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 veien. Automatiserte og oppkoblede kjøretøy (CAVs) kan føre til bedre trafikksikkerhet og et mer effektivit transportsystem. Men fra myndighetenes sin side er det et stort behov for mer vitenskapelig kunnskap på AI og CAVs fordi informasjon rundt hvor gode de automatiserte systemene til bilene er ofte ikke deles fra bilindustrien sin side. I nordiske land har man spesielt et behov for mer vitenskapelige studier som undersøker begrensningene på denne type systemer under nordiske forhold, samt å undersøke om man fra myndnighetssiden må stille andre krav til vegutforming og vintervedlikehold. I dette prosjektet bruker vi vår egen forskningsplattform for automatisert kjøring og samler inn data fra en Kia som er instrumentert med NVIDIA drive-by-wire-kit for å få kunnskap om hvor maskinlesbar veger i Norge er, og om man kan se på nye måter for bilen å identifisere hvor den kan kjøre. MCSINC bruker eksperiment og uttestinger som bakgrunn for alle prosjektaktiviteter og med dette får man 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 forskningsfelt som samfunnsvitenskap, vegutforming- og planlegging, og informatikk. Prosjektet har jobbet med en teststrekning på E39 over Hemnekjølen som er en fjellovergang. Her har man målt inn vegstikker ved å bruke RTK-GNSS slik at man har en fasit på hvor stikkene står. Disse kan tenkes brukt inn i et HD kart. Det er utviklet algoritmer for gjennkjenning av slike stikker, og vi har deretter testet om bilen kan gjenkjenne stikkene ved å bruke LiDAR og kamera. Ved bruk av de innmålte stikkene på E39 har vi sett på om bilen kan bruke stikkene til å vite hvor den er, både som støtte til GNSS, og ved bortfall av GNSS. Resultatene så langt tyder på at algoritmene er gode på å gjenkjenne stikker, og at navigasjon mot stikker tilfører en effekt i positiv retning for bilens evne til å posisjonere seg. Dette er fortsatt under utvikling. I tillegg har prosjektet jobber med generelt med generering av HD kart basert på LIDAR og kamera teknologi, spesielt med hensyn til vegoppmerking.

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.