Använda storskalig fordonsdata för att kvantifiera risken att bli kritisk överraskad i trafiken

Syfte och mål

Projektet syftar till att utveckla analysmetoder for storskalig data som kan hjälpa oss att med väldigt hög precision förstå när en förare verkligen behöver bilens hjälp kontra när det inte behövs, i syfte att unvika framtida "ropa varg" problem för avancerade körstödssystem.

Förväntade effekter och resultat

Utifrån begreppen komfort och överraskning förväntar vi oss att hitta en eller flera gångbara metoder för att kvantifiera dessa begrepp i konfliktnära situationer i storskalig fordonsdata, och göra detta på ett sånt sätt att det bli möjligt att avgöra om bilen bör ingripa eller inte utifrån både reell och (ur förarperspektiv) upplevd risk.

Planerat upplägg och genomförande

Ett urval av analysmetoder för stora datamängder kommer att tillämpas och utvärderas baserat på data från en mängd trafikkonflikter, identifierade i Volvos egen kördata.