As more and more shared autonomous vehicles (SAVs) are introduced in mixed traffic conditions, it calls upon research exploring the relationship between an SAV and its passengers. It is assumed that in the future SAVs will be completely autonomous, with no operator on-board, resulting in the loss of implicit communication between a driver and a passenger with effects on trust. This served as motivation to perform a study investigating the definition of trust from the passenger’s perspective. Initially a state-of-the-art study was conducted to research previous work and identify existing trust frameworks. Three field studies took place on an operational SAV which included interviews and observations with on-board operator and passengers. The aim of which was to understand the trust dynamics between the operator and passenger but more importantly, between the SAV and its passengers. The results revealed dependency on the operator during the commute in deadlock situations. To investigate trust attributes, interviews and observations were conducted with passengers of a regular bus as well as experts from the field of transportation. Situational awareness of the SAV and communication of SAV intention were deemed most important towards building trust with caution towards information overload. Furthermore, three participatory design studies conducted showed a multi-modal approach as the preferred way of communication, with visual and auditory modalities being the most favorable choice. The overall results showed that a communication and feedback channel with an SAV and its passengers is necessary in creating trust in the absence of a driver. Future studies could use the findings from this thesis as the building blocks for creating a communication interface to enhance passengers trust in an SAV. / Fler och fler autonoma fordon (SAV) introduceras i den vanliga trafikmiljön, vilket kräver ökad förståelse för relationen mellan SAV:er och dess passagerare. I framtiden förutsätts SAV:er kunna bli hela autonoma utan varken en förare eller operatör ombord, vilket ändrar förutsättningarna. Det skulle innebära en förlust av den implicita (“tysta”) kommunikationen mellan förare och passagerare, vilket är bakgrunden för denna studie om passagerares förtroende för SAV:er. Studien innehåller fyra delar. Först en översikt av den senaste forskningen om upplevt förtroende, vilket skapar ett forskningsmässigt ramverk. Tre fältstudier gjordes ombord en SAV vilket inkluderade både intervjuer och observation av passagerare och operatörer. Syftet var att förstå dynamiken både mellan operatören och passageraren samt mellan SAV:n och passageraren. Resultaten visar på att fordonet, och därmed passagerarna, fortfarande är beroende av operatören i situationer när fordonet fastnade på grund av problem i trafikmiljön. Den tredje delen av studie handlade om att undersöka olika parametrar för förtroende och genomfördes med hjälp av intervjuer och observationer av passagerare på en vanlig buss samt genom intervjuer med experter från transportbranschen. Det tydligaste resultatet var att SAV:n behövde vara medveten om närmiljön och att visa förståelse och kommunicera sin avsikt var den faktor som var viktigast för att bygga förtroende. Samtidigt fanns risk för ett överflöd av information. Slutligen genomfördes tre designövningar med användare vilket visade på ett behov av kommunikation med hjälp av flera kanaler, där den visuella och ljudmässiga kanaler föredrogs av de flesta användare. Resultaten tyder på att kommunikation och återkoppling är nödvändigt för att skapa förtroende mellan SAV:er och dess passagerare. Framtida studier bör därför fokusera på att skapa ett gränssnitt mot passagerare som bygger på dessa resultat.

For safe mobility, an autonomous vehicle must perceive the surroundings accurately. There are many perception tasks associated with understanding the local environment such as object detection, localization, and lane analysis. Object detection, in particular, plays a vital role in determining an object’s location and classifying it correctly and is one of the challenging tasks in the self-driving research area. Before employing an object detection module in autonomous vehicle testing, an organization needs to have a precise analysis of the module. Hence, it becomes crucial for a company to have an evaluation framework to evaluate an object detection algorithm’s performance. This thesis develops a comprehensive framework for evaluating and analyzing object detection algorithms, both 2D (camera images based) and 3D (LiDAR point cloud-based). The pipeline developed in this thesis provides the ability to evaluate multiple models with ease, signified by the key performance metrics, Average Precision, F-score, and Mean Average Precision. 40-point interpolation method is used to calculate the Average Precision. / För säker rörlighet måste ett autonomt fordon uppfatta omgivningen exakt. Det finns många uppfattningsuppgifter associerade med att förstå den lokala miljön, såsom objektdetektering, lokalisering och filanalys. I synnerhet objektdetektering spelar en viktig roll för att bestämma ett objekts plats och klassificera det korrekt och är en av de utmanande uppgifterna inom det självdrivande forskningsområdet. Innan en anställd detekteringsmodul används i autonoma fordonsprovningar måste en organisation ha en exakt analys av modulen. Därför blir det avgörande för ett företag att ha en utvärderingsram för att utvärdera en objektdetekteringsalgoritms prestanda. Denna avhandling utvecklar ett omfattande ramverk för utvärdering och analys av objektdetekteringsalgoritmer, både 2 D (kamerabilder baserade) och 3 D (LiDAR-punktmolnbaserade). Rörledningen som utvecklats i denna avhandling ger möjlighet att enkelt utvärdera flera modeller, betecknad med nyckelprestandamätvärdena, Genomsnittlig precision, F-poäng och genomsnittlig genomsnittlig precision. 40-punkts interpoleringsmetod används för att beräkna medelprecisionen.

Object detection has been a fundamental part of many emerging technologies, such as autonomous vehicles, robotics, and security. As deep learning is the main reason behind the leap of performance in object detection, it has mostly been associated with a post-processing step of non-maximum suppression (NMS) to reduce the number of resulting bounding boxes output from the network to, ideally, one box per object. As non-maximum suppression blindly suppress the overlap with a pre-defined threshold, it introduces the problem of suppressing false negatives in crowded scenes by choosing a high threshold, or vice versa. This problem is critical, especially in the autonomous vehicle industry, as this concerns the safety of passengers. The problem of the machine understanding whether these bounding boxes belong to the same object or two near-by objects is still not directly solvable. Although a lot of previous research tried to invent a new box-reduction method, every method has its own drawbacks while solving the problem. That is why, until now, many researchers are still using non‐maximum suppression. In this research, a literature review was carried out to determine the best NMS alternatives. Then, an approach for box reduction based on determinantal point process (DPP) was implemented. Furthermore, an evaluation pipeline was introduced for experimental analysis for the differences between NMS and DPP. Although NMS shows a better performance in terms of precision and recall, DPP chooses better fitting bounding boxes. / Objektdetektering har varit en grundläggande del av många nya tekniker, t.ex. autonoma fordon, robotik och säkerhet. Eftersom djupinlärning är den främsta orsaken till den stora prestandaskillnaden vid objektsdetektering har den oftast varit förknippad med ett efterbehandlingssteg med icke-maximal undertryckning (NMS) för att minska antalet resulterande avgränsande rutor som produceras av nätverket till, idealt sett, en ruta per objekt. Eftersom icke-maximal undertryckning blint undertrycker överlappningen med ett fördefinierat tröskelvärde, uppstår problemet med att undertrycka falskt negativa resultat i överfulla scener genom att välja ett högt tröskelvärde, eller tvärtom. Detta problem är kritiskt, särskilt inom industrin för autonoma fordon, eftersom det gäller passagerarnas säkerhet. Problemet med att maskinen ska förstå om dessa avgränsande rutor tillhör samma objekt eller två närliggande objekt är fortfarande inte direkt lösbart. Även om man i tidigare forskning har försökt hitta en ny metod för att reducera boxar, har varje metod sina egna nackdelar när den löser problemet. Det är därför som många forskare fram till nu fortfarande använder sig av icke-maximalt undertryckande. I denna forskning gjordes en litteraturstudie för att fastställa de bästa NMS-alternativen. Därefter implementerades en metod för boxförminskning baserad på determinant punktprocess (DPP). Dessutom infördes en utvärderingsledning för experimentell analys av skillnaderna mellan NMS och DPP. Även om NMS visar en bättre prestanda när det gäller precision och återkallande, väljer DPP bättre passande avgränsande lådor.

En följd av såväl politiska beslut som den ökade medvetenheten hos kunder är att efterfrågan av grönare teknik har ökat. Idag står andelen av laddbara personbilar för ungefär en tredjedel av alla nyregistrerade personbilar i Sverige. Det är inte bara personbilstillverkare som går igenom detta teknikskifte mot grönare teknik och smartare självkörande bilar, samma trend ses i lastbilsindustrin. Även fast kunderna i detta fall är andra företag som t.ex. stora åkerier finns det även här en stor efterfrågan på den nya tekniken. Det kan tyckas motstridigt att tillverka ett elfordon som både ska klara av att transportera tung last samtidigt som det ska kunna erbjuda en lång räckvidd. Självkörande lastbilar är något som Scania tillsammans med flera stora lastbilstillverkare jobbar med att utveckla. De utmaningar som finns för lastbilstillverkare gällande det autonoma skiljer sig från personbilstillverkare. Syftet med rapporten är att undersöka hur produktutvecklingsprocessen påverkas av teknikskiftet mot eldrivna, autonoma lastbilar. Inledningsvis genomfördes en litteraturstudie där tidigare kända teorier och studier inom relevanta områden undersöktes för att få en bättre förståelse för det nuvarande kunskapsläget. Därefter hölls tre stycken semistrukturerade intervjuer med personer från olika avdelningar med olika kompetenser från företag inom dels lastbilsindustrin, men även personbilsindustrin. Intervjuerna syftade till att samla så mycket information som möjligt kring de utmaningar som lastbilsindustrin står inför ur ett produktutvecklings perspektiv. Även de förändringar som skett i samband med teknikskiftet var av intresse under intervjuerna. Efter intervjuerna gjordes en sammanställning och en analys av det resultat som framkommit under studien. Resultatet visar att det har skett en stor förändring inom industrin på flera områden. Nya arbetsmetoder har implementerats för att korta ned ledtiderna och öka kvaliteten på produkterna. Det finns ett ökat behov av nya kompetenser inom branschen och det blir allt vanligare att anställa personal från hela världen som kan arbeta på distans. Vidare satsas det allt mer på att omskola befintlig personal. Resultatet visar även att antalet samarbeten har ökat och att det sker ett stort informationsutbyte mellan företag som båda jobbar med autonom teknik. / An increasing demand for greener technology has been forced through by political decisions, but also as a result of growing awareness amongst customers. Today, the proportion of rechargeable passenger cars accounts for about a third of all newly registered passenger cars in Sweden. It is not just passenger car manufacturers who are experiencing this shift towards greener technology and smarter autonomous cars. The same trend can be seen in the truck industry, even if the customers in this case are large hauliers. It may seem contradictory to manufacture a vehicle that must both be able to transport heavy loads and withstand long range. Scania, amongst other big truck manufacturers, has come a long way in developing autonomous trucks. The challenges of truck manufacturers differ from those of passenger car manufacturers regarding autonomous technology. This study will investigate how the product development process is affected by the shift in technologytowards electric, autonomous trucks.Initially, a literature study was conducted where previous theories and studies in relevant areas were examined in order to gain a better understanding of the current state of knowledge. Subsequently, three semi-structured interviews were held with people from different departments and with various competences from companies in both the truck and car industries. The aim of the interviews was to gather as much information as possible about the challenges facing the truck industry from the product development perspective. The changes that have taken place as a result of the technology shift were also of interest in the interviews. Afterwards, an analysis summary was made of the results that emerged during the study. The results show that there has been significant change in several areas within the industry. New working methods have been implemented to shorten lead times and increase the quality of the products. There is a growing need for new skills within the industry and it is becoming increasingly common to employ staff from all over the world who can work remotely. At the same time, more and more funding is going towards further training of existing staff. The results also show that the number of collaborations has increased and that there is a large exchange of information between companies that are in the autonomous technology business.

Syftet med denna studie är att undersökavilket användargränssnitt som potentiella användare föredrar för att utbyta trafikrelateradinformation. Forskningsfrågan som ska besvaras är följande. Vilket användargränssnittföredras för kommunikation i ett självkörande fordon? Genom att läsa denna studie fårläsaren en fördjupad insikt för hur föredragna användargränssnitt kan öka acceptansen hospotentiella användare. En kvantitativ metod användes för att genomföra enstickprovsundersökning med hjälp av en webbaserad enkät som distribuerades på olika sättsom Facebook, Linkedin, m.m, för att besvara studiens syfte. Den empiriskadatainsamlingen resulterade i 201 insamlade svar. Resultatet visade att 41,3 % avrespondenterna föredrog skärmgränssnitt och 35,3% föredrog ett multimodalt gränssnitt föratt integrera med ett självkörande fordon. Sammanlagt 84,1% av respondenterna besvaradeatt användningen av det önskade gränssnittet skulle öka effektiviteten ochkommunikationen vid utbyte av information med fordonet. Slutsatsen är att valet avanvändargränssnitt kan påverkas av olika faktorer, såsom erfarenheter och teknologiskaförväntningar. Framtida utveckling av gränssnitt och teknologier bör sträva efter attinkludera en mångfald av alternativ för att tillgodose användarnas behov och preferensernär det gäller att kommunicera med fordon. / Syftet med denna studie är att undersöka vilket användargränssnitt som potentiella användare föredrar för att utbyta trafikrelaterad information. Forskningsfrågan som ska besvaras är följande. Vilket användargränssnitt föredras för kommunikation i ett självkörande fordon? Genom att läsa denna studie får läsaren en fördjupad insikt för hur föredragna användargränssnitt kan öka acceptansen hos potentiella användare. En kvantitativ metod användes för att genomföra en stickprovsundersökning med hjälp av en webbaserad enkät som distribuerades på olika sätt som Facebook, Linkedin, m.m, för att besvara studiens syfte. Den empiriska datainsamlingen resulterade i 201 insamlade svar. Resultatet visade att 41,3 % av respondenterna föredrog skärmgränssnitt och 35,3% föredrog ett multimodalt gränssnitt för att integrera med ett självkörande fordon. Sammanlagt 84,1% av respondenterna besvarade att användningen av det önskade gränssnittet skulle öka effektiviteten och kommunikationen vid utbyte av information med fordonet. Slutsatsen är att valet av användargränssnitt kan påverkas av olika faktorer, såsom erfarenheter och teknologiska förväntningar. Framtida utveckling av gränssnitt och teknologier bör sträva efter att inkludera en mångfald av alternativ för att tillgodose användarnas behov och preferenser när det gäller att kommunicera med fordon.

Predicting the future state occupancies of pedestrians in urban scenarios is a challenging task, especially considering that conventional methods need an explicit model of the system, hence introducing data-driven reachability analysis. Data-driven reachability analysis uses data, inherently produced by an unknown system, to perform future state predictions using sets, generally represented by zonotopes. These predicted sets are generally more conservative than model-based reachable sets. Therefore, is it possible to cluster previously recorded trajectory data based on the expressed behavior and perform the predictions on each cluster to still be able to provide safety guarantees? The theory behind data-driven reachability analysis, which can handle input noise and model uncertainties and still provide safety guarantees, is quite recent. This means that previous implementations for predicting pedestrians are theoretically probabilistic and would not be appropriate to implement in actual systems. Thus, this thesis is not the first of its kind in predicting the future reachable sets for pedestrians using clustered behavioral data, but it is the first work that provides safety guarantees in the process. The method proposed in this thesis first labels the historically recorded trajectories into the behavior also referred to as mode, the pedestrian expressed, which is done by simple conditional statements. This is done offline. However, this implementation is designed to be modular enabling easier improvements to the labelling system. Then, the reachable sets are computed for each behavior separately, which enables a potential motion planner to decide on which modal sets are relevant for specific scenarios. Theoretically, this method provides safety guarantees. The outcomes of this method were more descriptive reachable sets, meaning that the predicted areas intersected areas that it reasonably should, and did not intersect areas it reasonably should not. Also, the volume of the zonotopes for the modal sets was observed to be smaller than the volume of the implemented baseline, indicating fewer over-approximations and less conservative predictions. These results enable more efficient path planning for Connected and Autonomous Vehicles (CAVs), thus reducing fuel consumption and brake wear. / Att predicera framtida tillstånd för fotgängare i urbana situationer är en utmaning, speciellt med tanke på att konventionella metoder behöver uttryckligen en modell av systemet, därav introduceringen av datadriven nåbarhetsanalys. Datadriven nåbarhetsanalys använder data, naturligt producerad av ett okänt system, för att genomföra framtida tillståndspredicering med hjälp av matematiska set, generellt representerade av zonotoper. Dessa predicerade sets är generellt sett mode konservativa än modellbaserade nåbara set. Därmed, är det möjligt att dela upp historiskt inspelade banor baserat på det uttryckta beteendet och genomföra prediceringar på varje kluster och bibehålla säkerhetsgarantier? Teorin bakom datadriven nåbarhetsanalys, som kan hantera brus i indatat och modellosäkerheter och bibehålla säkerhetsgarantier, är väldigt ny. Detta betyder att tidigare implementationer för att predicera fotgängare är, teoretiskt sett, probabilistiska och är inte lämpliga att implementera i riktiga system. Därmed, detta examensarbete är inte det första som predicerar framtida nåbara set för fotgängare genom att använda kluster för beteendedatat, men den är det första arbetet som bibehåller säkerhetsgarantier i processen. Den introducerade metoden i detta examensarbete rubricerar först de tidigare inspelade banorna baserat på beteendet, även kallat läget, som fotgängaren uttrycker, vilket är gjort genom simpla betingade påståenden. Detta görs offline. Dock, denna implementation är designad till att vara modulär vilket underlättar förbättringar till rubriceringssystemet. Fortsättningsvis, beräknas de nåbara seten för varje beteende separat, vilket möjliggör att en potentiell rörelseplanerare kan avgöra vilka beteendeset som är relevanta för specifika scenarion. Teoretiskt sett så ger denna metod säkerhetsgarantier. Resultaten från denna metod var först och främst mer beskrivande nåbara set, vilket betyder att de predicerade områdena korsar områden som de rimligtvis ska korsa, och inte korsar område som de rimligen inte ska korsa. Dessutom, volymen på zonotoperna for beteendeseten observerades att vara mindre än volymen för baslinjeseten, vilket indikerar lägre överskattningar och mindre konservativa prediceringar. Dessa resultat möjliggör mer effektiv rörelseplanering för uppkopplade och autonoma fordon, vilket reducerar bränsleförbrukningen och bromsslitage.

The aim of this project was to compare two control algorithms designed to steer an autonomous vehicle. The comparison was made using a simulated environment to evaluate the performance of both controllers. The simulation used in this project was designed in Python and used an algorithm which randomly constructed roads from predefined road segments to create paths for the vehicle to follow. In this environment the Linear Time Varying (LTV)-Model Predictive Controller (MPC) and Pure Pursuit Controller (PPC) algorithms were evaluated. The thesis compared how well they follow paths, the average control cost of completing tasks, how well they handle input constraints, and the computational time for each algorithm. The data was collected by driving along three sets of randomly generated roads with both control algorithms. One set mostly straight, one with some turns, and one with mostly turns. An Analysis of Variance (ANOVA) test was used to make the comparison between the performance of the two algorithms. The results showed that both algorithms performed well. The PPC had low computation time and used less control, but it also had larger position errors. The LTV-MPC had higher computation time, but smaller position errors at the cost of larger control values. The conclusion is that the MPC is preferable if computational capabilities are available. Room for future work exists in the form of comparing additional controller types for autonomous vehicles and exploring different tuning parameters for the MPC controller. The simulation could also be expanded to more accurately reflect real world conditions. / Målet med detta projekt var att jämföra två kontrollalgoritmer avsedda för att styra en självkörande bil. Jämförelsen gjordes med hjälp av en simulering som utformades i Python. Den använde sig av en algoritm som slumpmässigt satte ihop vägar från förkonstruerade delar för att skapa banor för den självkörande bilen att följa. I denna miljö har vi testat två algoritmer, en LTV-MPC och en PPC. Vi jämförde hur pass väl de följer banor som skall likna riktiga vägar, hur mycket styrning de använder sig av för att bedöma energianvändning, hur väl de förhåller sig till begränsningar på acceleration och styrning, och den beräkningstiden som krävdes för att köra vår algoritm. Datan samlades genom att köra längs med tre grupper av slumpmässigt genererade vägar med båda kontrollalgoritmerna. En grupp innehöll huvudsakligen raka sträckor, en innehöll en del svängar, och en innehöll mycket svängar. ANOVA-testet användes för att göra jämförelsen mellan resultatet av dessa två algoritmer. Resultatet visade att båda algoritmer presterar väl. PPCn hade låg beräkningstid och mindre styrvärden, men större positionsfel. MPCn hade högre beräkningstid och större styrvärden, men mindre positionsfel. Slutsatsen är att MPCn är att föredra om beräkningsmöjligheterna finns tillgängliga. Det finns utrymme för framtida arbete i form av att jämföra fler kontrollalgoritmer och att utforska fler parameter justeringar för MPCn. Utöver det finns det även utrymme för en simulation som reflekterar verkligheten noggrannare.

The biggest shift in the automotive industry lies ahead. Autonomous vehicles create both curiosity and skepticism among drivers and people around. Autonomous vehicles, more specifically trucks, will not be utterly self-driving overnight. The whole transformation will take place in different phases. When a vehicle does not need a driver behind the wheel, new needs will arise. This is where this project comes into play. On behalf of Scania, a new driver’s seat shall be developed for new needs from the drivers for autonomous trucks of type 4. The project was carried out at Scania’s design department for cabin interiors. The project aimed to develop new needs for the future autonomous level 4 trucks in order to develop a driver’s seat that meets these needs. The project began with a planning phase in which the goals and the time frame for the project were set up. The project was then implemented in four different phases inspired by CDIO (n.d.). The work began with a benchmarking on existing trucks and passenger cars, but also on the future visions of different competitors regarding autonomous vehicles. Much work was put into understanding theories and interpreting relevant information. The users were used early in the project in the form of interviews, observations, and a survey that reached 299 truck drivers. The work then continued with various forms of brainstorming both within the project group and together with engineers from the group at Scania. The final work contained a CAD model of both prototype, CAID models of the final design, and a prototype scale of 1:1. The final result of the project is a new driver’s seat with the possibility of pushing the seat almost three times further back than the current seat. It can now be done when the driver’s seat is part of the bed. During the user study and the brainstorming, new needs were taken from the perspective of the sun being able to adapt to three different positions; rest, drive, work. The new driver’s seat now gives the drivers this opportunity. The result of this project may be more effective in driving the driver, which benefits both Scania and the customers in the form of the drivers being able to drive longer than previously allowed. / Det största skiften inom fordonsbranschen ligger framför oss. Autonoma fordon skapar både nyfikenhet och en skepsis bland förare och människor runt omkring. Autonoma fordon, mer specifikt lastbilar, kommer inte bli helt självkörande under en natt. Hela för- vandlingen kommer ske i olika faser. När ett fordon inte behöver en förare bakom ratten kommer nya behov uppkomma. Det är här det här projektet kommer in i bilden. På uppdrag av Scania, ska en ny förarstol utvecklas för nya behov från förarna för autonoma lastbilar av typen nivå 4. Projektet är ett examensarbete gjort av två studenter vid utbildningen civilingenjör inom teknisk design med inriktning produktutveckling, vid Luleå tekniska universitet. Projektet genomfördes på Scanias konstruktionsavdelning för hyttint- eriör. Målet för projektet var att ta fram nya behov för framtidens autonoma nivå 4 lastbilar för att sedan utveckla en förarstol som uppfyller dessa behov. Projektet började med en planeringsfas där målen och tidsramen för projektet sattes upp. Projektet genomfördes sedan i fyra olika faser inspirerade av CDIO (n.d.). Arbetet började med att en benchmarking gjordes på befintliga lastbilar och personbilar men även på olika konkurrenters framtidsvisioner gällande autonoma fordon. Mycket arbete lades på att förstå teorier och tolka relevant infor- mation. Användarna användes tidigt i projektet i form av intervjuer, observationer och en enkät som nådde ut till 299 lastbilsförare. Arbetet fortsatte sedan med olika former av brainstorming både inom projektgruppen och tillsammans med ingenjörer från gruppen på Scania. Slutgiltiga arbetet innehöll CAD-modeller av både prototyp, CAID-modeller av slutgiltig design samt en prototyp i skala 1:1. Det slutgiltiga resultatet av projektet är en ny förarstol med möjligheten att skjuta bak stolen nästan tre gånger längre än vad som tidigare var möjligt. Det kan nu göras då förarstolen är en del av sängen. Under användarstudien och brainstormingen togs nya behov fram i from av att solen ska ha möjlighet att anpassas till tre olika lägen; vila, köra, arbeta. Den nya förarstolen ger nu förarna den här möjligheten. Resultatet av det här projektet kan komma att effektivisera föraryrket, vilket gynnar både Scania och kunderna i form av att förarna kommer kunna köra längre än vad tidigare varit tillåtet.

”I could either watch it happen or be a part of it.” - Elon Musk De autonoma fordonens intåg på svenska vägar är ett stundande faktum med utblick mot 2030. Med dessa förs även förhoppningar om säkrare trafikmiljöer, större utrymme och prioritering av fotgängare och cyklister, mindre trängsel, reducerad miljöpåverkan och förenklade livsmönster. För att dessa positiva konsekvenser ska infalla krävs dock en förebyggande och långsiktig planering. Majoriteten av svenska kommuner har i dagsläget en reaktiv inställning till planering för autonoma fordon, det vill säga att först se utvecklingen äga rum och därefter tillämpa åtgärder. För att utvecklingen ska få ett önskvärt utfall måste kommunerna börja föra en proaktiv planering för autonoma fordons introduktion på marknaden. Det som hittills hämmat planeringen är framförallt bristen på konkreta förslag och principer för hur trafik och gatumiljöerna bör anpassas efter de nya förutsättningar som autonoma fordon medför. Samhället står just nu på kanten inför en storskalig omställning av fordonsflottan, där eldrivna autonoma fordon i slutändan förmodligen utgör en majoritet. Syftet med detta projekt är inte att förespråka en omedelbar implementering av åtgärder för fordon som ännu inte existerar, men fenomenet måste börja betänkas, diskuteras och konkretiseras på det långsiktiga planeringsstadiet. År 2050 ses som en relativt säker tidpunkt där autonoma fordon utgör en absolut majoritet av fordonsflottan, under en lång period kommer dock vanliga fordon och autonoma fordon behöva samsas om trafikutrymmet. Inom detta tidsspann råder många oklarheter över hur den fysiska planeringen ska positionera sig. De planeringsåtgärder som produceras i detta projekt är menade att utgöra ett första underlagsmaterial som kan börja lappa igen den kunskapslucka som existerar idag. Om kommunerna fortsätter med en reaktiv inställning ökar risken för att de negativa konsekvenser som autonoma fordon kan medföra infaller, såsom kapacitetsbrist i trafikinfrastrukturen på grund av ökade trafikmängder samt ett ökat parkeringsbehov. Sveriges kommuner bör vara med och styra utvecklingen för att privata aktörer och marknadskrafter inte anskaffar enväldig kontroll, och för att målsättningarna ska forma den teknologiska utvecklingen och inte vice versa. Vilket utfall som är mest sannolikt att inträffa beror till stor del på två faktorer; graden av proaktiv planering som bedrivs av de samhällsbyggande institutionerna samt i vilken grad delade lösningar av autonoma fordon anammas av allmänheten. Det är således omotiverat att inte bedriva en proaktiv planering på grund av de osäkerheter kring vilken typ av genomslag de autonoma fordonen får, för att institutionernas arbete kan påverka utvecklingen i den riktning som anses önskvärd. Detta projekt bidrar med något nytt till forskningen kring autonoma fordons påverkan på stadsplaneringen inom urbana miljöer, genom att konkretisera nödvändiga åtgärder som behöver tas med hänsyn till denna utveckling. Projektet resulterar i gestaltningsprinciper och förslag på lämplig utformning med hänsyn till autonoma fordon. Förhoppningen är att detta arbete är ett första steg i att möjliggöra en mer proaktiv planering, vilket är ett kriterium för att skapa en framtid med gång- och cykelprioriterade miljöer där delade autonoma fordon har ett reducerat anspråk i det offentliga rummet.

Recently, sensors such as radars and cameras have been widely used in automotives, especially in Advanced Driver-Assistance Systems (ADAS), to collect information about the vehicle's surroundings. Stereo cameras are very popular as they could be used passively to construct a 3D representation of the scene in front of the car. This allowed the development of several ADAS algorithms that need 3D information to perform their tasks. One interesting application is Road Surface Preview (RSP) where the task is to estimate the road height along the future path of the vehicle. An active suspension control unit can then use this information to regulate the suspension, improving driving comfort, extending the durabilitiy of the vehicle and warning the driver about potential risks on the road surface. Stereo cameras have been successfully used in RSP and have demonstrated very good performance. However, the main disadvantages of stereo cameras are their high production cost and high power consumption. This limits installing several ADAS features in economy-class vehicles. A less expensive alternative are monocular cameras which have a significantly lower cost and power consumption. Therefore, this thesis investigates the possibility of solving the Road Surface Preview task using a monocular camera. We try two different approaches: structure-from-motion and Convolutional Neural Networks.The proposed methods are evaluated against the stereo-based system. Experiments show that both structure-from-motion and CNNs have a good potential for solving the problem, but they are not yet reliable enough to be a complete solution to the RSP task and be used in an active suspension control unit.