Etikettarkiv: Intermetra

Så tycker svenskarna…

Under 2018 har undersökningsföretaget Intermetra studerat kännedomen om, inställningen till och vilka möjligheter och farhågor som svenskar ser kring självkörande fordon, hållbara drivmedel och delningsekonomi. Studien är baserad på en online-enkät med 561 deltagare. 

En övergripande slutsats kopplat till automatiserade fordon är att deltagarna ser säkerheten som den största utmaningen, och att lösningen är att ha en säkerhetsförare närvarande i fordonet under introduktionsfasen.  

Rapporten finns att hämta här med en engelskspråkig sammanfattning här.

Nytt från svensk forskning

Automated Speed and Lane Change Decision Making using Deep Reinforcement Learning. This paper introduces a method, based on deep reinforcement learning, for automatically generating a general purpose decision making function. A Deep Q-Network agent was trained in a simulated environment to handle speed and lane change decisions for a truck-trailer combination. In a highway driving case, it is shown that the method produced an agent that matched or surpassed the performance of a commonly used reference model. To demonstrate the generality of the method, the exact same algorithm was also tested by training it for an overtaking case on a road with oncoming traffic. Furthermore, a novel way of applying a convolutional neural network to high level input that represents interchangeable objects is also introduced. The paper was presented at the International Conference on Intelligent Transportation Systems (ITSC) in the beginning of November 2018, and a preprint is available at arXiv. For more information contact Carl-Johan Hoel (carl-johan.hoel@volvo.com) at Volvo Group Trucks Technology. 

Självkörande fordon och kollektivtrafik – Hot och möjligheter är ett projekt som undersöker effekter av självkörande fordonsteknik på transportsystemsnivå (med hjälp av bland annat Visum och Sampers). Projektet är finansierat av SLL, löper under 2018-2019 och använder Stockholms län som studieobjekt. Några av de nyckeltal man undersöker är bland annat förändringar i marknadsandel, trängsel och utsläpp. Totalt kommer sex olika framtidsscenarier undersökas med antaganden om ny teknik för både personbilar och för kollektivtrafiken, bl a first/last mile-lösningar och självkörande robotaxis. För tillfället (december 2018) är projektet inne i sista fasen av att fastställa nyckeltal, scenarier och metod men kommer under våren 2019 börja modellera scenarierna. De första resultaten förväntas till sommaren men arbete pågår fram till mitten av hösten. Kontaktperson för projektet är Erik Almlöf (erika5@kth.se) på Integrated Transport Research Lab på KTH.

Tillit till intelligenta bilar. Första studien av oövervakad automatiserad körning på allmän väg har genomförts i samarbete mellan Volvo Cars, RISE Viktoria och Halmstad Högskola inom det FFI-finansierade forskningsprojektet ”Trust in Intelligent Cars” med Volvo Cars testfordon WOz. Genom att mixa etnografi och experimentellt upplägg har en funktion för automatiserad körning (aktiverad under vissa sträckor) utforskats för en typisk pendlares vardag i Göteborgsområdet. Totalt 19 resor genomfördes av 5 pendlare och resultaten visar på hur en sådan funktion upplevs och hur den beter sig under verkliga trafikförhållanden. För mer information kontakta projektledare Annie Rydström (annie.rydstrom@volvocars.com) eller Jonas Andersson (jonas.andersson@ri.se).

Metodutveckling. Med stöd från det FFI-finansierade TIC-projektet, KK-finansierade AIR-projektet och Vinnovas AstaZero utlysning har en explorativ studie på AstaZeros testbana genomförts av RISE Viktoria med Volvo Cars testfordon WOz med syfte till att testa olika sensorers förmåga att fånga användarupplevelse över tid. Genom att testpersonerna upplevde fordonet två gånger med en veckas mellanrum kunde fordonets nyhetsvärde minska och testpersonernas beteenden stabiliseras. För mer information kontakta projektledare Jonas Andersson (jonas.andersson@ri.se).

Mobilists of the future. A wealth of actors, both private and public, strive to understand and develop the travelling of the future. Together with our clients, we at Intermetra strive to cultivate and share knowledge of the challenges and opportunities that transportation are facing. This year we’ve looked into the customer perspective on three crucial areas: automated vehicles, sustainable fuels and sharing economy. Our study is based on input from more than 550 Swedes. We’ve also used social media monitoring and quick fire Q&As to deepen our understanding of these areas. We have focused on understanding which groups that are most ripe for behavioural change and what contributes to a transition to use more sustainable transportation. The study will be presented in January at Transportforum 2019. For more information contact Anders Lindahl (anders.lindahl@intermetra.se) at Intermetra.

DRAMA – DRiver and passenger Activity Mapping. Idén med DRAMA-projektet är att öka möjligheterna för interaktion mellan ett fordon och personerna i fordonet. Detta genom att ge fordonet mer information om vad de personerna som befinner sig i fordonet gör. DRAMA kommer att ta fram en prototyp till ett system som ska kunna användas i ett fordon. Denna prototyp kommer att använda flera kameror som sensorer. Bilder från kamerorna kommer att analyseras med beräkningsmodeller för personers beteende som är baserade på bildbehandlingsalgoritmer och resultaten från maskininlärning. Exempel på information som ska finnas tillgänglig är ansiktsuttryck, kroppsställning och personernas aktiviteter. DRAMA är ett samarbete mellan RISE Viktoria och Smart Eye AB som pågår under tiden 2018-03-01 till 2020-02-29, med ekonomiskt stöd från Fordonsstrategisk Forskning och Innovation (FFI). För mer information kontakta David Lindström  (david.lindstrom@ri.se) på RISE Viktoria och besök projektets webbsida.

HUGO delivery is a startup developing an AGV (autonomous ground vehicle) for package delivery. The robot will focus on modularity and aims to tackle the problems associated with the last mile in the logistics chain. Today, the last mile of delivering packages is a costly, time consuming and unsustainable part of the value chain of consumer goods. HUGO started a Vinnova funded research project in November 2018 together with the Textile school in BoråsEricssonSomething Borrowed and Sportlala. The goal of the research project is to adapt the HUGO robot for circular textile services and investigate the possibilities to improve the return process both from a consumer convenience and sustainability points of view. The project is expected to be finalized in April 2020. For more information contact Minna Sandberg (minna@berge.io) or Romy van den Broek (romy@berge.io) at Berge / HUGO Delivery.  

SEBRA – SEnsor for Bicycle’s impRoved Awareness. RISE Viktoria, Aptiv och LIRI AB driver tillsammans projektet SEBRA som ska undersöka hur trafiksäkerheten för cyklister kan förbättras genom att minska risken för kollision och konsekvenserna av en kollision mellan cykel och bil eller annat motorfordon. Aptiv utvecklar lösningar inom aktiv säkerhet för fordonsindustrin och LIRI AB är aktivt inom cykelbranschen. Bilar och lastbilar har under senare år utrustats med många olika system för aktiv säkerhet. SEBRA-projektet är ett försök att överföra kunskaper och teknik från denna utveckling till produktutveckling för cyklisters trafiksäkerhet. Ett annat mål med projektet är att förbättra kontakterna och öka samarbetet mellan fordonsindustrin och cykelbranschen. Projektet kommer att ta fram och utvärdera en prototyp där radarsensorer monteras på en elcykel, kombinerat med ett användargränssnitt som ger information till cyklisten om det finns fordon i närheten som ökar risken för kollision. Systemets analys av trafiken i omgivningen och klassificering av vilken risk som olika fordon utgör för cyklisten kommer att vara baserat på dels statistik och litteratur om skador och dödsfall vid kollisioner mellan cykel och bil, och dels på simuleringar av trafikscenarier som kommer att utföras på testbanan AstaZero. SEBRA pågår under tiden 2018-06-01 till 2019-12-31 och har beviljats bidrag från Fordonsstrategisk Forskning och Innovation (FFI). För mer information kontakta Jonas Andersson (jonas.andersson@ri.se) på RISE Viktoria och besök projektets webbsida

Electric Site. Nyligen avslutades forskningsprojektet Electric Site där Volvo Construction Equipment (CE) har elektrifierat och automatiserat delar av en bergtäkt. Lösningen har testats under en 10-veckorsperiod i Skanskas bergtäkt Vikan kross i Torslanda utanför Göteborg. Testerna visar på 98% lägre koldioxidutsläpp, 70% lägre energikostnad och 40% lägre operatörskostnad. Projektet för Volvo CE ett steg närmare framtidsvisionen om tio gånger så effektiva arbetsplatser, med noll olyckor, noll oplanerade stopp och noll utsläpp. Sammantaget stödjer dessa resultat den förutspådda minskningen av den totala driftskostnaden med 25 %. I nuläget är dock minskningen av den totala driftskostnaden bara en prognos. Här kan ni se hur det hela fungerar:

https://www.youtube.com/watch?v=ZkLq7GjJHXk&feature=youtu.be

För mer information kontakta Jimmie Wiklander (jimmie.wiklander@volvo.com) på Volvo CE och besök projektets websida

NuMo – New Urban Mobility is a future mobility system developed under a pre-study project ”Urban Infrastructure Opportunities with Autonomous Vehicles” financed by Vinnova through the innovation program InfraSweden2030. NuMo emerges from decades of work across the whole transportation industry including autonomous vehicles, connectivity and electrification. Going beyond today’s time-tabled public transport, NuMo is an on-demand transport system that runs on dedicated infrastructure and allows only certified connected, automated and electric vehicles. Traffic in NuMo is non-stop with very high capacity enabled by vehicle connectivity and control. All stopping is offline or outside the dedicated network. NuMo can be introduced in stages. It starts by integrating with today’s public transport network, and expands with new infrastructure such as bridges, tunnels, and submerged tunnels, and eventually develops into a fully dedicated traffic network. NuMo will make an important contribution to environmental sustainability by accelerating the adoption of electric propulsion, encouraging vehicle sharing, better utilization of vehicles and spaces, reduced construction costs and reduced environmental impacts. The project is coordinated by RISE Viktoria with partners including RISE ECE (Energy and Circular Economy), RISE CBI (Betonginstitutet), LogistikCentrum AB and PLP Architecture. The project ran from June to November in 2018 and will launch a NuMo report in January 2019. For more info contact Lei Chen          (lei.chen@ri.se) at RISE Viktoria and visit the project’s website and the Cartube concept.

Svensk forskning när den är som bäst

I fotbollsvärlden pratas det den här veckan mycket om ”the Swedish way” – uthållighet, fokus, målmedvetenhet, teamarbete. Här i nyhetsbrevet tänkte vi fortsätta i samma anda och lyfta fram några svenska forskningsprojekt och resultat som oftast uppkommit tack vare just dessa egenskaper hos våra forskare. Stort tack till er alla som tipsat oss om relevant forskning och skickat in era sammanfattningar!

ESPLANADE (esplanade-project.se) är ett FFI-projekt som löper från januari 2017 till december 2019. Målet är förbättrad metodik för att visa att automatiserade fordon är säkra. Projektet fokuserar på fordon med ADS-funktioner (Automated Driving System) på nivå 4 enligt SAE-skalan (ett fordon som kan köra helt utan förarinteraktion under begränsade förutsättningar). Vi vet att sådana funktioner har ett antal karakteristiska skillnader mot traditionella fordonsfunktioner där säkerhetsbevisning sker enligt standarden ISO 26262. En ADS-funktion har full kontroll över fordonet, och en viktig del av säkerheten ligger därför i att systemet kör på ett säkert sätt, dvs tar taktiska beslut som inte försätter fordonet i farliga situationer. Därför behöver vi metoder för att säkerställa att systemet tar taktiskt säkra beslut. Andra problem som projektet arbetar med rör hur man visar att sensorernas prestanda är tillräckliga för uppgiften i varje givet ögonblick, vilka arkitekturmönster som är användbara för en ADS, hur man hanterar säkerhetsbevisning för system med icke-deterministiska algoritmer (AI, machine learning), hur man gör hazardanalys för en ADS med en mycket komplex situationsanalys, säkerhetsbevisning för förarinteraktion, och hur man visar fullständigheten i kravnedbrytning för komplexa system. Projektet koordineras av RISE och övriga deltagare är Aptiv, Comentor, KTH, Qamcom, Semcon, Systemite, Veoneer, Volvo Cars, Volvo AB och Zenuity.

Rullande busskur. Detta är ett FFI-projekt som löper från maj 2018 till oktober 2018 och som syftar till att förstå möjligheter och begränsningar ur ett tekniskt perspektiv när det gäller självkörande småbussar på landsbygden, förstå möjligheter och begränsningarna ur ett beteendeperspektiv, dvs. acceptansen av den tekniska innovationen hos resenärer och allmänheten, hitta lämpliga geografiska områden inom Skellefteå kommun där upplägget skulle kunna testas, samt få en bild av kostnaderna och nyttorna. Målet med studien är att skapa förutsättningar för en framtida ansökan för ett demonstrationsprojekt.

HARMONISE är ett FFI finansierat projekt  med målet att undersöka olika sätt att harmonisera, förenkla, hantera och förbättra hur förare interagerar med tekniska system som automatiserar delar av eller hela den dynamiska körningen i fordonet. Projektet är ett samarbete mellan Volvo AB, Volvo Cars och RISE Viktoria. Projektet kommer att utveckla och testa olika koncept, som stödjer interaktionen mellan förare och fordon på ett multimodalt sätt och utveckla designriktlinjer. Projektet utforskar problematiken när en förare tror att hon/han har mer support (nivå 4) än vad som för tillfället erbjuds.  Nya rön från distribuerad kognition och kroppslig kognition (embodied cognition) utforskas som teoretisk grund. Mer information om projektet hittas här och kontaktperson är Emma Johansson (emma.johansson@volvo.com).

Människor och interaktiva autonoma system. Sam Thellmans forskarstudier i kognitionsvetenskap vid Linköpings universitet (huvudhandledare: Tom Ziemke) undersöker hur människor förstår interaktiva autonoma system, som sociala robotar och självkörande fordon. Avhandlingens syfte är att belysa hur, när och varför människor tillskriver autonoma system intentionella tillstånd, som mål (t.ex. “bilen vill till punkt X“) och övertygelser (t.ex. “bilen har sett fotgängaren”), och hur detta påverkar människors förmåga att interagera med autonoma system. I forskningsarbetets första etapp undersöktes människors tolkningar av beteende hos människolika robotar (Thellman, Silvervarg, & Ziemke, 2017) och självkörande bilar (Petrovych, Thellman, & Ziemke, in press), det senare i samarbete med VTI/Linköping. Relevanta publikationer:

  • Petrovych, V., Thellman, S., & Ziemke, T. (in press). Human Interpretation of Goal-Directed Autonomous Car Behavior. In CogSci 2018: Changing Minds. 40th Annual Meeting of the Cognitive Science Society, Madison, VA. Cognitive Science Society.
  • Thellman, S., Silvervarg, A., & Ziemke, T. (2017). Folk-psychological interpretation of human vs. humanoid robot behavior: exploring the intentional stance toward robots. Frontiers in psychology, 8, 1962.

Optimala manövrar. Victor Fors har i sin licavhandling vid Linköpings universitet tittat på vad som händer när bilen gör en manöver nära gränsen för vad den faktiskt klarar av för att undvika att krascha. Målet på kort sikt är att få en uppfattning om hur optimala manövrar ser ut, och på längre sikt att bygga in insikterna från avhandlingen i ett säkerhetssystem för förarlösa fordon. Avhandlingen går under titel Optimal Braking Patterns and Forces in Autonomous Safety-Critical Maneuvers och ingår i det stora WASP-programmet, Wallenberg Autonomous Systems and Software Program, finansierat av Knut och Alice Wallenbergs stiftelse.  Vid frågor kontakta Victor Fors (victor.fors@liu.se).

NPAD (Network-RTK Positioning for Automated Driving) är ett projekt finansierat av Vinnova FFI som skall utforma ett system för stora volymer automatiserade fordon eller andra mobila plattformar med behov av noggrann positionering. Projektet staratade i maj och kommer pågå till april 2020. Det kommer att genomföras i flera steg där en demonstrator kommer att utformas baserat på krav från både automatiserad körning och andra mobila plattformar. Projektet skall bland annat: a) definiera kraven för positionering för automatiserad körning, b) analysera kraven på ett distributionssystem för korrektionsdata, c) utforma ett referenssystem på AstaZero för utvärdering av mätosäkerhet hos positioneringssystem och d) utföra test och validering av systemet baserat på en automatiserad fordonsapplikation från Einride. Projektpartners är: RISE, AstaZero, Ericsson, Lantmäteriet, AB Volvo, Scania, Einride, Waysure och Caliterra. Kontaktperson är Stefan Nord (stefan.nord@ri.se).

Drivers quickly trust autonomous cars. Successful introduction of autonomous cars requires autonomous technology that users experienced as trustful and useful. The aim of this study conducted by Volvo Cars within the FFI-project Human Expectations and Experiences of Autonomous Driving (HEAD) was to explore if drivers trust a fully autonomous car and if they experience that in-vehicle tasks can be conveniently carried out when in full autonomous mode. The test was conducted on a test track and an autonomous research car was used. The car was capable of handling the test track driving environment with full autonomy. When in full autonomous mode the participants got to engage in individually selected tasks, such as use media display, read, eat, drink and carry out work tasks with their own portable device. The results show that participant trust the autonomous car and they find it convenient to conduct in-vehicle tasks while in full autonomous mode. The study will be presented at the AHFE-conference this summer:

  • Broström, R., Rydström, A., Kopp, C., (in press) Drivers quickly trust autonomous cars. In the 9th International Conference on Applied Human Factors and Ergonomics, July 2018, Orlando, Florida, USA.

Customer perspectives. Intermetra Business & Market Research Group AB conduct studies mainly for the public sector in Sweden, with a focus on passenger transport. Among our most recent studies is a cross industry study on the customer perspective on Mobility as a Service in collaboration with RISE. We are now in the process of finalizing the result on a study on customer perspective on autonomous vehicles. The study has been conducted by a web survey to a representative sample of the Swedish population, with 500+ completed surveys. The study covers questions such as the Swedes knowledge and attitudes towards autonomous vehicles, as well as alternative sources of fuel. The results are expected to be available by the end of July. For more info, contact Markus Lagerqvist (markus@intermetra.se).

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 develops a specific framework and 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. Homepage: https://www.h2020-coexist.eu/. Contact Johan Olstam (johan.olstam@vti.se) for more information.

SMART. The aim of the SMART project 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. 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.

Predicting  driver actions.The largest factor in traffic accidents today are human errors. There are many ways, in which problematic behaviors such as inattention can be mitigated. One of the tools used for this purpose is warning systems. There are situations where a warning system based on information from only one given point in time can provide an insufficient time window for the driver to react. A prediction of future events could be used in order to increase the amount of time between the warning and the dangerous event. This study explores possibilities of using recurrent neural networks with long short-term memory for prediction of eight different driver actions inside of a vehicle, such as glancing and reaching inside of the vehicle among others. These predictions, in turn, could potentially be used to improve a warning system and give a driver more time to react to a given situation. The predictions are based on sequences of actions, which are generated from sequences of images with a convolutional neural network. A dataset, consisting of sequences of images, used in the study was gathered at RISE Viktoria AB. The hyperparameters of the recurrent neural network, such as the number of hidden units and amount of layers, was chosen with Bayesian optimization. An addition of a parallel input of optical flow created from the input images was found to improve the performance of the convolutional neural network. The complete network achieved an average prediction accuracy of 87% for the next frame predictions and 67% after 20 frames. A comparison where the predictions were set to the last element in the input achieved an accuracy of 80% for one frame ahead and 50% after 20 frames. The study is part of Martin Torstensson’s masters’ thesis that was conducted as a part of the research projects DRAMA– Driver and passenger activity mapping (funded by FFI) and AIR– Action Intention Recognition (funded by KK-stiftelsen):

  • Torstensson, M., (in press) Prediction of Driver Actions With Long Short-Term Memory Recurrent Neural Networks. Master Thesis. Chalmers University of Technology, 2018.

Predicting pedestrian behavior. Behavior of pedestrians who are moving or standing still sufficiently close to the street could be one of the most significant indicators about pedestrian’s instant future actions. Being able to recognize the activity of a pedestrian, can reveal significant information about pedestrian’s crossing intentions. Thus, the scope of this study is to investigate ways and methods in order to understand pedestrian´s activity and in particular their motion and head orientation to the traffic. Furthermore, different featuresand methods were examined, used and assessed according to their contribution on distinguishing between different actions. Those were Histogram of Oriented Gradients (HOG), Local Binary Patterns (LBP), Bag of Words and CNNs. All the aforementioned features (HOG, LBP…etc) were extracted by processing still images of pedestrians. In this project, still images extracted from video frames depicting pedestrians walking next to the road or crossing the road are used. The study focuses in three parts, one is to derive the pedestrians action regarding if they are walking or not. The second is to identify the pedestrian´s head orientation in terms of if he/she is looking at the vehicle or not. The final task is to combine these two measures in a classifier that is trained to predict the pedestrian´s crossing intention and action. In addition to the pedestrian’s behavior for estimating the crossing intention, additional features about the local environment were added as input signals for the classifier, for instance, information about the presence of zebra markings in the street, the location of the scene, the weather conditions etc.  Moreover, several Machine Learning techniques were used after extracting the features (HOG, LBP etc…)   both for understanding the behavior of the pedestrian and for predicting the final action. Those were Support Vector Machines, k-nearest neighbor, Decision Trees. The data used in this thesis come from the Joint Attention for Autonomous Driving (JAAD) dataset. This study is done as a part of Dimitris Varytimidis (dimvar16@student.hh.se) masters’ thesis within the research project AIR– Action Intention Recognition (funded by KK-stiftelsen):

  • Varytimidis, D., (in press). Detection and intention prediction of pedestrians in zebra crossing. Master thesis. Halmstad University, 2018.

PRoPART (www.propart-project.eu) is a H2020 project (December 2017-November 2019), funded by the European Global Navigation SatelliteSystem Agency (GSA), focusing on positioning of automated vehicles and advanced driver assistance systems. The main purpose of the project is to develop and enhance 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 PRoPART partners are RISE, AstaZero, Scania, Waysure, Fraunhofer IIS, Ceit-IK4, Baselabs and Commsignia. Contact person is Stefan Nord (stefan.nord@ri.se).