En central pelare i Trafikverkets strategiska planering är digitaliseringen av det fysiska vägnätet. Enligt Trafikverkets rapport (juni 2025) gällande AI i infrastruktur och säkerhetsövervakning används maskininlärning alltmer för att förutsäga och förhindra olyckor innan de inträffar. Genom implementering av sensorer och smarta kameror kan Trafikverket analysera trafikflöden, detektera tidiga tecken på vägslitage och automatiskt styra variabla hastighetsgränser baserat på realtidsdata om väder och trafikdensitet.

En banbrytande praktisk tillämpning av detta är forskningsprojektet DAIMOND (ett samarbete mellan Jönköping University, Viscando och Vinnova). Inom ramen för DAIMOND används AI-algoritmer tillsammans med avancerade 3D-sensorer för att analysera rörelsemönster och beteenden hos både fotgängare, cyklister och bilister vid komplexa korsningar och övergångsställen. Istället för att enbart registrar utredda olyckor kan systemet identifiera "tillbud" (near-misses).

Genom att identifiera sekvenser där t.ex. en cyklist tvingas väja abrupt för en svängande bil, kan AI-modellen kartlägga osynliga risker i infrastrukturen. Detta ger Trafikverket och kommuner ett proaktivt beslutsunderlag för fysiska ombyggnationer. Ur ett pedagogiskt perspektiv visar DAIMOND att samspelet i trafiken inte är linjärt; det kräver en djup förståelse för hur mänskliga trafikanter tolkar varandras avsikter – en aspekt som AI-systemen nu försöker lära sig att prediktera.

Parallellt med att infrastrukturen blir smartare, accelererar utvecklingen av förarstödssystem (ADAS) och autonoma körfunktioner i fordonen. Denna utveckling är och förblir konfliktfylld, vilket tydliggörs i den svenska politiska debatten. I Riksdagens interpellation 2025/26:551 (juni 2026) lyfts kritiska frågor angående godkännandet av avancerade autonoma system, såsom Teslas Full Self-Driving (FSD), på europeiska och svenska vägar.

Debatten i Riksdagen belyser den inneboende spänningen mellan teknologisk innovation och regulatorisk försiktighet. Å ena sidan finns en stark vilja att harmonisera regelverk inom EU för att tillåta autonoma system som teoretiskt kan eliminera den mänskliga faktorn. Å andra sidan varnar kritiker för att systemen testas under "levande" förhållanden där övriga trafikanter blir ofrivilliga deltagare i ett tekniskt experiment. Frågor kring juridiskt ansvar vid systemfel, systemets förmåga att hantera unika lokala trafikmiljöer och bristen på transparenta oberoende utvärderingar utgör centrala argument i den politiska diskussionen. Det betonas att ett system godkänt för kaliforniska motorvägar inte utan vidare kan förutsättas fungera säkert i komplex svensk blandtrafik under kalla, mörka och hala vinterförhållanden.

Statens väg- och transportforskningsinstitut (VTI) har banat väg för en djupt human-centrerad förståelse för hur partiell automation (Nivå 2) påverkar föraren. VTI:s motorvägsstudier visar på existensen av det s.k. sömnträsket (The Automation-Sleepiness Trap). När den fysiska köruppgiften automatiseras drabbas föraren snabbt av accelererad fatigue och mental urkoppling jämfört med vid manuell körning. Föraren blir en passiv passagerare snarare än en aktiv aktör.

För att vetenskapligt omdefiniera vad distraktion innebär har VTI utvecklat teorin om Minimum Required Attention (MiRA). Istället för att betrakta varje blick bort från vägbanan som en distraktion, utgår MiRA från om föraren samlar in den information som krävs för säker färd givet den aktuella trafiksituationen. Uppmärksamhet är därmed kontextberoende.

Baserat på detta har VTI utvecklat AttenD 2.0-algoritmen. Genom att kombinera ögonspårning (eye-tracking) med realtidsdata om fordonets omgivning kan systemet bygga en dynamisk uppmärksamhetsbuffert. Denna buffert dras ned snabbt om föraren tittar bort under en komplex trafiksituation, men långsammare på en tom, rak väg. Detta motverkar varningströtthet (alert fatigue) då varningar endast aktiveras när situationen är genuint kritisk.

Den kognitiva paradoxen i det moderna intelligenta fordonet är slående: Ju mer ett fordon kör sig självt, desto högre kognitiva krav ställs på människan när systemet oundvikligen fallerar. Genom GDE-matrisen (Goals for Driver Education) kan vi visualisera hur fokus dramatiskt flyttas från de nedre fysiska nivåerna (Nivå 1 & 2: Fordonsbehärskning och Trafikregler) till de övre, mentalt krävande nivåerna (Nivå 3 & 4: Resans mål och Livsstil/Självbild).

Faran med automationsövertro (over-reliance) är att föraren mentalt delegerar ansvaret till bilens algoritmer. Detta leder till delad uppmärksamhet och sekundära aktiviteter, vilket skapar en farlig kognitiv startsträcka vid en plötslig urkoppling (disengagement). När en kamerasensor bländas av snömodd eller en lidar felaktigt läser ett kraftigt snöfall på en oplogad E4, drabbas den oförberedda föraren av kognitiv chock under takeover-momentet. Kognitivt ansvar kan inte delegeras till maskiner.

Som blivande trafiklärare visar denna utveckling att yrkesrollen måste genomgå en evolution. Vi går från att ha varit mekaniska instruktörer till att bli kognitiva coacher. Vår uppgift i framtiden blir att utmana elevens tankemönster, självvärdering och förståelse för AI-partnerns begränsningar.

Utbildningen måste vila på tre fasta pedagogiska pelare:

• Systemförståelse: Att lära elevens exakt var och varför AI:s ögongränser går under det nordiska vinterklimatet.
• Självvärderingsträning: Att få eleven att ständigt granska sin egen kognitiva status (GDE Nivå 4) – "Är jag mentalt närvarande eller har jag checkat ut i sömnträsket?".
• Hantering av disengagemang: Praktiska och systematiska simulatorövningar där övertagande av kontrollen (takeover) övas under plötsliga systembortfall.

Artificiell Intelligens rymmer en fantastisk potential att hjälpa oss nå Nollvisionen, men den kognitiva länken måste säkras. Svaret på tekniska tillkortakommanden är inte bara mer teknik, utan en avancerad mänsklig självvärdering. Framgångsrik integrering hänger helt på att förarutbildningen moderniseras. Genom på kognitiv coaching och djup systemförståelse kan framtidens trafiklärare säkerställa att morgondagens unga förare blir tänkande systemövervakare, inte passiva och sårbara passagerare i en automatiserad värld.