Tesla var oskyldiga.

Det som avslöjas nu är att trots att båda krascherna hade helt olika versioner av förarassisten teknologin (trots att båda kallas Autopilot) ledde de båda versionerna till dödligt utfall. Autopiloten i den första kraschen baserades på teknologi som utvecklats av den israeliska start-upen Mobileye (som sedan förvärvades av Intel). Olyckan var delvis anledningen till att de två företagen avslutade sitt samarbete 2016.

Den andra kraschen nu var med en Model 3 som var utrustad med en andra generationens Autopilot som Tesla utvecklat in-house. NTSB har sagt att föraren körde med Autopilot ca 10 sekunder innan den kraschade in i ett släpfordon. Föraren hade inte händerna på ratten i nästan åtta sekunder före kraschen och nationella utredare undersöker fortfarande fallet.

Säkerhetsexperter har noterat att system med adaptiva farthållare (som Autopilot) förlitar sig mest på radar för att undvika kollisioner. Radar är bra för att upptäcka rörliga objekt men inte stationära. Systemet har också svårt att upptäcka föremål såsom ett fordon som korsar vägen och inte rör sig i bilens färdriktning.

Egen kommentar

Tesla har ännu inte kommenterat kring hur de planerar att åtgärda detta problem. Detta kommer inte som en extra pålaga eftersom det inte bara är en teknisk aspekt som behöver åtgärdas utan också moraliska aspekter som alla som utvecklar denna teknologi behöver adressera [3]. Det finns nämligen inga tydliga parametrar för när ett självförande fordon anses vara tillräckligt säkert för att sättas på vägen. Det man inte heller vet är vilka metoder som ska användas för att bevisa att en självkörande bil är säker nog. Ska man sedan sikta på att ha fordon som kör 10% bättre eller 100% bättre än mänskliga förare?

En studie gjord 2017 av RAND Corporation fann att ju tidigare automatiserade fordon används, desto fler liv kommer man i slutändan att rädda, även om bilarna är bara lite säkrare än bilar som körs av människor. Forskare fann att på lång sikt kan introduktion av bilar som bara är 10% säkrare än en genomsnittliga förare rädda fler liv än att vänta tills fordonen är 75% eller 90% bättre.

Viktigt att notera är att Tesla, oberoende av den senaste händelsen, kommer att strypa Autopilot och Summonfunktionerna i Europa. Detta till följd av det reviderade regelkravet UN/ECE R79. I sin senaste produktuppdatering skriver företaget: ”På grund av nya lokalregleringar har man justerat gränsen för hur mycket ratten får vridas då ”Autosteer” är aktiverat. Det här kan reducera ”Autosteers” förmåga att genomföra skarpa svängar. Därutöver så måste körriktningsvisaren hållas i första spärren (delvis ned eller upp) och filbytet måste inledas inom fem sekunder efter att blinkers satts igång.”

Källor

[1] Hawkins, A.J., Tesla didn’t fix an Autopilot problem for three years, and now another person is dead. The Verge 2019-05-17 Länk

[2] Tesla’s Autopilot system was engaged during fatal Florida crash in March – NTSB. Reuters 2019-05-16 Länk

[3] Stewart, E., Self-driving cars have to be safer than regular cars. The question is how much. Vox 2019-05-17 Länk