Etikettarkiv: Daimler

Automatparkering planeras på Stuttgarts flygplats

Samarbetet mellan Daimler och Bosch som vi skrivit om här och här har nu tagit ytterligare ett steg i riktning mot automatiserad självparkering, ”autonomous valet parking”.

Återigen är det i Daimlers hemstad Stuttgart som piloten planeras genomföras [1]. Den här gången gäller det två parkeringsrutor i P6-garaget på Stuttgarts flygplats. Det kommer dock kräva senaste Mercedes-Benz S-Class uppgraderad med Intelligent Park Pilot. Målet är en kommersiell lösning men datum för detta har heller inte kommunicerats.

Bosch har i denna lösning valt att låta videoövervakning leda fordonen rätt. Tidigare har dessa system varit baserade på lidar [2].

Egen kommentar

Man skulle lätt kunna få för sig att automatiserad parkering borde vara relativt enkelt att få på plats men trots att tekniken visades upp för över tre år sedan verkar fortfarande en kommersiell lösning dröja.

Källor

[1] Stuttgart airport set to welcome highly automated and driverless parking with the new Mercedes-Benz S-Class. 2020-10-12 Länk

[2] SafeCarNews. Daimler and BOSCH tests autonomous valet parking in Stuttgart airport. 2020-10-13 Länk

Lastbilsnyheter från Daimler

Likt flera andra lastbilstillverkare försöker Mercedes-Benz röra sig i riktning från att enbart sälja fordon mot att istället främst leverera tjänster, så kallad Truck-as-a-Service eller Lastbil Som Tjänst [1].

Bland de lösningar som Daimler för fram i den andan hittas till exempel:

  • Truck Data Center 7 med gränssnitt mot även andra lastbilsmärken.
  • Stödsystemet Fleetboard Transport Management service ersätts av ett nyinköpt system för övervakning och arbetsprocesser, HABBL.
  • Nytt gränssnitt för flotthanterare i Fleetboard som nu lyfts över till Microsoft Azure Cloud

Därtill meddelar Daimler introduktion av två förarstödssystem i lastbilar från och med juni 2021 [2]:

  • Uppdaterad automatisk nödbroms som ”lyfter” lastbilarna till automationsnivå 2.
  • Förarstödssystem för döda vinkeln i till exempel korsningar.

Egen kommentar

För två veckor sedan beskrev vi (här) hur svårt biltillverkare verkar ha för att skapa system för att tjäna pengar på digitala tjänster kopplade till fordonen. De stora lastbilstillverkarna verkar ha kommit längre men kan fortfarande ha en bit kvar innan deras lösningar dominerar.

På lastbilstemat kan ni också läsa en intressant artikel av experten inom området Richard Bishop (här) som menar att utvecklingen av automatiserad körning inte saktar ner men att resan dit blir svårare.

Källor

[1] Automotive World. New digital products and features: Mercedes-Benz Trucks has maximum vehicle availability in focus with digital services. 2020-09-23 Länk

[2] Daimler. Mercedes-Benz Trucks presents two worldwide innovations in their trucks for more safety on the road. 2020-09-23 Länk

Daimler och Torc Robotics utökar testning

Daimler Trucks och Torc Robotics som utvecklar autonoma lastbilar har nu haft ett samarbete i ett år, och nu utökas testningen vidare till delstaten New Mexico i USA [1].

Tidigare har de samarbetande företagen endast testat lastbilarna på vägar i delstaten Virginia. Nya testmiljöer innebär nya användarfall att hantera, vilket är bra för utvecklingen av de autonoma lastbilarna.

Testerna utförs på allmän väg och lastbilarnas automationsnivå sägs vara L4 enligt SAE skalan, men tekniker och säkerhetsförare finns i fordonet för övervakning och ingripande vid oväntade situationer.

Källa

[1] PR Newswire. Daimler Trucks and Torc Robotics celebrate one year of successful collaboration – adding testing center in New Mexico. 2020-09-03 Länk

Ford i nya AI-samarbeten

Ford har nyligen tillkännagivit ett par samarbeten där de…

vill identifiera farliga trafikmiljöer

I ett artonmånaders projekt som startar nu i sommar kommer Ford tillsammans med Vivacity Labs, Oxfordshire County Council och Loughborough University utveckla ett verktyg som sammanför data från en rad olika slags källor för att kunna förutsäga farliga trafikmiljöer [1]. I tidigare projekt har det påvisats hur även små insatser för att åtgärda identifierade problemområden kunde öka säkerheten. Exempel på sådana åtgärder anges till exempel vara att klippa bort grönt för att tydliggöra skyltning eller laga gatubeläggning.

utvecklar automatiserad parkering

Bosch och Ford planerar USAs första demonstrationsprojekt för automatiserad parkering i Fords innovationsdistrikt Corktown i Detroit. Projektet genomförs i bottenplanet på fastighetsutvecklaren Bedrocks parkeringshus [2, 3]. Argumenten är de vanliga: Använd en app för att slippa parkera så kan dessutom bilarna packas tätare.

Vi skrev för ett par år sedan om Boschs samarbete med Daimler för en liknande lösning i Peking. Sommaren 2019 inleddes testningen av ett liknande parkeringstjänst i ett garage tillhörande Mercedes-Benz Museum i Stuttgart. Hur det gått med detta är oklart för tillfället.

Källor

[1] Ford. Ford Trials Tech to Help Foresee Traffic Incidents; Connects Cars and Sensors to Improve Road Safety. 2020-08-20 Länk

[2] Milano, M., WebProNews. Bedrock and Bosch Developing Automated Valet Parking. 2020-08-27 Länk

[3] Ford. Ford, Bedrock and Bosch are Exploring Highly Automated Vehicle Technology in Detroit to Help Make Parking Easier. 2020-08-26 Länk

Daimler utökar tester på allmän väg

Vi har under de senaste åren följt Daimler och Torc Robotics resa gällande självkörande lastbilar. Senaste nytt är att Daimler och Torc Robotics skall utöka sina körrutter i Virginia utöver de områden i sydvästra Virginia där de har kört sedan förra året [1].

Deras lastbilar kör med automatiseringsnivå SAE 4 och har en ingenjör som överser systemet samt en säkerhetsförare som kan ta över i oväntade situationer.

Källa

[1] Heavy Duty Trucking. Daimler Trucks, Torc Robotics Expand Autonomous Testing. 2020-02-18 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 

Daimler testar användarupplevelser med robottaxi i San José

För ungefär ett år sedan skrev vi att Daimler kommer erbjuda självkörande mobilitetstjänst med Mercedes-Benz S-klass bilar i San Jose, och nu verkar Daimler påbörjat tester [1].

Vi skrev också i mitten av november om Daimlers ‘reality-check’ kring självkörande taxi, och om hur VD Ola Källenius avsåg att istället omdirigera satsningar kring självkörande fordon på långdistanstransport av gods. Anledningen till att fokusera mindre på självkörande taxi var att man missbedömt och underskattat utmaningarna i att utveckla säkra självkörande bilar i stadsmiljöer.

I uttalandena kring den här nyheten så sägs Daimler göra dessa tester för att fånga användarupplevelsen med självkörande taxitjänster [1]. Daimler är intresserade av att få veta vad allmänheten förväntar sig i en självkörande taxibil i jämförelse med en vanlig manuellt körd taxibil.

Fordonen som används för de nya testerna är till större delen Mercedes-Benz S-class med sensorer inklusive lång-distans LiDAR. Fordonen kommer av säkerhetsskäl inte vara förarlösa.

Källa

[1] Daimler starts pilot testing of self-driving Mercedes S-class taxis, Automotive News Europe 2019-12-02 Länk

Daimlers besparingar

Förra veckan blev det officiellt att Daimler kommer fram till slutet av år 2022 att skära ner personalstyrkan med 10 000 personer [1]. Detta väntas generera en besparing på 1,4 miljarder euro. 

Daimler motiverar nedskärningen med att övergången till CO2-neutral mobilitet kräver stora investeringar. Dessa investeringar inkluderar framförallt utvecklingen av eldrivna och automatiserade fordon [2].

Här kan ni läsa om Daimlers ändrade planer kring självkörande taxitjänster.  

Källor

[1] Daimler. Daimler decides on key points to streamline the company. 2019-11-29 Länk

[2] Rauwald, C., Bloomberg. Mercedes-Benz Parent Plans Thousands of Job Cuts. 2019-11-29 Länk

Daimler gör reality-check

Enligt Daimlers (nya) VD Ola Källenius är framtiden för självkörande taxi inte helt given och Daimler kommer att anpassa sina satsningar på området därefter [1]. Det är då mer sannolikt att självkörande teknik kommer att tillämpas på kommersiella fordon för långdistanstransport av gods. 

Detta efter att företaget gjort en verklighetskoll och insett att det är en mycket större utmaning att säkerställa att självkörande bilar fungerar i stadsmiljöer än vad ”ingenjörer” hade räknat med från början. Även om Daimler skulle lyckas visa att självkörande taxi är säker, är enligt Källenius fördelarna med att gå in i den trånga taximarknaden oklara: The full scale deployment would tie up a lot of capital with some uncertainties around the earnings potential. 

Egen kommentar

Det här är ingen överraskning direkt och jag tror att vi kommer under de närmsta åren att se fler liknande beslut; flera aktörer kommer att antingen lägga ner delar av sin verksamhet eller samarbeta med andra för att dela på kostnaden. Alla kan inte vara med på allt, vilket har varit en tendens under de senaste 5-6 åren. Det är dock viktigt att göra rätt prioriteringar och välja rätt affärsmodell – om Daimler har fel och självkörande taxi slår igenom så kan det få förödande konsekvenser för företagets hela personbilsverksamhet. Visserligen kan de köpa självkörande system från leverantörer men då har de inte kontroll över den mest väsentliga delen i framtida bilar. 

Jag håller inte med Källenius om att det är ingenjörerna som haft fel uppskattning om svårigheten att göra självkörande bilar säkra – jag tror tvärtom, att ingenjörerna har varit medvetna om utmaningen hela tiden men att deras chefer, dels på grund av rädsla av att hamna efter och dels på grund av affärsmöjligheter, lovade lite för mycket.  

Källor

[1] Reuters. Daimler takes ’reality check’ on robotaxis. 2019-11-14 Länk

Daimler Trucks börjar testa automatiserade lastbilar på allmänna vägar

Daimler Trucks och Torc Robotics utvecklar och testar automatiserade lastbilar med SAE nivå 4 på allmänna motorvägar i sydvästra Virginia [1].

Alla körningar med automatiserade fordon inkluderar både en ingenjör som kommer att övervaka systemet och en utbildad säkerhetsförare som är certifierad av Daimler Trucks och Torc Robotics. Alla säkerhetsförare är också specialutbildade i fordonsdynamik och automatiserade system och innehar körkort för yrkesförare.

Detta test på allmänna vägar sker efter månader av omfattande tester och säkerhetsvalidering i en sluten testmiljö.

Källa:

[1] Torc Inc (2019). Daimler Trucks begins testing automated trucks on public roads [Press release]. 2019-09-08 Länk