Tidigare i höst visade parterna bakom projektet bland annat hur en förarlös buss med passagerare körde i Kista, fjärrövervakad från ett trafiktorn (klicka här). Foto: Keolis.
Nu går utvecklingsprojektet 5G Ride, som siktar på införande av förarlösa bussar och framtidens kollektivtrafik i städer, in i en ny fas, Future 5G Ride. Projektet har fått ytterligare 31 miljoner kronor i finansiering. Nya företag, bland dem Scania, har också gått in i projektet där även bussoperatören Keolis är engagerat.
Future 5G Ride är en utveckling av projektet 5G Ride, som sedan 2020 arbetat med hur man med hjälp av 5G och fjärrövervakning av fordon via ett trafiktorn bidrar till ett smidigt införande av självkörande bussar i en verklig urban miljö. Vi har tidigare flera gånger rapporterat om projektet, bland annat när det invigdes med att Prins Daniel gav sig ut på en minibussfärd utan att någon körde (klicka här).
När projektet i september 2020 först presenterades mer offentligt gav sig Prins Daniel ut på en förarlös färd på Djurgården. Foto: Ulo Maasing.
Projektet med 5G-uppkopplade, självkörande bussar drivs av Kista Science City, Keolis, Telia, Ericsson, KTH, T-engineering och Intel. Som nya partners i projektet har fordonstillverkaren Scania liksom företaget Viscando gått in. Det senare är ett företag som bland annat mäter och analyserar trafikdata. Projektet har nu fått ytterligare 31 miljoner kronor i finansiering, varav nästan hälften från Fordonsstrategisk forskning och innovation (FFI).
– Förarlösa fordon har potential att förbättra trafiksäkerheten och effektivisera användningen av våra vägar. En kritisk framgångsfaktor för framtidens kollektivtrafik är hur väl den interagerar med andra tjänster och hur effektiv den är när det finns en blandning av mobilitetstjänster tillgängliga. Genom att utforska möjligheterna som kommer med teknologier som 5G, AI (artificiell intelligens) och smarta trafiksensorer ska projektet Future 5G Ride ta ett samlat grepp kring dessa frågor, säger Karin Bengtsson, vd för Kista Science City AB.
En nyhet i projektet är användningen av smarta trafiksensorer från Viscando. Sensorerna mäter positioner och banor för alla trafikanter och skickar dessa i realtid till Ericssons innovation cloud, där informationen bearbetas genom att bland annat kombinera den med data från andra källor. Dessa delas sedan slutligen med det det autonoma fordonet.
Fordonet agerar utifrån den sammanlagda bilden från sensorer, trafiktorn, egna kameror och omgivning. Allt sker i realtid. Informationen från sensorerna förbättrar situationsuppfattningen i komplex trafik avsevärt och fordonet får noggrann information om dolda trafikanter och deras förväntade beteende. Det gör färden bekvämare och säkrare och tillåter dessutom högre hastigheter. Funktionerna kommer att testas av fordon från Scania och T-engineering.
Ambitionen är att skapa förutsättningar för en effektiv och hållbar kollektivtrafik där operatörer i trafiktorn kan hantera flottor av autonoma, eldrivna fordon för att kunna förbättra trafikplanering och minska energiförbrukning. Genom att ta ett samlat grepp och kombinera olika teknologier tas nästa steg i utvecklingen av förarlösa automatiserade fordon.
5G-nätens möjligheter med höga datahastigheter, korta svarstider och ökad tillförlitlighet skapar förutsättningar för bussarna att reagera i realtid när de är ute och kör. Tidigare i höst (klicka här) testades fjärrövervaknikng av fordon med resenärer från ett trafiktorn. Trafiktornet bidrar till utöka säkerhet för både det självkörande fordonet och resenären.
Projektet drivs av Kista Science City AB och bussbolaget Keolis. Ericsson bidrar med innovation cloud och de tekniska lösningarna för det 5G uppkopplade trafiktornet och har tillsammans med Telia levererat det 5G-nät som gör att den självkörande fordonet från T-engineering kan rulla vidare. Viscando’s 3D- och AI-baserade trafiksensorer kommer att förbättra hur trafiksituationen uppfattas och ge ökad säkerhet och effektivare framfart. Scania ska utrusta ett fordon för datainsamling och funktionstest samt utveckla och utvärdera funktioner för situationskännedom baserat på data som skickas från trafiksensorer.
Artiklar(RSS)
Lämna ett svar