Diese Dissertation beschäftigt sich mit der Problemstellung der Bewegungsplanung für automatische Fahrzeuge. Als Voraussetzung für den Einsatz im realen Straßenverkehr müssen automatische Fahrzeuge ein angemessenes und zuverlässiges Fahrverhalten im Mischverkehr mit menschgeführten Fahrzeugen aufweisen. Neben den Unsicherheiten, welche aus fehlerbehafteter maschineller Wahrnehmung, Verdeckungen und begrenzter Sensorreichweite resultieren, müssen dabei auch Unsicherheiten im Verhalten anderer Verkehrsteilnehmer berücksichtigt werden. Verwandte Ansätze zur Bewegungsplanung im Mischverkehr formulieren oft ein deterministisches Optimierungsproblem. Dessen Lösung ist auf die Bestimmung einer einzelnen Trajektorie beschränkt. Fehlerhafte Vorhersagen des Verhaltens anderer Verkehrsteilnehmer werden im Rahmen von fortlaufender Neuplanung korrigiert, während größere Unsicherheiten in konservativem, übervorsichtigem Fahrverhalten resultieren. Auf Grund der Unzulänglichkeiten dieser Problemformulierung in kooperativen und stark unsicherheitsbehafteten Szenarien werden zunehmend probabilistische Ansätze vorgestellt. Die vollumfängliche Unsicherheitsbetrachtung führt im Kontext der Echtzeitanforderung jedoch häufig zu starken Einschränkungen in der Modellierung der Handlungsmöglichkeiten automatischer Fahrzeuge. Darüber hinaus werden Sicherheitsaspekte und Verkehrsregelkonformität oft nicht betrachtet. In der vorliegenden Arbeit werden daher drei Bewegungsplanungsansätze vorgestellt, welche den unterschiedlichen dominanten Unsicherheiten in verschiedenen Szenarien Rechnung tragen, ohne dabei die Handlungsmöglichkeiten des automatischen Fahrzeugs stark einzuschränken. Darüber hinaus wird ein szenariobasierter Sicherheitsansatz vorgestellt. Dieser baut auf einem bestehenden Ansatz auf, welcher garantiert, dass ein automatisches Fahrzeug nie einen Unfall verursachen wird. Dieser Ansatz wird um die Betrachtung von Verkehrsregeln für kreuzenden und zusammenlaufenden Verkehr, sowie Verdeckungen, begrenzte Sensorreichweite und Fahrstreifenwechsel erweitert. Für nicht-interaktive Szenarien mit definiertem Vorfahrtsrecht wird ein probabilistischer Bewegungsplanungsansatz vorgestellt, welcher auf einer vorgelagerten Prädiktion anderer Verkehrsteilnehmer aufbaut. Das Planungsproblem wird als teilweise beobachtbarer Markov-Entscheidungsprozess modelliert. Im Gegensatz zu bisherigen Formulierungen wird jedoch davon ausgegangen, dass die Voraussage möglicher zukünftiger Verläufe der Unsicherheit über die Bewegung anderer Verkehrsteilnehmer unabhängig von der Bewegung des automatischen Fahrzeugs getroffen werden kann. Zusätzlich zu dieser Prädiktion sichtbarer Verkehrsteilnehmer wird der Einfluss von Verdeckungen und begrenzter Sensorreichweite betrachtet. Mit dem vorgeschlagenen Ansatz ist trotz der umfänglichen Berücksichtigung der Unsicherheiten die Planung in einem kontinuierlichen Aktionsraum möglich. Zwei weitere Ansätze zielen auf die dominanten Unsicherheiten in interaktiven Szenarien ab. Zur Ermöglichung von Fahrstreifenwechseln in dichtem Verkehr wird die Unsicherheit darüber, ob andere Verkehrsteilnehmer bereitwillig Raum für einen Wechsel bieten, in einem regelbasierten Ansatz aktiv reduziert. Die dabei erzeugten Trajektorien sind ebenfalls sicher und verkehrsregelkonform, gemäß des vorgestellten Sicherheitsansatzes. Für die Ermöglichung von Kooperation in Szenarien ohne definiertes Vorfahrtsrecht wird ein Multiagentenansatz vorgestellt. Dabei wird zunächst die global optimale Lösung des vorliegenden Multiagentenproblems hinsichtlich ihrer Eindeutigkeit überprüft. Ist die Lösung eindeutig, so wird diese verfolgt. Trotzdem wird geprüft, ob die anderen Verkehrsteilnehmer sich entsprechend des angenommenen Kooperationsmodells verhalten, um im Falle einer Verletzung der Modellannahmen auf eine konservative Alternativtrajektorie wechseln zu können. Die Leistungsfähigkeit der vorgestellten Ansätze wird in verschiedenen Szenarien mit kreuzenden und zusammenlaufenden Fahrstreifen, teils mit Verdeckungen und begrenzter Sicht, sowie Fahrstreifenwechseln und einer Engstelle ohne definiertes Vorfahrtsrecht gezeigt.
Probabilistic Motion Planning for Automated Vehicles
2020
Miscellaneous
Electronic Resource
English
Probabilistic Motion Planning for Automated Vehicles
GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2021
|Probabilistic Motion Planning for Automated Vehicles
Catalogue medicine | 2021
|