The main purpose of the study was to analyze whether age, gender and integrity affect the acceptance of self-driving cars. The theoretical framework TAM (Technology AcceptanceModel) is used as a starting point for acceptance where we set our variables against Perceived Usefulness and Perceived Ease of Use that are the main variables in the model. A quantitative method has been applied and a survey was used for data collection. The survey was sent to 140 students. The response rate was 82 % involving a total of 116 respondents, of which 60 were women and 53 were men, where age ranged between 18-60 years old. The results of a T-test showed that there was a correlation between gender and acceptance of self-driving cars. The remaining variables could not be linked to acceptance in our study. The conclusion that we could make from this study was that there was a correlation between gender and acceptance of self-driving cars based on the cognitive mindset that is separated between the sexes. / Det huvudsakliga syftet med studien var att analysera ifall ålder, kön och integritet påverkar acceptans av självkörande bilar. Det teoretiska ramverket TAM (Technology AcceptanceModel) används som utgångspunkt för acceptans där vi ställde våra variabler gentemot den Uppfattade Användbarheten och den Uppfattade Användarvänligheten som är huvudvariableri modellen. En kvantitativ metod har använts och där ett frågeformulär skickades till 140 studenter. Svarsfrekvensen låg på 82% där totalt 116 respondenter, varav 60 kvinnor och 53 män i åldrarna mellan 18–60. Resultatet från ett T-test visade att det fanns samband mellan kön och acceptans av självkörande bilar. Resterande variabler kunde inte kopplas till acceptans i studien. Slutsatsen vi kunde dra utifrån denna studie var att det fanns ett samband mellan kön och acceptans av självkörande bilar, baserat på det kognitiva tankesättet som skiljs åt mellan könen.

Artificiell intelligens (AI) har integrerats i stor uträckning, framförallt inom bilindustrin där autonoma bilar blir allt vanligare. Då allt fler bilar får autonoma funktioner förändras bilförarnas tidiga roll. Förare går från att manuellt manövrera bilen till att övervaka så att de autonoma funktionerna fungerar. Då förarens roll förändras tillkommer utmaningar kring förarnas upplevelser för autonoma funktioner. Syftet med studien är att identifiera dessa utmaningar vilket leder till frågeställningen: Vilka utmaningar innebär design av initiativskifte i autonoma bilar i förhållande till upplevt förtroende? För att skapa förståelse har en kvalitativ studie genomförts där en designetnografiskt ansats legat till grund för den presenterade illustrationen. Deltagarna i studien har varit personer som äger en bil med autonoma funktioner. Studien bidrar med kunskap om hur upplevt förtroende i relation till det initiativskifte som sker i autonoma bilar vilket presenteras i en illustration. I slutsatsen reflekteras samhälleliga och etiska utmaningar vad gäller designande av autonoma bilar / Artificial intelligence (AI) has been widely integrated, especially in the automotive industry where autonomous cars are becoming more common. As more and more cars get autonomous functions, the drivers' previous role changes. Drivers go from manually operating the car to monitoring it, so that the autonomous functions work. As the driver's role changes, challenges arise for drivers' experiences for autonomous functions. The purpose of the study is to identify these challenges that lead to the question: What challenges does the design of initiative shift in autonomous cars in relation to perceived trust entail? To create understanding, a qualitative study has been conducted where a design ethnographic approach was used as the basis for the presented illustration. The participants in the study were people who own a car with autonomous functions. The study contributes with knowledge of how perceived reliance in relation to the change in initiative that takes place in autonomous cars, which is presented in an illustration. The conclusion reflects societal and ethical challenges regarding the design of autonomous cars.

Autonoma bilar är ett utav de mest efterlängtade teknologierna som hastigt utvecklas i världen idag. De autonoma bilarna har redan tillämpats på vägarna idag och kommer med stor sannolikhet att fortsätta tillämpas i framtiden med de fördelar som de tillför. Men trots alla fördelar så kan samhället fortfarande känna sig osäkert på ifall det faktiskt kan förlita sig på fullt autonoma bilar. Det gäller att människorna känner sig säkra både när de sitter i bilen och när de befinner sig i den omgivande trafiken. Studien undersöker ifall kön, ålder, tillit och vetskap har en påverkan i hur människor i det svenska samhället uppfattar säkerheten med autonoma bilar i trafiken. En kvantitativ forskningsmetod i form av ett webbaserat frågeformulär användes för att samla in data. Frågeformuläret besvarades av totalt 265 respondenter mellan åldrarna 18-50+ där 121 var män och 144 var kvinnor. Den data som samlades in analyserades sedan genom den statistiska plattformen SPSS Software. Studien rapporterade att inget samband kunde påvisas mellan kön och säkerhetsuppfattningen utav autonoma bilar och likaså för faktorn ålder. Däremot upptäcktes ett samband för både faktorerna tillit och vetskap. / Autonomous cars are one of the most anticipated technologies that are rapidly evolving in the world today. The autonomous cars have already been applied on the roads today and will most likely continue to be applied in the future with the benefits they bring. But despite all the benefits, the society can still feel insecure about whether it can actually rely on fully autonomous cars. It is important that people feel safe both when they are in the car and when they are in the surrounding traffic. The study examines whether gender, age, trust and awareness have an impact on how people in the Swedish society perceive the safety of autonomous cars in the traffic. A quantitative research method in the form of a web-based questionnaire was used to collect data. The questionnaire was answered by a total of 265 respondents between the ages of 18-50+ of which 121 were men and 144 were women. The data collected was then analyzed through the statistical platform SPSS Software. The study reported that no association could be indicated between gender and the safety perception of autonomous cars and also for the factor age. However, a correlation was discovered for both factors trust and awareness.

Självkörande fordon kan minska trafikstockningar och minska antalet trafikrelaterade olyckor. Då det i framtiden kommer att finnas miljontals autonoma fordon krävs en bättre förståelse av omgivningen. Syftet med detta projekt är att skapa ett externt automatiskt trafikledningssystem som kan upptäcka och spåra 3D-objekt i en komplex trafiksituation för att senare skicka beteendet från dessa objekt till ett större projekt som hanterar med att 3D-modellera trafiksituationen. Projektet använder sig av Tensorflow ramverket och YOLOv3 algoritmen. Projektet använder sig även av en kamera för att spela in trafiksituationer och en dator med Linux som operativsystem. Med hjälp av metoder som vanligen används för att skapa ett automatiserat trafikledningssystem utvärderades ett målföljningssystem. De slutliga resultaten visar att systemet är relativt instabilt och ibland inte kan känna igen vissa objekt. Om fler bilder används för träningsprocessen kan ett robustare och mycket mer tillförlitligt system utvecklas med liknande metodik. / Autonomous vehicles can decrease traffic congestion and reduce the amount of traffic related accidents. As there will be millions of autonomous vehicles in the future, a better understanding of the environment will be required. This project aims to create an external automated traffic system that can detect and track 3D objects within a complex traffic situation to later send these objects’ behavior for a larger-scale project that manages to 3D model the traffic situation. The project utilizes Tensorflow framework and YOLOv3 algorithm. The project also utilizes a camera to record traffic situations and a Linux operated computer. Using methods commonly used to create an automated traffic management system was evaluated. The final results show that the system is relatively unstable and can sometimes fail to recognize certain objects. If more images are used for the training process, a more robust and much more reliable system could be developed using a similar methodology.

The last decade has seen a rapid advancement in the fields of artificial intelligence (AI) and automation, with terms such as machine learning, deep learning and algorithms finding their way into everyday conversations. The usage of AI is evergrowing and present in many areas of life such as health care, financial services, and social media interactions. One subject which has garnered a significant amount of attention is the introduction of autonomous vehicles (AVs) and their promise of a safer and more efficient global traffic environment. However, while self-driving technology is developing at an exponential rate, associated laws and regulations are falling behind. The legal issues connected to AVs tend to differ from one jurisdiction to another, but a concern shared among most is the uncertain state of the legal landscape with respect to criminal liability. This study is focused on critically evaluating this uncertain legal landscape from a Swedish perspective. The method used in this thesis is a blend of legal dogmatics and legal analytics. A specific branch of legal analytics, legal informatics, is largely applied due to its suitability in analyzing the relationship between law and information technology. After a brief introduction to AI and AVs, the investigation begins by examining current law to determine how a general implementation of AVs would be handled by existing regulation. The thesis then continues to analyze the potential effects of the European proposal of an electronic legal personhood for AI and its associated ethical considerations. Lastly, the paper explores the Swedish proposal for a specialized AV regulation in comparison to current Swedish and international law. The conclusion of this study is that certain traffic scenarios tend to make the criminal liability assessment clearer than others. A human driver will generally not be held responsible if a vehicle driven by an automated driving system causes an incident. In most cases, the liability will be attributed to the vehicle’s owner or manufacturer. The most interesting and complex situations involve AVs with a lower level of autonomy. These vehicles require human assistance and oversight, leading to intricate questions about culpability and causality. However, the lack of existing specialized law and the unsettled nature of the proposed regulation means that any conclusions drawn regarding criminal liability and AVs are, to some extent, uncertain and hypothetical, emphasizing the need of a globally harmonized legal landscape.

Detta examensarbete undersöker hur artificiell intelligens (AI) och maskininlärning (ML) har förbättrat innovationsprocesser inom bilindustrin, med särskilt fokus på ett företag som är aktiva inom detta område. Genom en kombination av teoretisk forskning och empiriska intervjuer med anställda på företaget har det identifierats att AI och ML är kraftfulla verktyg för att driva teknologisk innovation, optimera interna processer och främja en kultur av kontinuerligt lärande och samarbete. Företaget som undersöks i denna fallstudie använder AI för att utveckla avancerade förarassistanssystem och autonoma körteknologier, vilket resulterar i säkrare och mer effektiva självkörande bilar. Dessutom optimerar AI interna processer som prestandaövervakning och intern kommunikation, vilket förbättrar effektiviteten och responsiviteten inom organisationen. Företagskulturen på företaget har påverkats positivt av AI, med en betoning på ständigt lärande och kunskapsdelning. Medarbetarna uppmuntras att kontinuerligt uppdatera sina kunskaper och färdigheter för att hålla jämna steg med teknologiska framsteg, vilket skapar en dynamisk och adaptiv arbetsmiljö. Dock möter företaget även utmaningar, inklusive höga kostnader för hårdvara och beräkningskraft, behovet av att säkerställa hög datakvalitet och att hantera komplexa juridiska och etiska frågor.  AI och ML har avsevärt förbättrat innovationsprocesserna för företaget i denna fallstudie genom att driva teknologisk och processuell innovation samt genom att påverka företagskulturen positivt. Studien bidrar till ämnet innovationsteknik genom att belysa hur AI kan användas för att driva innovation och identifierar områden för framtida forskning, såsom kostnadshantering och långsiktiga effekter av AI på företagskulturen. / This exam essay examines how artificial intelligence (AI) and machine learning (ML) have improved innovation processes in the automotive industry, with a particular focus on a company active in this field. Through a combination of theoretical research and empirical interviews with employees of the company, it has been identified that AI and ML are powerful tools for driving technological innovation, optimizing internal processes and fostering a culture of continuous learning and collaboration. The company investigated in this case study uses AI to develop advanced driver assistance systems and autonomous driving technologies, resulting in safer and more efficient self-driving cars. In addition, AI optimizes internal processes such as performance monitoring and internal communication, improving efficiency and responsiveness within the organization. The company culture has been positively impacted by AI, with an emphasis on continuous learning and knowledge sharing. Employees are encouraged to continuously update their knowledge and skills to keep up with technological advances, creating a dynamic and adaptive work environment. However, the company also faces challenges, including the high cost of hardware and computing power, the need to ensure high data quality, and dealing with complex legal and ethical issues.  AI and ML have significantly improved the innovation processes of the company in this case study by driving technological and process innovation as well as by positively influencing corporate culture. The study contributes to the field of innovation technology by highlighting how AI can be used to drive innovation and identifies areas for future research, such as cost management and long-term effects of AI on corporate culture.

Trust is important for the adoption of autonomous vehicles. Providing voiced explanations explaining a vehicle’s behavior has been found to improve trust, but it is unclear how explanations should be presented. In this experimental study, it was investigated whether manipulating the temporal sequence of “How” explanations, that describe what the vehicle does, and “Why” explanations, that describe why the vehicle does something, influence users’ trust, mental workload, situational awareness, and preferences. The research questions are: 1. What is the optimal sequence of presenting explanations, measured by the least amount of mental workload, increased trust, and increased situational awareness? 2. Which explanation type do people prefer the most? 3. Does explanation type affect attentional task performance? These questions were assessed by using questionnaires and qualitative data in a within group design. The sample consisted of 42 participants between the ages of 21 and 37. The data was analyzed with a repeated measures analysis of variance (ANOVA) and a binomial test. The study found no effect of different explanation types on trust and mental workload. However, the scenarios had a significant effect on the results. Presenting the “How + Why” explanation before an event caused the best situational awareness. Although no significant difference in preferences was found, the “Why” explanation had the highest mean preference. This study shows that when evaluating different explanation types, it is important to consider situational factors that can affect measured variables such as vehicle’s behavior and surrounding environment. Future studies should focus on exploring situational factors further. / Förtroende är viktigt för införandet av autonoma fordon. Att ge auditiva förklaringar om bilens handlingar har setts förbättra förtroendet, men det är oklart hur förklaringar bör presenteras. I denna experimentella studie undersöktes det om manipulering av den tidsmässiga sekvensen av "Hur"-förklaringar, som beskriver vad fordonet gör, och "Varför"-förklaringar, som beskriver varför fordonet gör något, påverkade användarens förtroende, mentala arbetsbelastning, situationsmedvetenhet, och preferenser. Forskningsfrågorna var: 1. Vilken är den optimala sekvensen för att presentera förklaringar, mätt med minsta möjliga mentala arbetsbelastning, ökat förtroende och ökad situationsmedvetenhet? 2. Vilken typ av förklaring föredrar folk mest? 3. Påverkar typ av förklaring uppmärksamhetsuppgift? Dessa frågeställningar undersöktes med hjälp av frågeformulär och kvalitativa data i en inomgruppsdesign. Urvalet bestod av 42 deltagare mellan 21–37 år. Data analyserades med en variansanalys med upprepade mått (ANOVA) och ett binomialtest. Studien fann ingen effekt av olika förklaringstyper på förtroende och mental arbetsbelastning. Scenarierna hade dock signifikant effekt på resultaten. Att presentera "Hur + Varför"-förklaringen innan en händelse gav den bästa situationsmedvetenheten. Även om ingen signifikant skillnad i preferens hittades, hade "Varför"-förklaringen det högsta medelvärdet. Denna studie visade att när man utvärderar olika förklaringstyper är det viktigt att ta hänsyn till situationsfaktorer som kan påverka uppmätta variabler som fordonets beteende och omgivande miljö. Framtida studier bör fokusera på att utforska situationsfaktorer ytterligare.

Samhällsutvecklingen går i en riktning där människor arbetar i allt närmare samarbete med artificiella agenter. För att detta samarbete ska vara på användarens villkor är det viktigt att förstå hur människor uppfattar och förhåller sig till dessa system. Hur dessa agenter bedöms moraliskt är en komponent i denna förståelse. Malle m.fl. (2015) utförde en av de första studierna kring hur normer och skuld appliceras på människa respektive robot. I samma artikel efterfrågades mer forskning kring vilka faktorer hos agenter som påverkar de moraliska bedömningarna. Föreliggande studie tog avstamp i denna frågeställning och avsåg att undersöka hur moralisk godtagbarhet och skuldbeläggning skiljde sig beroende på om agenten var en person, en humanoid robot eller ett autonomt intelligent system utan kropp (AIS). Ett mellangrupps-experiment (N = 119) användes för att undersöka hur agenterna bedömdes för sina beslut i tre olika moraliska dilemman. Deltagares rättfärdigaden bakom bedömningar samt medveten hållning utforskades som förklaringsmodell av skillnader. Medveten hållning avser Dennetts (1971) teori kring huruvida en agent förstås utifrån mentala egenskaper. Resultaten visade att person och robot erhöll liknande godtagbarhet för sina beslut medan AIS fick signifikant lägre snitt. Graden skuld som tillskrevs skiljde sig inte signifikant mellan agenterna. Analysen av deltagares rättfärdiganden gav indikationer på att skuldbedömningarna av de artificiella agenterna inte grundade sig i sådan information som antagits ligga till grund för denna typ av bedömningar. Flera rättfärdiganden påpekade också att det var någon annan än de artificiella agenterna som bar skulden för besluten. Vidare analyser indikerade på att deltagare höll medveten hållning mot person i störst utsträckning följt av robot och sedan AIS. Studien väcker frågor kring huruvida skuld som fenomen går att applicera på artificiella agenter och i vilken utsträckning distribuerad skuld är en faktor när artificiella agenter bedöms.

Artificiella neurala nätverk (ANN) har ett brett tillämpningsområde och blir allt relevantare på flera håll, inte minst för självkörande fordon. För att träna nätverken användsmeta-algoritmer. Nätverken kan styra fordonen med hjälp av olika typer av indata. I detta projekt har vi undersökt två meta-algoritmer: genetisk algoritm (GA) och gradient descent tillsammans med bakåtpropagering (GD & BP). Vi har även undersökt två typer av indata: avståndssensorer och linjedetektering. Vi redogör för teorin bakom de metoder vi har försökt implementera. Vi lyckades inte använda GD & BP för att träna nätverk att köra fordon, men vi redogör för hur vi försökte. I resultatdelen redovisar vi hur det med GA gick att träna ANN som använder avståndssensorer och linjedetektering som indata. Sammanfattningsvis lyckades vi implementera självkörande fordon med två olika typer av indata. / Artificial Neural Networks (ANN) have a broad area of application and are growing increasingly relevant, not least in the field of autonomous vehicles. Meta algorithms are used to train networks, which can control a vehicle using several kinds of input data. In this project we have looked at two meta algorithms: genetic algorithm (GA), and gradient descent with backpropagation (GD & BP). We have looked at two types of input to the ANN: distance sensors and line detection. We explain the theory behind the methods we have tried to implement. We did not succeed in using GD & BP to train ANNs to control vehicles, but we describe our attemps. We did however succeeded in using GA to train ANNs using a combination of distance sensors and line detection as input. In summary we managed to train ANNs to control vehicles using two methods of input, and we encountered interesting problems along the way.

De senaste 10 åren har utvecklingen av LED öppnat stora möjligheter för kreativa lösningar av belysning. Exempelvis kan färgglad och dynamisk fasadbelysning tillverkas. I denna studie undersöks det hur animerat ljus upplevs och hur det skapas en mjuk och sömlös effekt. Detta kan appliceras i flera olika scenarion av programmering av rörligt ljus. Animerat ljus (animering) genereras med LED-belysning och funktionen den har är att växla färg på pixlarna såsom video växlar bild. Studien fokuserar på animerat ljus interiört och exteriört i bilar. Denna studie har genomförts med stöd av Perceived Quality teamet på Volvo Cars AB och fokus har därigenom legat på interiör- och exteriör belysning i bilar. Forskningsmetoden för studien har varit experiment där deltagarna har observerat olika scenarion med animering på en LED-list. Deltagarna fick besvara en enkät och svara på hur de upplever animeringen. Studien visar på att faktorer som hastighet och storlek påverkar hur ljuset uppfattas. Tidigare nämnda faktorer är nödvändiga parametrar för att skapa en sömlös och mjuk animering. / In the last 10 years, the development of LED has opened up great opportunities for creative lighting solutions. This could be used for a colorful and dynamic facade lighting. In this study, it is investigated how animated light is experienced and how to achieve a soft and seamless effect. This can be applied in several different scenarios of programming moving light. Animated light (animation) is generated with LED lighting and to function it has to change the color or intensity of the pixels like a video changes image. The study conducted focused on animated interior and exterior lighting in cars. This study has been done with the support of the Perceived Quality team at Volvo Cars AB and the focus has therefore been on interior and exterior lighting in cars. The research method of the study has been experiments where the participants have observed different scenarios with animation on a LED strip. The participants had to respond on a survey how they experienced the animation. The study shows that factors such as speed and size will affect how light is perceived. Mentioned factors are necessary parameters to create a seamless and smooth animation, which is what the study showed.