Skip to main content

Förbättrad testning av självkörande fordon i utmanande trafiksituationer

(2020-2020) Denna förstudie fokuserar på fall av trafikvävning till exempel vid en motorvägsramp. Dessa fall har valts eftersom de är kritiska fall, och har stor inverkan på både fordonsprogramvara och sensoruppsättning, påverkar känslan hos passagerare och andra trafikanter, samt har betydande logistisk inverkan på trafikflödet.

ds improved testing

Projektet ingår i KRABAT, en del av Regeringens samverkansprogram ”Nästa Generations Resor och Transporter” och finansieras till delar av Vinnova genom Drive Sweden.

Under de kommande årtiondena måste man hitta vägar för att uppkopplade autonoma fordon och fordon framförda av människor ska kunna samexistera på våra vägar. Därför måste arbetet med att undersöka de trafiksituationer som är mest utmanande för autonoma fordon fortsätta. Bland dessa finns motorvägsramper, där fordonsförare normalt anpassar sig till trafikflödet och andra förares handlingar. En annan situation som av samma anledning är komplicerad är den som uppstår när blandad trafik möts vid rondeller.

För att utveckla AD- och ADAS-system behöver industrin en god förståelse för komplexa trafiksituationer. Detta kan uppnås genom att registrera faktiska trafikflöden i en verklig fältmiljö.

Projektet är inriktat på sammanvävning av körfält och undersöker möjligheten att använda modern kamerateknik och vägenheter för att registrera faktiska trafikflöden.

Målet är att definiera krav på hur en kombination av utrustning ska installeras, och vilken data som ska samlas in för att tillhandahålla trafikflödesinformation som sedan kan användas för repeterbara testfall som uppfyller de nuvarande och förväntade behoven hos fordonstillverkare, organisationer som NCAP och andra intressenter.

Slutrapport

Detta projekt är avslutat, läs slutrapporten här

Tidsperiod
1 Juli 2020 - 31 Dec 2020

Kontakt
Katarina Boustedt
katarina.boustedt@astazero.com

Projektpartners
AstaZeroViscandoZenseact