Eco-driving has acquired great importance in recent years because it is a way to reduce energy consumption that can be applied to any type of vehicle. However, for these rules to be applied requires a process of continuous learning and motivation. For this reason many eco-driving assistants have emerged. This paper presents Green Driving, a driver safety app for Android that detects inattentive driving behaviors and gives corresponding feedback to drivers, scoring their driving and alerting them in case their behaviors are unsafe.  It’s about changing a person’s driving behavior by providing some kind of advice to the driver.  I have worked on an algorithm that is meant to reduce the fuel consumption of users. The algorithm is deployed in an android application. This application “Green Driving” is aimed at users with cars. It is basically like an assistant, suggesting the user when he should make the right gear changes, when to increase/decrease speed and avoids hard braking and rapid acceleration and etc. It is in order to drive economically, ecologic and in turn save money and safety. This is a smart way of letting a user drive economically and ecologic since almost everyone has an Android smartphone now.

Transportsektorn blir allt mer uppkopplad, digitaliserad och automatiserad. Den tekniska utvecklingen är i snabbt framåtskridande vad gäller automatiska körsystem som tar över allt större delar av förarens uppgifter. Vi närmar oss därför mer och mer en transportsektor där vi kommer kunna färdas i helt eller delvis självkörande fordon. Samtidigt är det än så länge oklart hur ansvaret ska fördelas om olyckan skulle vara framme och där ett självkörande fordon är iblandat. Dagens reglering inom transportområdet tillkom under en tid då all körning skedde manuellt och är därför inte anpassad för körning som är högt eller fullt automatiserad. Därför undersöks i förevarande uppsats vilka problem en introduktion av självkörande fordon kan medföra den civilrättsliga ansvarsfrågan enligt gällande rätt. Uppsatsen ämnar även till att bidra med inspiration för rättsutvecklingen genom att komma med förslag kring hur en reglering kring ansvarsfrågan på bästa sätt bör genomföras. I uppsatsen redogörs det för de allmänna skadeståndsrättsliga reglerna och ansvarsformerna samt de mer specifika ansvarsformerna som kan bli aktuella avseende ansvarsfrågan vad gäller självkörande fordon, till exempel produktansvar och kontrollansvar. Uppsatsen belyser även trafikskadelagens (1975:1410) uppbyggnad och regler samt lagens direkta koppling till ett fordons trafikförsäkring. Den slutliga avsikten med uppsatsen är att lyfta fram eventuella luckor i den civilrättsliga ansvarsfrågan utifrån gällande rätt där ett så kallat ansvarsvakuum skulle kunna uppstå. Vidare är avsikten att komma med förslag till hur dessa eventuella luckor enligt gällande rätt kan lösas genom ny reglering. Efter en genomgång av lagstiftning, förarbeten, prejudikat och doktrin på områdena sammansluts uppsatsens problembakgrund i en analys som sedan utmynnar i en avslutande kommentar som besvarar uppsatsens frågeställningar. Det konstateras i den avslutande kommentaren att ansvarsfördelningen enligt gällande rätt avseende självkörande fordon inte är självklar. Trafikskadelagen kommer, utifrån sin teknikneutrala uppbyggnad, kunna hantera en introduktion av självkörande fordon på ett relativt bra sätt. Ansvaret avseende personskador enligt laget utgår rent strikt och en vållandebedömning behöver således inte göras. Ersättning utgår även direkt från försäkringsgivaren. Problem uppstår däremot vid så kallade kollisionsskador där sakskada uppstår på fordonen. Ersättning för sakskada på det egna fordonet utgår endast från det andra fordonets trafikförsäkring om det senare fordonet genom oaktsamhet har vållat skadan, eller om det förelåg en bristfällighet på fordonet. Vid kollisionsskador gäller således ett culpaansvar istället för ett rent strikt ansvar. Det konstateras i uppsatsen att kollisionsskador med självkörande fordon inblandade kan skapa en problematik utifrån gällande rätt, eftersom varken det automatiserade körsystemet eller föraren kan anses ha uppträtt culpöst vid skadetillfället. I dessa fall får man istället förlita sig på ett ansvar genom att en bristfällighet förelåg på skadegörarens fordon vilket orsakade skadan. På grund av den avancerade teknik som självkörande fordon kommer bestå av kan detta skapa bevissvårigheter. Det rekommenderas därför i uppsatsen att ansvarsfrågan på bästa sätt bör lösas genom att ett rent strikt ansvar inledningsvis införs för fordonstillverkaren. Ju mer trafiksäkrare de självkörande fordonen blir kan ansvaret sedermera övergå till ett presumtionsansvar, där fordonstillverkaren anses ansvarig så länge motsatsen inte är bevisad.

Under 1980-talet introducerades den första tågsimulatorn i svensk lokförarutbildning. Denna simulator är fortfarande den enda fullskalesimulator som används för att utbilda lokförare i Sverige. En anledning till att det inte finns fler tycks vara att det bl.a. saknas pedagogiska och ekonomiska motiv för en utvidgad användning av simulatorer i undervisning och träning. Energibesparingar inom spårtrafik dvs. att köra tåg energieffektivt är idag mycket aktuellt hos alla tågoperatörer i Sverige. Vissa operatörer utbildar redan sina förare teoretiskt i energieffektiv körning och tester av energieffektiv körning i verklig trafik har visat på en möjlig besparing om 16 % energi efter det att lokförare genomgått en teoretisk utbildning i energieffektiv körning. Då det emellertid fanns en del osäkerhet i mätdata från de tester som genomförts i verklig trafik och betingelserna samt försöksprocedur varierade mellan förarna fanns det ett behov av att undersöka besparingspotentialen under mer kontrollerade former. Dessutom visade sig att utbildning samt tillgång till ett stödsystem under körning gav en mindre besparing i energi (13 %). Således genomfördes en studie med hjälp av en tågsimulator. I simulatorn har man full kontroll på mätdata och betingelserna är lika för alla förare. Simulatorn som användes i studien är utvecklad på VTI (Statens väg- och transportforskningsinstitut) och är modellerad efter en X50 Regina. Syftet med denna studie var således att undersöka om samma teoretiska utbildning i energieffektiv körning, i kombination med simulatorträning under ideala förhållanden skulle ge lika bra eller bättre energibesparing jämfört med resultaten från tester i verklig trafik. Vidare undersöktes effekten av återkoppling under träningen med avseende på energibesparing. I studien deltog 24 lokförarelever som delades in i tre grupper med 8 elever i varje. Två av grupperna fick genomföra två körningar (referens- och testkörning) med utbildning och simulatorträning mellan tillfällena, medan den tredje gruppen (kontrollgrupp) endast genomförde referens- och testkörning utan utbildning och träning. De två grupperna som fick utbildning fick dock träna under två olika betingelser, en med återkoppling (energiförbrukning och banlutning) och en utan återkoppling. Det visade sig att utbildning i energieffektiv körning i kombination med 30 minuters simulatorträning resulterade i en total besparing för båda grupperna på ungefär 24 % energi, om man sen tar hänsyn till att man förbättrar sin körning genom att bara få tillfälle att köra upprepade gånger (kontrollgruppen använde 8 % mindre energi andra gången) så visade det sig att besparingen blev lika stor som den man fann i verklig trafik (16 %). Då resultaten blev lika fast betingelserna var olika finns det anledning till att vidare undersöka hur olika körförhållanden påverkar utfallet. Dessutom behöver man bättre förstå varför utbildning plus stödsystem gav mindre effekt än bara utbildning i verklig trafik samt varför återkoppling under träning inte gav någon påvisbar effekt. Det vill säga det finns anledning till ytterligare insatser för att utforma träning och stödsystem till förarna. Förutom energibesparing visade resultatet att rättidigheten förbättrades efter utbildning och simulatorträning. Resultaten talar för att det finns outnyttjad potential för tågsimulatorer i den svenska lokförarutbildningen både för att träna och utvärdera effekter av utbildningsinsatser. / During the 80’s, the first train simulator was introduced in Swedish train driver education and is still the only full scale simulator being used to educate train drivers in Sweden. The reason for this seems to be a lack of educational and economic motives for an expanded usage of simulators within education and training. Energy savings within the railway domain, i.e. energy-efficient driving, is currently a topic for all train operators in Sweden. Some operators already educate their drivers in energy efficient driving and tests of energy efficiency in real traffic has shown a potential energy saving of 16 %, after drivers have completed a theoretical education in energy-efficient driving. Because there were some uncertainties in the data from the tests carried out in real traffic, where conditions and experimental procedures varied between the drivers and it also turned out that education and access to a support system while driving resulted in a small saving in energy (13 %) there was a need to examine the potential savings under controlled conditions. Therefore, a study was conducted using a train simulator. In the simulator, the researcher has full control over the data and conditions are the same for all drivers. The simulator used in the study was developed by VTI (Swedish National Road and Transport Research Institute) and modeled after an X50 Regina. The purpose of this study was to investigate whether the same theoretical education in energy-efficient driving, in combination with simulator training under ideal conditions, could contribute to the same, or better energy saving compared to the results of the tests from real traffic. Furthermore, the effect of feedback during training with regard to energy savings was also investigated. 24 train driver students were divided into three groups with 8 students in each. Two of these groups completed two sessions (reference and test session) with theoretical education and simulator training between the sessions. The last group (control group) completed two sessions (reference and test session) without education and training between the sessions. The two groups that were given theoretical education conducted their simulator training under two different conditions, where one group trained with feedback (energy consumption and rail gradient) and the other group trained without feedback. It turns out that a theoretical education in energy efficient driving, combined with 30 minutes of simulator training, resulted in a total saving of about 24 % energy for both groups. Also, considering that the control group improved their energy consumption by simply driving the simulator two times (8 % total energy saving), the energy saving was almost equal to the result of the tests in real traffic. Since the results were equal even though the conditions differed, there is reason to investigate how different driving conditions affect the outcome. There is also a need to better understand why education in combination with a support system resulted in a lower energy saving than for those who were only given education during the tests in real traffic, and also why feedback during training in the simulator did not give a detectable effect. Basically, there are many reasons to further investigate how to design simulator training and support systems for train drivers. In addition to the energy savings, the results showed that drivers improved their arrival times i.e. arrive more accurate in relation to the time table. The results suggest that there is great potential for train simulators in the Swedish train driver education, both for training and for evaluating the effects of the training.

Eftersom det under de senaste åren skett en explosionsartad utveckling av deep learning och AI är det av intresse att utreda hur det svenska straffrättssystemet klarar av denna teknikutveckling. Frågan uppstår om vem som ska hållas straffrättsligt ansvarig när AI begår lagöverträdelser. Det finns, så vitt jag har funnit, ytterst lite skrivet om just denna problematik. Jag strävar emellertid inte efter att besvara hur problemen med AI ska lösas överlag eftersom detta skulle blir alldeles för omfattande för denna uppsats. Istället kommer frågan om vem som kan hållas straffrättsligt ansvarig när AI begår lagöverträdelser att utredas genom två fiktiva exempel om vållande till annans död. I var sitt exemplen har två självkörande fordon, ett som kräver mänsklig övervakning samt ett som saknar både ratt och pedaler, krockat med en annan trafikant.  De potentiella gärningsmännen i exemplen är det självkörande fordons AI som inte bromsar, den fysiska personen i fordonet som aktiverar autopiloten och sedan inte själv bromsar, och någon person i det företag som tillverkar eller säljer det självkörande fordonet. Varje gärningsman måste begå en egen otillåten gärning eftersom det annars skulle bli vikarierande ansvar, dvs. att någon döms för någon annans gärning. Uppsatsen behandlar bl.a. underlåtenhet och företagaransvar.

Vägtransportsektorn står för en betydande del av de totala utsläppen av miljöfarliga ämnen. Av koldioxidutsläppen är andelen cirka 30 procent. Fordonstillverkningen utvecklas för varje år med förbättrade motorer som släpper ut mindre andel avgaser. Men antalet transporter på vägarna ökar. Det finns därför ett behov av att utbilda chaufförer till att köra mer miljövänligt, inte låta motorerna gå på tomgång mm. I dag ställs krav på chaufförerna av buss och lastbil att de ska ha ett yrkeskompetensbevis (YKB) för att kunna fortsätta inom sitt yrke. Detta är ett steg i rätt riktning för en bättre miljö på vägarna. Bra utbildade chaufförer innebär dessutom lägre bränsle- och däckkostnader för åkeriet. Men förutom en direkt styrning från myndigheterna behöver chaufförerna även se ett ökat pengaflöde i börsen för att en förändring ska kunna ske. De bör få ta del av besparingarna för åkeriet. Jag är intresserad av vad åkare och chaufförer anser om denna extra yrkesförarutbildning.Speciellt intressant är det delmål som handlar om sparsam körning. Genom intervjuer med ägare till tunga fordon vill jag få fram en bild av vad branschen anser.Av resultatet framgår att YKB är accepterad. Ingen av de intervjuade önskade att utbildningen skulle försvinna som krav för yrkeschaufförer. Fem av sex håller speciellt fram avsnittet om sparsam körning som mycket bra. Eftersom YKB-utbildningen är ny krävs det fortlöpande undersökningar för att se om chaufförerna och åkeriägarna fortsätter att ha ett positivt synsätt.

Navigation systems are commonly used in our daily lives. Research has shown that spatial audio presents one opportunity for more effectively communicating to the driver the direction of the next manoeuvre. This thesis project proposes a new feature for the spatialisation of the audio cues triggered by a mobile navigation system by using a virtualised vector-based panning (VVBP) architecture for the encoding and decoding. The prototype developed during this thesis enables the spatialisation using headphones- or speakers- based systems. This study aims to promote a new sound experience to the user, which can be used to increase the safety and performance of driving. Based on an expert review and a user test, the application was tested on different scenarios. The participants selected during these sessions were part of HERE Technologies, which made possible to reach design experts who knew the current application provided by the company beforehand, making easier the comparison with the proposal. This selection could also present a limitation on the study since the users might have a personal bias for seeing new features in a product which have already worked on. Analysis of the results obtained during the testing session demonstrated high satisfaction with the feature by the users and a better understanding of their surroundings. Consequently, this indicates that spatial audio can improve the performance of driving by introducing a new source of information for positioning the next turn or obstacle. Further research is needed to identify other factors that could strengthen the effectiveness of the product. / Navigationssystem används ofta i våra dagliga liv. Forskning har visat att rumsligt ljud ger ett tillfälle att effektivare kommunicera till föraren i riktningen för nästa manöver. Detta avhandlingsprojekt föreslår en ny funktion för spatialisering av ljudkoder som utlöses av ett mobilnavigeringssystem med hjälp av en virtualiserad vektorbaserad panorering (VVBP) arkitektur för kodning och avkodning. Prototypen som utvecklats under denna avhandling möjliggör spatialisering med hörlurar eller högtalarbaserade system. Denna studie syftar till att främja en ny ljudupplevelse för användaren, som kan användas för att öka säkerheten och prestandan vid körning. Baserat på en expertgranskning och ett användartest testades applikationen på olika scenarier. Deltagarna som valdes ut under dessa sessioner var en del av HERE Technologies, som gjorde det möjligt att nå konstruktionsexperter som kände till den nuvarande applikationen från företaget i förväg, vilket underlättar jämförelsen med förslaget. Detta val kan också utgöra en begränsning av studien eftersom användarna kan ha en personlig fördom för att se nya funktioner i en produkt som redan har arbetat med. Analys av resultaten som erhölls under testperioden visade hög tillfredsställelse med funktionen hos användarna och en bättre förståelse för deras omgivning. Konsekvensen indikerar att rumsligt ljud kan förbättra körförmågan genom att införa en ny informationskälla för positionering av nästa sväng eller hinder. Ytterligare forskning behövs för att identifiera andra faktorer som kan stärka produktens effektivitet.

Autonomous Driving has recently gained a lot of recognition and provides challenging research with an aim to make transportation safer, more convenient and efficient. This emerging technology also has widespread applications and implications beyond all current expectations in other fields of robotics. Environment perception is one of the big challenges for autonomous robots. Though a lot of methods have been developed to utilize single sensor based approaches, since different sensor types have different operational characteristics and failure modes, they compliment each other. Different sensors provide different sets of data, which creates difficulties combining information to form a unified picture. The proposed solution consists of low level sensor fusion of LIDAR and stereo camera data using an occupancy grid framework. Bayesian inference theory is utilized and a real time system has been implemented on a 1/10 scale robot vehicle. The result of the thesis shows that it is possible to use a 2D LIDAR and stereo camera to build a map of the environment. The implementation focuses on the practical issues like blind spots of individ sensors. Overall, the fused occupancy grid gives better result than occupancy grids from individual sensors. Sensor confidence is higher for the camera since frequency of mapping of a 2D LIDAR is low / Autonom körning har nyligen fått mycket erkännande och erbjuder utmanande forskningsmöjligheter med målen att göra transporter säkrare, bekvämare och effektivare. Den framväxande tekniken har också tillämpningar och konsekvenser inom andra områden av robotteknik i en omfattning som vida överträffat förväntningarna. Att uppfatta den omgivande miljön är en av de stora utmaningarna för autonoma robotar. Även om många metoder har utvecklats där en enda sensor används, har de bästa resultaten uppnåtts genom en kombination av sensorer. Olika sensorer ger olika uppsättningar data, vilket skapar svårigheter att kombinera information för att bilda en enhetlig bild. Den föreslagna lösningen består av lågfrekvent sensorfusion av LIDAR och stereokamera med användning av rutnätsramar. Bayesisk inferensteori har använts och ett realtidssystem har implementerats på robotfordon i skala 1/10. Resultatet av examensarbetet visar att det är möjligt att använda en 2D-LIDAR och en stereokamera för att bygga en omgivningskarta. Genomförandet fokuserar på praktiska problem såsom problem med döda vinkeln hos dessa sensorer. Generellt ger det kombinerade rutnätet bättre resultat än det från enskilda sensorer. Sensortillförlitligheten är högre för kameran då 2D-LIDAR kartlägger med mycket lägre frekvens

Motion planning consists of finding a feasible path of an object between an initial state and a goal state, and commonly constitutes a sub-system of a larger autonomous system. Motion planners that utilize sampling-based algorithms create an implicit representation of the search space via sampling said search space. Autonomous systems that rely on real-time motion planning benefit from the ability of these algorithms to quickly compute paths that are optimal or near optimal. For sampling-based motion planning algorithms, the sampling strategy greatly affects the convergence speed of finding these paths, i.e., how the sampling distribution is shaped within the search space. In baseline approaches, the samples may be drawn with uniform probability over this space. This thesis project explores a learning-based approach that can utilize experience from previous successful motion plans to provide useful information in novel planning scenarios, as a means of improvement over conventional motion planning methods. Specifically, the focus has been on learning the sampling distributions in both the state space and the control space of an autonomous ground vehicle. The innovatory parts of this work consist of (i) learning the control space sampling distributions, and (ii) learning said distributions for a tractor-trailer system. At the core of the method is an artificial neural network consisting of a conditional variational autoencoder. This artificial neural network is capable of learning suitable sampling distributions in both the state space and control space of a vehicle in different planning scenarios. The method is tested in four different environments and for two kinds of vehicles. Evaluation is partly done by comparison of results with a conventional motion planning algorithm. These evaluations indicates that the artificial neural network can produce valuable information in novel planning scenarios. Future work, primarily on how the artificial neural network may be applied to motion planning algorithms, is necessary to draw further conclusions. / Rörelseplanering består av att hitta en genomförbar bana för ett objekt mellan ett initialtillstånd och ett måltillstånd, och utgör vanligtvis ett delsystem av ett större autonomt system. Rörelseplanerare som använder provtagningssbaserade algoritmer skapar en implicit representation av sökutrymmet via provtagning av sökutrymmet. Autonoma system som förlitar sig på rörelseplanering i realtid drar nytta av dessa algoritmers förmåga att snabbt beräkna banor som är optimala eller nästan optimala. För provtagningssbaserade rörelseplaneringsalgoritmer påverkar provtagningsstrategin i hög grad konvergenshastigheten för att hitta dessa vägar, dvs. hur provtagningsfördelningen är formad inom sökutrymmet. I standardmetoder kan stickproven dras med jämn sannolikhet över detta utrymme. Detta examensarbete utforskar en lärande-baserat metod som kan utnyttja erfarenheter från tidigare lyckade rörelseplaner för att tillhandahålla användbar information i nya planeringsscenarier, som ett medel för förbättring jämfört med konventionella rörelseplaneringsmetoder. Specifikt har fokus legat på att lära sig provtagningssfördelningarna i både tillståndsrummet och styrsignals-rummet för ett autonomt markfordon. De nyskapande delarna av detta arbete består av att (i) lära sig kontrollutrymmessamplingsfördelningarna, och (ii) inlärning av nämnda provtagningsfördelningarna för ett traktor-släpsystem. Kärnan i metoden är ett artificiellt neuralt nätverk bestående av en conditional variational autoencoder. Detta artificiella neurala nätverk är kapabelt att lära sig lämpliga provtagningsfördelningar i både tillståndsrummet och kontrollrummet för ett fordon i olika planeringsscenarier. Metoden testas i fyra olika miljöer och för två olika av fordon. Utvärdering görs delvis genom jämförelse av resultat med en konventionell rörelseplaneringsalgoritm. Dessa utvärderingar tyder på att det artificiella neurala nätverket kan producera värdefull information i nya planeringsscenarier. Mer forskning, i första hand med hur det artificiella neurala nätverket kan tillämpas på rörelseplaneringsalgoritmer, är nödvändigt för att dra ytterligare slutsatser.

Reducing the size of a neural network whilst maintaining a comparable performance is an important problem to be solved since the constrictions on resources of small devices make it impossible to deploy large models in numerous real-life scenarios. A prominent example is autonomous driving, where computer vision tasks such as object detection and semantic segmentation need to be performed in real time by mobile devices. In this thesis, the knowledge and spherical knowledge distillation techniques are utilized to train a small model (PSPNet50) under the supervision of a large model (PSPNet101) in order to perform semantic segmentation of urban scenes. The importance of the distillation hyperparameters is studied first, namely the influence of the temperature and the weights of the loss function on the performance of the distilled model, showing no decisive advantage over the individual training of the student. Thereafter, distillation is performed utilizing a pretrained student, revealing a good improvement in performance. Contrary to expectations, the pretrained student benefits from a high learning rate when training resumes under distillation, especially in the spherical knowledge distillation case, displaying a superior and more stable performance when compared to the regular knowledge distillation setting. These findings are validated by several experiments conducted using the Cityscapes dataset. The best distilled model achieves 87.287% pixel accuracy and a 42.0% mean Intersection-Over-Union value (mIoU) on the validation set, higher than the 86.356% pixel accuracy and 39.6% mIoU obtained by the baseline student. On the test set, the official evaluation obtained by submission to the Cityscapes website yields 42.213% mIoU for the distilled model and 41.085% for the baseline student. / Att minska storleken på ett neuralt nätverk med bibehållen prestanda är ett viktigt problem som måste lösas, eftersom de begränsade resurserna i små enheter gör det omöjligt att använda stora modeller i många verkliga situationer. Ett framträdande exempel är autonom körning, där datorseende uppgifter som objektsdetektering och semantisk segmentering måste utföras i realtid av mobila enheter. I den här avhandlingen används tekniker för destillation av kunskap och sfärisk kunskap för att träna en liten modell (PSPNet50) under övervakning av en stor modell (PSPNet101) för att utföra semantisk segmentering av stadsscener. Betydelsen av hyperparametrarna för destillation studeras först, nämligen temperaturens och förlustfunktionens vikter för den destillerade modellens prestanda, vilket inte visar någon avgörande fördel jämfört med individuell träning av eleven. Därefter utförs destillation med hjälp av en utbildad elev, vilket visar på en god förbättring av prestanda. Tvärtemot förväntningarna har den utbildade eleven en hög inlärningshastighet när utbildningen återupptas under destillation, särskilt i fallet med sfärisk kunskapsdestillation, vilket ger en överlägsen och stabilare prestanda jämfört med den vanliga kunskapsdestillationssituationen. Dessa resultat bekräftas av flera experiment som utförts med hjälp av datasetet Cityscapes. Den bästa destillerade modellen uppnår 87.287% pixelprecision och ett 42.0% medelvärde för skärning över union (mIoU) på valideringsuppsättningen, vilket är högre än de 86.356% pixelprecision och 39.6% mIoU som uppnåddes av grundstudenten. I testuppsättningen ger den officiella utvärderingen som gjordes på webbplatsen Cityscapes 42.213% mIoU för den destillerade modellen och 41.085% för grundstudenten.

Målet med examensarbetet har varit att samla information åt ett tekniskt konsultföretag för att öka deras kunskap om autonoma system och fordonskommunikation. Statusen på arbetet kring dessa aktiva säkerhetssystem hos olika aktörer och hur systemen implementeras i dagens och framtidens fordon har undersökts genom omfattande litteraturstudier, intervjuer och marknadsanalyser. De autonoma systemen kan samla information från omgivningen genom sensorer och bidra till ett jämnare trafikflöde, ökad säkerhet, lättare bilar och bättre miljö. Genom fordonskommunikationen kan fordon kommunicera med varandra samt infrastrukturen och garantera en säker bilfärd. År 2030 utgörs innerstaden av autonom, elektrifierad kollektivtrafik för att transportera människor på begäran, samtidigt som personbilar till viss del förbjuds. Potentiella behov för människan i en fullt autonom bil har identifierats och diverse produktutvecklingsmetoder har tillämpats för att utforma två konceptuella lösningar för en framtida bilinteriör. Lösningarna visar interaktionen mellan människa och system eftersom underhållning och bekvämlighet blir viktigt i en fullt autonom bil. Respektive lösning är statsägd och rymmer fyra passagerare. I lösningarna är sittplatserna placerade på ett sätt som underlättar kommunikation mellan passagerarna. Passagerarna kan underhållas eller informeras individuellt eller gemensamt via text, ljud och bild. / The goal with this thesis project has been to collect information for a technical consulting company in order to increase their knowledge about autonomous systems and vehicular communication. The status of how various operators work with active safety systems and how the systems are implemented in current and future vehicles has been investigated through extensive literature studies, interviews and market research. The autonomous systems can collect information from the surrounding through sensors and contribute to better traffic efficiency, increased safety, lighter cars and a better environment. Through vehicle communication, the vehicle can communicate with each other in order to guarantee a safe ride. In 2030 the inner city constitutes of autonomous, electrified public transport to transport people on demand, meanwhile private cars are prohibited. Potential needs for the human in a fully, autonomous car has been identified and various product development methods has been applied in order to develop two conceptual solutions for a future car interior. The solutions show the interaction between human and system since entertainment and comfort becomes important in a fully, autonomous car. Each solution is state-owned and holds four passengers. In the solutions, the seats are placed in regard to facilitate communication between the passengers. The passengers can be entertained or informed individually or collectively by text, sound and images.