INFRASTRUKTUR OG SENSORTEKNOLOGI FOR SELVKJØRENDE BILER MÅ SPILLE PÅ LAG

Transkript

1 INFRASTRUKTUR OG SENSORTEKNOLOGI FOR SELVKJØRENDE BILER MÅ SPILLE PÅ LAG Terje Moen, seniorrådgiver NVDB Digitalt navigerbart vegnett Teknologidagene 1. nov 2018 Bakgrunnsbilde: thecoolist.com

2 Dette foredraget handler ikke om førerløse kjøretøy! Politiet: Trafikkuhell da bil trillet førerløs ut i dammen i Ranheimsfjæra. Ingen personskade, men elmotoren har det nok ikke så bra. 2

3 Men, hva sier vi da? Automatisert kjøring Selvkjørende kjøretøy Autonome kjøretøy Førerløs kjøring 3

4 Trender og drivere Politiske føringer Lovverket Klima & miljø NTP TeM 2018 Automatisering Sensorer Programvare Fjernoppdatering XX 1) 4.0 Elektrifisering Fordeler Batterikost Regenerering Fornybar energi Digitalisering IoT Regnekraft AI Big Data 4G, 5G Samfunn og næringsliv Delingsøkonomien Nye forretningsmodeller Samfunnsansvar (CSR) 1) Industri 4.0 Transport 4.0 Bygg

5 AGVer (Automated guided vehicles ) på sykehus og i industri Kilde: St. Olavs Hospital, Trondheim Kilde: TINE Jæren

6 AGVer på havner 6 Bilde fra Rotterdam havn

7 AUTOMATISERING AV VEGTRANSPORTEN, SELVKJØRENDE BILER/KJØRETØY

8 Graden av automatisering, SAE J3016 Kilde: SAE J3016 Nivå 0 Ingen automatisering av kjøringen Nivå 1 Førerstøtte Nivå 2 Delvis automatisering av kjøringen Nivå 3 Betinget automatisering av kjøringen Nivå 4 Høy automatisering av kjøringen Nivå 5 Full automatisering av kjøringen

9 SAE J3016, Dynamic Driving Task (DDT) På norsk: Kjøreprosessen Ruteplanlegging Detektering og håndtering av objekter og hendelser Kjøreprosessen Sidevegs kontroll av kjøretøyet Kontroll av kjøretøyets fart Kjøretøyets bevegelse Operasjonelle funksjoner Grunnleggende kjøretøykontroll Løpende planlegging og gjennomføring for å unngå uønskede objekter og hendelser Taktiske funksjoner TeM 2017 Valg av rute i forhold til ankomsttid Strategiske funksjoner

10 Utfordringer rundt automatisering Graden av automatisering Nivå 0 Ingen automatisering av kjøringen Nivå 1 Førerstøtte TeM 2018 Nivå 2 Delvis automatisering av kjøringen Nivå 3 Betinget automatisering av kjøringen Nivå 4 Høy automatisering av kjøringen Nivå 5 Full automatisering av kjøringen

11 Fører ytelse Førerbelastning og -ytelse Optimal førerbelastning TeM 2017 lav høy lav Fører belastning høy The Yerkes Dodson law

12 SAE J3016, Operational Design Domain (ODD) På norsk: Funksjonelt virkeområde De spesifikke forholdene som det selvkjørende kjøretøyet er konstruert for å fungere under Kan beskrives av blant annet Geografisk begrensninger Type veg Omgivelser inkl vær og føre Lysforhold Trafikkforhold Tidsmessig begrensning Hastighetsbegrensning

13 C-ITS: Samvirkende systemer og selvkjørende biler

14 Bilene "snakker" med hverandre og systemene rundt CAM (Cooperative Awareness Message) meldinger om et kjøretøys størrelse, vekt, hastighet og retning etc. DENM (Decentralized Environmental Notification Message) meldinger om vegomgivelsene og hendelser etc. 14

15 15 MEN VI ER IKKE HELT DER ENNÅ

16 Aktuelle sensorer for automatisert kjøring nå Satellitt (GNSS) Radar Lidar Kamera Ultralyd Odometer (distanse) Gyro (rotasjon) Akselerometer Magnetometer (kompass) 16

17 To utviklingsretninger persontransport Shuttelbusser for første og siste del av turen, samt i sløyfe. Konstruert for SAE nivå 4, men sikter inn mot nivå 5. Personbiler som "går gradene" fra SAE nivå 0 til 4

18 18 Og en tredje utviklingsretning

19 To utviklingsretninger lastebil Lastebiler konstruert for SAE nivå 4 Bilder: Einride Lastebiler som "går gradene" fra SAE nivå 0 til 4 19 Bilde: Henrik Sandsjö, Chalmers University of Technology

20 20 Volvo Vera

21 Lastebil platooning 21

22 22 NOEN UTFORDRINGER

23 23 Høyt gress forstyrret Badebussen på Fornebu

24 24 Det er ikke alltid "rett frem" å benytte vegmerkingen for et autonomt kjøretøy

25 LIDAR detekterer grener som henger ned fra trær og kjøretøyet stanser. 25 Illustrasjonsfoto

26 Krevende reguleringer 26

27 27 UTFORDRINGEN RUNDT DELING AV VEGEN MED MANUELT STYRTE BILER

28 Kjøreprosessen, føreropplæring Sanse Oppfatte Selvregulering Sanse Oppfatte Beslutte Beslutte Handle Handle TeM 2017 Atferd Kjøretøyets reaksjoner konstruksjon/virkemåte/egenskaper

29 Dilemmasonen, Google patent 4. februar 2016: Kort om patentet og hva det er ment å løse: Teknologi for å kunne bestemme av hvorvidt et selvkjørende kjøretøy skal stanse på gult trafikklys eller ikke Det å alltid bremse for alle gule lys behøver ikke være en god beslutning, da det har vist seg å føre til ulykker Dersom det er andre biler som følger tett bak et autonomt kjøretøy, forventer ikke disse en stans dersom det er tid nok til å kunne passere på gult

30 30 AUTONOME KJØRETØY BEHØVER TILPASSEDE KART

31 - There s no Google Maps for self-driving cars, so this startup is building it! Elizabeth Woyke, MIT Technology Review October 4, 2018 In as little as 24 hours, Mapper will deliver a machine-readable map of any place on earth with public roads. 31

32 Noen kartleverandører og produkter HERE: HD Live Map TomTom: Map Share Google Maps Apple Maps StartUps: Mapper DeepMap 32

33 33 MÅ VEIENE TILPASSES SELVKJØRENDE KJØRETØY?

34 Tesla Model X, California, mars Bilde: Skjermdump fra ABC 7

35 Kamera, deteksjon av "kjørbare flater", sommer Kilde: Autoliv AB

36 Kamera, deteksjon av "kjørbare flater", vinter Kilde: Autoliv AB

37 37 TRAFIKKSIKKERHET

38 Regelverket i Norge aksepterer at selvkjørende kjøretøy gjør feil Trafikksikkerheten under utprøvingen skal værer minst like godt ivaretatt som den ville ha blitt uten selvkjørende motorvogn, jf. lov om utprøving av selvkjørende kjøretøy 4.». Med andre ord kan utprøving tillates når sikkerheten er minst like god som ved en menneskelig sjåfør. I 2017 døde 107 mennesker i trafikken i Norge med mennesker bak rattet. 38

39 Risikobilde ved automatisering Ulykker forhindret av automatisering Dagens ulykkesmengde men Ulykker automatiserte forårsaket systemer av automatisering lærer av sine feil

40 FORSKNING

41 Forskningsutfordringer Brukeraksept, systemforståelse og tillit Effektvurderinger og endringer i trafikantatferd Økonomi og forretningsmodeller Evalueringsmodeller og analyseverktøy Posisjonerings- og kommunikasjonsteknologi Kunstig intelligens og maskinlæring Dataprosessering og håndtering av store datamengder Sikkerhet og personvern Lover og forskrifter Etikk

42 SmartFeeder Finansiert av Norges Forskningsråds program Transport Varighet Hvordan kan selvkjørende kjøretøy bidra til et bedre kollektivtilbud? Evaluering av 5 piloter: Forus, Stavanger Fornebu (Badebussen) Kongsberg Oslo Gjøvik Effekter, brukerkrav, lovgivning, forretningsmodeller Suksesskriterier, barrierer, rammebetingelser (Prosjekteier) (FoU partner)

43 Forskningsprosjektet SAREPTA Sikre overgangen til et grønt, smart, trygt og sikkert automatisert transportsystem Hovedfokus på veg- og sjøtransport, men henter inn kunnskap fra jernbane og luft der det finnes og er relevant 1. Identifisere risiko og risikonivå 2. Beskrive infrastrukturens sårbarheter og trusler 3. Etablere tekniske, menneskelige og operasjonelle barrierer for å redusere systemrisikoen i automatiserte systemer 4. Organisatoriske og menneskelige faktorer, samt regulatoriske tiltak for å redusere risiko

44 SAREPTA: sikkerhetsbarrierer Forebyggende Korrigerende

45 Teknologi for et bedre samfunn