Für eine möglichst fehlerfreie Ausführung moderne Fahrerassistenzsysteme werden Informationen über alle sich im eigenen Fahrzeugumfeld befindenden Objekte benötigt. Neben deren aktuellen kinematischen Informationen sindhierfür auch akkurate Fahrprädiktionen für viele Funktionalitäten notwendig. Aktuelle Ansätze dafür verwenden gemessene- Fahrzeugdaten und prädizieren diese mittels eines kinematischen Modelles über einen kurzen Zeithorizont. In dieser Arbeit stellen wir ein Verfahren vor, um in außerstädtischen, dynamischen Verkehrssituationen Fahrtrajektorien über einen langen Zeithorizont zu prädizieren. Fallbasiertes Schließen (engl.: case-based reasoning) wird verwendet um basierend auf erkannten Fahrmanövern ähnliche Trajektorien aus einer Datenbank zu erkennen und aus diesen konkrete Prädiktionen für das gegebene Fahrmanöver zu extrahieren. Das Gesamtsystem wurde sowohl mir simulierten als auch mit realen Daten evaluiert und seine Leistungsfähigkeit durch einen Vergleich mit konventionellen Prädiktionsverfahren verifiziert.
Advanced driver assistance systems require accurate knowledge on the current and future states of all surrounding vehicles. Current approaches use the information on actual vehicle dynamics and a motion model, leading to short-time predictions. In this work, we developed a framework to determine long-term predictions of the future vehicle trajectory for extra-urban traffic scenarios in dependence on the present situation. Scene analysis is used to yield the probability of occurrence on a set of maneuvers. Trajectory prediction is accomplished by an approach of Case-based reasoning. Based on the current observation, similar trajectories are retrieved from a database, resulting in long-term predictions for a given maneuver. The information of scene analysis is combined with these trajectory predictions to yield the final situation-adaptive long-term vehicle trajectory prediction. The performance of our method is verified with a comparison to conventional approaches in terms of error analysis over the prediction horizon.
Situation-adaptive Vehicle Trajectory Prediction
Situationsadaptive Prädiktionen von Fahrzeugtrajektorien
2013
6 Seiten, 8 Bilder, 1 Tabelle, 11 Quellen
Conference paper
English
Situation-adaptive Vehicle Trajectory Prediction
VDE-Verlag | 2013
|Traffic density adaptive vehicle trajectory prediction method
European Patent Office | 2024
|Prediction method for reentry vehicle self-adaptive trajectory
European Patent Office | 2015
|ADAPTIVE VEHICLE LONGITUDINAL TRAJECTORY PREDICTION FOR AUTOMATED HIGHWAY DRIVING
British Library Conference Proceedings | 2016
|