Okategoriserade

Skicka till oss era guldkorn

Tiden går och snart är det dags för oss att sammanställa guldkorn från svensk forskning, vilket vi brukar göra inför vår sommar- och juluppehåll.  

Har du några nyligen avslutade, pågående eller planerade studier och projekt som rör automatiserade transporter och som du vill dela med våra andra läsare? Skriv i så fall en kort sammanfattning (3-10 meningar) på engelska eller svenska och skicka den till azra.habibovic@ri.se senast den 2 juli 2020.

Vi är intresserade av alla relevanta ämnen, från processorer till sensorer, algoritmer, HMI, mobilitetstjänster, utvärderingsmetoder och verktyg, designmetoder, koncept, samhällseffekter, trafikreglering och lagstiftning. Ja, allt mellan himmel och jord!

Det kan vara en sammanfattning av en specifik studie eller dina samlade insikter utifrån din forskning och utveckling inom ett visst område. Om möjligt, inkludera länkar till relevanta källor (artiklar, webbsidor, filmer). Glöm inte att nämna forskningensfinansiärer! Här är några exempel på hur en sådan sammanfattning kan se ut.

Medan ni funderar på vad ni ska skicka till oss så kan ni titta på roboten Spot och hans äventyr.

Med detta önskar vi på redaktionen en trevlig och regnfri midsommar! Vi är tillbaka nästa vecka.

Lagstiftning och regelverk, Samhällspåverkan, Tester och demonstrationer

AV TEST

Amerikanska trafiksäkerhetsorganisationen NHTSA lanserade i måndags ett initiativ för transparent datainsamling vad det gäller självkörande fordon, Automated Vehicle Transparency and Engagement for Safe Testing (AV TEST) [1]. Detta är ett frivilligt, icke-reglerande partnerskap mellan NHTSA (på uppdrag av U.S. Department of Transportation), delstater, lokala myndigheter och privata aktörer som bedriver verksamhet kring automatiserad körning. 

Syftet är att skapa en formell plattform där alla dessa intressenter kan samordna och dela information med varandra och allmänheten på ett standardiserat sätt. Som en del av detta planerar NHTSA att ta fram ett online kartläggningsverktyg som så småningom kommer att visa testplatser och vilken data som samlas in. Utöver det kommer det hållas en rad offentliga evenemang runt om i USA. 

Initiativet väntas hjälpa till att förbättra säkerheten och öppenheten för testning av automatiserade körsystem på allmänna vägar. Hittills har 9 företag (Beep, Cruise, Fiat Chrysler Automobiles, Local Motors, Navya, Nuro, Toyota, Uber, Waymo) och 8 delstater (Kalifornien, Florida, Maryland, Michigan, Ohio, Pennsylvania, Texas, Utah) ställt sig bakom det. 

Egen kommentar

Att bli accepterade av allmänheten är en av största utmaningar för automatiserade fordon. NHTSA har under de senaste 2-3 åren tagit på sig rollen att säkerställa att allmänheten är ”med på tåget”. De har vid flera tillfällen, inte minst i den senaste uppdateringen av de nationella riktlinjerna AV 4.0, uppmanat och efterfrågat mer transparens kring testning och förmåga av automatiserade fordon som är under utveckling.

Kritiken som NHTSA får i sammanhanget är att det rör sig om frivilligt deltagande. Kritikerna menar att hårdare och mer koordinerade regler och handlingar behövs för att säkerställa att alla tillverkare gör rätt.

Källor

[1] NHTSA. U.S. Transportation Secretary Elaine L. Chao Announces First Participants in New Automated Vehicle Initiative to Improve Safety, Testing, and Public Engagement. 2020-06-15 Länk

Tester och demonstrationer

Metoder för utvärdering av ADAS

En grupp forskare vid Virginia Tech Transportation Institute (VTTI) har tagit fram en rapport som beskriver en portfölj med testmetoder för utvärdering av förarstödssystem (motsvarande SAE nivå 1 och 2) [1]. 

Målet har varit att utveckla lätt implementerbara och standardiserade metoder som snabbt och billigt kan appliceras för att testa systemens funktionsförmåga och begränsningar. Utgångspunkten har varit att dessa ska vara tillämpningsbara både på existerande ADAS och de som är under utvecklingen. 

Metoderna grundar sig dels i en litteratursammanställning och dels i diskussioner med experter från industri och forskningsvärlden. De utvärderar fordonets prestanda, liksom dess prestanda i förhållande till andra fordon i flottan. Exempel på detta inkluderar prestandan hos adaptiv farthållare (ACC) och körfilshållare (LKA) i en kurva samt när fordonet skär in mellan andra fordon (cut-in) och när föraren är ouppmärksam och tar bort händerna från ratten. Dessutom omfattas olika stödssytem för lägre hastigheter som start- och stopphjälp, nödinbromsning vid hinder på väg samt tillfällig körfilsavstängning. 

Insamlingen av data görs huvudsakligen med hjälp av tränade observatörer som dokumenterar fordonets beteende och prestanda med ett fördefinierat protokoll, samt ett automatiskt datainsamlingssytem som sparar fordonets parametrar som hastighet, GPS-koordinater och acceleration.

Efter att metoderna tagits fram har de tillämpats på en flotta av testbilar från olika tillverkare, både på en testanläggning och på allmän väg. Följande fordon ingick i testflottan: 2017 Audi Q7 Premium Plus 3.0 TFSI Quattro, 2015 Infiniti Q50 3.7 AWD Premium, 2015 Tesla Model S P90D AWD, 2016 Mercedes-Benz E350 Sedan, 2016 Volvo XC90 T6 AWD R-Design, 2018 Cadillac CT6 AWD 3.6L Engine Premium Luxury och 2018 Tesla Model X.

Utvärderingen visade bland annat följande:

  • Majoriteten av testfordonen reagerade på hinder i sin väg i form av ljus- och ljudsignaler, men för det mesta bromsade eller minskade fordonen inte hastigheten för att undvika eller mildra kollisionen.
  • Fordonen var också inkonsekventa i sin prestanda, vilket tyder på stora variationer i testflottans ADAS-funktioner även om de teoretiskt sett borde prestera på liknande sätt. 
  • Fordonens fysiska respons i en och samma situation samt sättet att kommunicera mot föraren varierade avsevärt från fordon till fordon.

Tanken är att portföljen ska vara ett levande dokument som kommer att inkludera fler fordon när automatiserade system utvecklas och nya fordon blir tillgängliga för testning.

Egen kommentar

Studiens resultat är dessvärre inte förvånande. Det har diskuterats länge, framförallt i forskarvärlden, att det finns stora skillnader i förarstödssystem mellan olika tillverkare och att detta kan skapa förvirring för förarna. Det är dock ännu mer oroväckande att alla testade system var dåliga på att undvika kollisioner. Detta tyder på att det finns en hel del utrymme för förbättring hos diverse förarstödssystem. 

Här är det också viktigt att notera att ”standardiserade metoder” inte betyder att dessa metoder gjorts till en standard av någon standardiseringsorganisation t.ex. som ISO och SAE.

Källor

[1] Basantis et al., 2020. Standardized Performance Evaluation of Vehicles with Automated Capabilities. VTTI. Länk

Kooperativa system, Samverkan människa - maskin, Sensorer

Gott och blandat från forskningen

Säkerhetsutmaningar utan uppkoppling. Förra veckan skrev vi om en studie från IIHS som kommit fram till att automatiserade fordon bara kommer kunna undvika en tredje del av dagens alla olyckor. Lite på samma tema så har nu en annan forskargrupp från University of California – Berkeley med hjälp av teoretiska modeller och empiriska data kommit fram till att det behövs uppkoppling för att kunna undvika en större andel olyckor: Vår säkerhet beror inte bara på våra egna handlingar utan också på hur omgivande trafikanter beter sig och var de befinner sig, och utan uppkoppling (V2V eller V2I) kan dessa faktorer förbli okända i flera trafiksituationer som exempelvis där fotgängare eller andra fordon är dolda eller där någon trafikant kör mot rött. Länk

Mode confusion. Under överskådlig framtid kommer det finnas fordon som möjliggör både manuell och automatiserad körning. Det är också ganska givet att dessa fordon kommer innehålla funktioner med olika automationslägen som fungerar under olika förutsättningar. Då är det viktigt att kommunikationen med föraren är utformad på rätt sätt och att det är tydligt för föraren vilket automationsläge som fordonet befinner sig i. Annars kan föraren bli förvirrad kring vad som gäller, vilket i sig kan medföra säkerhetsrisker och påverka tillit till automationen samt leda till att automationen inte används. En studie från Seeing Machines i Australien har utforskat just detta i en studie som genomförts på allmän väg med 21 förare. Länk

Detektering av tomrum med lidar. En grupp forskare från Carnegie Mellon University har undersökt nyttan med att ta hänsyn till tomrum när det gäller 3D objektdetektering med hjälp av lidarsensorer på självkörande bilar. Att ta tomrum i beräkenskap är en teknik som används vid framställning av digitala kartor. En initial utvärdering av den nya metoden visade att den var bättre på att detektera bilar, fotgängare, lastbilar, bussar och långtradare än den tidigare toppresterande metoden för dataseende med 11%, 5%, 7% respektive 16%. Studien beskrivs i artikeln What You See is What You Get: Exploiting Visibility for 3D Object Detection och presenteras vid konferensen Computer Vision and Pattern Recognition (CVPR) som pågår den 13-19 juni 2020. Länk

Arbetsmaskiner

Framtiden för skogsindustrin

Virkesmätning- och redovisningsorganisationen Biometria offentliggjorde sin trendspaningsrapport för digitalisering av skogsindustrin där de kommit fram till att 5G och artificiell intelligens (AI) kommer att vara avgörande för skogsnäring i framtiden [1].

På kort sikt visar trendspaningen ökad uppkoppling och användning av AI för att till exempel mäta virkesvolym. Den förutser också en ökning i antalet skogsmaskiner utrustade med sensorer för att få information om träden som avverkas samt lagerinventering med hjälp av drönare. På lång sikt pratar man om en helt automatiserad kedja där självkörande lastbilar är en viktig del i det hela.

Källa

[1] Ek, H., Digital. Skogsindustrin tar tekniksprång med AI – helautomatisering i siktet. 2020-06-15 Länk

Forskningsprojekt, Personbilar

Förändrade resevanor med mer automation?

En forskare från University of California Institute of Transportation Studies har publicerat en rapport som berör förändringar i resvanor hos ägare av fordon med villkorad automation [1, 2].

I arbetet intervjuades 36 amerikaner som äger Teslafordon utrustade med Autopilot som (trots allt) är ett förarstödssystem där fordonet under vissa omständigheter kan överta longitudinell och lateral styrning, men där den mänskliga föraren alltid har ansvaret och är i kontroll.

Från intervjun framkom det att deltagarna upplever att de är mindre trötta och stressade, är mer benägna att utföra icke körrelaterade aktiviteter samt känner sig säkrare. Angående resvanor visar det sig att deltagarna reser längre och mer, och är mer benägna att köra i tät trafik.

Anledningar till dessa förändringar i resvanor undersöks också i studien med hjälp av existerande litteratur. Några av möjliga anledningar eller förklaringar är:

  • Minskad resekostnad
  • Minskad stress och trötthet, samt ökad bekvämlighet
  • Förmåga att utföra icke-kör-relaterade uppgifter

Egen kommentar

Det skulle vara intressant att veta till vilken grad som förarstödssystemet bidrar till förändrade resevanor och till vilken grad faktumet att det är en eldriven bil spelar roll. Jag kan också tänka mig att dessa olika egenskaper skiljer sig geografiskt på grund av sociokulturella faktorer. Deltagarna i den här studien var från norra Kalifornien, och den största orsaken till att köpa en Tesla-bil enligt intervjuerna var just att den var eldriven.

Att ökad automation i fordon kan leda till mer resande har vi rapporterat om vid flera tillfällen, och den utmaningen kvarstår. En förhoppning är att delade mobilitetstjänster ska hålla antalet fordon i ”schack”, men där handlar det också om att få folk att ändra sitt resebeteende och övergå från privatbilägande till delade tjänster.

Ni kan också se ett seminarium där arbetet presenteras här samt presentationsmaterialet här.

Källa

[1] Hardman, S., Escholarship: ITS Reports. Travel Behavior Changes Among Users of Partially Automated Vehicles. 2020-05 Länk

[2] Hardman, S., Escholarship: Policy Briefs. Drivers of Partially Automated Vehicles are Making More Trips and Traveling Longer Distances. 2020-05 Länk

Kartor

Uppdaterade rekommendationer om kartdata

Brittiska samarbetsorganet Zenzic släppte under sommaren 2019 en rapport av den brittiska motsvarigheten till Lantmäteriet, Ordnance Survey, om den analys och de rekommendationer kring behov av geodata för testning av självkörande fordon.

Rapporten innehöll en enkät riktad till industrin. Nu har resultaten från den enkäten sammanställts och analyserats. Resultatet pekar på att det kommer att kräva branschövergripande konsensus för att skapa storskaliga plattformar för insamling, bearbetning och delning av kartdata från uppkopplade och självkörande fordon för att säkerställa att sådana fordon finns i stor skala på allmänna vägar till 2030.

Några av huvudslutsatserna:
  • Det kommer krävas mycket arbete med att likrikta kartdata från regionala källor (Storbritannien har till exempel över 200 lokala vägmyndigheter). Detta för att undvika flera olika sätt att bearbeta och hantera data på.
  • Kartläggning av datakvalitet anses vara viktigare än upplösning.
  • 10 cm (men 5 cm för information om körfältsmarkeringar) anses vara lämplig upplösning för automatiserade körsystem som använder högupplösta kartor, och 2 cm för de som inte gör det.
  • De uppkopplade och självkörande teknologibranscherna bör följa spel-, väder- och BIM-sektorerna (Building Information Modeling) i att hitta gemensam terminologi, förutom att samarbeta med  myndigheter.
  • För närvarande används både TN-ITS och ISO 20542 standarderna av utrustnings- och fordonstillverkare. Harmonisering mellan de två standarderna kommer att ta lite tid, så testanläggningarna måste initialt kunna stötta båda.
Rapporten går att ladda ned gratis här men det krävs registrering.

Källa

[1] Zenzic. Zenzic announces results of industry-wide consultation on geospatial data for self-driving vehicles. 2020-06-11 Länk. 

Inspiration, Övriga fordon, Tester och demonstrationer

Självkörande asfalteringsmaskin

XCMG som är en kinesisk tillverkare av arbetsmaskiner visade nyligen en självkörande vägmaskin [1]. Detta i samband att man enligt företaget utfört världens första självkörande vägasfaltering.

Utvecklingen av asfalteringsmaskinen har skett i samarbete mellan XCMG, Sichuan Railway Investment Group och Tsinghua Universitet. Som en debut och första tillämpning användes den självkörande asfalteringsmaskinen på den så kallade Panda Expressway, en motorväg som är under uppbyggnad.

Maskinen ska vid arbetet på motorvägen ha fått information från ett fjärrcenter om bästa rutt och sedan utfört arbetet på egen hand med 2-3 cm precision.

Källa

[1] PRNewswire. XCMG Reveals Autonomous Road Roller. 2020-06-10 Länk

Hughes, M., TechGeek. Prepare yourselves, Road Rollers are now autonomous and self-driving. 2020-06-11 Länk

Fordon, Marknadsundersökningar, Mobilitetstjänster

Hur kommer självkörande fordon påverka Moskva?

En ny studie som förutspår effekterna som självkörande fordon kan komma att ha på Moskva år 2030 och 2035 har publicerats [1].

Baserat på stadens strategier och tillgängliga uppgifter om antalet passagerare per bil, bilförsäljning och effektiviteten av transportsystemet tog forskarna fram fyra möjliga scenarier: Stagnation, Shared Use och Robotisation & Absolute Mobility.

I de två första scenarierna, Stagnation och Shared Use, förutspår forskarna att antalet fordon på vägarna och trängseln kommer att öka i Moskva.

I scenarierna Robotisation och Absolute Mobility förväntas antalet passagerare per bil fördubblas och antalet dagliga resor öka.

En slutsats från studien är, att trots att takten i vilken självkörande fordon introduceras i Moskva är annorlunda i de olika scenarier, så kommer introduktionen av delade mobilitetstjänster ta lika lång tid i alla scenarier. Dock såg man att scenarier med en hög andel delade fordon kommer också göra det möjligt för en mindre fordonsflottor att tillgodose en större efterfrågan på persontransporter.

Avslutningsvis föreslår studien att nya åtgärder bör införas gradvis och tillkännages i förväg, gärna flera år innan besluten träder i kraft.

Källa

[1] Mehmet, S., Study: how will self-driving vehicles change Moscow?. Intelligent Transport. 2020-06-07 Länk

Lastbilar, Produktplaner

Tesla: ”go all out”

I november 2017 visade Tesla sin eldrivna lastbil, Tesla Semi, för första gången. Under veckan ska företagets VD Elon Musk ha skickat ett mail till sina anställda där han informerar om att det är dags att börja masstillverka lastbilen, eller som han själv utryckte det: ”It’s time to go all out” [1].

En gissning som florerar i media är att detta kommer ske nästa år, vilket i så fall blir 2 år senare än vad som utlovats från början. Många ställer sig också frågan om lastbilen kommer vara utrustad med Autopilot?

I några tidigare uttalanden från Musk fanns det i alla fall indikationer på att detta skulle kunna vara fallet. Vad tror ni?

Fundera på det i solen under helgen. Trevlig helg önskar vi på redaktionen!

utgiven av RISE Research Institutes of Sweden