Machine Sensible Infrastructure under Nordic Conditions

Bilindustrien, sammen med software- og hardware-utviklere tar stadig flere steg i å utvikle sensorer og kunstig intelligens (AI) for å se og føle vegen. Det argumenteres med at automatiserte og oppkoblede kjøretøy (CAV) vil føre til økt trafikksikkerhet og effektivitet innen transportsektoren. Men det er et stort behov for mer vitenskapelig kunnskap på AI og CAVs for vegmyndigheter rundt om i verden siden detaljer rundt denne informasjonen ofte ikke deles fra bilindustrien sin side. Samtidig har man i nordiske land et behov for mer vitenskapelige studier som ser på begrensningene på denne type teknologier under nordiske forhold, samt å undersøke hvordan denne type begrensninger kan gjøre at man fra myndnighetssiden må stille andre krav til vegutforming og vintervedlikehold. I dette prosjektet bruker vi vår egen forskningsplattform for automatisert kjøring og data fra instrumenterte biler for å få kunnskal om hvordan man kan etablere en maskinlesbar veg i Norden, samt å se på hvordan standarder for vegutforming og vedlikehold bør justeres. Proprietære løsninger innen industrien gjør det veldig viktig å bruke forskningsplattformer for å få vitenskapelig kunnskap om hvordan disse sustemene fungerer på eksisterende infrastruktur sammen med eksisterende trafikk. MCSINC vil bruke tester i felt som bakgrunn for alle prosjektaktiviteter og med dette få testet teknologi samtidig som man samler aktørene og identifiserer felles problemstillinger. Ikke-teknologiske problemstillinger inkluderer regulering, politikk, styring, standarder og forretningsmodeller. Å løse disse utfordringene krever en kobling mellom tradisjonelle felt som samfunnsvitenskap, vegutforming- og planlegging, og informatikk. Prosjektet vil derfor koble data fra intervjuer og workshops med interessenter sammen med tekniske data og anallyser basert på sensorer på kjøretøy.

The vehicle industry and software and hardware providers are rapidly developing sensor systems and artificial intelligence (AI) methods for sensing the road environment. Connected and Automated Vehicles (CAVs) are argued to have a large potential for accelerating traffic safety and efficiency. There is a strong need for more open scientific studies publishing AI software and results on CAV technology which give valuable insight to road authorities, information which is not available from the vehicle industry today. In addition, in Nordic countries more scientific studies on the limitations of these technologies caused by Nordic conditions is needed, and exploring how these limitations may set other requirements for road design and winter maintenance We utilize our own research platform for automated driving, i.e. a vehicle with automated driving capabilities, and data from instrumented vehicles to gain knowledge on how to establish a machine sensible road environment in the Nordic region and explore how standards for road design and maintenance should be adjusted in this regard. The proprietary nature of vehicle technologies makes a research platform for automated driving particularly important for gaining scientific knowledge on how these systems work on existing infrastructure and in real traffic. We use pilot activities as the backbone of the project, and aim at solving technological and non-technological challenges simultaneously. The non-technological challenges include development of governance, regulations, policies, standards and business models. Solving these challenges requires a coupling between the traditional fields of human factors, road planning and design and the field of computer science.