This study investigated how the participants in a scenario of a terminal for goods handling perceived to interact with an automated delivery vehicle (ADV) for loading/unloading and how they understood the external Human Machine Interfaces (eHMI), i.e., visual signals on the ADV that communicate the ADV’s behaviour, mode and intentions. The objectives were (i) to test and validate the self-driving functions; (ii) to test and validate the control room functionalities and (iii) to evaluate how the participants understood the eHMI and (iv) to evaluate how they experienced to interact with the ADV in specific situations. The eHMI communicated four messages; Acceleration (from stand still), Deceleration (to stand still), Unplanned stop and Delivery mode. The participants were introduced to the scenario and instructed to act the role of being newly employed at a terminal for loading/unloading goods. There were two situations they were asked to handle: (i) the ADV had stopped (unplanned) due to an obstacle in front which had to be removed for the ADV to drive on, and (ii) to load/unload the ADV when it had stopped at a designated place for loading/unloading. The participants marked on a 5-point scale how easy/difficult it was to understand the different eHMI (eHMI communicated Acceleration from standstill, Deceleration to standstill, Unplanned stop and Load/Unload mode) and how safe/unsafe they felt to approach and interact with the ADV. The same procedures were repeated three times. The results showed that the participants thought it was easy to understand the different eHMI on the ADV, specifically the types of eHMI that are on vehicles today, such as hazard lights and turning indicators. The results also revealed that the context, i.e. terminal scenario, the situations, and the work tasks, was a contributing factor to their understanding of the eHMI. The participants’ previous and gained experiences also contributed to their understanding of the eHMI. The participants thought it was safe to approach the ADV, for example to remove the obstacle in front of the ADV, much because they assumed that such close interactions with the ADVs could happen often and, therefore, they assumed it was safe to interact closely to the ADV. The size of the ADV (smaller than a regular car) was also mentioned as a contributing factor. The self-driving functions in the ADV were integrated in the ADV’s system architecture. A challenge was to obtain stability in the system with repeated driving cycles. The Autonomous Transport Management System (ATMS) was put in a cloud service to enable remote testing, and to facilitate repeated integration tests as well as test-cycles with the ADV. The information in the messages sent to the ADV included, for example, the coordinates for the route and the control signals for the eHMI. In addition, a function was implemented to reset the ATMS easily when it entered a faulty state. The control of the LED lights for the eHMI was managed by the main Vehicle Control Unit (VCU) which provided more accurate output from the eHMI compared to using the vehicle data.

Denna studie utgick från ett scenario där ett självkörande leveransfordon (eng. Automated delivery vehicle, ADV) anländer för omlastning i en godsterminal. Syftena med studien var att; i) testa och validera de självkörande funktionerna i ADV:n, ii) testa och validera de s.k. kontrollrumsfunktionerna och iii) att utvärdera deltagarnas (i rollen som personal på terminalen) förståelse av eHMI, d.v.s. visuella signaler på ADV:n som kommunicerar dess status, körbeteende och intentioner, och (iv) utvärdera deltagarnas upplevelser av att interagera med ADV:n i två situationer: att ta bort att föremål framför ADV:n och att last/lossa gods från ADV:n. Deltagarna fick agera nyanställda på en terminal för lastning/lossning av gods och där de skulle hantera två situationer: (i) att plocka bort ett föremål framför ADV:n som hindrade den att köra vidare och (ii) att lasta/lossa gods från ADV:n. Deltagarna markerade på en 5-gradig skala hur lätt/svårt det var att förstå de olika eHMI på fordonet (som kommunicerade Acceleration från stillastående, Inbromsning till stillastående, Oplanerat stopp och Leveransläge) och hur säkert/osäkert det kändes att dels plocka hindret framför ADV:n, dels att lasta/lossa från ADV:n. Varje deltagare upprepade resp. situation tre gånger. Resultaten visade att deltagarna generellt förstod de olika eHMI på ADV:n, speciellt den typ av eHMI som finns på fordon idag, t.ex. varningsblinkers och blinkers. Det visade sig också att kontexten, d.v.s. terminalscenariot, situationerna och arbetsuppgifterna, var viktig för deltagarna för att förstå innebörden av eHMI. Även deltagarnas tidigare erfarenheter, samt den erfarenhet och kunskap de fick under studien bidrog till att förstå de olika eHMI. Deltagarna tyckte att det kändes säkert att närma sig ADV:n för att ta bort hindret. De antog denna typ av situation kunde vara vanlig på en terminal med ADV:er och antog därför också att det var säkert att interagera med ADV:n. Storleken på ADV:n (mindre än en bil) var också en bidragande faktor till att det kändes säkert. De självkörande funktionerna i ADV:n och rutten var integrerad i ADV:ns systemarkitektur. En utmaning var att få stabilitet i systemet med upprepade körcykler. Det autonoma transporthanteringssystemet (eng. Autonomous Transport Management System, ATMS) placerades därför i en molntjänst för att kunna fjärrtestas och för att kunna upprepa integrationstester och testcykler. Informationen i meddelandena som skickades till ADV:n från kontrollrumsfunktionerna inkluderade till exempel koordinaterna för rutten och styrsignalerna för eHMI. Även en funktion för att återställa systemet vid felmeddelanden implementerades. Styrningen av LED-lamporna i eHMI hanterades av fordonets styrenhet (eng, Vehicle Control Unit, VCU) vilket gav en noggrannare beräkning av utgångssignalerna till eHMI jämfört med att använda fordonsdata.