Etikettarkiv: Trafikverket

Svensk forskning: Framtiden är ljus

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Drive Me: Automation, olycksrisker och trängsel

Drive Me, som är ett Vinnova och FFI finansierat projekt där Trafikverket och Volvo Cars Corporation varit samarbetspartners, har nu publicerat två rapporter: ADEST och ADFE. Den förstnämnda behandlar frågor kring autonom körning relaterat till hållbara transporter och den sistnämnda belyser frågor kring autonom körning och energieffektivitet [1].

Trafikverkets medverkan är nu avslutad med dessa två publikationer och slutsatserna från deras insats visar på om flera intressanta prognoser. Fyra arbetspaket har ingått i projekten: testprober, trafiksäkerhet, trafikflöde och energieffektivitet. Intressant för undersökningarna i dessa projekt är att man använt naturalistiska testdata från en 30 km lång provsträcka i Göteborg (ringleden) med hastighetsgränser 70km/h och 80km/h. Fordonen som använts begränsades kapacitetsmässigt till att köra automatiserat med övervakning, där automatiserad körning som funktion endast var tillgänglig under vissa trafikförhållanden. Beslutet för att inte använda så kallad oövervakad automation togs av säkerhetsskäl. Notera att trafikförhållandena för undersökningarna var goda och beskrivs som torrt väglag, bra väder och bra väderförhållanden. 

I studierna användes data från verklig körning, data från olyckor och incidenter och trafiksimuleringar.

Några av slutsatserna från projekten är bl.a att en 20% ökning av autonoma fordon på vägarna visas kunna minska olycksrisker men samtidigt försämra trängseln i trafiken. Anledningen till försämring av trängseln är att autonoma fordon är mindre effektiva i att lösa upp köer än mänskliga förare. Det här innebär att trots förbättrad energieffektivitet med autonoma fordon i körningen så ser man samtidigt även en försämring i energiförbrukning genom ökad köer. 

Trots de nackdelar som tas upp i artiklarna så lyder slutsatsen att stora säkerhetsfördelar kan förväntas med ökning av automatiserade fordon. 

Egen kommentar

Det är intressant att man kommer till slutsatsen att fler AV’n leder till försämrade kö-tillstånd i trafiken. Det här togs även upp i artikeln vi skrev om förra veckan från MIT [2], men där man även tog hänsyn till att kollektivtrafiken automatiseras, vilket bör skapa en mer komplicerad uträkning. Sedan är frågan också beroende på till vilken utsträckning folk väljer kollektivtrafik med autonoma fordon, eller autonoma personbilar (utan samåkning) i framtiden.

Källor

[1] Ökad automation minskar olycksrisken men kan öka köerna, Trafikverket 2019-11-27 Länk

[2] MIT Energy Initiative. 2019. Insights into Future Mobility. Cambridge, MA: MIT Energy Initiative Länk

Data sharing and Control Towers

I onsdags hölls en minikonferens där flera projekt, finansierade via det strategiska innovationsprogrammet Drive Sweden, presenterade sitt arbete och sina resultat inom ämnesområdena datadelning och kontrolltorn. Konferensen drog till sig uppskattningsvis 90 deltagare och hölls på Lindholmen i Göteborg.

En generell slutsats från konferensen är att många aktörer är intresserade av att dela data, och att många aktörer tittar på hur man kan göra detta. Det som saknas är tydliga affärsmodeller – hur ”omvandlar” man data till pengar? Det saknas också tydlighet i hur man tänker göra med trafiksäkerhetsdata – ska sådan data säljas eller ska det vara ett krav att rapportera sådan data kostnadsfritt till någon neutral part som exempelvis myndigheter? 

En viktig fråga som går hand i hand med detta är vilken roll som myndigheter bör ha för den digitala infrastrukturen. På Trafikverket håller man just nu på att identifiera vilken roll som de bör ha, och på konferensen visades en tänkt delningsplattform med data som digitala trafikregler, vägnätsinformation och vägarbeten som Trafikverket skulle kunna tillhandahålla.

En annan slutsats från konferensen är att molnplattformar som Drive Sweden Innovation Cloud utgör en viktig del av den digitala infrastrukturen och är en möjliggörare för framtida mobilitetstjänster och datadelning mellan olika aktörer. Det stimulerar också utveckling av nya tjänster av tredjepartsaktörer. 

Att den här tesen stämmer visades inom ramen för projektet AD Aware där Drive Sweden Innovation Cloud använts för delning av data mellan två fordonstillverkare. Fördelen med denna lösning jämfört med att dela data direkt mellan fordonen är att andra datakällor kan nyttjas i molnet för att fatta mer informerade beslut. Projektet demonstrerade att kooperativa transportlösningar som hazardous location alert och emergency vehicle alert är möjliga med cellulärkommunikation. 

Drive Sweden Innovation Cloud användes också i ett annat projekt där man demonstrerat ett kontrolltorn för övervakning och styrning av självkörande lastbilar med hjälp av 5G-kommunikationslösning. 

För att accelerera implementeringen av den digitala infrastrukturen har Drive Sweden tillsatt ett nytt projekt där man ska ta fram förslag på områden som behöver prioriteras samt ge förslag på konkreta projekt. 

Presentationsmaterialet kommer nog finnas på Drive Swedens websida inom kort.

Workshop med Trafikverket

Förra veckan arrangerade Vägverket en workshop i Stockholm om hur myndigheten bör prioritera det framtida arbetet med autonoma fordonspiloter inom gränserna för tillgänglig statlig finansiering. Två typer av piloter diskuterades: en om att bygga separerade körfält för autonoma fordon och en om landsbygdsförsök med autonoma fordon. Mer än 70 personer som representerade industri, konsultföretag och akademi deltog i workshopen.

Deltagarna var överens om att det var en bra idé att bygga separata körfält för autonoma fordonsförsök eftersom det skulle underlätta utvecklingen av autonoma fordon. Fälten måste separeras både lagligt och fysiskt. Det ansågs viktigt att fokusera på att uppnå fördelar ur ett affärsperspektiv och inte bara på att bygga ett separat körfält. Många idéer diskuterades om hur dessa körfält bör byggas, till exempel om avfarter bör vara på vänster eller höger sida, hastighetsbegränsningar, vägunderhåll och hur man ska hantera olyckor.

Många deltagare framhöll också vikten av att inte bara fokusera på den fysiska väginfrastrukturen utan också att inkludera den digitala infrastrukturen i piloterna. Det noterades att den nationella vägdatabasen måste vidareutvecklas för att uppfylla kraven för autonoma fordon.

Deltagarna var också överens om att det var en bra idé att ha landsbygdspiloter med autonoma fordon. Deltagarna diskuterade ämnen som hur en autonom buss ska bemannas i framtiden och storleken på sådana autonoma bussar. Det ansågs också viktigt att involvera kollektivtrafiken och de lokala kommunerna i piloterna.

Egen kommentar

Workshopen var ett bra exempel på hur triple helix fungerar i Sverige. Många människor deltog i workshopen från olika samhällsområden och interagerade med varandra.

Protokoll från workshopen kommer att publiceras senare av Trafikverket.

Tips: Trafikverkets workshop om pilotprojekt

Den 6 november arrangerar Trafikverket arrangerar en workshop i Stockholm om pilotprojekt med automatiserade fordon.

Workshopen riktar sig till aktörer som verkar inom områden kopplade till automatiserade fordon och transporter. Fokus kommer att ligga på två åtgärdsförslag som tidigare presenterats i färdplanen. Dessa två åtgärdsförslag kallas ”Automatiserad buss mellan noder på landsväg” samt ” Automatiserade fordon på statligt vägnät i dedikerat körfält”.

Målet är att inhämta kunskap från flera aktörer om vilka krav som ställs på den framtida infrastrukturen och det framtida hållbara transportsystemet. Man ser gärna en blandning av deltagare från olika typer av organisationer som verkar inom området med automatiserade fordon och transporter. God insyn och förståelse för både den egna verksamheten och området automatiserade fordon är nödvändig. Målsättningen för workshopen är att tillsammans bredda kunskapen kring hur automatiserade fordon kan gå från testbanor och låga hastigheter till mer verkliga förhållanden där de kan skapa nytta och där det finns ett behov av nya mobilitetslösningar.

Information om workshop samt anmälan

Färdplan för ett uppkopplat och automatiserat vägtransportsystem

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?

Nya färdplan i Storbritannien

UK Connected and Automated Mobility Roadmap (CAM) to 2030 är namnet på Storbritanniens nya färdplan för testning och utveckling av uppkopplade och automatiserade fordon som tagits fram av Zenzic i samarbete med 150 andra organisationer [1]. 

Färdplanen innehåller över 500 milstolpar som behöver uppnås för att sådana fordon ska finnas på brittiska vägar i stor skala senast 2030. Färdplanen bygger på fyra huvudteman: samhälle och människor, fordon, infrastruktur och tjänster. 

Varje milstolpe är knuten till minst ett av sex så kallade ”Golden Threads” – nyckelområden:

  • Informationssäkerhet och tålighet (resiliance) 
  • Lagstiftning och reglering
  • Säkerhet
  • Uppkopplade och automatiserade mobilitetstjänster
  • Acceptans 
  • Infrastruktur

En av insikterna från färdplanen är att samarbete mellan olika aktörer kommer att bli avgörande för att uppnå det som föreslås i planen. (Om jag tolkar rätt så skulle det utan samarbete ta fram till 2079 att uppnå det som är planerat att uppnås fram till 2030!)

Exempel på några andra insikter från färdplanen inkluderar:

  • 2025 kommer att markera en vändpunkt för då förutspås landet växla från testning och utveckling av tekniken till verklig användning och uppskalning.
  • Att landet har stark kompetens inom cybersäkerhet är en stor konkurrensfördel. 
  • Det är nödvändigt att ändra och vidareutveckla lagar och regler. Detta inkluderar bland annat ett konsekvent ramverk godkännande och licensiering av automatiserade fordon.
  • Den viktigaste faktorn för att uppnå allmänhetens acceptans är en tydlig och öppen metod för säkerställning av säkerheten.

Egen kommentar

Jag har inte läst hela färdplanen och vet inte huruvida man tagit hänsyn till ev. Brexit och hur detta kommer att påverka det hela. Av samma anledning är det svårt att säga på vilket sätt som den här färdplanen skiljer sig från liknande färdplaner i andra länder och EU. Det kan hända att denna är något mer konkret? Tycker dock att det är intressant att man lagt så stor betoning på informationssäkerhet. 

Trafikverket publicerade en färdplan precis innan sommaren – läs och jämför!

Källor

[1] Zenzic, Roadmap shows how you could be riding in self-driving vehicles by 2030. 2019-09-03 Länk

Trafikverkets färdplan

Trafikverket har nyligen publicerat en plan som går under namnet Färdplan för ett uppkopplat och automatiserat vägsystem [1]. Precis som titeln indikerar ligger tyngdpunkten på hur uppkoppling och automation kan användas för att åstadkomma minskade utsläpp och ökad trafiksäkerhet. 

Färdplanens syfte är att stegvis öka Trafikverkets kunskap kring ett uppkopplat och automatiserat vägtransportsystem, samt att undersöka var i det statliga vägsystemet som nya tekniker och lösningar kan skapa störst nytta utifrån Trafikverkets målområden.

Inom färdplanen har Trafikverket identifierat sex fokusområden: beteende och acceptans, fysisk väginfrastruktur, data, it- och kommunikationsinfrastruktur, fordonsutveckling, lagar och regelverk samt affärsmodeller och aktörssamverkan. Vidare har man identifierat 20 möjliga åtgärder där varje åtgärd kopplar till minst ett av dessa fokusområden:

  1. Automatiserad buss mellan noder på landsväg
  2. Automatiserade godstransporter mellan noder
  3. Automatiserade fordon på statligt vägnät i dedikerat körfält
  4. Automatiserade robotar för underhåll av cykelinfrastruktur
  5. Styrning av trafik för ökad framkomlighet
  6. Framkomlighetsåtgärder för regional trafik
  7. Multimodal datadelning av potentiella störningar till fordon
  8. Hamnen som nod för informationsutbyte
  9. Kombinerad mobilitet
  10. Åtgärder för ökad hastighetsefterlevnad inom vägtrafik
  11. Urbana miljözoner för ökad regelefterlevnad
  12. Dynamisk miljöstyrning på statligt vägnät
  13. Gröna körfält
  14. Ökad samlastning och smarta logistikhubbar 
  15. Storskalig simulering för interaktion av automatiserade och manuellt framförda fordon 
  16. Simulering av framtida infrastrukturåtgärder 
  17. Videoanalys för att analysera utnyttjande av statligt cykelvägnät
  18. Insamling av mobildata för att fånga potential för ökad cykling på statligt vägnät 
  19. Bättre planeringsunderlag genom analys av flödesdata 
  20. Avancerad bildanalys av landskap 

Egen kommentar

Den här färdplanen kommer nog sätta mycket prägel på kommande forsknings- och innovationsprojekt inom området uppkopplade och automatiserade transporter. Frågan är bara hur mycket resurser som krävs för att verkställa alla dessa åtgärder?

Vi från RISE har bidragit till färdplanen genom två omvärldsanalyser Tillståndsbeskrivning av området självkörande minibussar och taxi samt Självkörande skyttlar i landsbygd, där den andra bygger på den förstnämnda. 

Källor

[1] Trafikverket. Färdplan för ett uppkopplat och automatiserat vägsystem (2019:113). Länk

FFI Trafiksäkerhet och Automatiserade Fordon resultatkonferens 2018

Igår hölls årets resultatkonferens i FFIs delprogram Trafiksäkerhet och Automatiserade Fordon. Här kommer några korta referat.

Utblick från Bryssel

Ingrid Skogsmo från SAFER berättade om vad som hänt senaste året inom EU vad gäller uppkopplade och automatiserade fordon. Man pratar om att implementera lågt hängande frukter, s.k. ”Day 1 technologies” vilket är förarstödssystem som automatbromsning men också ITS-system som koppling fordon-fordon, fordon-infrastruktur etc, där de tekniska lösningarna finns framme.

EUs plan för automatiserade fordon som publicerades i våras visar att man väntar sig vissa  automatiserade fordon på marknaden efter 2020 och helt självkörande först efter 2030.

Ingrid påpekade också vikten av att synas i Bryssel, och att Sverige inte varit så bra på det jämfört med exempelvis Tyskland, Nederländerna och Spanien. Däremot när vi syns så uppskattas vårt arbete och våra åsikter högt.

iQMatic framtidens autonoma transportsystem

Lars Hjort från Scania berättade om iQMaticprojektet, där man studerat automatiserade transporter i avlysta områden som grustag och gruvor. Man har bland annat utvecklat system för uppdrags- och banplanering och bland annat skannat ett underjordiskt vägsystem vilket varit mycket lärorikt. Man har inte använt sig av självlärande algoritmer, för att säkerställa ett konsekvent beteende.

Vid försöken har det framkommit att det är svårt att vara säkerhetsförare, speciellt när systemen för det mesta fungerar som de skall. Det är svårt att hålla sig alert, samtidigt som kraven på reaktionstid är mycket korta, ca 1 sekund, om något går sönder. En annan svårighet är samverkan med det automatiserade fordonet sett utifrån.

Det är lätt att räkna hem en affär på att automatisera fordon i sådana här miljöer, men samtidigt är det mycket arbete som återstår innan det kan gå i vanlig drift.

Harmonise – säker förarinteraktion med olika grad av automation i samma fordon

Emma Johansson från AB Volvo beskrev arbetet med förarinteraktion, som är mer komplex i verkligheten än som det beskrivs i SAE-skalan. Människor tänker och agerar olika i olika situationer och vad som är orsak och verkan när något gått fel är inte så lätt att avgöra. Det kan lätt uppstå ”mode confusion” om vilken mod man egentligen är i: in-the-loop, on-the-loop eller out-of-the-loop. Svårigheten blir extra påtaglig eftersom det finns flera olika system i ett och samma fordon.

Man kan ändå konstatera att människan, som ju ofta i dessa sammanhang sägs orsaka problem, och är bra på att t.ex. prediktera vad andra trafikanter kommer att göra.

Liksom i Scaniastudien visar även denna att det är svårt att övervaka system, speciellt sådana som sällan ger upphov till att man ska göra ett ingrepp. Det räcker inte med signaler utan man behöver också känna vad som händer.

Statusrapport från Drive Me-forskningsplattformen

Marcus Rothoff m.fl. från Volvo Cars föredrog exempel på projektresultat från Drive Me, som är en forskningsplattform med ett 20-tal projekt:

  • Processen för analys av säkerhetseffekter behöver ändras från den traditionella retrospektiva metoder (vad hände och hur åtgärdar vi det) till prediktiva (vad kan hända).
  • Man jobbar med prediktiva olyckförebyggande algoritmer, så att fordonet alltid har stora säkerhetsmarginaler.
  • Man har utvecklat en experimentplattform där försökspersoner upplever att de åker i en förarlös bil men där föraren egentligen sitter dold i baksätet.
  • Det har visat sig att påminnelser om att t.ex. hålla händerna på ratten fungerar för just detta, men påverkar inte förmågan att ta hand om en olyckssituation.
  • Man har simulerat energieffektiviteten vid körning med automatiserade fordon på Drive Me-slingan och kommit fram till att automatisering visserligen kan ge en lugnare och mer energisnål körstil, men att med många sådana fordon som är försiktiga och kräver mer utrymme så kan trängseln öka och därmed och energiåtgången.
  • I projektet Trust Me tittar man på hur man kan bevisa att ett självkörande fordon kan klara alla situationer med föraren out-of-the-loop. Traditionella statistiska metoder räcker inte då det skulle ta allt för lång tid att testa. Positioneringsnoggrannheten är en väsentlig parameter att känna till.

Nuläge och prioriterade insatsområden

Matteo Rizzi från Trafikverket beskrev utvecklingen avseende trafiksäkerhet i Sverige. Vi ligger generellt bra till men kurvorna pekar i flera fall åt fel håll, t.ex. avseende hastighetsöverskridelse och trafikonykterhet. Det är lika många allvarligt skadade cyklister per år som personbilister, de flesta av cyklisterna skadas i singelolyckor.

Aktiv humanmodell för prediktering av mänsklig rörelse

Lotta Jakobsson från VCC berättade om arbetet med att ta fram en skalbar modell av en människa att använda vid utvecklingsarbetet. Med modellen kan man titta på olika typer av åkande, barn, män, kvinnor etc, och sittande på olika sätt etc. och prediktera skador vid en krock. Modellens rörelsemönster vid t.ex. inbromsning och kurvtagning har validerats med frivilliga försökspersoner.

Vehicle Driver Monitoring – Sleepiness and Cognitive Load

Bo Svanberg från VCC föredrog hur man i laboratorieförsök och körsimulator testat olika ”vanliga” förare i olika ”tråkiga” situationer som följts av en kritisk situation. Det visar sig bland annat att man klarar situationer bättre om man varit aktiv, t.ex. kört i en lite svårare trafikmiljö som landsvägskörning.


Till sist höll jag själv en spaning om säkerhet med automatiserade fordon men den lämnar vi därhän.

Presentationsmaterialet kommer att finnas tillgängligt på FFIs hemsida.

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).