Etikettarkiv: Trafikverket

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).

Lästips

Trafikflöden och självkörande fordon. Trafikverket har publicerat en ny version av rapporten Trafikflöden och självkörande fordon – Drive Me försökssträcka som fokuserar på trafikflöde och vägnätets kapacitet, samt hur dessa kan komma att förändras vid introduktion av autonoma fordon.

Motorcyklar som kan se. Startuppföretaget Ride Vision har lanserat, vad som påstås vara, världens första kollisionsundvikande teknologi (Collision Aversion Technology) för motorcyklar. Den har en 360-graders vy runt motorcykeln och kan installeras på befintliga motorcyklar för att ge motorcyklister stöd i säkerhetskritiska situationer. Länk

För och nackdelar med automatiserade fordon. En grupp forskare från USA har publicerat en artikel som fördjupar sig i hur millenials upplever automatiserade fordon, och vilka för- och nackdelar de ser med dem. Artikeln heter Perceived benefits and concerns of autonomous vehicles: An exploratory study of millennials’ sentiments of an emerging market. Länk

Försäkringar. Casualty Actuarial Society (CAS) diskuterar i en ny rapport hur försäkrings- och riskhanteringsindustrin har en kritisk roll för en ansvarsfull och kostnadseffektiv introduktion av automatiserade fordon på marknaden. Rapporten heter Automated Vehicles and the Insurance Industry – A Pathway to Safety: The Case for Collaboration. Länk

Vilket system är minst distraherande? American Automobile Association (AAA) har i samarbete med en forskargrupp från University of Utah publicerat en ny rapport där de jämfört några olika infotainment system i fordonsmodeller 2017/18. Slutsatsen att Googles och Apples produkter är minst distraherande för förare. Rapporten heter Visual and Cognitive Demands of Using Apple’s CarPlay, Google’s Android Auto and Five Different OEM Infotainment Systems. Länk

Framtida parkeringsplatser. En grupp forskare från University of Toronto har utforskat hur framtida parkeringar kan designas. Deras studie heter Designing parking facilities for autonomous vehicles. Länk

Geofencing på tapeten

För lite mer än ett år sedan fick Trafikverket i uppdrag av regeringen att ta fram förslag för ett geofencing system. Geofencing avser en geografisk zon där inträde, hastighet och bränsleanvändning av uppkopplade fordon styrs digitalt enligt fördefinierade regler, eller utryckt på ett enkelt sätt ett digitalt staket.

I början av veckan visades en lösning för säker utbyte av data mellan fordon och digital infrastruktur som tagits fram i samarbete med Göteborgs stad, Stockholms stad, Scania, Veoneer, Volvo Cars och Volvo Group [1]. Molninfrastrukturen dit data till och från fordonen skickas och behandlas har tagits fram av Ericsson. Lastbilar, bussar och personbilar ingick i demonstrationen där flera  geofencingzoner med olika egenskaper hade byggts på vägarna runt om campusområdet på KTH.

Ett viktigt syfte med demonstrationen var att visa hur geofencing upplevs. Som Ola Boström från Veoneer förklarade: ”Man säger ju inte till sina vänner att man ska gå till ett inhängnat område när man går på Liseberg, men inhägnaden är ju en förutsättning. Vi visade att något så tråkigt klingande som geofencing är en användarupplevelse som dessutom skapar trygghet.”

Detta anses vara ett viktigt utvecklingssteg för att skapa ett uppkopplat transportsystem med digital infrastruktur och gemensamma gränssnitt.  Planen är att förbättra och vidareutveckla lösningen för att på sikt kunna implementera den.

Till hösten väntas Trafikverket presentera en implementeringsplan och hur lösningen ska skalas upp.

Egen kommentar

Den här tekniken kan fungera och underlätta både för individer och samhället givet att den är tålig mot  utomstående intrång. Den förutsätter också  att fordon har GPS eller liknande positionsverktyg installerat för att  fordon ska kunna identifieras och styras. Frågan är om hur stor del av fordonsflottan behöver utrustas för att se effekter i samhället?

Källor

[1] Trafikverket. Svensk kraftsamling med geofencing för säkrare och smartare stadsmiljöer. 2018-05-28 Länk

Sweden4Platooning

Scania, AB Volvo, Research Institutes of Sweden (RISE), Kungliga Tekniska Högskolan, (KTH), Schenker AB och Trafikverket arbetar i ett forskningsprojekt om kolonnkörning på allmänna vägar med fordon från olika tillverkare [1, 2].

Projektet väntas bland annat generera en standardiserad platooningapplikation för olika lastbilsmärken, öka kunskap om behov och ekonomiska värden för olika platooningrelaterade tjänster samt bygga kunskap om relevanta affärsmodeller. En pilotstudie med kooperativ adaptiv farthållare (CACC) med endast longitudinell styrning är också planerad att utföras. Utöver det kommer projektet att generera en licentiatavhandling och en doktorsavhandling.

Projektet startade i januari 2017 och kommer att pågå till december 2019. Det delfinansieras av Fordonsstrategisk Forsning och Innovation (FFI).

Källor

[1] Volkswagen News. Scania takes part in multi-brand platooning project. 2017-10-19 Länk

[2] VINNOVA. Sweden 4 Platooning. Länk

Born to Drive

Förra veckan demonstrerades resultaten från forskningsprojektet Born to Drive, där man tagit fram en lösning där bilar kör själv från tillverkningsbanan till uppställningsplats för transport [1].

Bakgrunden är att bilar rangeras väldigt många gånger, runt 25, från det att de tillverkas till att de når slutkunden. Genom att automatisera hela eller delar av dessa kan logistik-kedjan bli både effektivare och säkrare, när de kan parkeras tätare och personal inte behöver befinna sig bland bilar som kör.

Samtidigt innehåller moderna bilar i princip all teknologi som krävs för att (långsamt) köra själva inom fabriksområdet. Born to Drive bygger helt på mjukvara. Systemet innehåller också en trafikledningsfunktion.

Projektet har genomförts av Actia Nordic, Combitech, Consat, Semcon, Trafikverket, RISE Viktoria, Volvo Cars och VTI.

Källor

[1] Ny forskning skapar förarlös logistikkedja, Pressmeddelande RISE 2017-09-15 Länk

Trafikvarningar från Autodrive och NordicWay

Inom ramen for det brittiska Autodrive-projektet har en rad tester utförts på en testanläggning (Horiba Mira), och fler tester kommer att utföras i verklig trafik senare under 2017 och under 2018 [1].

Bland systemen som testats är varning för utryckningsfordon (Emergency Vehicle Warning), korsningsvarning (Intersection Collision Warning) och trafikinformation (In-Vehicle Signage). Principen är för dessa system är densamma: bilen varnar och informerar föraren via olika gränssnitt i bilen när en fara eller annan relevant information upptäckts. Många av dem är baserade på trådlöskommunikation mellan fordon och/eller infrastrukturen.

Autodrive utförs i samarbete mellan flera olika aktörer däribland Jaguar Land Rover, Ford och Tata Motors.

Liknande tester har också utförts på hemmaplan inom projektet NordicWay där bland annat Ericsson, Trafikverket, Volvo Cars och Scania deltar [2].

Här kan ni få en överblick över diverse system som demonstrerats inom Autodrive och NordicWay.

Egen kommentar

Inom kort kommer en ny liknande studie att inledas på hemmaplan. Av specifikt intresse är hur Volvo Cars automatiserade fordon som ingår i Drive Me-projektet ska kunna samverka med utryckningsfordon.

Källor

[1] UK Autodrive. UK Autodrive completes proving ground trials. 2017-06-22 Länk

[2] NordicWay. Länk

AutoFreight fokuserar på effektivare containertransporter

AutoFreight är ett nytt forskningsprojekt i Västsverige som ska fokusera på att med hjälp av automatiserade lastbilar möjliggöra effektivare transporter av containrar mellan Göteborgs hamn och Viareds logistikpark utanför Borås [1].

Visionen är att lastbilen framförs av en mänsklig förare fram till och efter riksväg 40 och automatiskt på riksvägen. I själva testerna i allmän trafik kommer dock lastbilen att framföras av en mänsklig förare hela tiden, medan testerna med automation kommer att äga rum på testbanan AstaZero. Chalmers Tekniska Högskola leder testerna med den automatiserade lastbilen på testbanan och är också med och utvecklar de algoritmer som krävs.

Projektet kommer att pågå fram till år 2020 och har en total budget på ca 50 miljoner kr. Det koordineras av AB Volvo och involverar ett tiotal partners, däribland Chalmers tekniska högskola, Combitech, GDL Transport, Ellos Group, Kerry Logistics, Speed Group, Volvo Bussar och Trafikverket.

 Källor

[1] Chalmers. Självkörande lastbilar i nytt stort forskningsprojekt. 2017-04-27 Länk

Born To Drive

Vehicle ICT Arena på Lindholmen Science Park drar igång ett nytt projekt, Born To Drive [1].

Målet med projektet är att skapa en automatiserad logistiklösning för förflyttning av bilar från de  att de lämnar monteringsfabriken till transport och distribution och i förlängningen nå ända fram till återförsäljaren. Till detta hör också utveckling av affärsstrukturer samt utforskning av legala aspekter och användarperspektiv. Planen är att en del av lösningen ska demonstreras på ett fabriksområde sommaren 2017.

Projektet leds av Combitech. Övriga deltagare är: VCC, Actia, Consat, Semcon, Viktoria Swedish ICT, VTI och Trafikverket. VCC kommer att bidra med kunskap inom produktutveckling och automatiserade fordon. Actia, Consat, Semcon och Combitech ansvarar för systemering, utveckling samt utprovning av lösningen. Viktoria Swedish ICT bidrar med kunskap inom innovativ affärsutveckling, medan VTI och Trafikverket kommer att utforska legala aspekter.

Projektet väntas framförallt bidra till en mer effektiv transport av produkter (bilar). Detta är speciellt viktigt om man tar hänsyn till att en nytillverkad bil flyttas upp till 30 gånger tills den når återförsäljaren och att en förare behövs vid varje omplacering.

Källor

[1] Lindholmen Science Park, Vehicle ICT Arena. Självkörande bilar förenklar logistik – ännu ett steg mot morgondagens mobilitet. 2016-02-05 Länk

Autoliv ansluter sig till Drive Me

I slutet av 2013 lanserades Drive Me-projektet med syftet att studera effekter av automatiserad körning i verklig trafik genom att testa 100 bilar på infartsvägarna till Göteborg. Initiativet togs av Volvo Car Group, Trafikverket, Transportstyrelsen, Lindholmen Science Park och Göteborgs Stad med stöd av den svenska regeringen. I början av sommaren anslöt sig Chalmers Tekniska Högskola till projektet för att stärka dess vetenskapliga aspekt [1]. Nu har ytterligare en partner, Autoliv, anslutit sig till projektet [2].

Autoliv har lång erfarenhet av säkerhet i fordon. Företaget har mestadels fokuserat på passiv säkerhet (t.ex. krockkuddar, bilbälten) och är idag en ledande leverantör till fordonstillverkare inom området. Men de har också en hel del forskning och utveckling inom aktiv säkerhet (t.ex. kamerasystem) vilket är en grund för automatiserad körning.

Genom att delta i Drive Me-projektet kommer Autoliv att stärka sitt arbete kring automatiserad körning. Inom ramarna för projektet kommer Autoliv att bidra med både kunskap och ledande forskningsinsatser.

Källor

[1] Chalmers. Chalmers ansluter sig till Drive Me-projektet. 2015-06-18. Länk

[2] Business Wire. Autoliv joins the Drive Me project. 2015-09-30 Länk