Tekniska innovationer förknippas alltmer med modernt, utvecklade IT-komponenter i dagens samhällsutveckling. Detta framträder framförallt inom fordonsindustrin där självkörande/automatiserade fordon tagit ett rejält språng på den globala fordonsmarknaden. Automatiserade fordon anses av många som framtidens teknik inom områden som framförallt berör kollektivtrafik och varutransporter, men visionen om en helt automatiserad trafik lämnas inte oberörd. Men då ny, främmande teknologi även kan ses som avskräckande för gemene man - vad krävs då för att ändra på detta synsätt? Hur kan det säkerställas att tekniska innovationer såsom automatiserade fordon accepteras av allmänheten och används i praktiken? Dessa är frågor som legat till grund för föreliggande rapport som syftat till att presentera en studie som undersöker vilka faktorer som har en inverkan på användningen av automatiserade fordon. Detta har genomförts genom en omfattande litteratursökning av tidigare och aktuell forskning inom ämnet, samt intervjuer och enkätundersökningar för att ta del av synpunkter och erfarenheter från befintliga användare av automatiserad teknologi. Forskningen har resulterat i en kunskapsprodukt som utgörs av en tabell innehållandes ovan nämnda faktorer med en kort beskrivning, typ av faktor, samt en motivering till varför de bedömts till att ha en inverkan på användningen av automatiserade fordon. Tabellen har därtill kompletterats av en relationsmodell som beskriver hur faktorer samverkar och är beroende av varandra. Resultatet ska med förhoppningar kunna användas som stöd till framtida studier och forskningsprojekt, samt ge inspiration till företag och organisationer som bedriver verksamhet med koppling till automatiserade fordon och dess användning. / Technological innovations are increasingly associated with modern, developed IT-capabilities in today’s societal evolution. This is seen primarily in the automobile industry where self-driving/automated vehicles has taken a great leap on the global automobile market. Automated vehicles are considered by many to be the technology of the future which mainly involves public transport and transport of goods, but the vision of a completely automated traffic is not left untouched. But because new, foreign technology also can be seen as detrimental to people - what is then required to change this approach? How can it be ensured that technical innovations such as automated vehicles are accepted by the public and used in practice? These are issues that gave rise to the following report with a purpose to present a study that investigates which factors that has an impact on the use of automated vehicles. This has been accomplished through an extensive literature search of previous and current research of the topic, along with interviews and surveys to acquire personal opinions and experiences from existing users of automated technology. The research has eventuated in a knowledge product represented by a table of above mentioned factors including a brief description, type of factor, and a justification to as why they have been assessed as having an impact on the use of automated vehicles. Furthermore, the table has been supplemented with a relational model that describes how factors interact and depend on each other. Hopefully, the result can be used as support for future studies and research projects, as well as inspire companies and organizations engaged in automated vehicles and their use.

The purpose of our thesis was to examine citizens' attitude in a smaller city to new digital innovations, specifically autonomous vehicles and carpools, as well as opinions about citizens' participation. Through a web-based questionnaire, which was distributed on social media, as well as a discussion group on Facebook, an understanding was formed about the human acceptance, motivation factors, views and mobility habits. This was then analyzed to create an understanding of how a citizen dialogue should be conducted in social media. In line with this, we examined whether connections regarding human acceptance of new digital innovations can be affected, depending on how the dialogue is conducted and how much information the citizens are provided with. The result showed a clear relationship between knowledge and attitude, where a little knowledge created a more negative opinion. Other interesting discoveries that were identified, were that people see both problem areas and opportunities with a more digitized society. We also found how the respondents wanted increased participation, and that citizens' views are taken into account and have a clear impact on urban development. Finally, we conclude that the degree of citizens' participation and how the dialogue is conducted, shape their acceptance and understanding of changes in society and mobility solutions. The research area on human acceptance, participation and dialogue on autonomous vehicles and carpools is an emerging area of research. This means that the essay is exploratory which can enable further and more in-depth research. / Syftet med vår uppsats var att undersöka medborgare i en mindre stads inställning till nya digitala innovationer, specifikt autonoma fordon och bilpooler, samt åsikter kring medborgares delaktighet. Genom ett webbaserat frågeformulär, som distribuerades på sociala medier, samt en diskussionsgrupp på Facebook, bildades uppfattning kring människans acceptans, motivationsfaktorer, synpunkter och mobilitetsvanor. Sedan analyserades detta för att skapa en förståelse kring hur en medborgardialog bör föras i sociala medier. I linje med det undersöktes även samband om människans acceptans till nya digitala innovationer påverkas, beroende på hur dialogen förs och hur mycket information medborgarna tillhandahålls. Resultatet visade en tydlig relation mellan kännedom och inställning, där en liten kännedom skapade en mer negativ åsikt. Andra intressanta upptäckter som identifierades var att människor ser både problemområden och möjligheter med ett mer digitaliserat samhälle. Vi fann även att respondenterna önskade en ökad inkludering, samt att medborgares synpunkter beaktas och har en tydlig påverkan inom stadsutveckling. Avslutningsvis drar vi slutsatsen att graden av medborgarnas delaktighet och hur dialogen förs, formar deras acceptans samt förståelse för samhällsomställningar och mobilitetslösningar. Forskningsområdet kring människans acceptans, delaktighet och dialog kring autonoma fordon och bilpooler är ett växande undersökningsområde. Det gör att uppsatsen är explorativ vilket kan möjliggöra ytterligare och en mer djupgående forskning.

Cars are becoming increasingly automated and expected to become fully autonomous in the near future. How will this a ect the car and its position of a symbol of freedom? This thesis investigates how an autonomous vehicle can evolve this symbolic value and be adapted to the use case of an explorative road trip. Based on learnings from travellers and experts the starting point has been the positive experience of a road trip in a conventional vehicle. The target has been to enhance the current experience and create an even more spontaneous and explorative atmosphere with the help of a future scenario and emerging technology. This project gives an example of an interface that supports and en- courages spontaneity which lets the travellers direct and control the vehicle intuitively in order to explore and enjoy what they nd during their journey. Furthermore it extends the travel experience beyond what a road trip has been by connecting travellers to locals.

The global population is growing, and more people than before are moving to cities. This creates a need for increased building efficiency and possibility to work in remote environments. On today’s construction sites, there is a need to able to organize the site in a better way. In the future, autonomous vehicles will instead find it difficult to localize materials on a construction site. The autonomous vehicles can localize themselves with cameras and sensors, but they do not know how to localize the materials and items. This report is based on a project where Volvo Construction Equipment acted as a customer and the project was performed by students from Blekinge Institute of Technology and Stanford University. The prompt for this project was “From elephants to ants – from Earth to Mars” and would later be interpreted as finding a solution for the future that will be able to function without human’s intervention. From this project, this report was created. The following research questions for this report were: • How can workers locate building materials on today’s construction sites? • How will autonomous vehicles be able to locate material without human assistance in future construction sites? To solve these problems a design-process started, using an engineering design method. This method was chosen because of the type of problem. In engineering, the problem is identified to create a solution to the problem, comparing to when studying science, a question should be answered. The outcome from this report is a Product Service System (PSS) for a tracking system and a device for materials on today’s and future construction sites. When this solution was created no economic aspects were considered. Also, the focus of this report is the first steps of going from today’s construction sites to the future construction sites where autonomous vehicles will be used. The result from this research shows that the same problem of organizing a construction site is a pattern that can be seen in the majority of the sites that were visited during field works. Also, the workers today have little trust in the autonomous vehicles which is a result of lacking information and communication within companies. Furthermore, to be able to move to an autonomous future the mindset and attitude has to be changed. The collected data was analysed, and the outcome was a tracing system that will enable, both humans and machines, to localize materials on today’s and future construction sites. With this solution, today’s workers can track their materials wherever it is placed, without any need of changing the site. The autonomous vehicles will be able to use the tags to localize materials when there are no humans around. / Den globala befolkningen växer och fler flyttar till städerna än tidigare. Detta skapar ett behov av ökad effektivitet i byggbranschen och möjlighet till arbete i avlägsna miljöer. På dagens byggarbetsplatser är det nödvändigt att kunna organisera platsen på ett bättre sätt. I framtiden kommer de autonoma fordonen få det svårare att lokalisera material på en byggarbetsplats. De autonoma fordonen kan lokalisera sig med kameror och sensorer, men de vet inte hur man lokaliserar material och föremål. Rapporten bygger på ett projekt där kunden var Volvo Construction Equipment och projektet utfördes av studenter från Blekinge Tekniska Högskola och Stanford University. Prompten för projektet löd "Från elefanter till myror - från jorden till mars" och som senare tolkades till att finna en lösning för framtiden som kommer att kunna fungera utan mänsklig påverkan. Från detta projekt skapades denna rapport. Följande forskningsfrågor skulle besvaras: • Hur kan arbetare lokalisera byggmaterial på dagens byggarbetsplatser? • Hur kommer autonoma fordon kunna lokalisera material utan mänsklig hjälp på de framtida byggarbetsplatserna? För att lösa dessa problem startades en designprocess, med vald ingenjörsmetod. Denna metod valdes på grund av typen av problem. I ingenjörsmetoden identifieras problemet för att skapa en lösning till problemet, jämfört men en vetenskaplig metod, där en fråga besvaras. Resultatet från denna rapport är ett produkttjänstesystem (PSS) för ett spårningssystem för att kunna spåra material på dagens och framtida byggarbetsplatser. När denna lösning skapades togs det ingen hänsyn till de ekonomiska aspekterna. Fokus på denna rapport är de första stegen för att gå från dagens byggarbetsplatser mot de framtida byggplatserna där autonomiska fordon kommer att användas. Resultatet av forskningen visade att det finns ett stort behov av att organisera de olika byggarbetsplatserna som besöktes under studiebesöken. Arbetarna har idag ett litet förtroende för de autonoma fordonen som är ett resultat av bristande information och kommunikation inom företagen. För att kunna gå till en autonom framtid måste tankesätt och attityd ändras. Den samlade data analyserades och resultatet var ett spårningssystem som gör det möjligt för både människor och maskiner att lokalisera material på dagens och framtida byggarbetsplatser. Med denna lösning kan dagens arbetare enkelt spåra materialet, utan att behöva omstrukturera arbetsplatsen. De autonoma fordonen kommer kunna använda spårningssystem för att kunna lokalisera material när det inte finns några människor till hands.

Utvecklingen inom fordonsindustrin går mot autonoma fordon, och som effekt av det behöver både säkerhet och samhällets acceptans öka. För att öka säkerheten i autonoma fordon behöver föraren vara situationsmedveten, vilket kan uppnås genom en röstassistent i fordonet. Om säkerheten skulle öka skulle sannolikt även människors tillit och därav samhällets acceptans öka. Studier pekar på att olika egenskaper så som rösttyp hos röstassistenter kan ha en effekt på förares situationsmedvetenhet och tillit. Denna studie ämnar således att undersöka huruvida en feminin eller maskulin röst hos röstassistenter påverkar förares situationsmedvetenhet och upplevda tillit till autonoma fordon. För att ta reda på detta genomfördes en experimentell studie där deltagare befann sig i en bilsimulator av ett autonomt fordon som simulerade körscenarier. Deltagarna var uppdelade i två grupper där varje grupp fick uppleva en typ av röstassistent, antingen med feminin eller maskulin röst. Deltagarna fick uppleva körscenarier där varningssituationer i olika allvarlighetsgrader uppstod, där de fick fatta beslut kring hur de hade hanterat varningssituationen. I samband med körscenarierna utfördes tre olika datainsamlingar bestående av intervju och enkäter. Resultatet av studien påvisar ingen signifikant eller utmärkande skillnad vad gäller upplevd tillit mellan grupper. Resultatet indikerar inte heller någon utmärkande skillnad mellan gruppernas situationsmedvetenhet. Det finns marginell skillnad mellan grupperna, där gruppen som upplevde feminin röst hade både högre upplevd tillit och situationsmedvetenhet. Slutresultatet i denna studie visar att området behöver utforskas vidare för att upptäcka och förstå eventuella effekter av rösttyper hos röstassistenter. / The development in the automotive industry is moving towards autonomous vehicles, and as a consequence the need to increase both safety and societal acceptance is necessary. To increase safety in autonomous vehicles, the driver needs to be situationally aware, which can be achieved through a voice assistant in the vehicle. If safety were to increase, people's trust and therefore society's acceptance would most likely also increase. Studies indicate that different characteristics of voice assistants, such as the type of voice, can have an effect on drivers' situational awareness and trust. Thus, this study aims to investigate whether a feminine or masculine voice in voice assistants affects drivers' situational awareness and perceived trust in autonomous vehicles. An experimental study was conducted in order to investigate this, where participants were situated in a simulator of an autonomous vehicle that simulated driving scenarios. The participants were divided into two groups where each group experienced one of two types of voice assistants, either with a feminine or a masculine voice. The participants had to experience driving scenarios where warning situations of varying degrees of severity arose, where they had to make decisions about how they would have handled the situation. In connection with the driving scenarios, three types of data collections consisting of interviews and questionnaires were carried out. The results of the study show no significant or distinctive difference in terms of perceived trust between groups. The results also don’t indicate any distinctive difference between the groups' situational awareness. There is marginal difference between the groups, with the group experiencing feminine voice having both higher perceived trust and situational awareness. The final result of this study shows that this research area needs to be explored further to discover and understand the possible effects of voice types in voice assistants.

The introduction of autonomous vehicles in traffic is driven by expected gains in multiple areas, such as improvement of health and safety, better resource utilization, pollution reduction and greater convenience. The development of more competent algorithms will determine the rate and level of success for the ambitions around autonomous vehicles. In this thesis work an intersection management system for a mix of autonomous and manually driven vehicles is created. The purpose is to investigate the strategy to combine turn intention prediction for manually driven vehicles with scheduling of autonomous vehicle. The prediction method used is support vector machine (SVM) and scheduling of vehicles have been made by dividing the intersection into an occupancy grid and apply different safety levels. Real-life data comprising recordings of large volumes of traffic through an intersection has been combined with simulated vehicles to assess the relevance of the new algorithms. Measurements of collision rate and traffic flow showed that the algorithms behaved as expected. A miniature vehicle based on a prototype for an autonomous RC-car has been designed with the purpose of testing of the algorithms in a laboratory setting. / Införandet av autonoma fordon i trafiken drivs av förväntade vinster i flera områden, såsom förbättring av hälsa och säkerhet, bättre resursutnyttjande, minskning av föroreningar och ökad bekvämlighet. Utvecklingen av mer kompetenta algoritmer kommer att bestämma hastigheten och nivån på framgång för ambitionerna kring autonoma fordon. I detta examensarbete skapas ett korsningshanteringssystem för en blandning av autonoma och självkörande bilar. Syftet är att undersöka strategin att kombinera prediktion av hur manuellt styrda bilar kommer att svänga med att schemalägga autonoma bilar utifrån detta. Prediktionsmetoden som använts är support vector machine (SVM) och schemaläggning av bilar har gjorts genom att dela upp korsningen i ett occupancy grid och tillämpa olika säkerhetsmarginaler. Verklig data från inspelningar av stora volymer trafik genom en korsning har kombinerats med simulerade fordon för att bedöma relevansen av de nya algoritmerna. Mätningar av kollisioner och trafikflöde visade att algoritmerna uppträdde som förväntat. Ett miniatyrfordon baserat på en prototyp av en självkörande radiostyrd bil har tagits fram i syfte att testa algoritmerna i laboratoriemiljö.

This thesis tackles the problem of predicting the collision risk for vehicles driving in complex traffic scenes for a few seconds into the future. The method is based on previous research using dynamic Bayesian networks to represent the state of the system. Common risk prediction methods are often categorized into three different groups depending on their abstraction level. The most complex of these are interaction-aware models which take driver interactions into account. These models often suffer from high computational complexity which is a key limitation in practical use. The model studied in this work takes interactions between drivers into account by considering driver intentions and the traffic rules in the scene. The state of the traffic scene used in the model contains the physical state of vehicles, the intentions of drivers and the expected behaviour of drivers according to the traffic rules. To allow for real-time risk assessment, an approximate inference of the state given the noisy sensor measurements is done using sequential importance resampling. Two different measures of risk are studied. The first is based on driver intentions not matching the expected maneuver, which in turn could lead to a dangerous situation. The second measure is based on a trajectory prediction step and uses the two measures time to collision (TTC) and time to critical collision probability (TTCCP). The implemented model can be applied in complex traffic scenarios with numerous participants. In this work, we focus on intersection and roundabout scenarios. The model is tested on simulated and real data from these scenarios. %Simulations of these scenarios is used to test the model. In these qualitative tests, the model was able to correctly identify collisions a few seconds before they occur and is also able to avoid false positives by detecting the vehicles that will give way. / Detta arbete behandlar problemet att förutsäga kollisionsrisken för fordon som kör i komplexa trafikscenarier för några sekunder i framtiden. Metoden är baserad på tidigare forskning där dynamiska Bayesianska nätverk används för att representera systemets tillstånd. Vanliga riskprognosmetoder kategoriseras ofta i tre olika grupper beroende på deras abstraktionsnivå. De mest komplexa av dessa är interaktionsmedvetna modeller som tar hänsyn till förarnas interaktioner. Dessa modeller lider ofta av hög beräkningskomplexitet, vilket är en svår begränsning när det kommer till praktisk användning. Modellen som studeras i detta arbete tar hänsyn till interaktioner mellan förare genom att beakta förarnas avsikter och trafikreglerna i scenen. Tillståndet i trafikscenen som används i modellen innehåller fordonets fysiska tillstånd, förarnas avsikter och förarnas förväntade beteende enligt trafikreglerna. För att möjliggöra riskbedömning i realtid görs en approximativ inferens av tillståndet givet den brusiga sensordatan med hjälp av sekventiell vägd simulering. Två olika mått på risk studeras. Det första är baserat på förarnas avsikter, närmare bestämt att ta reda på om de inte överensstämmer med den förväntade manövern, vilket då skulle kunna leda till en farlig situation. Det andra riskmåttet är baserat på ett prediktionssteg som använder sig av time to collision (TTC) och time to critical collision probability (TTCCP). Den implementerade modellen kan tillämpas i komplexa trafikscenarier med många fordon. I detta arbete fokuserar vi på scerarier i korsningar och rondeller. Modellen testas på simulerad och verklig data från dessa scenarier. I dessa kvalitativa tester kunde modellen korrekt identifiera kollisioner några få sekunder innan de inträffade. Den kunde också undvika falsklarm genom att lista ut vilka fordon som kommer att lämna företräde.

Autonomous vehicles rely on sensors for a clear understanding of the environment and in a heavy duty truck, the sensors are placed at multiple locations like the cabin, chassis and the trailer in order to increase the field of view and reduce the blind spot area. Usually, these sensors perform best when they are stationary relative to the ground, hence large and fast movements, which are quite common in a truck, may lead to performance reduction, erroneous data or in the worst case, a sensor failure. This enforces a need to validate the sensors before using them for making life-critical decisions. This thesis proposes Domain Adaptation as one of the strategies to co-validate Inertial Measurement Unit (IMU) sensors. The proposed Generative Adversarial Network (GAN) based framework predicts the data of one IMU using other IMUs in the truck by implicitly learning the internal dynamics. This prediction model along with other sensor fusion strategies would be used by the supervising system to validate the IMUs in real-time. Through data collected from real-world experiments, it is shown that the proposed framework is able to accurately transform raw IMU sequences across domains. A further comparison is made between Long Short Term Memory (LSTM) and WaveNet based architectures to show the superiority of WaveNets in terms of performance and computational efficiency. / Autonoma fordon förlitar sig på sensorer för att skapa en bild av omgivningen. På en tung lastbil placeras sensorerna på multipla ställen, till exempel på hytten, chassiet och på trailern för att öka siktfältet och för att minska blinda områden. Vanligtvis presterar sensorerna som bäst när de är stationära i förhållande till marken, därför kan stora och snabba rörelser, som är vanliga på en lastbil, leda till nedsatt prestanda, felaktig data och i värsta fall fallerande sensorer. På grund av detta så finns det ett stort behov av att validera sensordata innan det används för kritiskt beslutsfattande. Den här avhandlingen föreslår domänadaption som en av de strategier för att samvalidera Tröghetsmätningssensorer (IMU-sensorer). Det föreslagna Generative Adversarial Network (GAN) baserade ramverket förutspår en Tröghetssensors data genom att implicit lära sig den interna dynamiken från andra Tröghetssensorer som är monterade på lastbilen. Den här prediktionsmodellen kombinerat med andra sensorfusionsstrategier kan användas av kontrollsystemet för att i realtid validera Tröghetssensorerna. Med hjälp av data insamlat från verkliga experiment visas det att det föreslagna ramverket klarar av att med hög noggrannhet konvertera obehandlade Tröghetssensor-sekvenser mellan domäner. Ytterligare en undersökning mellan Long Short Term Memory (LSTM) och WaveNet-baserade arkitekturer görs för att visa överlägsenheten i WaveNets när det gäller prestanda och beräkningseffektivitet.

With the development of autonomous vehicles, more and more technology is introduced into the automotive industry. Ethernet has found its way into the vehicle network, and it is forced to coexist with the well-established CAN bus. In terms of data acquisition, the presence of a mixed network brings challenges with significant changes in network architecture. This thesis explores CAN-Ethernet gateways as a replacement for the PCIe bus CAN transceivers utilized in today's logging systems, with the purpose to improve the adaptability of the autonomous logging system. A CAN-Ethernet gateway was implemented using Kvaser's DIN Rail SE400S-X10in an experimental comparison against the PCIe logging solution, including both classical CAN and CAN FD communication. In addition, a case study on the benefits and drawbacks with implementing an Ethernet architecture was performed, utilizing semi-structured interviews. It was concluded that a CAN-Ethernet gateway provides a robust solution in relation to data loss. Throughout the tests, the message loss rate was 0% for both logging solutions. However, CAN-Ethernetlogging introduced additional delay into the system. For the tests on a truck simulation rig the mean additional delay from a CAN-Ethernet gateway, compared to the existing PCIe-CAN logging, was 2 ms. Moreover, some spikes occurred and in a number of cases it could be up to 6 ms in additional delay compared to the existing PCIe logging. It was also proven difficult to time synchronize the gateway with the autonomous logging system, and unknown delays had an impact. Relevant metrics were obtained from relative measurements of side-by-side logging between the PCIe and CAN-Ethernet communication. The standard deviation and fluctuation of the delay were relevant metrics, since smaller fluctuations made the delay more predictable and real-time compatible. A CAN-Ethernet deployment may create a more complex architecture in general, and as of now has limitations for real-time systems. On the other hand, it may offer significant possibilities in future development of a more adaptable and scalable logging system. / Med utvecklingen av autonoma fordon har mer och mer teknologi introducerats inom fordonsindustrin. Ethernet har funnit sin väg in i fordonsnätverket och tvingas existera sida vid sida med den väletablerade CAN-bussen. För dataloggning orsakar närvaron av ett blandat nätverk (med både CAN och Ethernet) utmaningar i samband med stora förändringar inom nätverksarkitektur. Det här examensarbetet utforskar nätslussar för CAN-Ethernet som en ersättare till PCIe-bussens CAN-sändtagare som används i dagens loggningssystem. En CAN-Ethernet-nätsluss implementerades genom att använda Kvasers DIN Rail SE400S-X10 i en experimentell jämförelse med PCIe-loggningssystemet, och inkluderade både klassisk CAN samt CAN FD kommunikation. I tillägg gjordes en fallstudie om fördelar och nackdelar med att implementera en Ethernet-arkitektur,vilken grundades på semi-strukturerade intervjuer. Slutsatsen var att CAN-Ethernet-nätslussar tillhandahåller en robust lösning i förhållande till dataförlust. Under alla testerna var meddelandeförlusten 0% hos båda loggningsmetoderna. Däremot introducerade CAN-Ethernet-loggning en ökad fördröjning till systemet. För testerna på lastbilsriggsimulatorn var fördröjningen 2 ms jämfört med PCIe-CAN-loggningen. Dessutom förekom spikar i fördröjningen och i vissa fall resulterade fördröjningen i upp mot 6 ms, jämfört mot den befintliga PCIe-loggningen. Det visade sig även vara svårt att tidssynkronisera nätslussen med det autonoma loggningssystemet och okända fördröjningar hade en inverkan. Relevanta mått erhölls från relativa mätningar av jämsides loggning mellan PCIe och CAN-Ethernet kommunikation. Standardavvikelsen och fluktuation av fördröjningen var relevanta mått eftersom mindre fluktuationer resulterade i en mer förutsägbar samt realtidskompatibel fördröjning. Användningen av CAN-Ethernet kan, i allmänhet, resultera i en mer avancerad arkitektur och har i dagsläget begränsningar inom realtidssystem. Å andra sidan kan CAN-Ethernet erbjuda markanta möjligheter inom framtida utveckling av ett mer modulärt och skalbart loggningssystem.

This thesis is focused on developing vibration based terrain classification for an autonomous mining truck. The goal is to classify between good and bad gravel roads as well as good and bad asphalt roads. Current literature within vibration based terrain classification has been focused to a great extent on smaller research vehicles. On smaller research vehicles have roll-rate, pitch-rate and vertical acceleration been reported to yield the highest average classification rates. Common approaches for pre-processing the data consists of segmenting the data, apply filtering techniques, computing the Power Spectra Density (PSD), performing Principal Component Analysis (PCA) and compute the logarithms. How to do this specifically for an Autonomous Truck (AT) is not trivial. What signals from the trucks Internal Measurement Unit (IMU)s yields the highest average classification rates? How does one process the raw data in the best way, and what classification method performs the best for this for an AT? The AT studied here have five different IMUs that all measure ẍ, ÿ, z̈ acceleration, and ωroll, ωpitch, ωyaw rotational speed. One is located in the cab, and the other four are located in each of the four corners of the chassis. With these sensors empirical vibration data from different surfaces, speeds and loads was gathered with multiple identically equipped autonomous mining trucks. With this data were experiments conducted in order to find a high performing classifier that also was possible to implement in the ATs software in C++. The different signals were ranked according to the highest classification score, and different pre-processing parameters combined with different classification methods likewise were. ωyaw and ωpitch from the cab IMU, and z̈ from the rear right IMU were the ones that yielded the highest average classification rates. The pre-processing consists of segmenting the data, multiplying the segment with a window function, compute the one-sided PSD, logarithmize the PSD values and lastly normalize the data. A bagged classifier based on Support Vector Machine (SVM) with a Radial Basis Function (RBF) kernel showed the highest classification performance. The final multiclass classifier was a combination of three of these bagged classifiers in a tree structure. The F-measure rates for the four classes were {0.946, 0.98, 0.714, 0.879}. / Denna uppsats är fokuserad på att utveckla en vibrationsbaserad terrängigenkänningsalgoritm för en automatiserad tung lastbil som kommer att framföras i ojämn terräng, som ska klara av att känna igen bra och dåliga grusvägar, samt bra och dåliga asfaltsvägar. Befintlig litteratur inom området vibrationsbaserad terrängigenkänning har varit fokuserad i stor utsträckning på mindre forskningsfordon. På dessa är {ωrull, ωstigning, z̈} de signaler som resulterar i de högsta genomsnittliga korrekta terrängklassifikationerna. Befintliga förbearbetningmetoder för datan består i majoriteten av fallen av att segmentera och filtrera datan, beräkna spektrala effekttätheten (PSD) och logaritmera. Hur man gör detta är inte trivialt. Vilka signaler från lastbilens fem IMUer resulterar i det högsta prestandan för terrängigenkänning? Hur förarbetar man datan? Lastbilen studerad här har fem IMUer som har sex kanaler vardera, de mäter ẍ, ÿ, z̈ acceleration, och ωrull, ωstigning, ωgir rotationshastighet. En är placerad i lastbilens hytt och de andra fyra är placerade i varje hörn på chassit. Med dessa sensorer samlades vibrationsdata in på de fyra underlagen, med olika lastbilar, med olika last på flaket och med olika autonoma lastbilar, men som var konfigurerade på samma sätt. Experiment utfördes för att bestämma vilka signaler-, vilken förbearbetningsmetod på datan- samt vilken klassifieringsmetod som presterar bäst för den automatiserade lastbilen. Algoritmen var också anpassad för att vara möjlig att implementera i lastbilens mjukvara utan externa maskininlärnings bibliotek. De högst presterande signalerna var ωgir och ωstigning från IMUn i hytten, samt z̈ från IMUn monterad i chassits bakre högra hörn. Förbearbetningen bestod av att segmentera datasignalen, multiplicera den med en fönsterfunktion för att sedan beräkna den ensidiga spektrala effekttätheten (PSD), logaritmera alla värden och till slut normalisera datan. En stödvektormaskin (SVM) med en RBF kärna påvisade högst genomsnittliga klassifikationsresultat. Den slutgiltiga binära klassifieraren applicerade bagging för att förbättra prestandan genom att kombinera data från alla de tre högst presterande signalerna. Den slutgiltiga klassifieraren tränades på att skilja mellan de olika underlagen och var en kombination av tre bagged klassifierare i en trädstruktur. Prestandan med avseende på F-Measure för de fyra klasserna var {0.946, 0.98, 0.714, 0.879}.