Självkörande bilar har länge beskrivits som framtidsteknik. Nu börjar frågan bli betydligt mer konkret: är datorn faktiskt en säkrare förare än människan? För de mest avancerade helt förarlösa systemen pekar den bästa tillgängliga statistiken numera åt det hållet. Men svaret gäller ännu bara vissa system, i vissa områden och under vissa förhållanden.
Det tydligaste exemplet är Waymo. En oberoende analys från amerikanska IIHS fann att företagets helt förarlösa bilar hade omkring 68 procent lägre frekvens av polisrapporterbara olyckor än mänskliga förare i jämförbara områden.
Samtidigt är det för tidigt att dra slutsatsen att en självkörande bil automatiskt är säkrare än en människa överallt. En robotaxi i Phoenix är inte samma sak som en bil som ska klara snöstorm, oplogade vägar och komplicerade vägarbeten i Sverige.
Det är alltså två saker som kan vara sanna samtidigt: vi börjar få verkliga bevis för att autonom körning kan överträffa människor – och vi har fortfarande inte löst hela problemet med självkörande trafik.
Waymos bilar har nu kört tillräckligt långt för att jämföras
Det stora skiftet de senaste åren handlar framför allt om mängden data.
Tidigare byggde diskussionen om självkörande bilars säkerhet mycket på testresultat, simuleringar och företagens egna löften. Nu har Waymos helt förarlösa bilar hunnit köra tiotals miljoner mil på vanliga amerikanska vägar utan någon människa bakom ratten.
Det gör det möjligt att jämföra systemen med vanlig trafik på ett mer seriöst sätt.
IIHS, Insurance Institute for Highway Safety, analyserade omkring 50 miljoner miles helt förarlös Waymo-körning i Phoenix, San Francisco, Los Angeles och Austin.
Forskarna kom fram till ungefär:
| Mått | Waymo jämfört med människor |
|---|---|
| Polisrapporterbara olyckor | 68 % lägre frekvens |
| Olyckor med personskada | 81 % lägre frekvens |
| Singelolyckor | 85 % lägre frekvens |
| Waymo kör in i bilen framför | 91 % lägre frekvens |
Waymos bilar låg på omkring 1,28 polisrapporterbara olyckor per miljon miles. För mänskliga förare i de jämförbara områdena var motsvarande siffra cirka 4,06.
Det är en stor skillnad.
Resultatet var inte identiskt överallt. I Phoenix låg Waymo ungefär 76 procent lägre än människor och i Los Angeles omkring 71 procent lägre. I San Francisco var skillnaden mindre, omkring 35 procent.
I Austin var resultatet däremot ungefär jämnt, och Waymo låg marginellt högre än människorna. Där var körsträckan samtidigt betydligt mindre, vilket gör osäkerheten större.
Det är därför mer korrekt att säga att Waymo har visat en tydlig säkerhetsfördel sammantaget än att påstå att systemet alltid är säkrare i varje stad och varje trafiksituation.
Skadeolyckorna är kanske viktigare än antalet småkrockar
Att bara räkna alla olyckor kan vara missvisande.
En bil som skrapar en parkerad stötfångare är inte samma säkerhetsproblem som en frontalkollision med svåra personskador. Därför blir utvecklingen för skadeolyckor särskilt viktig.
Även där ser resultaten hittills starka ut för Waymo.
Företagets egen större databas omfattar över 200 miljoner miles helt förarlös körning. Jämfört med Waymos beräknade mänskliga referensnivå redovisar företaget bland annat kraftigt färre olyckor med rapporterade personskador och mycket kraftigt färre olyckor med allvarliga eller dödliga skador.
Waymo uppger också betydligt lägre skadefrekvens i olyckor med fotgängare och cyklister.
Det ska behandlas mer försiktigt än IIHS-studien eftersom siffrorna kommer från Waymo självt. Men resultaten pekar åt samma håll som den oberoende analysen.
En separat studie tillsammans med återförsäkringsbolaget Swiss Re har dessutom jämfört försäkringsanspråk. Där hade Waymos autonoma körning betydligt färre skadeanspråk både på egendom och personer än mänsklig körning.
Det betyder inte att Waymo aldrig orsakar olyckor.
Det betyder att frekvensen hittills ser betydligt lägre ut än hos människor när jämförelsen görs på någorlunda likvärdiga villkor.
Orsakar självkörande bilar färre olyckor själva?
Det här är en svårare fråga än den först verkar.
En självkörande bil kan vara inblandad i en olycka utan att ha orsakat den. Om en människa kör på en robotaxi bakifrån räknas robotaxin fortfarande som inblandad.
Därför är det intressant att undersöka vem som faktiskt bidrog till olyckan.
IIHS gick igenom händelseförloppen och fann att de autonoma nivå 4-fordonen relativt sällan var den primära bidragande parten. De blev alltså inte bara påkörda mer sällan totalt – de tycks också mer sällan ha varit det fordon vars agerande startade olycksförloppet.
Det är däremot svårt att översätta detta till en enkel procentsiffra för ”vållande”.
Juridiskt ansvar, försäkringsansvar och forskarnas tekniska bedömning av vem som bidrog till olyckan är inte alltid samma sak.
En framtida standardiserad statistik över ansvar kommer därför att vara viktig. I dag är olycksfrekvens och skadeutfall betydligt lättare att jämföra än exakt hur stor andel av olyckorna som juridiskt orsakats av robotbilen.
Den svåraste delen är egentligen jämförelsen med människor
Om en robotaxi kör 100 miljoner kilometer och råkar ut för 100 olyckor kan det låta mycket.
Men siffran är nästan meningslös utan att veta hur många olyckor mänskliga förare hade haft på samma sträcka, på samma vägar och under samma förhållanden.
Det är här mycket av forskningen kring självkörande bilar blir komplicerad.
Människor kör:
- på motorvägar och småvägar
- i snöstorm och solsken
- i tät stadstrafik och på landsbygden
- på natten och mitt på dagen
- i okända områden
- i dåligt underhållna bilar
- i trafikmiljöer där olycksrisken skiljer sig kraftigt.
En robotaxi kan däremot vara begränsad till ett noggrant definierat område som systemet känner extremt väl.
Om robotaxin sedan får färre olyckor är det inte självklart hur mycket av fördelen som kommer från själva körsystemet och hur mycket som kommer från att bilen slipper de svåraste miljöerna.
Det är därför moderna studier försöker jämföra autonom körning med mänsklig trafik på just de vägar där robotbilarna faktiskt används.
Människors småolyckor är dessutom dåligt registrerade
Ett annat problem går i motsatt riktning.
Autonoma bilföretag är ofta skyldiga att rapportera händelser som en vanlig bilist aldrig skulle rapportera till någon myndighet.
En liten sammanstötning där ingen skadas kan därför hamna i statistiken för en robotaxi medan motsvarande mänskliga olycka aldrig syns i någon officiell databas.
IIHS gick därför igenom hundratals rapporterade olyckor med autonoma fordon och försökte bedöma vilka som motsvarade sådant som normalt skulle ha blivit en polisrapport även om en människa kört.
Bara en mindre del av de rapporterade händelserna klarade den gränsen.
Samtidigt vet forskarna att även mänskliga skadeolyckor är underrapporterade.
En bra jämförelse kräver alltså korrigering åt båda håll.
Det här är en av anledningarna till att en rå lista med ”antal olyckor med självkörande bilar” ofta säger väldigt lite om hur säkra systemen faktiskt är.
Waymo kan bedömas bättre än konkurrenterna
En viktig begränsning i dagens säkerhetsdebatt är att Waymo är ett undantag.
Det finns flera stora aktörer inom autonom körning, bland andra Baidu Apollo Go, Zoox och Pony.ai. De har samlat stora mängder kördata och driver eller testar förarlösa taxitjänster.
Men det är betydligt svårare för utomstående forskare att göra samma typ av analys som för Waymo.
I USA behöver operatörerna rapportera många olyckor med autonoma system, men de behöver inte alltid offentliggöra exakt hur långt deras fordon kör.
Utan körsträckan går det inte att räkna ut en meningsfull olycksfrekvens.
Tio olyckor kan vara ett katastrofalt resultat om bilarna bara kört 100 000 kilometer och ett mycket bra resultat om de kört 100 miljoner.
Det innebär att frågan egentligen inte är om ”självkörande bilar” har bevisats vara säkrare.
Den betydligt mer exakta slutsatsen är att Waymos nuvarande helt förarlösa system har byggt upp ett ovanligt starkt statistiskt säkerhetsfall inom sina verksamhetsområden.
För andra aktörer är kunskapsläget mer ojämnt.
Tesla FSD är inte samma sak som Waymos robotaxi
Skillnaden blir särskilt viktig när Tesla diskuteras.
Frankrike började den 3 september 2026 egna tester av Teslas Full Self-Driving inför den fortsatta europeiska processen kring systemet.
Tesla använder namnet Full Self-Driving, men den nuvarande europeiska tekniken är fortfarande ett övervakat förarstöd.
Människan förväntas följa trafiken och vara beredd att ingripa.
Det är principiellt annorlunda än en Waymo-robotaxi där bilen kör utan någon förare över huvud taget.
I den ena bilen finns fortfarande en människa som kan rädda situationen. I den andra måste systemet lösa körningen självt.
Tesla har publicerat egna europeiska data som pekar på lägre kollisionsfrekvens med FSD Supervised än vid vanlig körning med Tesla.
Det är intressant.
Men statistiken kan inte användas som ett direkt bevis på samma sak som Waymos helt förarlösa data. Systemnivån är en annan och människans roll är en annan.
Den som vill förstå skillnaden mellan funktionerna kan läsa mer i Hurbra:s guide om Tesla Autopilot och Full Self-Driving.
Sex nivåer – men egentligen är en gräns viktigast
Automatiserad körning brukar beskrivas i sex nivåer från 0 till 5.
| Nivå | Vad bilen gör |
|---|---|
| 0 | Människan kör hela tiden |
| 1 | Bilen hjälper till med en del av körningen |
| 2 | Bilen kan styra och reglera hastighet, människan övervakar |
| 3 | Bilen kör själv i vissa situationer men kan kräva övertagande |
| 4 | Bilen klarar körningen själv inom sitt definierade område |
| 5 | Bilen skulle kunna köra själv i princip överallt |
Den viktigaste skillnaden går mellan system där människan fortfarande har köransvaret och system där bilen faktiskt klarar uppgiften själv.
För frågan om datorn kan vara en säkrare förare än människan är nivå 4 därför särskilt intressant.
Då går det inte längre att säga att säkerheten egentligen kommer från människan som sitter beredd att ingripa.
Varför datorn kan bli bättre än människan
Människor är fantastiska förare på ett sätt som är lätt att underskatta.
Vi kan förstå märkliga situationer, tolka kroppsspråk, improvisera och snabbt förstå att en person som vinkar i ett vägarbete vill något annat än vad trafikreglerna normalt säger.
Men människan har också biologiska svagheter som är svåra att komma runt.
Vi blir trötta.
Vi tittar på mobilen.
Vi blir stressade.
Vi kör berusade.
Vi kan tappa koncentrationen efter timmar bakom ratten.
Ett välfungerande autonomt system har inget av dessa problem. Det kan bevaka trafiken med flera sensorer samtidigt, varje sekund, under hela resan.
Det blir inte sömnigt efter midnatt.
Det börjar inte skriva ett sms.
Det blir inte argt på bilen framför.
Och det bestämmer sig inte för att köra lite fortare eftersom föraren har bråttom.
Det är sannolikt en viktig förklaring till varför autonoma system redan kan ha ett statistiskt övertag i vissa miljöer.
Reaktionstid är bara en del av fördelen
Det brukar sägas att datorer reagerar snabbare än människor.
Det är sant men samtidigt lite förenklat.
En blixtsnabb reaktion hjälper bara om bilen har förstått situationen rätt.
Om systemet felaktigt tror att ett föremål inte är ett hinder spelar processorhastigheten ingen roll.
Den verkligt stora tekniska fördelen ligger därför i kombinationen av perception, beräkning och konstant uppmärksamhet.
Systemet kan följa bilar, cyklister och fotgängare kontinuerligt, beräkna deras möjliga rörelser och hålla säkerhetsmarginaler utan att koncentrationen varierar.
När perceptionen fungerar rätt kan datorn vara extremt konsekvent.
När perceptionen fungerar fel kan samma konsekvens bli ett problem.
Därför använder Waymo lidar, radar och kameror
Självkörande bilföretag har valt olika tekniska vägar.
Tesla har satsat hårt på kamerabaserad perception.
Waymo kombinerar i stället flera olika sensorsystem.
Kameror är mycket bra på visuell information. De kan exempelvis se färger, vägskyltar, trafikljus och detaljer som liknar det människans ögon uppfattar.
Lidar skickar ut laserpulser och bygger en detaljerad tredimensionell bild av omgivningen. Systemet kan mycket exakt mäta formen och avståndet till objekt.
Radar är särskilt användbar för att mäta avstånd och hastighet och kan fungera bättre än optiska system i vissa typer av dåligt väder.
Waymo använder dessutom mycket detaljerade kartor över de områden där bilarna kör.
Det skapar flera lager av information. Om en sensor har svårt att tolka något kan andra hjälpa till.
Nackdelen är att systemen blir dyrare och mer komplexa.
Teslas kameraidé bygger på ett annat argument
Teslas filosofi bygger i större utsträckning på tanken att människor trots allt kör med ögon och hjärna.
Om ett neuralt nätverk kan tolka kamerabilder tillräckligt bra borde bilen i teorin också kunna lösa körningen utan ett dyrt sensorsystem med lidar.
Fördelen är skalbarheten.
Kameror kan installeras i enorma mängder vanliga konsumentbilar och samla stora mängder kördata.
Skillnaden mellan strategierna är därför större än bara en diskussion om en viss sensor.
Waymo har hittills fokuserat på att göra autonom körning extremt robust inom begränsade områden.
Tesla försöker i högre grad bygga ett system som på sikt kan fungera mycket bredare.
Den första strategin har hittills gett den tydligaste säkerhetsstatistiken för verkligt förarlös trafik.
Den andra kan få enorm betydelse om den visar sig fungera i stor skala.
Den svåraste trafiken är den som inte följer reglerna
Datorer trivs med struktur.
Problemen kommer ofta när verkligheten blir konstig.
En byggarbetare står mitt i vägen och vinkar bilar över heldragen linje.
En lastbil har tappat något som aldrig fanns i träningsdatan.
En polis dirigerar trafiken på ett sätt som motsäger trafikljusen.
En fotgängare börjar gå ut, tvekar, vänder tillbaka och kliver sedan ut igen.
En bilist bryter plötsligt mot väjningsplikten.
Människor är ofta förvånansvärt skickliga på att förstå sådana situationer.
Autonoma system måste lära sig samma sak.
Det är det så kallade long tail-problemet: varje enskild märklig situation är sällsynt, men tillsammans finns nästan oändligt många ovanliga saker som kan inträffa på en väg.
Vägarbeten och tillfälliga trafikmiljöer är särskilt svåra
En självkörande bil kan ha en detaljerad karta som säger exakt hur vägen ser ut.
Sedan kommer ett vägarbete.
Ett körfält stängs.
Orange koner leder trafiken över på fel sida av vägen.
En person med reflexväst ger instruktioner.
Den normala kartan är plötsligt delvis fel.
Det är ett bra exempel på varför verklig autonom körning är mer komplicerad än att bara känna igen bilar och linjer på vägbanan.
Systemet måste förstå att den tillfälliga situationen har högre prioritet än den normala infrastrukturen.
Regn, dimma och snö förändrar hela problemet
De flesta spektakulära framstegen med robotaxi har hittills skett i relativt gynnsamma klimat.
Phoenix är inte Stockholm i februari.
Kraftigt regn kan försämra kamerors sikt och påverka lidar.
Dimma kan göra optisk perception svårare.
Snö kan täcka vägmarkeringar, skyltar och delar av vägbanan.
Slask och smuts kan lägga sig på sensorer.
Dessutom kan snö förändra själva miljön så kraftigt att kanten mellan väg, trottoar och dike blir betydligt svårare att läsa.
Ett autonomt system behöver därför inte bara kunna ”se genom snön”. Det måste förstå en trafikmiljö som bokstavligen ser annorlunda ut än den gjorde när vägen var torr.
Sverige blir ett betydligt hårdare test
Det här är en av de viktigaste invändningarna mot att direkt översätta amerikansk robotaxistatistik till Sverige.
Waymos bästa säkerhetsdata kommer från områden som inte utsätter fordonen för en normal svensk vinter.
Svensk forskning har visat hur snö, regn, dimma och vägsprej kan skapa konkreta problem för autonoma sensorer.
Ett exempel är slask som kastas upp från ett annat fordon. För ett automatiserat system kan det i vissa situationer uppfattas som ett mer konkret hinder än det egentligen är, vilket kan utlösa kraftig inbromsning.
Snö kan också göra vägmarkeringar svårare för kameror att identifiera.
Sedan tillkommer vägfriktionen.
En dator kan upptäcka faran snabbare än människan men kan inte ändra fysikens lagar. På is kan även den perfekt programmerade bilen behöva mycket längre sträcka för att stanna.
Den svenska säkerhetsfrågan är därför inte bara om systemet kan köra i snö.
Den riktiga frågan är om det kan behålla sitt säkerhetsövertag när hela vägmiljön blir svårare.
Svenska lagar är också en broms
Tekniken är bara halva vägen till självkörande taxibilar i Sverige.
Det måste också vara juridiskt tydligt vem som får köra, var bilen får köra och vem som ansvarar när något går fel.
Sverige tillåter redan försök med automatiserade fordon under särskilda regler.
Det är däremot något helt annat än att tusentals robotaxibilar fritt kan köra kommersiellt utan förare.
EU har byggt upp regler för typgodkännande av vissa helt automatiserade fordon, och ytterligare regler är på väg.
Men nationella frågor om trafikregler, ansvar och praktisk drift behöver fortfarande fungera tillsammans med EU-reglerna.
Det betyder att det tekniskt möjliga och det juridiskt tillåtna inte nödvändigtvis kommer att utvecklas i samma takt.
Delvis självkörande bilar kan skapa ett eget säkerhetsproblem
Det finns också ett märkligt mellanstadium på vägen mot full autonomi.
En bil kan vara så bra på att köra själv att människan börjar lita på den – men fortfarande inte tillräckligt bra för att faktiskt klara allt.
Det kan vara en farlig kombination.
Om föraren måste övervaka systemet konstant men bilen nästan alltid fungerar perfekt är det svårt för människan att behålla full koncentration.
När något väl går fel kan det komma efter timmar av problemfri automation.
Amerikanska haveriutredare har redan pekat på hur överdriven tillit till avancerade förarstöd kan bidra till dödsolyckor.
Paradoxalt nog kan därför ett nästan självkörande system i vissa situationer ställa större krav på människans uppmärksamhet än ett helt manuellt system.
En verklig nivå 4-robotaxi slipper det problemet. Där är systemet ansvarigt för hela körsituationen inom sitt verksamhetsområde.
Är självkörande bilar då säkrare än människor?
För några år sedan hade det mest korrekta svaret varit att vi inte hade tillräckligt med verklig data.
Det svaret börjar bli för försiktigt.
Den bästa oberoende statistiken visar nu att Waymos helt förarlösa bilar har betydligt lägre olycksfrekvens än mänskliga förare i de amerikanska områden där de kör.
Skillnaden syns inte bara i småolyckor utan även i olyckor med personskador.
Det är ett verkligt genombrott.
Den som vill läsa den viktigaste oberoende analysen kan gå direkt till IIHS:s studie av Waymos olycksdata och jämförelsen med mänskliga förare.
Men det är fortfarande inte samma sak som att roboten har besegrat människan som förare i alla tänkbara situationer.
Waymo behöver inte ännu lösa varje svensk snöstorm, varje liten landsväg och varje extrem trafiksituation på jorden.
Andra autonoma system har inte samma mängd öppna säkerhetsdata.
Och övervakade system som Tesla FSD är fortfarande beroende av en människa.
Den mest rättvisa slutsatsen är därför att vi verkar ha nått den första punkten där det faktiskt finns goda skäl att säga att datorn kan vara säkrare än människan.
Men ännu bara där systemet får köra i den värld som det är byggt och godkänt för.
Nästa stora steg blir betydligt svårare: att behålla den fördelen när världen runt bilen inte längre är lika kontrollerad.