CN118043250A

CN118043250A - 机动车辆驾驶操控的轨迹规划方法、计算机程序产品、计算机可读存储介质及车辆

Info

Publication number: CN118043250A
Application number: CN202280064663.2A
Authority: CN
Inventors: M·恩格尔霍恩; M·里德尔; F·埃德林
Original assignee: Continental Zhixing Germany Co ltd
Current assignee: Continental Zhixing Germany Co ltd
Priority date: 2021-10-04
Filing date: 2022-09-21
Publication date: 2024-05-14
Also published as: EP4412882A1; KR20240044484A; WO2023057014A1; DE102021211164A1; JP2024535025A

Abstract

本发明涉及一种机动车辆(4)的驾驶操控轨迹的规划方法，所述规划方法包括以下步骤：1)评估(200)当前驾驶情形；2)基于所评估的驾驶情形测定调整后的驾驶操控；3)基于所评估驾驶情形和所测定的驾驶操控，计算轨迹的工作点(A₁至A₄)的数量；4)在轨迹的工作点(A₁至A₄)的每个工作点上对当前周围环境信息和/或车辆信息进行离散处理；5)基于特定域信息，为每个工作点(A₁至A₄)选择并整合(300)相关的周围环境数据；6)将所选择和整合的周围环境数据线性化；7)使用线性化的周围环境数据建立QP模型；8)借助QP求解器求解(400)QP模型；9)根据解决方案的收敛情况重复(500)步骤1)至8)，在重复步骤1)至8)时，将QP求解器的解决方案考虑在内。

Description

机动车辆驾驶操控的轨迹规划方法、计算机程序产品、计算机可读存储介质及车辆

技术领域

本发明涉及一种机动车辆驾驶操控的轨迹规划方法、一种计算机程序产品、一种计算机可读存储介质及一种车辆。

背景技术

轨迹规划是车辆自动化的最重要步骤之一。即使在高速公路驾驶这样的结构化环境中，出现的场景也很复杂，规划任务也并不轻松。

通过优化形式建模解决这一问题会导致非线性问题。因此，需要一种高效使用资源的算法，特别是在有限时间框架内，尤其是要自主驾驶的车辆必须在固定时间框架内可靠解决相关问题。

非线性通用求解器的任务是解决一般问题。通过连续函数和混合整数建模缺乏启发法评估可能性，而启发法评估是在优化框架中解决轨迹规划问题所必需的。

在离散决策(混合整数问题)中陷入局部最小值的问题，文献中已有大量描述。

然而，文献和现有技术的描述及已知方法都存在缺陷。尤其是在复杂驾驶场景中，需要一种能在一单一阶段中有效解决所有非线性问题的综合轨迹规划算法。

此外，例如在一2阶段规划方法(第一阶段：原始采样，第二阶段基于SQP进行规划)中，边界条件的调整只在规划循环之间进行，而不是在每个运行点进行。

此外，已知方法仅考虑使用数值优化方法分别进行横向轨迹规划和纵向轨迹规划。在此，在一随后的步骤中，将独立轨迹的两部分结合起来，对车辆进行自主控制，这就增加了(计算)工作量。

发明内容

由此，本发明的基本任务是提供一种方法、一种计算机程序产品、一种计算机可读存储介质及一种车辆，借助其既能减少轨迹规划工作量，又能更加优化轨迹规划。

根据本发明所述，相关方法的任务由权利要求1的主题解决。计算机程序产品的任务通过独立权利要求10的主题解决，计算机可读存储介质的任务通过独立权利要求11的主题解决，机动车辆的任务通过独立权利要求12的主题解决。

有益的设计方案、其他结构形式及其变型是从属权利要求的主题。

针对所述方法列举的优点和优选设计方案可比照适用于计算机程序产品、计算机可读存储介质及机动车辆，反之亦然。

具体而言，所述方法所针对的任务是通过机动车辆驾驶操控的一轨迹规划方法加以解决的。所述机动车辆尤其是具有自主驾驶程序的自主驾驶的车辆。

所述方法包括下列步骤：

1)评估当前驾驶情形；

2)基于所评估的驾驶情形，以轨迹形式测定经调整的驾驶操控；

3)基于所评估的驾驶情形和所测定的驾驶操控，计算轨迹的工作点数量；

4)在轨迹的每个工作点对当前周围环境信息和/或车辆信息进行离散处理；

5)基于特定域信息，为每个工作点选择并整合相关的周围环境数据；

6)将所选择和整合的周围环境数据线性化；

7)使用线性化的周围环境数据建立QP模型；

8)借助QP求解器求解QP模型；

9)根据解决方案/求解结果的收敛情况重复步骤1)至8)，其中，在重复步骤1)至8)时，将QP求解器的解决方案考虑在内。

在第一步骤中，首先通过例如检查机动车辆周围是否存在也被称为TPO(TrafficParticipant Object、交通参与对象)的其他交通参与者对机动车辆自身驾驶情形进行评估。换句话说，确定并评估机动车辆周围的当前交通场景，例如与一前方行驶TPO的距离或与机动车辆旁行驶的TPO的距离，这在需要变道时尤为重要。

此外，车辆特定参数也有助于在第一步骤中对当前驾驶情形进行评估。这类车辆特定参数可是例如所设定的驾驶模式(经济模式或运动模式)，也可是对自主驾驶程序的一般指令，其中自主驾驶程序应优选采用防御型和节油型驾驶方式，或与之相反，采用运动型驾驶方式。

基于上面所测定和评估的当前驾驶情形，以轨迹形式测定经调整的驾驶操控。

随后计算出沿轨迹的工作点数量。可分别根据要规划的驾驶操控，在此计算出10个或更多个工作点。例如，变道操控的第一工作点从机动车辆的当前位置开始，最后的工作点“处于”机动车辆要变道的车道上。

在下一步骤中，每个工作点沿轨迹进行离散化处理。这就意味着，在每个工作点处都要对当前驾驶情形、尤其是周围环境信息进行评估，以确保其在工作点的各相应时间点为最新信息。如果例如机动车辆周围环境中不再有TPO，则会对这一情况加以考虑，并将其纳入轨迹规划中。

随后实施根据本发明所述方法的实际核心。在此基于特定域信息，只对每个工作点选择和整合相关的周围环境数据。术语“特定域信息”可理解为有关机动车辆的信息、有关机动车辆周围环境的信息，以及尤其是有关当前驾驶情形的信息，这些信息有助于在轨迹规划时改善甚至建立凸性，即问题的可解决性。在此，例如可对已知交通场景加以利用，以便只考虑相关信息。如果例如机动车辆只需沿一条车道行驶，并且只需对这类轨迹进行规划，那么就可对所有不涉及机动车辆所在车道，即本车所在车道的TPO予以忽略。前方行驶车辆必须优先纳入规划，以防止车辆跟得太紧。这类信息例如可以特定域信息的形式包含在轨迹规划时的该步骤中。换句话说，轨迹规划得到了附加的特定域信息的支持，因此不需要的信息被删除，要解决的问题变得更加简单，或由此甚至变得可以解决。

在下一步骤中，将利用上述已选择和整合的周围环境数据建立一QP模型。为此，首先对周围环境数据和车辆模型进行线性化处理。

随后，借助QP求解器求解QP模型。之所以能做到这一点，主要是因为要解决的问题和相关的成本函数已被简化，去掉了一些因附加特定域信息而无需考虑的附加约束条件，因此可用通用QP求解器求解。

在所述方法的最后步骤中，对问题的解决方案进行收敛性分析。换句话说，要分析对周围环境进行新的离散化是否会导致类似的QP表述，并从而产生类似的QP解决方案。因此，要对问题的表述和问题的解决方案进行收敛性分析。由此获得的解决方案表示了非线性优化问题的解决方案，前提是所述解决方案处于所实施的近似的局部范围内。否则，必须用车辆运动的最新评估重复该序列。重复的目的是实现线性方程和非线性方程的收敛。

如果不收敛，则重复上述步骤。因此，就出现了基于SQP的轨迹规划。

原则上，非线性通用求解器的任务是解决一般问题。通过连续函数和混合整数进行必要的建模缺少启发法评估的可能性，而启发法评估对解决优化框架中的轨迹规划问题是必要的。文献中还描述了离散决策(混合整数问题)中陷入局部最小值的问题。

该问题通过上述方法加以解决，即根据本发明在所述SQP算法中实施特定域信息，以下也称为特定域启发法。在本专利申请中，术语“启发法”通常可理解为有关机动车辆驾驶功能的知识。

这种方法在嵌入式利用框架中，通过使用上述启发法，即有关驾驶功能的知识，可生成一种基于SQP的特殊求解器用于轨迹规划。

为此目的，在SQP算法中整合启发法，将非凸轨迹规划问题和非线性轨迹规划问题拆分为可由现代QP求解器求解的序列化的、局部精确和凸二次的方程式程序。

因此，根据本发明所述方法的核心是基于SQP的非线性求解器，该非线性求解器利用了特定域启发法。此外，每个离散化步骤都是单独处理的，以便选择最合适的离散化方式，而不会泛化整个轨迹。

将问题建模为线性二次方程式程序，需要将所有数学函数表述为线性方程式或二次方程式。这样做的优点是，可使用现代QP求解器以简单的方法快速、可靠地解决优化问题。

根据本发明所述方法还使用下文实施方式中所述的启发法及车辆动力学模型，以用于估计一特定时间范围内的车辆运动。具体而言，规划轨迹所需的时间范围必须离散化处理为特定数量的单一步骤。每个离散化步骤所估计的车辆状态都被用作以下近似计算的工作点。如上所述，对每个工作点，静态和动态周围环境数据也要单独进行离散化处理。例如，每隔50毫秒至150毫秒、优选每隔100毫秒进行一次离散化处理。

此外，所有非线性方程都在所估计的运行点上线性化。线性化方程和离散化的周围环境数据随后可用于设置和求解线性二次方程式程序。

在一实施方式中，从以下启发法中选择一个或多个用作特定的域信息：

-为识别适合的操控而评估当前驾驶情形，

-基于所评估的驾驶情形对车辆参数进行调整；

-选择或调整机动车辆的驾驶模式和/或驱动模式。

在此，术语“评估当前驾驶情形”可理解为，例如检查机动车辆当前所在车道(也称为本车所在车道)和/或相邻车道是空闲还是被其他TPO占用。这在每个工作点都进行。此外，还会检查是否有必要或将有必要进行变道意义上的避让。此外，还要对场景变化加以考虑，以便对周围环境变化的可能性加以利用。总之，在每个工作点(空间和时间上)都要检查并考虑机动车辆的空间分量和动态特性。

在本专利申请中，基于所评估的驾驶情形调整车辆参数的启发法可理解为，例如在上述避让操控的情况下，临时取消或提高或减少机动车辆的驾驶限制。在此，“驾驶限制”可理解为所设定或预定的最高速度，或与前方行驶TPO的预定或所设定的距离。由此，例如可能有必要临时提高或超过速度限制，和/或缩短与前方TPO的预定距离，以便进行上述变道，从而使车辆能进入相邻车道的空隙。

在此关联情况下，机动车辆的驾驶模式和/或驱动模式也会在轨迹规划时予以考虑并加以使用。

下面未详尽列举的驾驶模式示例包括：

-经济型(极为经济的驾驶模式)；

-舒适型(普通驾驶模式)；

-运动型(运动型驾驶模式)。

下面未详尽列举的驱动模式示例包括：

-高能源效率型驱动模式；

-电动驱动模式；

-仅用内燃机的驱动模式；

-特定驱动模式，例如具有内燃机的车辆用于过滤器主动再生的高性能驱动模式。

在另一实施方式中，基于车辆模型、尤其基于动态单车道模型测定车辆参数。在此，尤其要考虑机动车辆的机械和物理参数及特性。该实施方式的基本想法是，出于纯粹的物理和技术原因，机动车辆的轨迹原则上必须是“可行驶的”。出于该原因，该实施方式可进一步提高轨迹规划的准确性和优化性，这是因为可以不考虑机动车辆在物理和/或机械上不可行驶的轨迹。动态单车道模型尤其是以诸如加速性能、因轴距而产生的转弯特性或制动特性等基于以运动学方程形式给出的机动车辆物理特性和机械特性为基础的，这些特性都在实施所述方法中予以考虑。

根据一实施方式，基于机动车辆所估计位置，将其他交通参与者在纵向驾驶操控中各相应的相关性用于测定相关的周围环境数据。在此，根据道路上所估计的车辆位置(运行点)预选纵向上需考虑的动态对象。以此方式，考虑对象所需的方程数量保持不变，并减少可能对基本QP的凸性产生负面影响的重复约束条件。

在一改进方案中，基于机动车辆所估计位置，将其他交通参与者对横向驾驶操控的相关性用于测定各相应的相关周围环境数据。在此，根据道路上所估计的车辆位置(运行点)评估在一时间步长中哪个动态对象是相关的。在此，该方法可从诸如该时间步长中相邻车道的堵塞等简单的考虑扩展到更为进步的几何考虑。

此外，根据所述方法的一实施方式，还可利用供驾驶操控的车道空间测定相关周围环境数据，从而优化轨迹规划。由此需要考虑车道空间是否受到例如车道标记、动态或静态对象或任何与时间无关或与时间有关的信息(例如与时间有关的通行限制)的限制。

为确定处于两个车辆位置之间的对象，通常要对这两个车辆位置进行评估。对这些对象的考虑通常需要提高采样率，这会导致基础QP模型的大小发生变化。要解决该问题，在一实施方式中，所述方法包括以下步骤：

-使用启发法识别两个工作点之间的至少一个对象；以及

-建模并将所识别的至少一个对象添加到所建立的QP模型中。

根据一实施方式，车辆内部实体和/或车辆外部实体用于提供当前驾驶情形和/或当前周围环境信息。车辆内部实体优选但不仅仅是传感器单元或传感器系统，例如设置在机动车辆内或机动车辆上的摄像装置、雷达传感器或激光雷达传感器。一般来说，机动车辆所有“提供信息”的器件和/或单元都可视为本专利申请中所指的车内实体。由此，车辆内部的导航地图也属于车辆内部实体。作为替代选择或附加措施，外部实体也可用于评估当前驾驶情形和/或当前周围环境信息。在本专利申请中，与上述车辆内部实体不同，术语“车辆外部实体”可理解为处于机动车辆外部、但可提供当前驾驶信息和/或周围环境信息的所有实体。所谓“智能车库”就是这类外部实体的示例。这类车库具有摄像装置、摄像系统及各种不同的传感器，借助其可测定车辆和/或其他交通参与者的当前位置、速度和/或当前周围环境。这类信息可供轨迹规划装置使用。在本专利申请中，术语“车辆外部实体”也可理解为，例如由其他交通参与者和/或机动车辆乘员(如智能手机的位置信号或地图数据等)和/或周围基础设施(如监控摄像装置)提供和传输的信息，

此外，机动车辆的电子控制单元，尤其是在由电机驱动的机动车辆中，电动动力传动系(例如动力传动系控制装置)作为替代选择或附加措施，也可用于提供专门的最新车辆信息。

在所述方法一实施方式中，轨迹规划包括纵向轨迹和横向轨迹的组合规划。与已知方法相比，该实施方式可实现纵向轨迹和横向轨迹的一组合方法，其中，采用模型预测规划方法进行规划，通过将自动驾驶的复杂的非线性问题建模为点离散型QP问题，并通过传统QP求解器以节约资源的方式进行求解。

具体而言，有关计算机程序产品的任务通过一计算机程序产品解决，所述计算机程序产品包括指令，在实施所述程序时，所述指令使计算机实施上述方法。

具体而言，有关计算机可读存储介质的任务通过一计算机可读存储介质解决，所述计算机可读存储介质包括指令，在计算机执行指令时，所述指令使计算机执行上述步骤。

具体而言，有关机动车辆的任务通过一机动车辆解决，其中，所述车辆包括用于执行上述方法的装置。机动车辆优选是自主驾驶车辆或设计用于自主驾驶的机动车辆。

附图说明

下面根据附图更详细说明本发明的实施例。这些附图是部分大幅度简化的示意图：

图1示出用于表示驾驶操控规划及基于规划的驾驶操控控制的基本过程的一简略框图；

图2示出根据本发明所述方法的一简化框图；

图3示出变道形式的驾驶操控的一场景草图，以及

图4示出图3中带有所示工作点的一场景草图。

具体实施方式

图中功效相同的部件始终用相同的附图标记表示。

图1展示的是机动车辆4的驾驶操控规划及驾驶操控控制的基本流程(见图3+图4)。在此不进行详细表示和描述。图1用于说明本发明在需规划驾驶操控规划过程中的基本分类。

从图1中可看出，驾驶规划装置6被设置用于，接收例如包含有关道路走向信息的一所谓车道模型作为输入信号。作为附加措施，还可将有关机动车辆4周围环境内所处对象的列表和相关信息作为输入信号输入驾驶规划装置6。所述对象例如可是其他交通参与者或车道界限。

驾驶规划装置6具有操控规划装置8和轨迹规划装置10。操控规划装置8的设置方式是，基于输入信号信息评估是否有必要驾驶操控，并基于其评估结果为轨迹规划装置10生成一操控请求。在本专利申请中，术语“驾驶操控”可理解为道路交通中例如避让、变道或在本身所在车道上跟随行驶等常规操控。此外，通常为避免碰撞或事故所需的其他驾驶操控也可属于或可设想为所述驾驶操控的范畴。

所要求的例如变道等驾驶操控被作为输入信号传输给轨迹规划装置10。基于将在下文中详细介绍的可用信息和其他信息，在轨迹规划装置中规划出机动车辆应“驶出”的轨迹，以实施所要求的驾驶操控。完成轨迹规划后，所规划的轨迹被传输到运动控制模块12。然后，运动控制模块12向机动车辆4相关的各个部件发出执行轨迹所需的控制指令。参照上述变道示例，运动控制模块12向转向系统发出一转向指令，必要时还会发出机动车辆4的加速或制动指令，以实施变道。

图2展示的是轨迹规划装置10内根据本发明所述方法的简略框图。

在一第一基本步骤中，通过当前驾驶情形的评估200规划轨迹。在此确定机动车辆4的附近周围环境中是否有其他交通参与者及有多少其他交通参与者。这里的术语“附近周围环境”可理解为与所要求的驾驶操控相关的机动车辆周围环境。根据驾驶操控要求的不同，附近周围环境会有所不同。在变道示例中，机动车辆的附近周边环境仅限于机动车辆前方、后方和旁边紧邻的交通参与者，即仅限于紧邻的周边环境。

作为附加措施，在该步骤中，有关机动车辆的信息也被用于评估。这样，在规划轨迹时会考虑机动车辆当前驾驶模式及例如最大转向角或加速性能等机动车辆物理界限和/或机械界限。

如果对当前驾驶情形已进行充分评估，则在下一步骤中根据基于特定域启发法和要解决问题的表述进行近似300，该要解决的问题构成轨迹规划的基础。在此，要规划的轨迹被划分为多个工作点A₁至A₄(见图4)。在此，在每个工作点A₁至A₄上评估周围环境情形(机动车辆目前位于何处？——与上一工作点相比，其他交通参与者的行为如何？)，并相应调整QP的表述。

根据本发明所述，在该步骤中基于特定域启发法减少不必要的周围环境信息。在此，对例如有关机动车辆已经历过的特定交通情形认知等特定域知识加以利用。由此可实现对轨迹规划装置10需解决问题的简化。再以上述变道为例，使用特定域启发法意味着，只要机动车辆4仍处于其当前车道上，轨迹规划装置10在规划轨迹时就只考虑处于机动车辆车道上的其他交通参与者。一旦机动车辆4变道驶入相邻车道或完成至少一半的变道，则在规划轨迹时应只考虑“新”车道上的其他交通参与者。换句话说，特定域启发法由此根据本发明有助于简化所述需解决的问题。

因此，基于特定域启发法“简化”的问题可在下一步骤400中由QP求解器求解。

随后在下一步骤500中进行收敛性分析。在此检查问题是否已充分收敛，并由此检查所规划轨迹是否足以执行所要求的驾驶操控。如果是肯定的情况，则如图1的说明所述，将所规划轨迹作为输入信号传输至运动控制模块12。如果确定收敛性不足，则会在下一序列中重新执行相关步骤，以获得更精准的收敛性。在此，先前所获得的解决方案及其他针对特定域的启发法被纳入其中。

总之，根据本发明所述方法在基于SQP的问题中构成了特定域启发法的实施，所述基于SQP的问题在所建立的工作点A₁至A₄的每个工作点上进行个性化评估，并可借助通用QP求解器求解。

下面在图3和图4中更详细解释上文用于解释所述方法的变道示例。

图3中展示的是双道车道的一路段，阴影所示机动车辆4正在该路段上单向行驶(在图像平面中在右侧车道行驶)。此外，车道上还有其他交通参与者TPO1、TPO2、TPO3、......、TPOn。在此，n代表一自然正数，它表征开放但最大的交通参与者数量。为简单明了，下面的说明中始终只提及三个其他交通参与者TPO1、TPO2、TPO3，但这并不能理解为对本发明所述方法的限制。

其他交通参与者的行驶方向分别用箭头表示。图4再次展示相同的场景。不过，图4展示的是经近似处理的轨迹的各个工作点A₁至A₄。在此，为简单起见，只展示每个交通参与者的四个工作点A₁至A₄，这些工作点——从各相应对象出发并从箭头方向看——分别代表具有在各相应工作点A₁至A₄上的有关周围环境和/或驾驶情形和/或车辆本身的相应信息的各一个工作点A₁至A₄。正如上面已作的详细解释，在此，每个工作点A₁至A₄的信息例如包括、但不局限于速度和/或加速度和/或诸如车辆类型及时间点和/或位置等关于车辆的所谓元信息。因此不言而喻，如果工作点A₁在本车所在轨迹中被评估，则TPO1、TPO2和TPO3等的各相应工作点A₁也会被评估。

此处为变道的机动车辆4所规划轨迹也使用曲线箭头表述。在根据本发明所述方法的框架中，为评估当前驾驶情形，将所有其他三个交通参与者TPO1至TPO3及机动车辆的车辆内部信息都考虑在内。

如果没有特定域启发法，在每个工作点A₁至A₄(见图4)上，所有信息并由此也包括有关其他交通参与者TPO1至TPO3的所有信息都得被考虑在内，这一方面会导致问题更加复杂，另一方面也会增加规划和计算工作量。

通过实施特定域启发法，机动车辆4或轨迹规划装置10只考虑变道开始时，即机动车辆仍处于其当前“老”车道上时，也处于该车道上的交通参与者，即只考虑前方行驶的交通参与者TPO 1。在这些工作点A₁至A₄上，其他交通参与者TPO 2、TPO 3及有关这些交通参与者的信息(仍)未被考虑。一旦机动车辆4至少已部分越过中心线时，轨迹规划装置10将根据特定域启发法和周围环境测定信息，在以下工作点A₁至A₄上只须考虑进一步规划时处于“新”车道上的交通参与者，即此处的交通参与者TPO2和TPO3。至于其他交通参与者TPO1是否制动、加速或转弯，对轨迹规划而言是次要的。

因此，附加信息有助于轨迹规划装置10通过消除不相关的附加约束条件简化要解决的问题，从而使问题可通过QP求解器求解。这可概括为QP的凸化。

总之，上述轨迹规划的挑战可表述为非线性优化问题。与物理和安全相关的限制可表述为该问题的附加约束条件。该优化问题的目标是计算目标函数(也称为成本函数)的极值(如最小值)。

本发明并不局限于上述实施例。相反，专业人员还可在不偏离本发明主题的情况下衍生出本发明的其他变型。尤其是，在不偏离本发明主题的情况下，结合本发明实施例所述单一特征还可以其他方式彼此组合。

附图标记列表：

4 机动车辆

6 驾驶规划装置

8 操控规划装置

10 轨迹规划装置

12 运动控制模块

A₁ 至A₄工作点

TPO1 其他交通参与者

TPO2 其他交通参与者

TPO3 其他交通参与者

200 评估当前驾驶情形

300 基于特定域启发法进行近似

400 借助QP求解器解决问题

500 收敛性分析

Claims

1.一种机动车辆(4)的驾驶操控轨迹的规划方法，所述规划方法包括以下步骤：

1)评估(200)当前驾驶情形；

2)基于所评估的驾驶情形测定调整后的驾驶操控；

3)基于所评估的驾驶情形和所测定的驾驶操控，计算轨迹的工作点(A₁至A₄)的数量；

4)在轨迹的工作点(A₁至A₄)的每个工作点上对当前周围环境信息和/或车辆信息进行离散处理；

5)基于特定域信息，为每个工作点(A₁至A₄)选择并整合(300)相关的周围环境数据；

6)将所选择和整合的周围环境数据线性化；

7)使用线性化的周围环境数据建立QP模型；

8)借助QP求解器求解(400)QP模型；

9)根据解决方案的收敛情况，重复(500)步骤1)至8)，其中，在重复步骤1)至8)时，将QP求解器的解决方案考虑在内。

2.根据权利要求1所述的方法，其特征在于，以下启发法结果中的一个或多个被选择用作特定域信息：

-为识别适合的操控而对当前驾驶情形进行的评估；

-基于所评估的驾驶情形对车辆参数进行的调整；

-对机动车辆(4)的驾驶模式和/或驱动模式的选择或调整。

3.根据权利要求2所述的方法，其特征在于，基于车辆模型、尤其是动态单车道模型测定车辆参数。

4.根据上述权利要求中任一项所述的方法，其特征在于，基于机动车辆(4)的所估计的位置，将其他交通参与者(TPO1、TPO2、TPO3、......、TPOn)对于纵向驾驶操控的各相应相关性用于测定相关的周围环境数据。

5.根据上述权利要求中任一项所述的方法，其特征在于，基于机动车辆(4)的所估计的位置，将其他交通参与者(TPO1、TPO2、TPO3、......、TPOn)对于横向驾驶操控的各相应相关性用于测定相关的周围环境数据。

6.根据上述权利要求中任一项所述的方法，其特征在于，将可用于驾驶操控的车道空间用于测定相关的周围环境数据。

7.根据上述权利要求中任一项所述的方法，此外还包括下列步骤：

-使用启发法识别两个工作点(A₁至A₄)之间的至少一个对象；以及

-建模并将所识别到的至少一个对象添加到所建立的QP模型中。

8.根据上述权利要求中任一项所述的方法，其特征在于，机动车辆的车辆内部实体和/或车辆外部实体用于提供当前驾驶情形和/或当前周围环境信息。

9.根据上述权利要求中任一项所述的方法，其特征在于，轨迹规划包括纵向轨迹和横向轨迹的组合规划。

10.一种计算机程序产品，其包括指令，在计算机执行相关程序时，所述指令使计算机执行根据权利要求1至9中任一项所述的方法。

11.一种计算机可读存储介质，其包括指令，当计算机执行相关指令时，所述指令使计算机执行根据权利要求1至9中任一项所述方法的步骤。

12.一种机动车辆、尤其是自主驾驶车辆，其包括用于执行根据权利要求1至9中任一项所述方法的装置。