Etikettarkiv: Veoneer

Veoneer showar i USA

Förra veckan demonstrerade Veoneer sina senaste system för aktiv säkerhet under ett kundevent vid American Center for Mobility i Ypsilanti i Michigan [1].

Dessa system är en integration av Zenuitys mjukvara och Veoneers sensorer, så som framåtseende radar (77 GHz) och monokamera (fjärde generationen). Demonstrationen ägde rum i en bil på ett inhägnat område. 

Källor

[1] Veoneer. Veoneer demonstrates latest Active Safety products and solutions at North American event. 2019-06-19 Länk

AB Volvo samverkar med Nvidia

Volvokoncernen har skrivit samarbetsavtal med Nvidia om att använda Nvidias AI-plattform för träning och simulering vid utveckling av självkörande fordon [1]. Inledningsvis kommer Volvo att använda plattformen för kommersiella kundpiloter [2].

Även Volvo Cars och Veoneer har skrivit samarbetsavtal med Nvidia.

Egen kommentar

Senare på tisdagskvällen arrangerade Nvidia Midsummer AI Ecosystem Reception i Göteborg med Nvidias grundare och vd Jensen Huang och representanter från både Volvo Group och Volvo Cars som talare. Både Huang och Henrik Färnstrand från Volvo Group kommenterade det nya samarbetet. Huang påpekade att transporter är en av fyra industrier som Nvidia arbetar mot med AI. Nvidia har hårdvara samt verktyg både för att träna modeller och simuleringsmiljöer för att generera data för att träna modeller för fordon. Färnstrand lyfte fram att AI kommer att vara del av allt Volvo Group gör och att AI inte är en mindre förändring utan ett stort kliv.

Stort tack till vår kollega David Lindström för rapporten från eventet!

Källor

[1] Volvo i avtal med Nvidia om AI-plattform, Affärsvärlden 2019-06-18 Länk

[2] Lars Stenqvist: Volvo Group and NVIDIA in world class automation partnership, LinkedIn 2019-06-18 Länk

Velodyne når en milstolpe

Förra veckan blev det känt att teknikföretaget Velodyne sålt totalt 30 000 lidarenheter för förarstödssystem och automatiserad körning [1]. Detta för ett värde av en halv miljard dollar.

För att skala upp produktionen har Velodyne nu licensierat sin lidar-teknik till Veoneer, som i sin tur har ett långsiktigt avtal med en fordonstillverkare.

Egen kommentar

I sin nyligen publicerade rapport förutser The Insight partners en ljus framtid för lidarenheter, med en stadigt växande marknad under de kommande 8 åren. 

Källor

[1] Velodyne. Velodyne Achieves Half a Billion Dollars in Lidar Sensors Shipped. 2019-03-28 Länk

Vem leder spelet?

Navigant Research har publicerat sin årliga rapport Automated Driving Leaderboard [1]. Precis som titeln indikerar handlar rapporten om vem som leder spelet om automatiserad körning. Det är 20 företag som rankats i år utifrån deras vision, marknadsstrategi, partners, produktionsstrategi, teknologi, försäljning, marknadsföring och distribution, produktförmåga, produktkvalitet och tillförlitlighet, produktportfölj och uppehållskraft.

Rankningen är uppdelat i fyra klasser: ledare (leaders), tävlare (contenders), utmanare (challengers), och efterföljare (followers). 

Waymo, Cruise och Ford AV anses vara bäst och ligger i ”ledarklassen”. Det här är betydlig förändring sedan rapporten förra året, vilket hade totalt 8 företag i den kategorin. 

Majoriteten av de rankade företag har hamnat i ”tävlarklassen”: Aptiv, Intel-Mobileye, Volkswagen Group, Daimler-Bosch, Baidu, Toyota, Renault-Nissan-Mitsubishi Alliance, Volvo-Veoneer-Ericsson-Zenuity, BMW-Intel-FCA, Hyundai Group, Uber, NAVYA, May Mobility och Zoox. De två sistnämnda är nykomlingar på listan. En annan stor ändring jämfört med förra året är att Uber inte längre anses vara en utmanare. 

Däremot hamnar Apple, Voyage Auto och Tesla i ”utmanarklassen”. Förra året listades PSA Group och Jaguar Land Rover som utmanare men i år har de inte hamnat på listan alls. 

Precis som förra året finns det inga förtag i ”efterföljarklassen”. En annan intressant observation är att startupföretaget Aurora (de som fått stor investering från bland annat Softbank) inte hamnat på listan. 

Navigant konstaterar också följande:

  • I slutet av 2018 var det inget företag som erbjöd kommersiella tjänster utan en säkerhetsoperatör i fordonet när de transporterar passagerare. 
  • Arbetet har utvecklats på många fronter och många aktörer har insett att det kommer ta många år att säkerställa stabiliteten i tekniken. 
  • De främsta hindren inkluderar svårigheten att förutsäga andra trafikanters beteende samt begränsad funktion under dåliga väderförhållanden.
  • Företag som utvecklar lämpliga affärsmodeller i kombination med kärntekniken kommer mest sannolikt att lyckas med att kommersialisera automatiserad körning.

Egen kommentar

Jag har inte tillgång till hela rapporten och det är svårt att säga hur Navigants metodik ser ut och vad rankningen baseras på exakt (t.ex. vilken indata som används). I beskrivningen av rapporten påpekar författarna att det är oerhört svårt att avgöra vilka som ska tas med och hur de ska rankas [2]. De har tagit med traditionella fordonstillverkare och företag som utvecklar fullständiga systemlösningar som de ämnar kommersialisera. Vidare påpekar de att de tagit med företag som de haft tillräckligt med information om. Därmed kan det finnas andra företag som kommit längre i utvecklingen än vad som framgår av listan. 

Som vanligt har Navigants rapport väckt en hel del diskussioner i media och diverse forum på nätet. Den kritiserats bland annat för att ha en gammalmodig syn på industrin och att den inte värderat rätt kraften av olika parametrar. En annan synpunkt som framkommit är att rapporten inte tar hänsyn till hur företag förhåller sig till regelverk och policy. 

Navigant har också kritiserats för att de inte redovisat om någon av deras kunder visas i rankingen. Det är väl som vanligt att man måste ta hänsyn till både vad som sägs och vem som säger det. 

Källor

[1] Navigant. Navigant Research Leaderboard: Automated Driving Vehicles. 2019-03 Länk

[2] Forbes. Picking And Ranking Leaders In The Automated Driving Sector. 2019-03-14 Länk

Zenuity levererar mjukvara till Polestar 2

Volvo Cars/Veoneer-ägda Zenuity, kanske mest kända för utveckling av mjukvara till självkörande bilar, har nu levererat sin första produktionsmjukvara. Det handlar om förarassistanssystem (ADAS) till VCC-syskonet Polestar och deras nya elbil Polestar 2.

Funktionerna som Zenuity utvecklat ihop med Verner handlar om ”pilot assist” dvs att bilen håller fart, avstånd och i filen, kollisionsförhinder, uppkoppling etc. (har inte exakt info).

”Det visar vår förmåga att bygga och skapa en komplett mjukvarustack för alla framtida kunder”, säger Zenuitys VD Dennis Nobelius.

Egen kommentar

Det är förstås inte så uppseendeväckande att Zenuitys ena ägare väljer teknologi från bolaget. Men det är ändå ett steg på vägen för dem att implementera mjukvaran i produktion.

Källa

[1] Zenuity Pilot Assist ADAS function in Polestar 2, Zenuity 2019-03-05 Länk

Detta har hänt: Del II – CES

Första bilen debuterade på Consumer Electronics Show (CES) för 20 år sedan, och då var allt annat i fokus förutom just bilar. Men under de senaste åren har CES blivit mer av en autoshow då allt fler aktörer från fordonsbranschen passar på att visa upp sina prototyper och offentliggöra sina planer och ambitioner där. Årets upplaga av CES som pågick förra veckan var inget undantag. Jag var inte med på plats men att tolka av det som publicerats i media fick just automatiserade och uppkopplade fordon en hel del uppmärksamhet, även om det kanske var något mindre om självkörande fordon än förra året. Dessvärre verkar det som att ingen av aktörerna visat något riktigt nytt och revolutionerande, något som kan komma att förändra världen. Många har visat skyttlar och lösningar kopplade till mobilitetstjänster för varor och passagerare. Mycket igenkänning av aktiviteter och emotioner samt igenkänning av gester. Förvånansvärt lite fokus på röststyrning – men det betyder nog inte att man lämnat det spåret, bara att nyhetsvärdet avtagit. Som vanligt är mycket av det som visats på koncept- och mockupstadium oftast långt ifrån produktion men det finns undantag. 

Här är en översikt av det som visats där så får ni själva avgöra om mina slutsatser stämmer eller ej.

  • Veoneers Liv 3.0. Autolivs avknoppning Veoneer valde att fokusera på Collaborative Driving, något som företaget anser vara av stor vikt då de förutspår att de flesta fordon sålda år 2030 kommer erbjuda delad interaktion med mänskliga förare. Flera tekniska lösningar, som Pilot Assist Level 2+, framåt-tittande kameror, 5G och superdatorn Zeus, var integrerade i forskningsfordonet Liv 3.0 och kunde prövas på en avlyst bana. Dessa lösningar har utvecklats i samarbete med bl a Zenuity, Ericsson och MIT. Värt att notera här att Veoneer precis vunnit ett kontrakt med en global biltillverkare gällande konstruktion och produktion av ett nytt lidarsystem (tillverkad av Velodyne) för automatiserade bilar. Länk Film
  • Smart Eyes övervakning. Göteborgsbaserade Smart Eye visade sin teknologi för övervakning av föraren och igenkänning av trötthet och ouppmärksamhet. Detta gjordes i samarbete med NXP. En annan nyhet är att Smart Eye inleder samarbete med Ambarella, utvecklare av högupplösta videofilmer och halvledare för datorseende.  Länk Länk
  • Mercedes och Nvidia. Förra året började MB och Nvidia samarbeta kring ”cockpit of the future”. Nu ska företagen utöka samarbetet med optimering av AI och självkörande funktioner. Länk
  • Mercedes Urbanetic Van. Som vi rapporterat om innan är Urbanetic Van en plattform som går att nyttja för både transport av gods och passagerare, beroende på vilken kaross som man använder. Den har ingen ratt utan är tänkt att vara helt självkörande. På CES visades prototypen för transport av passagerare och betoningen var på ”informed trust”, dvs. hur man kan skapa tillit till det självkörande fordonet både mot egna passagerare och mot andra trafikanter. Länk
  • Yandex. En rysk jätte som vi skrivit om vid ett par tillfällen. Det som är mest spännande med dem är att de lyckats demonstrera sitt självkörande system i verklig trafik i Las Vegas. Gatorna var så klart kartlagda i förväg. Här kan ni se en journalists resa i Yandex-bil.
  • Nissans ”Invisible-to-Visible”. Genom att använda teknik för förstärkt verklighet har Nissans Intelligent Mobility möjliggjort för förarna och passagerarna att se det osynliga. Det är en interaktiv tredimensionell interaktion inne i fordonet hopkopplad med SAM (Seamless Autonomous Mobility) som analyserar data om fordonet och dess omgivning. Länk
  • Kias R.E.A.D. I sitt pressmeddelande skriver Kia att de förbereder sig för ”post autonomous driving era”. Som en del i detta presenterade företaget sitt Real-time Emotion Adaptive Driving (R.E.A.D.) System, som kan optimera och personifiera kabinutrymmet genom att analysera förarens emotionella tillstånd i realtid med hjälp av AI-baserad biosignaligenkänningsteknik. Systemet har utvecklats i samarbete med MIT. Länk
  • Bosch IoT Concept. Bosch valde att demonstrera mjukvara för delade mobilitetstjänster i form av en självkörande skyttel. Resenärerna kan beställa resan via en app som sedan parar dem ihop med andra resenärer som ska åt samma håll. Appen kan användas för att boka en specifik plats, låsa upp skytteln och få påminnelse om man glömt något i skytteln. Länk
  • Aisin Type C. Aisin Seiki som delvis ägs av Toyota är känt för att utveckla olika fordonskomponenter alltifrån bromsar till batterier. Men under CES visade Aisin Seiki upp två konceptfordon kallade ”i-mobility TYPE C”: en automatiserad personbil och en automatiserad limousine där sätena svänger för att hälsa på passagerare! Det finns ett framåtriktat förarsäte och fordonen kan framföras av en mänsklig förare. Konceptet inkluderar olika förarstödsfunktioner däribland Driver Monitoring System och Facial Action Coding SystemLänk
  • Densos framtida mobilitet. Denso visade också ett skyttel-liknande fordon, Urban Moves, och i den fanns allt från molntjänster till informationssäkerhetslösningar baserade på block chain, logistiktjänster, system för övervakning av förare och system för hantering av fordonsflottor. Länk
  • Continentals CUbE och leveransrobotar. CUbE är egentligen Continentals egna anpassning av EasyMiles skyttel. Hittills har vi sett den för transport av passagerare och nu visades hur den kan användas för leverans av gods i samarbete med små leveransrobotar som distribuerar paket till slutkunden. Tänk er: en robot i form av en hund som springer runt omkring med paket på ryggen. Länk
  • AEV Robotics fordonskoncept MVS. Detta är ett fordonskoncept som är likt Mercedes och Toyotas: ett modulärt fordon med utbytbar kaross. Det är svårt att säga vad som är unikt med det, mer än att det utvecklats av ett australienskt startupp-företag som hittills arbetat i tysthet. Länk
  • Surf ‘N Curve från BCS Automotive Interface Solutions. BCS är inget företag som man läser om i media varje dag. Vanligtvis utvecklar fordonskomponenter men på CES visade de ett fordonskoncept som de döpt till Surf ‘N Curve. Det påstås ha en holistisk interiördesign och när den inte kör själv kan föraren styra den med hjälp av två joystickar. Länk
  • ZFs och e.Go People Mover. Tyska ZF visade en mikrodator kallad ZF ProAI RoboThink som de beskriver som ”the most powerful AI-capable supercomputer in the mobility industry”. De visade också i samarbete med e.Go ett skyttelfordon som är redo för marknadsintroduktion och som fått en första kund, Transdev. Länk
  • Hyundai Mobis Concept. Här ligger fokus på framtida interaktion och upplevelse. Konceptfordonet är utrustat med system för rörelseigenkänning (läs: virtuell touch), system för igenkänning av känslor samt vindrutor som fungerar som skärmar. Utöver det är det utrustat med “Communication Lighting Concept” som möjliggör för det automatiserade fordonet att kommunicera med fotgängare via ljussignaler. Länk
  • Baidus Apollo 3.5. Nu är en ny version av Baidus öppna plattform tillgänglig. Utöver det betonade Baidu att de kommer att testa 100 st robo-taxis under 2019 i Changsha i Kina. Länk
  • Toyotas Guardian. När Toyotas system för automatiserade körning kallat Guardian blir redo för marknadsintroduktion inom ett par år kommer det vara tillgängligt för andra aktörer. Detta är intressant då vi inte sett sådana ambitioner från andra traditionella fordonstillverkare. Länk
  • IBMs AI-assistent Watson. IBM demonstrerade Watson, kanske mest känd för allmänheten som schack-dator, som assistent för resenärer att kommunicera med självkörande skyttlar. Problemet man vill lösa är att man kanske kommer att åka i många olika typer av skyttlar som har olika användargränssnitt. Med Watson kan man få hjälp, ungefär som med Google Assistant. Länk
  • Bytons M-Byte. Ett stort pressuppbåd följde visningen av den elbilen M-Byte från kinesiska startup-bolaget Byton. Bilen, som är designad för självkörning på Nivå 3 enligt SAE-skalan, fick kanske störst uppmärksamhet för den gigantiska 49″-skärmen framför framstolarna. Länk

Svenska aktörer samarbetar med Nvidia

Volvo Cars kommer att fördjupa sitt samarbete med chipjätten Nvidia [1]. Samarbetet går ut på att utrusta nästa generation av Volvo-bilar med Nvidias datorsystem Drive AGX Xavier. Den kommer framförallt att användas för mer avancerade och säkrare förarstödssystem.

Dessa bilar väntas vara på marknaden i början av 2020-talet och kommer vara uppbyggda på Scalable Product Architecture 2 (SPA 2) och utrustade med sensorer som möjliggör en 360-graders vy runt bilen. Volvo Cars har inte avslöjat vilka bilmodeller det rör sig om exakt.

Autolivs avknoppning Veoneer har också ett samarbete med Nvidia [2]. I sin nya superdator Zeus som ska möjliggöra automatiserad körning (motsvarande SAE-nivå 4) kommer företaget att använda Drive AGX Xavier. Detta görs ihop med Zenuity, Veoneers och Volvo Cars gemensamma mjukvaruföretag.

Voeneer beskriver Zeus som en ”hjärna” som fogar samman data från kameror, radar och andra sensorer, tolkar situationen och tar nödvändiga åtgärder. Den väntas på marknaden 2021. 

Källor

[1] Volvo Cars Media. Your future Volvo will burst with computing power. 2018-10-10 Länk

[2] Veoneer PR. Veoneer Introduces Autonomous Driving Supercomputer Based on Zenuity Software and NVIDIA Processing Power. 2018-10-10 Länk

AI & Automation – What does it really mean?

Den 18 september arrangerade Veoneer seminariet ”AI & Automation – What does it really mean?” på Lindholmen i Göteborg. Talare var Adrian Lund, f.d. ordförande för Insurance Institute for Highway Safety (IIHS), Chris Urmson, vd för Aurora och Dennis Nobelius, vd för Zenuity.

Adrian Lund sa att ofta används det faktum att den mänskliga faktorn är en vanlig orsak till trafikolyckor samband med automatiserade fordon men att mänskliga förare faktiskt i många fall är bra på att köra i trafik. Det kommer att vara svårt att automatisera en del av de sätt som fordon används i dag. För automatiserade fordon som förutsätter att föraren är beredd att ingripa (SAE nivå 3) finns det en paradox i att ju bättre fordonet är att köra på egen hand desto större förtroende kommer föraren ha för fordonet att klara av situationer och kommer då att ha mindre uppmärksamhet på trafiken och därför vara sämre förberedd att ta över manuellt. Personer kommer att förvänta sig att automatiserade fordon är minst lika säkra som manuellt körda fordon. Därför är utveckling av säkerhet centralt för automatiserade fordon. Adrian Lund sa också att människors syn på vad ett automatiserade fordon är kommer att skilja sig från ingenjörers syn.

Chris Urmson berättade om utvecklingen av automatiserade fordon från 2003 fram tills nu genom exempel från sin egen karriär. Denna historia började med test av en rover – en obemannad farkost på hjul för att undersöka andra planeter, via flera omgångar av DARPA Challenge för självkörande bilar, till Googles försök med självkörande bilar och nu som en av tre grundare till Aurora. Chris Urmson pratade om att ett automatiserat fordon behöver ha flera olika typer av sensorer som tillsammans ger en bild av den omgivande trafiken. Två svåra utmaningar för automatiserade fordon är att förstå omgivningen och andra förares avsikt samt förmågan att förhandla med andra trafikanter. Urmson sa att det finns stor potential för ekonomiska vinster med att få automatiserade och autonoma fordon – för samhället om det kan minska trafikolyckor och för företag för att en stor del av kostnaden för transporter på väg (i USA) är kostnaden för föraren.

Dennis Nobelius berättade om hur Zenuity fungerar som organisation för att kunna realisera automatisering av fordon. Zenuity har fokus på privatägda fordon med förare, en kund i taget samt på industrialisering och funktionell säkerhet. Samarbete och konkurrens sker parallellt och båda är viktigt. Det är viktigt att bygga samarbeten med andra som skapar ett ekosystem istället för en traditionell struktur med olika nivåer av underleverantörer. Zenuity är organiserat för att skapa stor flexibilitet i sin verksamhet genom många självgående team.

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).

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