Etikettarkiv: RISE

Okategoriserade

Guldkorn från svensk forskning 2020

Trust in What? Exploring the Interdependency between an Automated Vehicle’s Driving Style and Traffic Situations. As the progression from partial to fully autonomous vehicles (AVs) accelerates, the driver’s role will eventually change from that of active operator to that of passenger. It is argued that this change will lead to improved traffic safety, as well as increased comfort. However, to be able to reap the benefits, drivers must first trust the AV. Research into automation has shown that trust is an important prerequisite to using automation systems, since it plays an important role in creating user acceptance and in generating a positive user experience. Moreover, for the purposes of safe AV operation, it is important that the user’s trust in the automation is appropriate to the actual capabilities of the system. One important aspect that can build user trust is to conveyvehicle capability, something which is commonly communicated via displays located in the cockpit of the vehicle. However, it has also been shown that parameters such as lateral steering also provide the driver with an understanding of the vehicle’s capability. Therefore, driving styles, or how the act of driving an AV should be conducted, may affect a user’s trust. However, little research has been conducted on the impact of driving styles in AVs in everyday traffic situations; that is, situations often encountered in a day-to-day driving context, such as stopping for a pedestrian at a zebra crossing or overtaking a moving vehicle. An experimental study with 18 participants was conducted on a realistic test course using a Wizard of Oz approach. The experiment included seven everyday traffic situations that the participants’ experienced with two different driving styles, Defensive and Aggressive driving style. The results show that characteristics of everyday traffic situations have an effect on the users trust in automated vehicles (AVs). Primarily due to perceived risks (for oneself and others), task difficulties and how the AV conforms to the user’s expectation regarding how the AV should operate in everyday traffic situations. Furthermore, the results also show that there are are interdependencies between situational aspects and how the AV driving behaviour conducts actions. Thus, the AV driving behaviour needs to be designed to operate differently depending on the traffic situation, to enable the user to create an appropriate level of trust, in relation to the actual performance of the AV. Finally, trust results from the information provided by the AV’s behaviour, what it explicitly communicates via displays, and how these factors relate to the driving context. Thus, a systems approach is necessary, in which the interaction between user and automation is key, but without neglecting the equally important contextual aspects. This study was funded by Vinnova, Sweden’s Innovations Agency, under grant number 2014-01411. The study was able to use the facilities and expertise of the full-scale test environment AstaZero through the open research grant, application number A-0025. Here you can find full paper, and for more information contact Fredrick Ekman at Chalmers (fredrick.ekman@chalmers.se) or read his licentiate thesis titled Designing for Appropriate Trust in Automated Vehicles that was publicly presented earlier this year. 

The Day 1 C-ITS Application Green Light Optimal Speed Advisory. Leveraging the growing communication capabilities between vehicles, infrastructure and other road users, applications under the C-ITS umbrella are expected to improve road safety, traffic efficiency and comfort of driving by helping the driver take decisions and adapt to the traffic situation. The Day 1 set of C-ITS applications, as defined by the C-ROADS platform build on mature technologies and are expected to be deployable and provide benefits in the short term, but what scientific evidence is there on their effectiveness and what gaps in knowledge are there? For the C-ITS Day 1 application Green Light Optimal Speed Advisory (GLOSA), these questions were addressed by a systematic mapping study (to our knowledge, the first such study to be published), conducted as part of the Nordic Way 2 project (co-financed by Connecting Europe Facility, CEF project 2016-EU-TM-0051-S), presented at the European Transport Conference 2019 and published in Transportation Research Procedia in 2020. Among the findings where that while there are many published studies evaluating GLOSA, the absolute majority collect data in simulation, focused mainly on observable effects for the equipped vehicle where fuel consumption and travel time were the most prevalent effects examined. Further, there was great variation in the effects observed (for instance, fuel consumption varied from no evident reduction to approximately 70% reduction between studies) providing little consensus in concluding the effectiveness of the GLOSA application. A possible reason for the big effectiveness variation is a lack of well calibrated models used in the simulations scenarios, especially with regard to driver and fellow road user behaviour and precision of traffic light phase shift prognoses. For more information contact Niklas Mellegård at RISE (niklas.mellegard@ri.se).

Making autonomous drive skilled in extreme situations. During 2020 Sentient finalised the development and testing of the S+ Split-μ Control function, that makes autonomous drive safe in the critical situation of braking in an emergency on split friction roads. Compared to traditional ABS, the braking distance could be reduced by up to 37% while maintaining stability. The function is available also for use in manually driven cars to aid the driver perform like expert drivers would in a split-μ situation. Watch this demonstration from the Colmis test track outside of Arjeplog. More information about safety functions developed by Sentient is available at the company’s website.

Ljuddesign som ökar tillit och minskar åksjuka i självkörande bilar. Hur kan ljuddesign höja användarupplevelsen i automatiserade fordon? Denna fråga har Volvo Cars utforskat de senaste två åren tillsammans med RISE och Pole Position Production. Projektet Ljudinteraktion i Intelligenta Bilar har tagit fram helt nya typer av gränssnitt där passageraren får information om bilens kommande beteende, samt vad i trafikmiljön som bilen fokuserar på. Signalerna låter bland annat snarlikt bilens naturliga ljud vid acceleration och fartminskning, men spelas någon sekund innan bilen agerar. Projektets studier har visat att signalerna ökar passagerarnas tillit till bilen, samt minskar åksjuka för en majoritet av passagerarna. I projektets avslutade del implementeras en prototyp av ljudgränssnittet i en Volvobil, vilket gör det möjligt att uppleva ljuden i verklig trafikmiljö. Resultat från projektet kommer presenteras vid ett seminarium hos SAFER i slutet av januari. Hör av er till projektledaren Fredrik Hagman på Volvo Cars för mer info (fredrik.hagman@volvocars.com), eller besök projektets hemsida. Projektet finansieras av Fordonsstrategisk Forskning och Innovation (FFI).

DI-PPP public and private partnership platform for quick and effective implementation of digital transport infrastructure: This pre-study is jointly financed by Drive Sweden and Trafikverket to accelerate the implementation of digital infrastructure in Sweden. The project uses the Trafikverket roadmap on connected and automated road transport system extensively to explore the synergies and to support the service development. The project defines the digital transport infrastructure from a system of systems perspective with the identification of key areas, action points, and expected achievements for the year 2021 – 2025. The project calls for both top-down and bottom-up approaches to build infrastructure that on the one hand enables applications and services fulfilling the mobility needs, and on the other hand, is built on an existing infrastructure with incremental advancement. The project calls for the establishment of a public and private stakeholder partnership platform that is long-term, proactive and progressive, with strong engagement and balanced investments among stakeholders to accelerate the infrastructure implementation. The results have been presented at the Drive Sweden thematic area digital infrastructure, and for more details and reports, please contact Lei Chen at RISE (lei.chen@ri.se).

Project CeViSS. Cloud enhanced Vehicle – intelligent Sensor Sharing (CeViSS) is a joint Drive Sweden project that has run from January to December 2020. The project was financed in part by Vinnova / Drive Sweden with partnership including Carmenta, CEVT, Ericsson, Volvo Cars and Veoneer. The primary goal of the project was to extend the previously established AD Aware Traffic Control cloud with functions to study and demonstrate how the central cloud platform can be used to collect and enhance critical traffic information before safely sharing it between automotive actors. The project successfully demonstrated how data registered by a Veoneer vehicle’s sensors, was collected, analyzed and enhanced in real-time on the central cloud level and then shared with the two project OEM partners; CEVT and Volvo Cars. Their connected cars could then take appropriate action and more precisely mitigate the hazard on their road ahead. The project also showed how the Carmenta Central Traffic Cloud could send instructions to the Veoneer and CEVT cars such as a recommended speed inside geofences (to be used by the Adaptive Cruise Control (ACC)) and search requests to look for specific symbols or texts (e.g., license plate numbers). Tests were also done where the Central Traffic Cloud had direct control of on-board cameras to start sending video when the Veoneer’s test vehicle approached an accident scene. Images or live video from the scene have the potential to give 112 operators and first responders a better understanding of the situation and help dispatch the right resources as well as make a more detailed planning of the rescue operation before arrival. A series of workshops was arranged during the project with representatives from two rescue organisations to get their response on the value of the technology. Both KatastrofMedicinskt Centrum (KMC) and SOS Alarm confirmed that when planning a rescue operation as well as when organizing the work at the scene it is important to collect as much information as possible about the accident area. Images or live video transmitted from a recent accident under strict control have the potential to improve rescue operations. As the sharing of sensor data in such a way have possible privacy concerns, the legal aspects was also investigated. The results of the legal study is documented in a separate report, added as an appendix to this document. The main deliverables from the project were live proof-of-concept trials performed at several occasions with final tests successfully completed at AstaZero test track, October 19, 2020. A film documenting these tests and explaining the project results was produced and a presentation held at a webcasted Drive Sweden event on December 1, 2020 concluded the project. The project has based its work on the cloud-based platform that was created in the project ”AD Aware Traffic Control” and further extended in the project ”AD Aware Traffic Control Emergency vehicles” and the following ”AD Aware Traffic Control – Advanced Cooperative Driver Assistance” project. The project used technology in Drive Sweden Innovation Cloud and its results will be integrated in this innovation platform for future use. For more information contact Kristian Jaldemark at Carmenta (Kristian.Jaldemark@carmenta.com).

Digital Twins Are Not Monozygotic – Replicating ADAS Testing Across Simulators. Testing in simulators is an essential component in cost-efficient and effective ADAS development. Without countless hours on virtual test tracks, arguing that an ADAS is safe for use on public roads will be practically impossible. However, how can we interpret issues that are detected in a simulator? Would they generalize to the real-world environment? Would they even generalize to another simulator? In a joint study with the University of Luxembourg, RISE used search-based software testing to identify safety violations of a pedestrian detection system in TASS/Siemens PreScan and ESI Pro-SiVIC. However, when replicating the same scenario in the other simulator, the researchers found that the results often differed substantially. Consequently, the researchers recommend future V&V plans to include multiple simulators to support robust simulation-based testing. Make sure the ADAS works safely in other simulators before hitting the real-world roads! The paper pre-print is available here, for more information contact Markus Borg at RISE (markus.borg@ri.se).

Nordic initiative for transport of passengers and goods by drone (NDI): The Nordic countries are joining forces to drive the development of drone transports for both goods and passengers. The Nordic Drone Initiative (NDI) will pave the way for new sustainable business models. It can be about air-taxis, autonomous courier services or new tourist concepts. NDI is co-financed by Nordic Innovation through their Nordic Smart Mobility and Connectivity program, led by RISE and consists of 16 partners from four Nordic countries including RISE, Katla Aero, Flypulse, Kista Science City, Mainbase, LFV and Region Östergötland from Sweden; VTT, Bell Rock Advisors, Robots Expert, Business Tampere from Finland; NORCE, Nordic Edge, UAS Norway and Drone Nord from Norway; and Gate21 from Denmark. The project reference group includes Norwegian Avinor ANS and Finnish ANS. The project is welcoming partners and will collaborate with NEA – the Nordic Network for Electric Aviation to jointly plan for short- and long-haul transports with electric aircraft. For collaborations, please contact Tor Skoglund at RISE (tor.skoglund@ri.se).

Testing safety of intelligent connected vehicles in open and mixed road environment (ICV-Safe): This project is a bilateral joint effort to identify safety-critical scenarios and to develop risk assessment and mitigation methods for intelligent connected vehicles (ICVs) by taking advantage of the large-scale open connected test environment in Shanghai. The project will conduct iterative case design, data collection, simulation, and open road test. The results will lay a foundation for the safe introduction of ICVs to minimize safety risks. RISE is coordinating the Swedish part with partners including Chalmers University of Technology, Alkit Communications AB, WSP AB, and FellowBot AB. The Chinese part is coordinated by Tongji University with partners including Research Institute of Highway (RIOH) Ministry of Transport, Chang’an University, Guangzhou O.CN International Technology Co., Ltd, Shanghai SongHong Intelligent Automotive Technology Co., Ltd., and Beijing Tusen Weilai Technology Co., Ltd (TuSimple). Through the project, the partners are also working actively with Swedish actors in China outside the project consortium to explore synergies for further research collaborations and innovation. For more details, please contact Lei Chen at RISE (lei.chen@ri.se).

CTS – Heterogeneous project. This project aims to investigate effects of autonomous vehicle in a mixed traffic environment, i.e., the traffic where automated vehicles share roads with different types of manually-driven vehicles. Effects on traffic flow and safety are the main interests of the project. An example of upcoming activities in the project is a driving simulation study, which is planned during January-February 2021. The study aims to investigate whether there is a behavior adaptation among human drivers when they share roads with automated vehicles. This project is funded by VINNOVA, and it is within the scope of CTS (The China Sweden Research Centre for Traffic Safety), which is an on-going collaboration within SAFER’s research program. Partners on the Swedish consortium includes VTI, Chalmers, Volvo Cars, and Volvo Group; and partners on the Chinese consortium are RIOH, Beijing Jingwei HiRain, Tsinghua University, and Tongji University. Link: Heterogeneous Traffic Groups Cooperative Driving Behaviours Research under Mixed Traffic Condition | SAFER – Vehicle and Traffic Safety Centre at Chalmers (saferresearch.com).

Drivers’ ability to engage in a non-driving related task while in automated driving mode in real traffic. Engaging in non-driving related tasks (NDRTs) while driving can be considered distracting and safety detrimental. However, with the introduction of highly automated driving systems that relieve drivers from driving, more NDRTs will be feasible. In fact, many car manufacturers emphasize that one of the main advantages with automated cars is that it “frees up time” for other activities while on the move. This paper investigates how well drivers are able to engage in an NDRT while in automated driving mode (i.e., SAE Level 4) in real traffic, via a Wizard of Oz platform. The NDRT was designed to be visually and cognitively demanding and require manual interaction. The results show that the drivers’ attention to a great extent shifted from the road ahead towards the NDRT. Participants could perform the NDRT equally well as when in an office (e.g. correct answers, time to completion), showing that the performance did not deteriorate when in the automated vehicle. Yet, many participants indicated that they noted and reacted to environmental changes and sudden changes in vehicle motion. Participants were also surprised by their own ability to, with ease, disconnect from driving. The presented study extends previous research by identifying that drivers to a high extent are able to engage in an NDRT while in automated mode in real traffic. This is promising for future of automated cars ability to “free up time” and enable drivers to engage in non-driving related activities. The study was conducted by Volvo Cars and RISE in collaboration between two FFI funded projects: TIC – Trust to Intelligent Cars and HARMONISE – Safe interaction with different levels of automation. A pre-print of the paper is available here, and for more information contact Jonas Andersson at RISE (jonas.andersson@ri.se). 

Remote Driving Operation (REDO) project. Remote driving operation or teleoperated driving can support deployment, operation, and testing of automated vehicles. With advancement in wireless communication technology, this has recently becomes more feasible. In the REDO project, we are looking at different technical and non-technical aspects related to teleoperated driving, which include 1) interaction with remote operator; 2) feedback mode from vehicle to remote operator; 3) system architecture; and 4) laws and regulations. Demonstration is also planned towards the end of the project. This is a 3-year project funded by VINNOVA. The partners in the project are: VTI, CEVT, Einride, Ericsson, Ictech, KTH, NEVS, and Voysys. Link: REmote Driving Operation – REDO | Vinnova. For more information contact Maytheewat Aramrattana at VTI (maytheewat.aramrattana@vti.se).

Human factors in remote operation of heavy vehicles. Currently, most highly automated vehicles still require the presence of a human safety operator in the vehicle, and it is evident that automated driving without human “fallback” might be distant. On the other hand, having a human operator in the vehicle jeopardizes major anticipated benefits of automated driving – productivity. This is especially evident when it comes to heavy automated vehicles. To bridge this gap, stakeholders are exploring teleoperations technology, which enables highly automated vehicles to be remotely operated if necessary. But remote operation comes with its own challenges, both from technical and human behavior perspectives. In this SAFER co-financed prestudy, Scania and RISE have identified potential safety challenges and research gaps related to human behavior in the context of remote operation of heavy automated vehicles. A general view of the human factors related challenges within the remote operation topic can be summarized by highlighting phenomena such as physical and psychological distancing, screen delays, network latency delays, inefficient interface designs, and human operator’s cognitive limitations. These are not exclusive to one single operational level, or application type, and are often interrelated. A larger body of scientific work can be found related to human factors in remote operation in other domains (e.g., robotics, aerial drones, military). Some of the findings from these domains can have value for the automotive domain, however, generally design requirements are not directly transferable between domains as there are domain specific challenges. An overall conclusion from the prestudy is that human factors in remote operation of highly automated road vehicles have been somewhat neglected by industry and research community. By providing an overall conceptualization of remote operation and its complexity, a theoretical framework, a state of the art overview, and a list of gaps and challenges, the expectation is that this pre-study will stimulate more activities in the area. The recently started FFI-project HAVOC is example of such an activity. The pre study was co-financed by SAFER and conducted by Scania and RISE. Link to final report, for more information contact Azra Habibovic at RISE (azra.habibovic@ri.se).

Task Force – Hygiene procedures in test with research persons. Since the rapid outbreak and continued global spread of the Coronavirus Disease (COVID-19) in 2020, aspects of much of our day-to-day life in society has been impacted – our workplaces are no exception. Due to the novelty of COVID-19 to health officials in Sweden and around the world, standardized guidelines on how to safely proceed with business activities that require the sharing of physical spaces and/or equipment between individuals has yet to be established. In anticipation of this pandemic being an ongoing issue, a task force was assembled to help address this gap. The SAFER task force was comprised of transport industry professionals in Sweden that have a role in conducting research and testing that would currently be deemed to place individuals at risk of contracting the virus if one of the involved actors were to be an active carrier of the virus. Therefore, the goal of this task force was to help establish a set of general guidelines to consider when attempting to mitigate the risk of contagion while performing research or testing activities at our respective corporate facilities. Questions related to “How can experiments involving test persons in vehicles, driving simulators, virtual-reality studios, or similar test facilities continue?”, “What safety procedures should we consider to introduce in order to ensure proper hygiene for the individuals involved?”, “Is it required for drivers to wear a face mask?”, and “How do we implement physical distancing provisions pre- and post-experiment interviews?” were addressed. Partners in the Task Force were VTI (coordinator), Volvo Group Trucks Technology, Autoliv, Veoneer, RISE and Scania. The project was co-financed by SAFER. For more information contact Arne Nåbo at VTI (arne.nabo@vti.se). 

Bussar, Personbilar, Tester och demonstrationer

Europeiska kollektiv-tester igång

Efter att ha tappat visst momentum under pandemins första våg har nu nyheter om tester med självkörande fordon för kollektiva transporter börjat trilla in igen.

På Djurgården i Stockholm har Keolis, Urban ICT Arena, Telia, Ericsson Intel och T-engineering precis börjat rulla publika tester med fordon som kopplas mot kontolltorn med 5G [1, 2]. Syftet med testet är att i en nära framtid kunna erbjuda säkra transporter med förare utanför fordonet. Testerna är en del av det pågående jätteprojektet SHOW i vilket RISE samordnar de svenska testsiterna.

Ett annat exempel hittar vi i Brașov i Rumänien, där det meddelas om ny satsning på test av självkörande fordon [3].

Egen kommentar

Efterfrågan på kollektiva persontransporter gick ned i spåren av pandemin och trafikbolag har haft det tufft. Att bolagen fortfarande visar på kraft nog för att fortsätta utvecklingen mot självkörande transporter är glädjande och pekar på att just de aktörerna tror extra mycket på teknikens potential.

Källor

[1] Keolis. Sweden: Keolis launches a new 5G autonomous electric vehicle trial in Stockholm. 2020-09-24 Länk

[2] Green Car Congress. Keolis launches a new 5G autonomous electric vehicle trial in Stockholm. 2020-09-25 Länk

[3] Fodor, S. Romania Insider. Central Romania city to test driverless bus. 2020-09-24 Länk

Bussar, Distributionsfordon, Inspiration, Övriga fordon, Sjöfart

Guldkorn från svensk forskning

Dessa guldkorn är bidrag från våra läsare – stort tack för det, och för all fantastisk forskning och utveckling som ni gör. Keep up the good work!

iQ-Pilot & iQ-Mobility. These are two recently finished projects co-funded by the Strategic vehicle research and innovation programme (FFI). The focus of the projects was development of new technology to realize flexible, energy-efficient transport solutions in cities. Several proof-of-concept prototypes have been developed and demonstrated, including autonomous buses and a smart coordination system for bus fleets. The research results were presented in a webinar earlier this week. These results are the joint efforts of Scania, Ericsson, INIT, Veoneer, Royal Institute of Technology (KTH) and Örebro University. 

Human interaction with autonomous minibuses. Tom Ziemke’s research group at Linköping University, in collaboration with researchers at VTI, will during the autumn start a new research project on people’s interaction with autonomous minibuses on campus. The research will focus on method development and empirical studies of how pedestrians, bicyclists and car drivers interact with the buses. A two-year postdoc position is available via this link (application deadline: August 5). For more information contact Tom Ziemke (tom.ziemke@liu.se).

GLAD – Goods delivery under the Last mile with Autonomous Driving vehicles. Small autonomous electric delivery vehicles (ADV) are expected to transform transportation of goods under the first and last mile. The advantages are increased transportation and energy effectiveness, but it is also important that these vehicles are safe and accepted in society. The aim of the GLAD project is to develop an initial knowledge base on efficiency, safety and human experience of ADVs for the first and last mile delivery of goods in Sweden, and on how to create a balance between these three aspects from a socio-technical perspective. To achieve this, the project will utilize Zbee vehicles that will be adapted in terms of vehicle design and autonomous vehicle behaviour, human-machine interface, teleoperation and vehicle management. The overall goal is to develop knowledge that accelerate introduction of new efficient goods delivery in our society and contributes to meeting the goals of Agenda 2030. This will be assured also by connecting a licentiate candidate to the project. The project is co-funded by Trafikverket and involves RISE, Halmstad University, Aptiv, Combitech and Clean Motion. It started in June 2020 and will run for ca 2 years. For more information contact azra.habibovic@ri.se.

Tactical Decision-Making in Autonomous Driving by Reinforcement Learning with Uncertainty Estimation. Reinforcement learning (RL) can be used to create a tactical decision-making agent for autonomous driving. However, previous approaches only output decisions and do not provide information about the agent’s confidence in the recommended actions. This paper investigates how a Bayesian RL technique, based on an ensemble of neural networks with additional randomized prior functions (RPF), can be used to estimate the uncertainty of decisions in autonomous driving. A method for classifying whether or not an action should be considered safe is also introduced. The performance of the ensemble RPF method is evaluated by training an agent on a highway driving scenario. It is shown that the trained agent can estimate the uncertainty of its decisions and indicate an unacceptable level when the agent faces a situation that is far from the training distribution. Furthermore, within the training distribution, the ensemble RPF agent outperforms a standard Deep Q-Network agent. In this study, the estimated uncertainty is used to choose safe actions in unknown situations. However, the uncertainty information could also be used to identify situations that should be added to the training process. The paper will be presented at the Intelligent Vehicles Symposium (IV) in October 2020, and a preprint is available on arXiv. The code that was used is also available on GitHub For more information, contact Carl-Johan Hoel (carl-johan.hoel@volvo.com) at Volvo Autonomous solutions. This work was partially supported by the Wallenberg Artificial Intelligence, Autonomous Systems and Software Program (WASP), funded by Knut and Alice Wallenberg Foundation, and partially by Vinnova FFI.

Autonomous Mapping of Unknown Environments Using a UAV. As part of the research conducted within the project LASH-Fire (Eu-Horizon 2020, No.814975), RISE supervised the work of Chalmers students developing an automatic object search for indoor environments using a flying drone. At the core of this system a reinforcement learning (RL) algorithm was implemented for the drone to navigate, detect obstacles, recognize objects and explore the environment. This machine learning (ML) project marks a starting point for further development towards an autonomous identification and surveillance solution in a wide range of study cases where cargo ships, like the ones studied in LASH-Fire, are an ideal target application. A modularized approach was used targeting research areas such as obstacle avoidance, object detection & recognition, simultaneous localization and mapping, etc. The exploration module was specially challenging and will require further work but the project in general was successful in providing a methodology and tools when using flying drones for indoor environments. The Master’s thesis was conducted by Erik Persson and Filip Heikkilä, and is available via this link. For more information contact boris.duran@ri.se

Projektet ESPLANADE, som började 2017 och avslutades sista mars 2020, handlade om hur man visar att ett automatiserat fordon är säkert. Det finns flera problem som måste hanteras för att man ska kunna göra en komplett säkerhetsargumentation. Projektets resultat inkluderar därför nya metoder för säkerhetsargumentation för en ADS, några av dessa är: 

  • En process för säkerhetsanalys samt designprinciper för interaktionen när en människa överlämnar kontrollen över ett fordon till en ADS eller tvärtom. Processen innehåller existerande metoder som sekvensdiagram, orsak-konsekvensanalys och felträd, men applicerade på människa-maskininteraktion istället för enbart tekniska system
  •  Hur man definierar den operativa designdomänen (ODD) för en ADS utgående från önskade användningsfall, vilket innebär en definition av parametrar inom vilka en ADS-funktion är avsedd att fungera, samt strategier för att säkerställa att fordonet håller sig inom sin ODD.
  • En metod (kallad QRN) för riskanalys och framtagande av säkerhetsmål. Till skillnad från vanliga riskanalysmetoder bygger den inte på analys av specifika situationer utan på definition av acceptabel frekvens av incidenter med olika allvarlig konsekvens, och en mappning av incidenter till olika klasser av konsekvenser. Säkerhetsmålen uttrycks så att man säkert hamnar inom acceptabla frekvenser.
  • Ett ramverk för formell och systematisk hantering av säkerhetskrav med en kombination av åtgärder under utveckling och under drift, bland annat baserat på modeller av osäkerhet.
  • Användning av metoden funktionsanalys för att distribuera beslutsfattande på en ADS-arkitektur samt framtagande av säkerhetskrav.
  • Säkerhetskontrakt och komponentbaserad design för att underlätta kompletthetsbevisning i kravnedbrytning, möjliggöra kontinuerlig produktuppdatering, samt kunna uttrycka säkerhetskrav för sensorsystem som inkluderar kamera, radar mm.

En publik rapport och länkar till de flesta av projektets publikationer finns på projekthemsidan.

Prepare Ships Project. Running for 26 months, the H2020 project “Prepare Ships”, funded by the European Global Navigation Satellite System Agency (GSA), was successfully started in December 2019. The 5 consortium partners, coming from 3 European countries have developed a machine learning based future position prediction for ships in order to avoid ship collisions and close quarter situations as well as reducing environmental impact by more advanced decision making. In a RTK (Real Time Kinematic) software solution, it will both exploiting the distinguished features of Galileo signals as well as combining it with other positioning and sensor technologies. It will use the next generation maritime communication techniques VDES and the new suit of IALA Standards (S100) on sea charts. The innovation developed during the project can make more autonomy of navigation feasible by exchanging future positions and allow eased decision making on ships, suitable to become an international game changer for the future of autonomous shipping. The demonstration and testing will be done onboard three different vessels in the Gothenburg archipelago. The project is coordinated by RISE with partners from across Europe, including SAAB, Lantmäteriet, Telko and Anavs. For more information check out our homepage, join our linkedin group or contact Johannes Hüffmeier at RISE (johannes.huffmeier@ri.se).  

How do you ensure safety of autonomous shipping? Today’s risk assessment methods, application of methods and models used in shipping are usually based on humans being directly in charge of ships, VTS, port controls, etc. and may not be sufficient to reflect and evaluate the complexities and inherent risks of introducing further automation and digitalization in the shipping domain. The introduction of smart ships will create traffic situations between manned and unmanned ships where on one hand decisions and actions are based on algorithms and on the other hand by a human operator where a large part of the decision making. Increasing the level of automation implies that the goal-based standards for shipping need to be based on a risk assessment that reflects the expected roadmaps towards more smart ships and so far, research on autonomous transportation has focused on other parts than the effect of introducing and mixing different levels of automation and only very basic standards have been proposed by classification societies, where DNVs standards [DNV, 2018] have two pages in the appendix on basic set-ups for testing and validation. The main objective of the RFAF project financed by Trafikverket is to analyse how autonomous navigation can be proven to be safe. The aim of the project is to perform a simulator-based risk identification for autonomous shipping traffic. Increasing the level of automation implies that the goal-based standards for shipping need to be based on a risk assessment that reflects the expected roadmaps towards autonomy. Based on two use cases, the routes Fredrikshamn-Göteborg and crossing of the Ljusterö fairway, relevant risks are identified based on ship simulations performed by mariners describing especially nautical challenges for more autonomous shipping resulting in a common risk model. The project lasts from January 2020-December 2022. There are 3 project partners with RISE as coordinator. For more information visit the project website or contact Johannes Hüffmeier (johannes.huffmeier@ri.se).

The SWEA-financed (Energimyndigheten) Data-driven Optimised Energy Efficiency of Ships is a national project involving 7 ship owners, 3 companies from the supply chain and RISE, lasting for 16 months. The data analysis of energy consumption is often complex and there are different driving forces for decisions. However, increased data collection can be unprofitable if you do not have methods to analyze the complex systems. Developments within machine learning provides new opportunities to develop both technically and economically powerful tools energy efficiency. Even today, to some extent, economic driving is applied, for example. eco-driving, however, the effect is in many cases limited as decision-making is more complex than the operator / navigator can see. Also, not always available incentives and motivation of individuals to reduce energy use. However, data collection is increasing both quality review and analysis are not performed to the same extent. Using the results of the project’s data collection and analysis, recommendations can be given about which tools which can be developed in a next step, such as: a) nudging, decision support system or autopilot for ECO driving, b) route optimization based on the ship’s accelerations and motions, and c) decision support based on statistics or real-time analysis of data to identify optimal operation (parameters such as sea state, current, speed, load condition, etc.). The objectives of the project are to: a) Achieve reduced energy use on the project’s vessels by 10–35% both at quay and in sea operations, b) Demonstrate potential with machine learning of operational data, and c) Demonstrate the possibility that better operational data may form the basis for the development of generic energy efficiency tools for smaller vessels in commercial traffic. For any details on the project, reach out to Johannes Hüffmeier (johannes.huffmeier@ri.se).

Photonics Private Public Partnership Roadmaps for EU’s next Framework Program Horizon Europé. The area of photonics for automotive applications is a significant area which includes not only photonics sensors for the EU defined topic Mobility and Safety for automated Road Transport. Photonics also plays a role in the path towards the targets of Zero Emission Road Transport, Clean Energy Transition, and the Industrial Battery Value Chain. The work of defining the Strategic Research Agenda (SRA) in the specific area of Photonics with EU industrial partners, universities and research centers is performed through the EU technology platform ”Photonics21”, which is funded by the EU commission. The current roadmap for Photonics was published in the document: “Europe’s age of light! How photonics will power growth and innovation, Strategic Roadmap 2021–2027” The section on Automotive and Transport can be found in section 3.9. The coordinator of the whole Photonics 21 is done by VDI Technologiezentrum GmbH in Düsseldorf, Link. We believe this is important as there are a lot of EU research money at stake. The current recommendation by the European Parliament for the whole Horizon Europe budget 2021 -2017 is €120 Billion. The research funding will be divided among many topics where Climate, Energy, and Mobility is one of the clusters. There is a large Swedish interest in the cluster and cooperation with industry is one important factor in the program. Most, if not all, of the European automotive industry are usually involved in at least selected programs.

Now, based on feedback from the new European Commission, the board of Photonic21 have decided to reshape the roadmap and as a consequence automotive & transport will henceforth be combined with the topics of climate and energy. Besides merging the different topics in one document, this gives us an opportunity to revise the previous document into something that we believe should support our industry even better, considering that the current document was prepared in 2018 and the present situation the industry is facing. We want to ensure that the guiding document capture the specific needs of the automotive industry. The aim of the work is to define the research topics of the Strategic Research Agenda (SRA) which will define the upcoming calls in the Horizon Europe program. 

We now invite comments on the current chapter and roadmap (provided in the link above). Determined by EU commission schedules this work has to be completed on 4 September, why we need your input no later than 24 August 2020. We ask for specific text suggestions and specific roadmap suggestions (compare with p. 140 in the above mentioned Strategic Roadmap). Please forward your suggestions to Jan-Erik Källhammer at jan-erik.kallhammer@veoneer.com. He acted as chair of the group Automotive and Transport in the current roadmap and now act as co-chair of the new group Climate, Energy, and Mobility together with Dr. Heinz Seyringer of V-Research GmbH in Austria. 

Inspiration

Inspiration från CHI-konferensen

Årets upplaga av konferensen Human Factors in Computing Systems (CHI) skulle ha hållits i slutet av april på Hawaii. Konferensen blev inställd, och istället blev det några nationella och regionala online aktiviteter där bidrag från CHI presenterades och diskuterades.

På den nordiska delen av konferensen, Nordic CHI, presenterades ett 50-tal artiklar inom olika områden. Två relevanta områden var mobilitet samt drönare och robotar. Här är en kort sammanfattning av fyra artiklar för inspiration:

Misslyckade interaktioner med robotar och förkroppsligande effekter. Kontogiorgos och kollegor ifrån KTH undersökte i sin studie skillnaden mellan en människoliknande robot och en ”högtalarrobot”. Deras experiment visade att användare interagerade mer frekvent med roboten om den var människoliknande, medan frekvensen av interaktioner minskade drastiskt över tid med högtalarroboten. Under tidspress däremot så hade användarna en bättre interaktion med högtalarroboten än med den människoliknande roboten. Länk

Etik i rörelseinteraktion mellan människa och drönare. Sara Eriksson och kollegor ifrån Stockholms universitet, KTH, Florida Atlantic University, Norwegian University of Science and Technology och Luleå tekniska universitet undersökte interaktion mellan människa och drönare i dans. Forskarna utgick ifrån teorin om somaestetik som kan beskrivas som kroppsligt medvetande. Forskaren som myntade begreppet somaestetik Prof. Richard Shusterman är en av forskarna i det här bidraget. Länk

Interaktion och styrning av robotsvärm. Kim och kollegor ifrån Stanford University i Kalifornien och ABB Corporate Research Center bidrag handlade om styrning av robotsvärmar genom gester, verbala kommandon och pekrörelser, mer specifikt hur människor föredrar att kontrollera robotsvärmar och om antalet robotar i en robotsvärm påverkar hur man styr. Forskarna upptäckte bland annat en minskning i antal fingrar och en ökning i antal händer (två kontra en) som används för kommandon när antal robotar ökade. Länk

Externa gränssnitt för samverkan mellan automatiserade fordon och fotgängare. Detta är en studie som är baserad på online crowdsourcing och som delvis gjorts inom FFI-finansierade förstudien Scale-up. Studien gjordes i samarbete mellan Eindhoven University, RISE, och LMU Munich och gick ut på att ta reda på vilken färg och rörelsemönster hos ett externt gränssnitt som associeras med ”jag ger dig företräde” signalen. Länk

Fler artiklar från CHI-konferensen hittar ni här.

Kommunikation, Kooperativa system, Tester och demonstrationer

Trafikverkets mål: Självkörande bussar i Linköping

Trafikverket går nu ut med en förfrågan för ett demonstrationsprojekt med självkörande bussar, eller andra innovativa fordon [1]. Om det finns ett intresse bland fordonstillverkare och andra aktörer kan ett sådant projekt upphandlas senare under året.

Tanken är att upphandla ett kunskapsunderlag där man får möjlighet att lära sig hur fordonen samspelar med den omgivande infrastrukturen, enligt Peter Smeds, utredningsledare för programmet Digitaliseringen av transportsystemet på Trafikverket.

Myndigheten har redan sträckan från Vikingstad järnvägsstation till Linköpings universitetsområde i åtanke. Sträckan är ca 10 kilometer lång och har en varierad trafikmiljö som innehåller allt från 30-väg till 2+1-väg med hastighetsgränsen 100 km/h.

Ambitionen är att projektet ska pågå i två år med två bussar för att kunna undersöka funktionen i olika väderförhållanden och årstider. Grundförutsättning är att de nya bussarna är fossilfria (t.ex. eldrivna).

Egen kommentar

På tal om bussar så invigs testningen av självkörande skyttelbussar i Linköping den 10 mars kl 10. Detta görs inom ramen för ett pågående forskningsprojekt i samarbete mellan Linköpings universitet, VTI, Linköpings kommun, Östgötatrafiken, Science Park Mjärdevi, RISE, Transdev och Akademiska Hus.

Adressen är Studenthuset, campus Valla, Linköpings universitet.

Källa

Kristensson, J., Trafikverkets mål: Stora självkörande bussar i Linköping. Ny Teknik 2020-03-02 Länk

Bussar, Mobilitetstjänster

Två nya svenska projekt

Självkörande fordon på landsbygd. Projektet bedrivs av Ramboll, RISE, Trafikverket och kommunerna Skellefteå, Eskilstuna, Gotland och Lund och ska utreda möjligheterna att komplettera kollektivtrafik på svensk landsbygd med självkörande fordon givet kommuners lokala omständigheter och tekniska möjligheter [1]. Detta är en genomförbarhetsstudie som finansieras av Drive Sweden och Trafikverket och är en uppföljare till förstudien om samma ämne som slutfördes under våren 2019. 

REmote Driving Operation (REDO). Projektet bedrivs av VTI, CEVT, NEVS, Einride, Ericsson, KTH, Voysys och Ictech och ska undersöka olika aspekter av fjärrstyrda vägfordon, både personbilar och lastbilar [2]. Projektet delfinansieras av Vinnova, har en budget på ca 20 mijoner kronor och kommer att pågå i tre. 

Källor

[1] Ramboll. Självkörande bussar i landsbygd ökar tillgängligheten. 2020-02-04 Länk

[2] Ictech. Ictech deltar i ett av de största svenska forskningsprojekten kring fjärrstyrning av vägfordon. 2020-01-31 Länk

Artificiell intelligens, Forskningsprojekt, Funktioner, Infrastruktur, Lagstiftning och regelverk, Mobilitetstjänster, Övriga fordon, Positionering, Samhällspåverkan, Samverkan människa - maskin, Sensorer, Trafiksäkerhet

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 users. Driver 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 

Kartor

VAMLAV uppdaterar kartor via crowdsourcing

Forskningsprojektet VAMLAV, finansierat av FFI-programmet, kommer att testa uppdatering av högupplösta kartor från bilar med ”vanliga” sensorer [1].

Högupplösta kartor behövs för positionering och lokalisering, alltså att veta exakt var bilen befinner sig och vart den är på väg. Sådana kartor tas hittills fram genom bl.a. laserskanning med labutrustning. Problemet är att det är dyrt och tidskrävande att hålla kartorna uppdaterade.

I VAMLAV ska projektparterna AstaZero, RISE, Mapillary, AI Innovation of Sweden och Zenuity testa att istället uppdatera kartorna med data från de sensorer, främst kameror, som redan sitter eller kommer att sitta i produktionsbilar. Projektet startade i oktober och ska pågå i två år.

Källa

[1] Johan Kristensson: Kameror i självkörande bilar ska uppdatera kartan automatiskt, Ny Teknik 2019-11-20 Länk

Artificiell intelligens, Konferenser, Kooperativa system, Samverkan människa - maskin, Trafiksäkerhet

FFI Trafiksäkerhet och Automatiserade Fordon 2019

I tisdags hölls FFIs delprogram Trafiksäkerhet och Automatiserade Fordon sin årliga resultatkonferens. Programledaren Ulrika Landelius inledde med att berätta om den nya övergripande färdplanen för FFI, kopplad till Agenda 2030-målen. Vidare så pågår det en utvärdering av hela FFI-programmet som ska vara klar i slutet av året.

Därefter visade Rikard Fredriksson från Trafikverket en analys av trafiksäkerhetsindikatorer och dödsolyckor 2018:

  • 2018 ökade antalet omkomna i trafiken med ca 30%. 
  • I stort sett hela ökningen är på statliga vägar. Den största delen av ökningen står bilförarna för, medan cyklisterna dominerar bland de allvarligt skadade. Äldre bilar står för en oproportionellt stor andel av olyckorna. 
  • Som det ser ut just nu kommer Sverige att missa det uppsatta trafiksäkerhetsmålet för 2020 då flera indikatorer pekar åt fel håll. Det är bland annat bättre hastighetsefterlevnad som behöver uppnås liksom nykter trafik samt bättre drift och underhåll av infrastrukturen och bättre användning av cykelhjälm. Dessutom behöver gamla bilar skrotas!
  • En intressant reflektion är att det bör finnas en starkare koppling mellan indikatorer och FFI-portföljen. 

Projektpresentationer från den strategiska cykelsatsningen:

  • Att dela olika världar, Katja Kircher, VTI.Beeendeanalyser i projekten TRACE och ADVanCE visar att cyklister och bilister ställs inför olika utmaningar. Högre komplexitet för cyklister är normalt, och framförallt ändras det snabbare för cyklisterna. Ofta råder det oklarhet om vilka regler som gäller för cyklister. Man kan inte låta bli att undra: Hur kommer det då gå för automatiserade fordon i sådana situationer?
  • Cyclist Collision Avoidance Using Imagery Sensor, Tobias Aderum, Veoneer. Veoneers trackingsystem för att identifiera och autobromsa för cyklister sitter bl.a. i nya Mercedes A-klass. För att vidareutveckla systemet har projektet också försökt att, genom att identifiera hjulens ellipser, räkna fram cykelns tillståndsparametrar och prediktera cyklistens avsikter. Resultaten är inte perfekta men lovande. Behöver vidareutveckling för att kunna hantera exempelvis dåliga väder- och ljusförhållanden. 
  • V2Cyclist: Kan V2X bli en användbar teknik för cyklister? Johan Fagerlönn, RISE. Hjälmprototyper för V2X kopplade till en molntjänst samt användargränssnitt via ljud och vibrationer via en ben-ledare. Prototypen ha utvärderats med ett begränsat antal deltagare med lovande resultat. En reflektion är om smarta hjälmar kan öka användning av hjälmar generellt sett? Och hur upplevs det när man bara får varning från en del fordon men inte alla?

Bengt Pipkorn från Autoliv föredrog humanmodellering: var är vi och vart är vi på väg? Med humanmodeller menas modeller av den mänskliga kroppen. Modellerna kan sedan skalas för att representera olika människor: stora och små, män och kvinnor etc. Några resultat:

  • Nyare bilar ger ökade skaderisker i vissa fall, som hjärnskakning, höftskador. Riskgrupper är kvinnor, äldre, överviktiga. Humanmodellen SAFER THUMS kan idag prediktera risken för vissa frakturer för olika åldrar. För att möjliggöra utveckling av ett mer generellt skyddssystem utvecklas humanmodeller för olika storlekar av åkande. 
  • I framtiden när bilarna blir mer automatiserade och de åkande kan välja olika sittpositioner kommer det att krävas nya metoder för att prediktera skaderisken och nya skyddssystem.
  • Nya sittpositioner i automatiserade fordon som väntas bli farliga: bakåtlutad och bort från främre airbags, bakåtvänd, roterad, sovande.

Johan Svahn från Scania drog därefter projektet ARCHER – Arkitektur och säkerhet för autonoma tunga fordon. ARCHER:s syfte var att utforska problemställningarna kring utveckling av automatiserade tunga fordon. Projektet startade relativt tidigt i utvecklingen av AD vilket gjort att omvärlden hann förändras och det tänkta projektupplägget blev mindre relevant, samtidigt som svårigheterna visade sig vara större än väntat. Projektets fokus hamnade därför istället på förståelse, metoder och principer samt modellering och simulering. Säkerhetsmekanismer, redundanskoncept, gapanalyser, verifieringsstrategier och utvärdering av säkerhetskultur var andra delar som ingick. Arbetet fortsätter delvis inom ramen för PRYSINE-projektet (Programmable systems for intelligence in automation)

Efter Horizon 2020 (H2020) kommer nu nästa stora EU-forskningsprogram Horizon Europe (2021-2028). Mats Rosenquist från AB Volvo berättade om programmet och hela det stora nätverket som finns i EU-sammanhang. Han poängterade att det är viktigt att FFI-projekt används för att skapa argument och driva fram viktiga frågor på EU-nivå. Och fortfarande återstår två utlysningar inom Automated Road Transport 2020!

Trent Victor från Volvo Cars diskuterade sedan hur vi säkrar att under färd lämna tillbaka kontrollen till föraren från ett automatiserat fordon?, ett aktuellt ämne bl.a. med tanke på incidenter och olyckor. Några slutsatser:

  • En studie utförd av Volvo Cars visade att förarna inte reagerar eller reagerar försent när de behöver snabbt ta tillbaka kontrollen från automationen, oavsett om man har händerna på ratten eller inte, om man tittar på vägen eller inte. Det finns helt enkelt begränsningar i människans reaktion- och kognitivförmåga. 
  • Det är stor skillnad på självstyrande fordon och självkörande fordon, vilket inte framgår av SAE-skalan. 
  • Problem uppstår när man byter roll. Är jag tillräckligt bra på att hantera bilen efter att ha fått ta över? Vilket tillstånd är jag i efter att ha varit ur loopen ett tag? Vad händer om den så kallade operativa kördomänen (ODD) plötsligt ändras? Om systemet fallerar? Systemen måste kunna stödja föraren i en mer utdragen överlämningsprocess.
  • En slutsats är att man borde ta fram ett alternativ till SAE-skalan. Nivåerna bör förenklas till: manuell – övervakad körning – ej övervakad körning. 

Slutligen föredrag Lars Hammarstrand från Chalmers projektet COPPLAR – Robust visual localization for self-driving vehicles in every season. För automatiserade fordon är det viktigt att de kan lokalisera sig i omgivningen. Men det är ingen enkel uppgift. De viktigaste utmaningarna här är att kunna utföra lokaliseringen med tillräcklig noggrannhet. En svårighet är att omgivningen ändrar sig såväl över längre tid (sommar-vinter) som kortare (dag-natt) tid och till och med ögonblick (stationära objekt). COPPLAR har använt semantiska annoteringsmetoder i maskininlärning för att sortera ut några av dessa problem.

Och till sist var det ett par öppna frågor som diskuterades:

  • Är det bra eller dåligt att man ser många bekanta ansikten i publiken?
  • Hur ser vi till att resultaten från FFI-projekt kommer till användning i industrin och samhället? Hur mäter man effekten av FFI-projekt?
Forskningsprojekt, Positionering, Samhällspåverkan, Samverkan människa - maskin

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.