CN115379977A

CN115379977A - 用于规划理论运动轨迹的方法

Info

Publication number: CN115379977A
Application number: CN202180026011.5A
Authority: CN
Inventors: U·科尔比; A·赫克曼; R·劳登布施; A·斯皮克; F·菲奥雷蒂; A·阿德尔劳; D·西克斯特; S·谢弗
Original assignee: Mercedes Benz Group AG
Current assignee: Mercedes Benz Group AG
Priority date: 2020-03-31
Filing date: 2021-03-01
Publication date: 2022-11-22
Also published as: JP2023519617A; DE102020108857A1; KR20220141856A; WO2021197729A1; US20230123418A1

Abstract

本发明涉及一种用于规划要由车辆(1)自动行驶的理论运动轨迹(T_Soll)的方法，其中，一个运动轨迹(T)的离散集合被确定为理论运动轨迹(T_Soll)的候选者，其中，每个运动轨迹(T)由多个接连排列的运动轨迹段(TR,TR_(0,0)(1,1))组成，其中，该规划基于其中一个运动轨迹(T)被选择为理论运动轨迹(T_Soll)，其中，该选择基于利用预定的成本函数(K)对运动轨迹(T)的评估和对评估为最划算的运动轨迹(T)的识别。本发明规定，为每个运动轨迹段(TR,TR_(0,0)(1,1))分配一组分别具有相同的位置设定条件和不同的动态设定条件的部分运动轨迹并且根据预定的成本函数(K)分别给部分运动轨迹分配成本，当确定了要遵守的边界条件和/或要执行的驾驶任务变化时，通过使成本函数(K)针对各个运动轨迹适配于变化的边界条件和/或驾驶任务来完成该选择的预控制，以给部分运动轨迹分派与其它部分运动轨迹相比更好地适合遵守变化的边界条件和/或执行变化的驾驶任务的更低成本。

Description

用于规划理论运动轨迹的方法

技术领域

本发明涉及一种根据权利要求1的前序部分的用于规划理论运动轨迹的方法。

背景技术

DE 10 2015 208 790 A1公开了一种用于自动确定车辆运动轨迹的方法和系统。该运动轨迹将对应于车辆当前位置的起点与目标点相连。在该方法中确定多个中间点，在此还确定至少一个第一部分运动轨迹，其将起点与其中一个中间点相连。此外，确定多个第二部分运动轨迹，其将目标点与各自其中一个中间点相连。此外，通过选择所述至少一个第一部分运动轨迹之一和所述第二部分运动轨迹之一来确定该运动轨迹，并且基于所确定的运动轨迹来控制车辆的至少一个组件，其中，至少两个部分运动轨迹在每个中间点处结束。

此外，WO 2019/223909描述了一种用于至少部分自动地控制机动车的方法。该方法包括接收代表用机动车环境传感器系统所检测的机动车环境的环境信号。在探测与机动车行驶方向相关地位于机动车前方的对象时基于所收到的环境信号。该方法还规定查明交叉路口是否位于用于超过对象的超车运动轨迹内以及机动车对向交通是否在超车期间受阻。如果所述查明表明在超过对象的超车运动轨迹内不存在交叉路口并且在超车期间内对向交通未受阻，则基于该超车运动轨迹输出控制信号以用于至少部分自动控制机动车横向和纵向操控。

发明内容

因此本发明的目的是，说明一种用于规划车辆要自动行驶的理论运动轨迹的改进方法。

根据本发明，该目的通过一种具有权利要求1所述特征的方法来实现。

本发明的有利实施方式是从属权利要求的主题。

一种用于规划车辆要自动行驶的理论运动轨迹的方法规定，将运动轨迹的一个离散集合确定为理论运动轨迹的候选者，其中，每个运动轨迹由多个接连排列的运动轨迹段组成。该方法还规定，该规划基于选择其中一个运动轨迹作为理论运动轨迹，其中，该选择基于利用预定的成本函数对这些运动轨迹的评估并且对被评估为最划算的那个运动轨迹的识别。根据本发明，为每个运动轨迹段分配一组部分运动轨迹，其分别具有相同的位置设定和不同的动态设定。位置设定在此是指关于车辆在沿各自运动轨迹段行驶时要遵循的位置变化曲线的设定，而动态设定是指关于车辆动态的设定，特别是关于车辆在沿各自运动轨迹段行驶时应根据其运动的加速度和/或速度的设定。如果确定了要遵守的边界条件和/或要执行的驾驶任务有变化时，则如此完成所述选择的预控制，即，针对这些部分运动轨迹将成本函数调整适应于改变的边界条件和/或驾驶任务，以给所述部分运动轨迹分派比其它部分运动轨迹更好地适合遵守变化的边界条件和/或执行变化的驾驶任务的较低成本。

通过应用该方法，可以实现自动驾驶车辆的不同驾驶任务，其中，能尽可能确保只在不违反安全关键标准情况下才执行驾驶任务。

驾驶任务尤其包括形成救援巷道、在某些行车情况下预防性降低车辆行驶速度、由于某些车辆如警车和/或紧急服务部门车辆而将车辆而变道、将车辆停止紧急车道上和/或考虑车辆转向系统或制动系统的退化。

借助该方法允许通过有目的地预控制理论运动轨迹的规划实时实现自动驾驶车辆的不同驾驶任务。如果有因执行驾驶任务而违反安全限制条件的风险，则理论运动轨迹的规划可超越设定条件并提供更安全的理论运动轨迹。

在该方法的一个实施方式中，每个被确定为候选者的运动轨迹和进而还有作为数据组从候选者集合中选择的理论运动轨迹不仅包括关于车辆沿着各自运动轨迹行驶时应遵循的位置变化曲线的信息，还包括关于动态、尤其是关于车辆在沿各自运动轨迹行驶时应按照其运动的加速度和/或行驶速度的其它信息。因此，借助从运动轨迹集合中选择的理论运动轨迹，不仅确定车辆在自动驾驶模式下应沿着哪个位置坐标行驶，还规定车辆应如何动态运动，即车辆应在哪个时刻应该位于各自位置坐标处。因此，该方法允许找到用于自动化车辆操控的最佳位置变化曲线，同时也可以找到最佳车辆动态。

此外，在另一个实施方式中，从中选出理论运动轨迹的运动轨迹集合被如此离散化，即，在可预定的预测范围内确定运动轨迹支持点的预定集合作为可能的车辆驻留地点，具体而言，从该运动轨迹支持点集合中选择多个沿行驶方向延伸的点行并如此确定该运动轨迹，即，其均延伸经过其中一个点行。换而言之，运动轨迹支持点是在预测范围内的、一个或多个运动轨迹被引导经过的位置。因此，每个所述运动轨迹被引导经过运动轨迹的预定集合，其中，在两个运动轨迹支持点之间的部分形成所提到的运动轨迹段，其分别对应配属于所述组的部分运动轨迹。因此，这些运动轨迹由多个部分运动轨迹组成，每个部分运动轨迹在其中一个运动轨迹支持点处彼此相连。由于部分运动轨迹的数量有限，故由其组成的运动轨迹的数量也有限。该运动轨迹集合以下被称为运动轨迹组。由于理论运动轨迹的规划追溯到从运动轨迹组中选择一个运动轨迹，故可以用少量计算成本来规划理论运动轨迹。

在一个可能改进方案中，使用预定的成本函数针对运动轨迹组中的每个运动轨迹来计算成本，其中，该成本函数针对这些运动轨迹段和其分别所属的部分运动轨迹依据要遵守的边界条件或要执行的驾驶任务被限定。因此，成本函数考虑了边界条件，例如待选的理论运动轨迹不应离开自动驾驶车辆的车道和理论运动轨迹实体上可以针对自动驾驶车辆来实现。

在该方法的一个可能改进方案中，针对几个运动轨迹段的各不同部分运动轨迹分别设定自己的、针对各不同的边界条件或驾驶任务所限定的成本函数。在此，成本函数表明可以多好地满足与理论运动轨迹相关的各自边界条件或驾驶任务。比较好的满足获得低成本的回报，而较差的满足会得到高成本的处罚。

有利地，通过将已分配给各自运动轨迹段的部分运动轨迹的成本加权求和来针对每个运动轨迹段计算总成本。

一个运动轨迹的成本有利地通过其运动轨迹段的总成本的求和来计算。

为了确定相对最佳的理论运动轨迹，在另一可能实施方式中，运动轨迹段的总成本借助运动轨迹段的针对各不同边界条件所确定的成本的加权求和来计算。

随后，在一个可能的改进方案中，运动轨迹的成本通过其运动轨迹段的总成本求和来计算，其中，从运动轨迹组中选择在考虑边界条件和/或驾驶任务下具有最低成本的运动轨迹作为自动驾驶车辆所行驶的理论运动轨迹。

此外，该方法规定，借助预控制来修改成本函数，其中，借助预控制使运动轨迹规划适配于当前驾驶任务，并且在有多个驾驶任务的情况下进行优先级排序。预控制所谋求的目标是将运动轨迹规划、特别是理论运动轨迹的选择调整适应于包括所需的边界条件在内的当前驾驶任务，并在有多个驾驶任务情况下完成优先级排序。因此，在考虑当前的驾驶任务或可能多个相互协调的要考虑的驾驶任务情况下进行理论运动轨迹的选择。

附图说明

下面结合图来详细解释本发明的实施例，其中：

图1示意性示出用于确定运动轨迹组的第一步骤，

图2示意性示出用于确定运动轨迹组的第二步骤，

图3示意性示出用于确定运动轨迹组的第三步骤，

图4示意性示出成本函数，

图5示意性示出通过预控制修改成本函数，

图6示意性示出通过预控制修改另一成本函数。

具体实施方式

在所有的图中，彼此对应的零部件带有相同的附图标记。

图1示出确定运动轨迹组的第一步骤，从运动轨迹组中选择尤其如图2所示的运动轨迹T作为在图3中被更详细示出的理论运动轨迹T_Soll。

车辆1具有用于自动驾驶模式的辅助系统，其中，在自动驾驶模式下借助相应的传感器系统来连续采集信号。

在车辆1的自动驾驶模式下，需要车辆1在各种不同行车情况下充分表现并完成不同的驾驶任务。这些驾驶任务在正常的自动驾驶模式下例如包括在车道中心保持间距、遵守设定速度，在此，特殊驾驶任务例如是指形成如图5所示的救援巷道R或变道直至避免碰撞，例如因为突然测知在车辆1的车道F上有障碍物。

为了检测不同的行车情况，传感器系统包括布置在车辆1之中和/或之处的大量传感器，这些传感器也许被合并以便例如检查测得信号的可信度和/或扩展或优化检测范围。

为了能够掌控在车辆1的自动驾驶模式下的大量可能的行车情况，通常使用运动轨迹规划模型，其或是从大量可能的运动轨迹T中选择最佳运动轨迹T，或是依据优化方法计算最佳的运动轨迹T。

这两种做法基于借助尤其如图4-6所示的成本函数K的运动轨迹T的评估，其中，该成本由具有不同权重的不同部分成本组成。

一些成本函数K的例子如下：

-偏离期望路径，

-在车辆1的纵向和横向上的高车辆动态，

-小于安全距离，

-撞上图3所详细示出的障碍物2，

-未遵守设定速度设定值等。

为了确保车辆1的比较安全的自动驾驶模式，安全关键成本的权重高于因不舒适驾驶所产生的成本。

在选择运动轨迹T时还应当遵守所谓的硬边界条件，在此，运动轨迹T不应离开车道并且运动轨迹T必须是物理可实现的。

为了掌控大量不同的特殊驾驶任务，规定如下所述的方法，在此，通过改变车辆1的理论状态和调节参数范围来控制运动轨迹规划。

如果没有违反更高的基本目标例如小于安全距离乃至碰撞、无意中离开车道F、车辆对无法驾驶过度反应，则通过运动轨迹规划来规划预控制的设定条件。

例如，如果因车辆1前方突然出现障碍物2而面临车辆1撞上障碍物2，则避免碰撞优先于驾驶任务。如果不再存在这样的危急情况，则再次优选期望的驾驶任务。

该方法通过也与预定的距离和/或时间相关的最大允许行驶速度v_EGO、也与预定距离和/或时间相关的车辆1朝向其车道F中心的期望偏移量、可减免的减速度、允许的加速度和可减免的转向动态规定对运动轨迹规划的连续设定。

此外，该方法包括可能无法协调的驾驶任务的优先级排序。例如用于车辆1的自动驾驶模式的系统可能要求车辆1的安全停车，在此同时存在所谓的车辆让道法(Move-Over-Law)情况，其需要不同的减速。

在车辆让道法情况下、即让道规定适用例如紧急车辆如警用车辆接近时的行为也可能要求不同于形成救援巷道R的在车辆1车道F内的偏移量。

在这两种情况下，通过选择与车辆1的在其车道F内的定位相关的行驶速度和/或偏移设定值进行驾驶任务的优先级排序。

此外，该方法规定要求特殊驾驶任务以改变在运动轨迹规划时的成本函数K的设定值，例如：

-将车辆1安全停放在如图4举例所示的紧急车道S上，

-变道，

-在不清楚的行车情况下预防性降低行驶速度v_EGO，例如在相邻车道上有逆行司机或车道上有行人时，

-在存在车辆让道法等情况时，降低当前行驶速度v_EGO并且同时行驶到车道F的边缘。

更复杂的驾驶任务例如将车辆1安全停在紧急车道S上或多次变道通过行驶速度和偏移设定值的时间序列(即所谓的车道偏移设定值)被传输给运动轨迹规划。

如果报告了制动系统或转向系统的退化状态，则完成使可减免的制动动态或转向动态适配于运动轨迹规划。

此外，将车辆1的可减免的减速度、即当前行驶速度v_EGO的降低调整适配于存在的天气条件。

该方法尤其规定图3示例性示出的、应被车辆1在自动驾驶模式下尤其无司机地行驶的理论运动轨迹T_Soll。

这样的理论运动轨迹T_Soll是指如下数据组，其不仅包含关于位置变化曲线即车辆1在沿理论运动轨迹T_Soll行驶时应遵循的位置坐标的信息，也包含关于车辆1在沿理论运动轨迹T_Soll行驶时运动的加速度或行驶速度v_EGO的信息。因此通过理论运动轨迹T_Soll不仅设定车辆1应行驶的哪个位置坐标，还设定车辆1在何时刻位于各自位置坐标。

在此，该规划基于理论运动轨迹T_Soll的候选者的离散集合的确定，在此，该选择如上所述且如从现有技术中已知地基于成本函数K。

图1具体示出坐标系，其中，在横坐标轴上绘制出在车辆纵向上、即自动驾驶车辆1的行驶方向上的x坐标x_i至x₄，在纵坐标轴y上绘制出y坐标y_-1至y₁并表示车辆横向。Δx、即两个x坐标之间的距离描述车辆1的当前行驶速度v_EGO的函数。

此外，示出多个运动轨迹支持点P_0,0至P_4,2，其中该运动轨迹支持点P_0,0表示车辆1的起点，运动轨迹支持点P_4,0至P_4,2表示车辆1的目标坐标。特别是，x坐标x₀至x₄和y坐标y_-1至y₁是运动轨迹支持点的x-y坐标P＝(x_i,y_j)。

运动轨迹支持点P_0,0至P_4,2在横坐标轴x的方向上、即在车辆1的行驶方向上分布在预测范围V中。该预测范围V限定车辆1以其当前行驶速度v_EGO将在例如30秒的预定时间间隔内所经过、即行驶的里程。理论上，在预测范围V内可能有无穷多的运动轨迹，可从中选择一个理论运动轨迹T_Soll。为了将在选择最适合车辆1和行车情况的理论运动轨迹T_Soll时的计算成本最小化，应从中选择理论运动轨迹T_Soll的运动轨迹集合被离散化。为此，在图1所示的预测范围V中确定运动轨迹支持点P_0,0至P_4,2的一个预定集合，并且确定在行驶方向上分别被一行运动轨迹支持点P_0,0至P_4,2经过的运动轨迹T的集合，就像在图2所示的用于确定在另一坐标系中的运动轨迹组的第二步骤中示出的那样。

运动轨迹T的集合形成一个运动轨迹组，其中，运动轨迹T形成用于选择理论运动轨迹T_Soll的候选者，即，仅数量有限的运动轨迹T被考虑用于选择理论运动轨迹T_Soll。

尤其如图2所示，一些运动轨迹支持点P_0,0至P_4,2在x方向上、即在车辆纵轴线方向上根据其沿行驶方向的排序相互成对连接。由此形成运动轨迹T的一些运动轨迹段TR、TR_(0,0)(1,1)，它们配属于如下集合，从该集合中选择如图3所示的理论运动轨迹T_Soll。

每个运动轨迹段TR、TR_(0,0)(1,1)本身包括一组未详细示出的分别具有相同的x-y曲线但不同的加速度和/或速度的部分运动轨迹。成本被分配给部分运动轨迹，其中，使用针对各不同边界条件预设的成本函数K进行成本分配。

在确定了要遵守的边界条件或要执行的驾驶任务有变化时，通过将成本函数K针对一些运动轨迹段TR、TR_(0,0)(1,1)的单个部分运动轨迹调整适配于变化的边界条件来完成所述选择的预控制。进行这种调整是为了给部分运动轨迹和运动轨迹段TR、TR_(0,0)(1,1)分派比其它较低成本更适于遵守变化的边界条件和/或执行变化的驾驶任务。

对于运动轨迹组中的每个运动轨迹T，借助预定的成本函数K来确定成本，其中，成本函数针对运动轨迹T的各个运动轨迹段TR_(0,0)(1,1)的各个部分运动轨迹并针对预定的边界条件被限定并且说明多好地满足在具有相应的部分运动轨迹的相应运动轨迹段TR_(0,0)(1,1)上的相应边界条件。

较好的满足赢得低成本，而较差的满足受到高成本的处罚。运动轨迹段TR_(0,0)(1,1)的总成本依据运动轨迹段TR_(0,0)(1,1)的部分运动轨迹的、针对各不同边界条件所确定的成本的尤其是加权求和来计算。

该运动轨迹组中的一个运动轨迹T的成本通过各自运动轨迹T的运动轨迹段TR、TR_(0,0)(1,1)的总成本求和而形成。然后，从运动轨迹组中选择具成本最低的运动轨迹T作为理论运动轨迹T_Soll，如图3所示。

从运动轨迹组中选择的理论运动轨迹T_Soll表明车辆1的因在其车道F上有在预测范围V内测知的障碍物2而造成的行驶路径。

导致车辆1撞上障碍物2的运动轨迹段TR通过其成本增加而受到处罚。由此对于用于选择理论运动轨迹T_Soll的所述运动轨迹段TR得到比其余运动轨迹段TR更低的优先级。

图4-6分别示出成本函数的一个例子。

图4示出用于车辆1的横向位置的成本函数K(y)，在此示出了车辆1的车道F、左车道F1、右车道F2、车道标M、各自紧急车道S或路肩和运动轨迹支持点P_i,j＝(x_i,y_j)。

车辆1在其车道F的中心行驶所牵涉的成本低于将车辆1未居中行驶时的成本。就是说，在其车道F的中心行驶会获得较低的成本。

车辆1轧车道标M行驶会受到高成本的惩罚，并且在左车道F1或右车道F2居中行驶受到的惩罚高于车辆1在车道F中心行驶但低于轧车道标M行驶。在紧急车道S或路肩上行驶的惩罚较重并且以相应的高成本处罚。

一方面，图5示出图4所示的成本函数K(y)的曲线，还示出借助预控制被修改的成本函数K1(y)及其曲线。

预控制所谋求的目标是：选择理论运动轨迹T_Soll的运动轨迹规划适应于所需要的驾驶任务和所需要的边界条件并且在或许有多个要执行的驾驶任务时完成优先级排序。因此，理论运动轨迹T_Soll的选择在考虑当前驾驶任务或者或许多个当前要考虑的驾驶任务的情况下进行。

根据图5所示的实施例，与在各自车道F、F1、F2的车道中心行驶相比，车辆1在其车道F内偏离向车道中心行驶以形成救援巷道R通过较低的成本得到更多回报。

在右车道F2上行驶会通过较低的成本而获得更多回报，而在救援车道R上行驶通过较高的成本而受到处罚。

图6示出预控制的另一个实施例，在此示出成本函数K(y)和修改后的另一个成本函数K2(y)。

在右车道F2上行驶例如因为在右车道F2发生事故而受到较高处罚，其中，在车辆1的车道F上行驶也受到处罚以免危及在事故现场工作的急救人员。

通过类似的方式，针对其它驾驶任务和/或其它要遵守的边界条件所预设的成本函数K也可被修改。通过修改获得运动轨迹选择的预控制。

例如，车辆1的驾驶任务可能需要保持相对于相应车道F、F1、F2的车道中心的附加偏移，例如形成一条救援巷道R或增大与某类物体如卡车、隧道墙、桥桩、防撞护栏的侧向距离。

此外，驾驶任务可能要求如上所述地保持一定的最大允许速度、将纵向动态且特别是可减免的减速度或允许的加速度、或横向动态且特别是呈偏航率、转向角速度和/或横向加速度形式的转向动态限制为确定值，这些值可以视情况来设定，例如根据天气条件、行驶速度v_EGO、道路曲率和/或车辆1的转向系统或制动系统的退化。

此外，作为驾驶任务可能要求将车辆1停在紧急车道S上，例如在转向系统或制动系统退化的情况下，从而预防性降低行驶速度v_EGO，例如在出事故、车道上有警察、急救服务、行人、司机在相应相邻车道F、F1、F2上逆行时。

此外，可以将避开某些车道F、F1、F2设定为驾驶任务，例如在停在使用地点的警用和救援服务车辆旁边的车道F、F1、F2，即，即便在存在所谓的车辆让道法以及行人或逆行司机的情况下。

此外，车辆1的待观察的驾驶任务可以是完成变道，以便例如避开车道F、F1、F2、绕过障碍物2、超过较慢的交通参与者、控制车辆1至转弯车道或驶出匝道。

Claims

1.一种用于规划要由车辆(1)自动行驶的理论运动轨迹(T_Soll)的方法，

-其中，一个运动轨迹(T)的离散集合被确定为理论运动轨迹(T_Soll)的候选者，

-其中，每个运动轨迹(T)都由多个接连排列的运动轨迹段(TR,TR_(0,0)(1,1))组成，

-其中，该规划基于将其中一个运动轨迹(T)选择为理论运动轨迹(T_Soll)，和

-其中，该选择基于利用预定的成本函数(K)对运动轨迹(T)的评估和对评估为最划算的运动轨迹(T)的识别，

其特征在于，

-为每个运动轨迹段(TR,TR_(0,0)(1,1))分配分别具有相同的位置设定和不同的动态设定的多个部分运动轨迹，并且根据预定的成本函数(K)分别给部分运动轨迹分配成本，和

-当确定了要遵守的边界条件和/或要执行的驾驶任务变化时，通过使该成本函数(K)针对各个运动轨迹适配于变化的边界条件和/或驾驶任务来完成该选择的预控制，以给所述部分运动轨迹分派与其它相比更好地适合于遵守变化的边界条件和/或执行变化的驾驶任务的更低成本。

2.根据权利要求1所述的方法，其特征在于，作为数据组的每个运动轨迹(T)既包含关于车辆(1)在沿各自运动轨迹(T)行驶时应遵循的位置变化曲线的信息，也包含关于车辆(1)在沿各自运动轨迹(T_Soll)行驶时应根据其运动的动态的其它信息。

3.根据权利要求1或2所述的方法，其特征在于，从中选出理论运动轨迹(T_Soll)的运动轨迹(T)集合通过在一个预测范围(V)中将运动轨迹支持点(P_i,j)的预定集合确定为车辆(1)的可能驻留位置被离散化，为此，从该运动轨迹支持点(Pi,j)集合中选择多个沿行驶方向延伸的点行并且以部分运动轨迹相应移动经过其中一个所选的点行的方式确定所述部分运动轨迹(T)。

4.根据前述权利要求之一所述的方法，其特征在于，对于每个运动轨迹(T)，利用预定的成本函数(K)计算成本。

5.根据前述权利要求之一所述的方法，其特征在于，针对各个运动轨迹段(TR,TR_(0,0)(1,1))和分别配属于该运动轨迹段的部分运动轨迹，依据要遵守的边界条件或要执行的驾驶任务来预定成本函数(K)。

6.根据前述权利要求之一所述的方法，其特征在于，分配给所述运动轨迹段(TR,TR_(0,0)(1,1))的部分运动轨迹的成本被加权求和以计算各个运动轨迹段(TR,TR_(0,0)(1,1))的总成本。

7.根据权利要求6所述的方法，其特征在于，一条运动轨迹(T)的成本通过其运动轨迹段(TR,TR_(0,0)(1,1))的总成本的求和来计算。

8.根据权利要求4至7之一所述的方法，其特征在于，从运动轨迹集合中选择具有最低成本的运动轨迹(T)作为理论运动轨迹(T_Soll)。

9.根据前述权利要求之一所述的方法，其特征在于，这些成本函数(K)借助预控制被修改，其中，所述运动轨迹规划借助该预控制适配于当前驾驶任务并且在有多个驾驶任务的情况下作出优先排序。