Autonom tungtransport er allerde i drift i Norge. Ved Brønnøy Kalk i Velfjord brukes autonome lastebiler fra Volvo til å transportere kalkstein fra gruven til knuseverket.

Statens vegvesen skal få autonome lastebiler til å «snakke» sammen

Demonstrerer denne uka hvordan fremtidens automatiserte tungbiler skal håndtere kompliserte trafikksituasjoner.

Publisert

Hensikten med demonstrasjonen er å vise hvordan automatiserte tungbiler kan motta og reagere automatisk på sanntidsvarsler om veiarbeid. 

Meldingstjenesten er utviklet av Statens vegvesen, og er klar til å tas i bruk av bilprodusentene umiddelbart.

Digital infrastruktur

Denne type digital informasjonshåndtering er et viktig ledd i automatiseringen av tungtransporten.

- Vegvesenet skal bidra til å automatisere tungtransporten, med mål om å effektivisere logistikkbransjen, skape tryggere veier og redusere miljøbelastningen. For å lykkes med dette må vi ha på plass en digital infrastruktur som gjør at vegmyndighetene kan «snakke» med bilene, og at bilene kan kommunisere med hverandre, forklarer Bjor Grønnevet, prosjektleder og senior rådgiver i Statens vegvesen.

Digital infrastruktur betyr at alt fra skilt til regelverk er maskinlesbart av kjøretøyene på veien. 

Demonstrasjonene er del av det EU-finansierte prosjektet MODI, som skal akselerere automatiseringen av europeiske logistikk-kjeder. 29 partnere deltar i prosjektet, inkludert flere norske aktører.

YrkesBil skrev om MODI-prosjektet første gang i 2022.  

Avgjørende for automatisering av tungtransporten

Meldingstjenesten DATEX, som vises frem under demonstrasjonen, er en standardisert meldingstjeneste fra Statens vegvesen. 

Tjenesten varsler om hendelser som veiarbeid, kø, ulykker, værforhold og stengte veier. 

Tjenesten er sentral for Statens vegvesens automatiseringsprosjekter, som MODI.

Brukerdemonstrasjonene foregår ved Moss Havn og ASKOs sentrallager på torsdag 19. juni.

LES OGSÅ:

autonom selvkjør statens vegvesen lastebil førerløs


Se alle ledige stillinger på BilJobb.no

Powered by Labrador CMS