ULB

TUbiblio

Trajektorienplanung autonomer Fahrzeuge: Diskrete Lösungsmethode für urbane Szenarien

Ziegler, Christoph (2023)
Trajektorienplanung autonomer Fahrzeuge: Diskrete Lösungsmethode für urbane Szenarien.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00023146
Dissertation, Erstveröffentlichung, Verlagsversion

URL / URN: https://tuprints.ulb.tu-darmstadt.de/23146

Kurzbeschreibung (Abstract)

Autonomes Fahren wird die persönliche Mobilität der Zukunft maßgeblich verändern. Doch bis diese Vision Wirklichkeit wird, ist noch einige Forschungs- und Entwicklungsarbeit nötig. Denn gerade die schwierigsten Verkehrsszenarien, welche insbesondere in städtischen Gebieten auftreten, sind noch oft eine Herausforderung.

Der Fokus dieser Arbeit liegt auf der Trajektorienplanung, also der Planung des zukünftigen Fahrtweges in Abhängigkeit der Zeit. Diese Planung kann auch als das Kernelement des autonomen Fahrzeugs angesehen werden, da sie alle bisher berechneten Informationen zusammenfügt und daraus die zukünftige Trajektorie bestimmt. Das Planungsergebnis ist außerdem direkt von den Passagieren wahrnehmbar und kann zur Beurteilung des Gesamtsystems herangezogen werden. Somit hängt die Akzeptanz sowie das Vertrauen in das autonome Fahrzeug maßgeblich vom berechneten Planungsergebnis ab. Die Berechnung eines solchen Planungsergebnisses ist allerdings komplex und muss in Echtzeit gelöst werden. In diesem Kontext behandelt diese Dissertation die folgenden Fragen: 1. wie diese rechenintensive Planungsaufgabe vereinfacht werden kann und 2. wie im gesamten Planungsraum effizient eine Trajektorie berechnet werden kann.

Hierzu wird zuerst die Wahl des Referenzpunktes, also der Bezugspunkt zwischen einem fahrzeugfesten Koordinatensystem zu einem Weltkoordinatensystem, analysiert. Dieser wird als ideal angenommen, wenn der seitliche Platzbedarf zu beiden Fahrzeugseiten gleich groß ist. Für Kurven konstanter Krümmungen wird analytisch die Idealposition hergeleitet. Nach einer Analyse von Kurven mit variablen Krümmungen empfiehlt der Autor den Referenzpunkt auf oder leicht hinter die Vorderachse zu legen. Die bisher theoretischen Überlegungen werden in einer Kollisionsüberprüfung sowie einer Fahrspurzuordnung in die Praxis übertragen.

Für weitere potenzielle Vereinfachungen wird ein Datensatz mit von Menschen gefahrenen Trajektorien analysiert. Dabei wird zuerst untersucht, mit welcher Abtastzeit die Trajektorien durch ein kinematisches Einspurmodell abgebildet werden können, bevor geschwindigkeitsabhängige Transformationen des Lenkwinkels sowie der Lenkwinkelgeschwindigkeit hergeleitet werden. Basierend auf diesen Transformationen wird ein umgebungsunabhängiges Verhaltensmodell präsentiert, welches ein Standardverhalten menschlicher Fahrenden darstellt.

In einem nächsten Schritt wird ein neuartiges Planungskonzept, die CarPre-Trajektorienplanung, basierend auf der Monte-Carlo Baumsuche vorgestellt. Durch Verwendung der vorher extrahierten Lenkwinkeltransformation wird der Zustandsraum eines kinematischen Einspurmodells diskretisiert. Die wertediskreten Planungsaktionen, bestehend aus Beschleunigungen sowie Lenkwinkelgeschwindigkeiten, werden in einem Suchbaum zur Berechnung der zukünftigen Trajektorie eingesetzt. Zur Kollisionsüberprüfung sowie Fahrspurzuordnung wird hierbei auf die Referenzpunktüberlegungen zurückgegriffen. Das Konzept wird in einem Spurhaltemanöver sowie einer Annäherung an ein statisches Objekt simulativ verifiziert.

Abschließend wird der Planungsalgorithmus im Rahmen des Projektes PRORETA 5 auf einem prototypischen Fahrzeug analysiert. Durch erste Tests wird ein angenehmer Fahrkomfort festgestellt, welcher auf die zukünftige Akzeptanz des echtzeitfähigen Algorithmus schließen lässt. In einer weiteren Untersuchung werden die praktischen Auswirkungen unterschiedlicher Abtastzeiten innerhalb des Planungsalgorithmus ausgewertet. Durch die Wahl höherer Abtastzeiten wird das exponentielle Wachstum des Planungsproblems verlangsamt. Dies ermöglicht z.B. eine Vergrößerung des Planungshorizonts, sodass vorausschauender geplant werden kann. Somit leistet diese Dissertation einen Beitrag für die Trajektorienplanung autonomer Fahrzeuge und ermöglicht einen Schritt weiter in die Richtung der Vision des autonomen Fahrens; einen Schritt weiter in die Richtung der Mobilität der Zukunft.

Typ des Eintrags:

Dissertation

Erschienen:

2023

Autor(en):

Ziegler, Christoph

Art des Eintrags:

Erstveröffentlichung

Titel:

Trajektorienplanung autonomer Fahrzeuge: Diskrete Lösungsmethode für urbane Szenarien

Sprache:

Deutsch

Referenten:

Adamy, Prof. Dr. Jürgen ; Peters, Prof. Dr. Steven ; Willert, Prof. Dr. Volker

Publikationsjahr:

2023

Ort:

Darmstadt

Kollation:

XVIII, 135 Seiten

Datum der mündlichen Prüfung:

26 Januar 2023

DOI:

10.26083/tuprints-00023146

URL / URN:

https://tuprints.ulb.tu-darmstadt.de/23146

Kurzbeschreibung (Abstract):

Alternatives oder übersetztes Abstract:

Alternatives Abstract

Sprache

Autonomous driving will significantly change the personal mobility of the future. But before this vision becomes reality, some research and development work is still needed. This is because of the most difficult traffic scenarios, which occur especially in urban areas, that still remain a challenge.

The focus of this work is on trajectory planning, i.e. the planning of the future path of movement as a function of time. This planning can also be seen as the core element of the autonomous vehicle, as it combines all the information calculated so far and uses it to determine the future trajectory. The planning result can also be perceived directly by the passengers and can be used to evaluate the overall system. Thus, the acceptance of and trust in the autonomous vehicle depends to a large extent on the calculated planning result. However, the calculation of such a planning result is complex and must be solved in real time. In this context, this dissertation addresses the following research questions: 1. how to simplify this computationally intensive planning task, and 2. how to efficiently compute a trajectory in the entire planning space.

For this purpose, the choice of the reference point, i.e. the reference point between a vehicle-fixed coordinate system to a world coordinate system, is first analyzed. The reference point is assumed to be ideal if the lateral needed space required on both sides of the vehicle is the same. For curves of constant curvatures, the ideal position is derived analytically. After analyzing curves with variable curvatures, the author recommends placing the reference point on or slightly behind the front axle. These theoretical considerations are transferred into practice in a collision check as well as a lane assignment.

For further potential simplifications, a data set of human trajectories is analyzed. First, it is investigated with which sampling time the trajectories can be represented by a kinematic bicycle model, before speed-dependent transformations of the steering angle as well as the steering rate are derived. Based on these transformations, an environment-independent behavior model is presented, which represents a standard behavior of human drivers.

In a next step, a novel planning concept, CarPre trajectory planning, based on Monte-Carlo tree search, is presented. By using the previously extracted steering angle transformation, the state space of a kinematic bicycle model is discretized. The planning actions, consisting of discrete-value accelerations as well as steering rates, are used in a search tree to compute the future trajectory. For collision checking as well as lane assignment, the reference point considerations are used here. The concept is simulatively verified in a lane keeping maneuver as well as in an approach to a static object.

Finally, the planning algorithm is analyzed on a prototypical vehicle within the framework of the project PRORETA 5. Through initial testing, a pleasant driving experience is found, which suggests future acceptance of the real-time capable algorithm. In a further investigation, the practical effects of different sampling times within the planning algorithm are evaluated. By choosing higher sampling times, the exponential growth of the planning problem can be slowed down. This allows e.g. to increase the planning horizon so that planning can be more predictive. Thus, this dissertation contributes to the trajectory planning of autonomous vehicles and brings us one step closer towards the vision of autonomous driving. One step closer towards the mobility of the future.

Englisch

Freie Schlagworte:

anytime, automated vehicles, driving behavior, human driving data, kinematic bicycle model, MCTS, Monte-Carlo tree search, planning, real-time, reference point, sampling time, sampling rate, test vehicle, trajectory planning, urban driving

Status:

Verlagsversion

URN:

urn:nbn:de:tuda-tuprints-231463

Sachgruppe der Dewey Dezimalklassifikatin (DDC):

000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 600 Technik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau

Fachbereich(e)/-gebiet(e):

18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Intelligente Systeme

Hinterlegungsdatum:

03 Feb 2023 13:08

Letzte Änderung:

15 Feb 2023 13:27

PPN:

Referenten:

Adamy, Prof. Dr. Jürgen ; Peters, Prof. Dr. Steven ; Willert, Prof. Dr. Volker

Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung:

26 Januar 2023

Export: