prebikesafe (TRV ) Slutrapport

Transkript

1 prebikesafe (TRV ) Slutrapport Denna rapport är framtagen med ekonomiskt bidrag från Trafikverkets skyltfond. Ståndpunkter och slutsatser i rapporten reflekterar författaren och överensstämmer inte med nödvändighet med Trafikverkets ståndpunkter och slutsatser inom rapportens ämnesområde. Innehåll Sammanfattning Background Syftet med projektet Beskrivning av metod och material Resultatredovisning Slutsatser Erhållen trafiksäkerhetsnytta och hur spridning av resultatet avses ske Kontaktuppgifter Ekonomisk redovisning Marco Dozza, Chalmers, Tillämpad Mekanik,

2 Sammanfattning MASCOT systemet 1 har anpassats till en cykel (Bild 1) och insamling av naturalistisk data från cykeln har blivit framgångsrikt testat (Bild 2). Sex videoklipp har producerats för att visa potentialen av den naturalistiska metodologin för att förbättra trafiksäkerhet i säkerhetskritiska situationer. Ett förslag till ytterligare dataanalys har gjorts för varje videoklipp och ska följas upp i framtida projekt som ska samla in mer data. Dessa videoklipp (Tabell 1), tillsammans med de relaterade analysförslagen är viktiga resultat av detta projekt och är bifogade till den här slutrapporten. Bild 1 MASCOT systemet på en fotgängare och anpassat till en cykel i prebikesafe. Bild 2 Naturalistisk cykeldata. 1 Dozza et al, An Open Customizable Modular Platform For Analysis of Human Movement in Laboratory and Outdoors - Proceedings of the 6th Posture Symposium, Smolenice Castle Slovakia, September Marco Dozza, Chalmers, Tillämpad Mekanik,

3 Tabell 1 Beskrivning av videoklipp från prebikesafe och deras potentiella framtida användning. Klipp Beskrivning Potentiell användning för framtida analyser Relevanta data 1 Snö på marken. Sväng med dålig sikt. Cyklisten ramlar när han bromsar. 2 Cyklisten kör igenom en korsning mot rött ljus. 3 En cyklist cyklar förbi ett vägarbete och möter en buss på en mycket trångt ställe. 4 Cyklisten kör genom en korsning och interagerar med bilister, fotgängare och andra cyklister. 5 Cyklisten kör på en cykelbana och undviker fotgängare som går in på cykelbanan från gångbanan. 6 En cyklist kör om en annan cyklist. Orsak till olyckor, begränsad syninformation från infrastrukturen. Cyklisters beteende, hur cyklister följer trafikregler och interagerar med andra väganvändare. Ökad risk vid vägarbeten. Interaktion mellan väganvändare i korsningar. Fotgängares beteende och interaktion mellan fotgängare och cyklister. Interaktion mellan cyklister. Framåtriktad video, acceleration, hastighet, GPS. Framåtriktad video, bromsning, video av cyklistens ansikte. Framåtriktad video, bromsning, accelerationer, hastighet, GPS. Framåtriktad video, video av cyklistens ansikte, hastighet, acceleration, bromsning. Framåtriktad video, video av cyklistens ansikte, vinkelhastighet från styret, bromsning. Videoinformation, hatighet, vinkelhastighet från styret. Alla videoklipp finns (med låg upplösning) på youtube. Sök efter prebikesafe för att se dem. Riktlinjer från prebikesafe ska följas upp i framtida projekt där mer data ska samlas in för att möjligöra statistisk analys. Nya analyser med mer data kan driva utvecklingen av åtgärder, exempelvis i form av aktiva säkerhetssystem för cyklar, nya regler, eller förändring av infrastrukturen. Marco Dozza, Chalmers, Tillämpad Mekanik,

4 Bakgrund Enligt de olycksfallsrapporter från akutsjukhusen som finns dokumenterade i STRADA (Transportstyrelsens informationssystem för olyckor och skador) utgjorde cykelolyckorna 19 % av det totala antalet trafikolyckor i Sverige år Dessutom leder olyckor där cyklister är involverade ofta till mycket allvarliga konsekvenser. I Sverige avled 21 cyklister och 380 blev allvarligt skadade år 2010 (enlig polis och akutsjukhus). 72 % av dessa skador uppkom på grund av singelolyckor med cykel 2. Trafiksäkerhet är ett forskningsområde där ett flertal olika metoder och verktyg används för att närmare förstå vilka faktorer som orsakar trafikolyckor och utforma olika åtgärder, t.ex. säkerhetssystem. Emellertid har fokus hittills varit fordonsolyckor - till skillnad från cykelolyckor - och bilförare - till skillnad från cyklister. De säkerhetssystem som utvecklats t.ex. Electronic Stability Control (ESC), och Forward Collision Warning (FCW) är idag tillgängliga enbart i personoch lastbilar. Vidare har de olycksfallsdatabaser, som utgör en viktig drivkraft för utvecklingen av dessa säkerhetssystem, primärt anpassats för att hantera information om olyckor med motordrivna fordon. Den senaste metodiken för att utreda orsaker till olyckor som t.ex. analys av s.k. naturalistiska realtidsdata adresserar huvudsakligen motordrivna fordon och förarbeteende. Sammanfattningsvis har detta fokus lett till ett kunskapsgap vad avser olyckor som inbegriper cyklar och cyklister jämfört med olyckor vilka inbegriper motordrivna fordon och förare. Syfte med projektet Det föreslagna projektet avser överbrygga detta kunskapsgap genom att tillämpa etablerade metoder och verktyg för analys av fordonssäkerhet och förarbeteende på cykelsäkerhet och cyklisters beteende i verklig trafikmiljö. Projektet kommer att bygga vidare på den teknik som utvecklats inom projektet MASCOT (Personal Monitoring and Assisting System for Cooperative Applications Outdoors and in Traffic 3 ) för att med hjälp av denna identifiera säkerhetskritiska situationer som involverar cyklister i verklig trafik. 2 Värt att notera är att en cyklist som faller på grund av att han eller hon har bromsat in för att undvika en annan cyklist eller fordon betraktas som en singelolycka. Detta är den vanligaste typen av olyckor i samband med cykling. 3 Dozza et al, An Open Customizable Modular Platform For Analysis of Human Movement in Laboratory and Outdoors - Proceedings of the 6th Posture Symposium, Smolenice Castle Slovakia, September Marco Dozza, Chalmers, Tillämpad Mekanik,

5 Beskrivning av metod och material 1 - Anpassning av MASCOT-systemet till insamling av realtidsdata från en cykelfärd. MASCOT-systemet kunde redan samla in data från flera sensorer från en fotgängare, dock var det inte vattentätt och kunde inte samla in cykelspecifik data (t.ex. bromsning). Detta projekt gjorde MASCOT vattentätt och la till nya sensorer som bromsning och multipla kameror (GoPro Hero). Dessutom anpassades sensorer till en cykel genom att utveckla specifika hållare, kabling, och kodning. 2 - Pilotexperiment. Data ifrån alla sensorer presenterade i Bild 1 samlades in under flera dagar med hjälp av en volontär cyklist som cyklade till jobbet varje dag. Data inkluderade GPS, accelerationer och vinkelhastighet från IMUs (3D accelerometer och gyroskop) som var installerade på styret och cykelramen, hastighet, video från två kameror (en framåtriktad och en riktad mot cyklistens ansikte), och bromsning. Data från alla sensorerna (med undantag för kamerorna) laddades upp trådlöst med ett 3G modem direkt från cykeln. 3 Dataanalys. En verifieringsplan användes för att kontrollera att datan var tillförlitlig, konsekvent, synkroniserad och korrekt överförd mellan mottagande och sändande källor och enheter med Matlab TM. En databasstruktur var sattes upp för att extrahera, processa och behandla datan med Matlab. Matlab användes också för att förbereda några videoklipp som visar hur naturalistisk data från cyklar kan öka förståelsen för cyklisters beteende och orsaker till trafikolyckor. Marco Dozza, Chalmers, Tillämpad Mekanik,

6 Resultatredovisning 1 - Anpassning av MASCOT-systemet till insamling av realtidsdata från en cykelfärd. Bild 1 visar hur MASCOT-systemet anpassades till en cykel och nya sensorer lades till för att samla in, till exempel, information om bromsning. Det nya systemet är vattentätt och har ett stort batteri och extra minne (jämfört med den gamla fotgängarinstallationen) och kan samla in data i 10 timmar från alla sensorerna innan batteri eller minnet tar slut. 2 - Pilotexperiment. Pilotexperiment var svårare än förväntat. Några tekniska problem uppstod och piloten avbröts flera gånger för att fixa olika problem (koppling mellan batteri och huvudenheten, synkronisering med kameror, o.s.v.). 3 Dataanalys. Som nämnts tidigare, frösökte analysen framförallt testa om datan var korrekt insamlad (tillförlitlig, konsekvent, synkroniserad och korrekt överförd mellan mottagande och sändande källor och enheter). Det tog nästan 4 månader för att lösa alla problem med datainsamlingen. De största problemen var relaterade till 1) GPS data inte alltid är tillgängligt när man cyklar nära stora byggnader, 2) trådlös uppkoppling som krävde mycket CPU-resurser, 3) antal sensorer som krävde mycket minne, 4) automatisk start och stopp av kameror, 5) lös koppling mellan strömkällan och sensorerna eller loggaren och sensorerna. Matlab användes för all verifiering och flera algoritmer och GUI utvecklades för att visa datan, och verifiera olika aspekter av datans kvalitet (Bild 2). Tillslut, valdes sex videoklipp ut för att visa potentialen av naturalistiska data för cyklar (Tabell 1). Video 1 - Olycka En cyklist kommer nära en sväng med låg visibilitet och bromsar. Is på marken gör att han ramlar. Accelerationerna visar kollisionens omfattning. Den framriktade videon visar olyckas dynamik och att det enbart var cyklisten inblandad i olyckan. GPS koordinater visar precis var olyckan hände. Bättre bromsning och Marco Dozza, Chalmers, Tillämpad Mekanik,

7 prebikesafe (TRV ) Slutrapport lägre hastighet skulle kunna ha undvikit olyckan. Video 2 Mot rött ljus En cyklist kör i full fart i en nedförsbacke och bromsar inte för rött ljus. Korsningen var tom, så situationen blev inte livsfarlig, dock var det olagligt och potentiellt kritisk. Bilderna till vänster visar GPS och korsningen. Signalerna visar cykeldynamiken. Video 3 Vägarbete En cyklist kör på en väg och möter en buss precis där det finns ett vägarbete. Cyklisten bromsar hård på grus för att kontrollera cykeln när han möter bussen. Signalerna visar hur cyklisten bromsar och cykeldynamiken när cyklisten möter bussen. Video 4 Korsning En cyklist kör genom en korsning och interagerar med bilister, fotgängare och andra cyklister. Bilden till vänster visar GPS koordinaterna och signaler som presenterar cykeldynamiken. Video 5 Interaktion mellan oskyddade trafikanter En cyklist kör på en cykelbana och måste undvika flera fotgängare som går in på cykelbanan istället för att hålla sig på gångbanan. Den framåtriktade kameran visar cykelbanan och fotgängarna som cyklisten interagerar med. Kameran som var riktad mot ansiktet visar att cyklisten inte har hjälm och inte är distraherad. Tvärtom, han tittar Marco Dozza, Chalmers, Tillämpad Mekanik,

8 på vägen hela tiden för att undvika fotgängarna. Signaler på högra sidan på bilden ovan, visar rörelse på styret och accelerationerna. Video 6 - Omkörning En cyklist kör om en annan cyklist på cykelbanan. Den framåtriktade kameran visar hur cyklisten väntar på den bästa tiden innan han börja köra om. Kameran som var riktad mot ansiktet visar hur cyklisten tittar när han planera att köra om. Signalerna i bilden till vänster förklarar manövern utifrån cykelns dynamik. Marco Dozza, Chalmers, Tillämpad Mekanik,

9 Slutsatser Detta projekt visar att det är möjligt att samla in naturalistisk data från cyklar med ett MASCOTsystem som har anpassats till en cykel. Dessutom visar sex videoklipp från detta projekt hur naturalistisk data från cyklar kan användas för att analysera trafiksäkerhet utifrån: 1) Cyklisters beteende a. Hur cyklister följer trafikregler (ex. hur många använder hjälm, hur ofta cyklister köra mot rött ljus, etc ) b. Hur cyklister interagerar med andra väganvändare (ex. bilar som korsar cykelbanan, omkörning av andra cyklister, negotiation av banan med andra cyklister och fotgängare). c. Distraktion (ex. hur ofta cyklister använder nomadic devices, t.ex. mobiltelefon, och hur detta påverkar hur de ser sig omkring). 2) Orsakerna till trafikolyckor a. Hur miljön påverkar cykelmanövreringen (t.ex. is, regn) b. Hur infrastrukturen påverkar säkerheten (t.ex. visibilitet, halka nära vägarbeten) 3) Utveckling av åtgärder a. Vilka sensorer och mått kan mäta säkerhet för cyklar och kan användas för att utveckla aktiva säkerhetssystem till cyklar (t.ex. hastighet i kombination med lutning från kartor och väderinformation, etc ). b. Hur kan regler eller infrastrukturer ändras, och på vilket sätt, för att öka säkerheten (t.ex. buskar som reducerar visibilitet, avsmalning av cykelbanor) c. Hur väganvändares beteende kan ändras för att öka säkerheten (t.ex. bilister som kör på cykelbana utan att titta efter oskyddade trafikanter, cyklister som kör mot rött ljus) Riktlinjer från prebikesafe ska följas upp i framtida projekt där mer data ska samlas in för att möjligöra statistisk analys. Nya analyser med mer data kan driva utvecklingen av åtgärder, exempelvis i form av aktiva säkerhetssystem för cyklar, nya regler, eller förändring av infrastrukturen. Marco Dozza, Chalmers, Tillämpad Mekanik,

10 Erhållen trafiksäkerhetsnytta och hur spridning av resultatet avses ske Seminarier: Den ömtåliga människan seminariet organiserades av NTF och SAFER Tid: Torsdag 10 maj kl Plats: NTF Väst, Packhusplatsen 3, Göteborg Hur kan intelligent kommunikationsteknologi förbättra säkerheten för fotgängare och cyklister? SAFER Lunchseminarie Tid: Torsdag 24 maj kl Plats: SAFER Lindholmspiren 5, Göteborg The prebikesafe project naturalistic data collection on bicycles. Informella möten Detta projekt presenterades också för SWOV (som ska besöka projektet i september) och University of South Wales Australia som planerar att göra ett projekt för att samla in data från cyklar med MASCOT tillsammans med SAFER. Dessutom kommer resultaten i framtiden att spridas till övriga forskningsområden och nätverk på SAFER (Vehicle and Traffic Safety Center at Chalmers) t.ex. genom workshops om oskyddade trafikanter. Youtube: Video från detta projekt är tillgängliga på youtube: 1) 2) 3) 4) 5) 6) Marco Dozza, Chalmers, Tillämpad Mekanik,

11 Kontaktuppgifter Marco Dozza CHALMERS - University of Technology Dept. of Applied Mechanics Tel: marco.dozza@chalmers.se SAFER - Box S Göteborg - Sweden Marco Dozza, Chalmers, Tillämpad Mekanik,

12 Ekonomisk redovisning OBS! Lokaler, köpta tjänster (IT-tjänster), institutionsgemensamma kostnader och högskolegemensamma OBS! De 4,823 kr utöver budget kommer att täckas av egen budget. Marco Dozza, Chalmers, Tillämpad Mekanik,