DE102017200580A1

DE102017200580A1 - Method for optimizing a maneuver planning for autonomous vehicles

Info

Publication number: DE102017200580A1
Application number: DE102017200580.7A
Authority: DE
Inventors: Cristina Menendez; Franz Winkler
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2017-01-16
Filing date: 2017-01-16
Publication date: 2018-07-19

Abstract

Vorgeschlagen wird deshalb ein Verfahren zur Optimierung einer Manöverplanung eines Fahrzeugs, umfassend eine Planungsebene, die in zumindest drei unterschiedliche Abstraktionsebenen für alle Planungsschichten der Planungsebene aufgeteilt wird, wobei eine Kombination aus kontinuierlichem Planen und semantischer Information erfolgt, indem mehrere ermittelte Manöveroptionen gruppiert werden und eine Erfolgsbewertung jeder Manöveroption unter Einbeziehung von Unbestimmtheiten im Verhalten anderer Verkehrsteilnehmer erfolgt, um die beste Strategie zur Durchführung auszuwählen.Therefore, a method is proposed for optimizing a maneuver planning of a vehicle, comprising a planning level which is divided into at least three different abstraction levels for all planning levels of the planning level, a combination of continuous planning and semantic information being grouped by grouping a plurality of maneuver options determined and a performance rating Each maneuver option incorporating uncertainty in the behavior of other road users is done to select the best strategy to perform.

Description

Die Erfindung betrifft ein Verfahren zur Optimierung einer Manöverplanung für autonom fahrende Fahrzeuge gemäß dem Oberbegriff des Patentanspruchs 1.The invention relates to a method for optimizing a maneuver planning for autonomously driving vehicles according to the preamble of patent claim 1.

Das Interesse an autonom fahrenden Fahrzeugen und damit an Komfort- und Sicherheitsgewinn für den Fahrer wird bei der Bevölkerung immer größer. Deshalb entwickelt die Automobilindustrie verstärkt Systeme, um das Fahrzeug immer mehr in Richtung Autonomie zu treiben. Dazu sind bereits viele Systeme vorhanden, wie z.B. Systeme, welche die Fahrzeuggeschwindigkeit und den Abstand zum vorausfahrenden Fahrzeug adaptiv einstellen (ACC-adaptive cruise control), Warnsysteme, die vor einem Verlassen der Spur warnen, oder sogar Systeme, die automatisch die Spur halten.The interest in autonomous vehicles and thus in comfort and safety gains for the driver is growing in the population. Therefore, the automotive industry is increasingly developing systems to drive the vehicle more and more towards autonomy. There are already many systems available for this, e.g. Systems that adaptively adjust the vehicle speed and distance to the preceding vehicle (ACC-adaptive cruise control), warning systems that warn against leaving the lane, or even systems that automatically keep the lane.

Die große Herausforderung für autonome Systeme, auch für teilautonome Systeme, ist es, die Sicherheit der ausgewählten Manöver während der Phase des autonomen Fahrens zu gewährleisten. Es muss dabei sichergestellt werden, dass auf unerwartete Situationen reagiert werden kann. Im Fall, dass das System abgeschaltet werden muss, muss dies mindestens so lange sichergestellt werden, bis der Fahrer wieder die volle Kontrolle über das Fahrzeug hat. Hier ist wiederum die Herausforderung, dass basierend auf begrenzten Informationen über die Situation Entscheidungen getroffen und das Fahrverhalten entsprechend angepasst werden muss. Die Informationen sind begrenzt, da die Reichweite von Sensoren begrenzt ist, Messrauschen vorhanden ist und das Verhalten anderer Verkehrsteilnehmer nur begrenzt vorhersagbar ist. The big challenge for autonomous systems, even for semi-autonomous systems, is to ensure the safety of the selected maneuvers during the phase of autonomous driving. It must be ensured that it can respond to unexpected situations. In the event that the system must be shut down, it must be ensured at least until the driver has full control of the vehicle again. Here again, the challenge is to make decisions based on limited information about the situation and adjust driving behavior accordingly. The information is limited because the range of sensors is limited, measurement noise is present and the behavior of other road users is limited predictable.

Klassische Ansätze versuchen das Problem zu lösen, indem sie dieses Problem als globales Optimierungsproblem betrachten. Dies resultiert in unverhältnismäßig hohem Rechenaufwand und ist damit für Echtzeitanwendungen meistens nicht praktikabel. Andere Ansätze nutzen eine sogenannte Top-Down-Architektur, d.h. dass das ganz oben stehende übergeordnete Problem nach unten hin in immer mehr Details aufgeteilt wird. Bei diesem Ansatz kann es leicht passieren, dass Information in den Schichten von oben nach unten verloren gehen. Ansätze, welche eine Top-Down-Architektur verwenden, haben den Nachteil, dass diese Architektur Ebenen abhängig ist. Das heißt, wenn die höhere Ebene keine Entscheidung treffen kann, kann das untere Modul lediglich zurückgeben, dass keine Lösung gefunden wurde oder werden kann. Dies nötigt die obere Ebene dazu, nach einer anderen Lösung zu suchen. Da die obere Ebene das Problem aber global betrachtet müssen sehr viele Informationen verarbeitet werden, wodurch eine hohe Komplexität des zu lösenden Problems entsteht. Somit wird wiederum viel Rechenleistung und damit Zeit zur Lösungsfindung benötigt wird, was nicht nur in kritischen Situationen problematisch sein kann. Es kann auch problematisch sein, wenn die benötigte Rechenleistung nicht mehr bereitgestellt werden kann.Traditional approaches try to solve the problem by considering this problem as a global optimization problem. This results in disproportionately high computational effort and is therefore not practical for real-time applications. Other approaches use a so-called top-down architecture, i. that the very top-level problem is divided down into more and more details. With this approach, information in the layers from top to bottom can easily be lost. Approaches that use a top-down architecture have the disadvantage that this architecture is dependent on layers. That is, if the higher level can not make a decision, the bottom module can only return that no solution was or can be found. This forces the upper level to look for another solution. However, because the upper level addresses the problem globally, a great deal of information has to be processed, which results in a high complexity of the problem to be solved. This in turn requires a lot of computing power and thus time to find a solution, which can be problematic not only in critical situations. It can also be problematic if the required computing power can no longer be provided.

Des Weiteren sind Strategien bekannt, die beispielsweise eine Kombination von hybriden Automaten und Entscheidungsbäumen verwenden. Hier ist das Problem, dass keine mittelfristige Strategie bereitgestellt wird.Furthermore, strategies are known which use, for example, a combination of hybrid automata and decision trees. Here is the problem that no medium-term strategy is provided.

Bisher bekannte Ansätze zur Lösung des Problems, komplexe Entscheidungen basierend auf begrenzten verfügbaren Informationen zu treffen, verlieren also Informationen bei der Verarbeitung und beziehen unterschiedliche Abstraktionsebenen nur unzureichend in die Entscheidungsfindung mit ein. Außerdem besteht oft das Problem, dass die vorhandenen begrenzten Informationen nur unzureichend verarbeitet werden kann, sodass die getroffenen Entscheidungen für den Fahrer schwer oder nicht nachvollziehbar sind.Previously known approaches to solving the problem of making complex decisions based on limited information available thus lose information in processing and incorporate different levels of abstraction inadequate in decision-making. In addition, there is often the problem that the existing limited information can only be processed inadequately, so that the decisions made are difficult or unintelligible for the driver.

Deshalb ist es eine Aufgabe dieser Erfindung, ein Verfahren bereitzustellen, das eine Optimierung einer Manöverplanung ermöglicht. Dieses Verfahren soll vor allem die oben genannten Probleme lösen. Diese Aufgabe wird erfindungsgemäß durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.Therefore, it is an object of this invention to provide a method that enables optimization of maneuver planning. Above all, this method is intended to solve the above-mentioned problems. This object is achieved by the features of the independent claims. Advantageous embodiments are the subject of the dependent claims.

Basierend auf den Problemen des Stands der Technik wird ein neuartiges Verfahren zur Lösung der oben genannten Probleme der rechnerisch effizienten Manöverplanung mit möglichst wenig Informationsverlust sowie dem Umgang mit begrenzten Informationen basierend auf der Integration von semantischem und kontinuierlichem Planen bereitgestellt. Dabei wird dem autonom fahrenden Fahrzeug die Möglichkeit gegeben, die vorgegebenen Ziele aufrechtzuerhalten und dabei eine Robustheit über Sensorrauschen und das Verhalten anderer Verkehrsteilnehmer für einen weiteren Zeithorizont bereitzustellen.Based on the problems of the prior art, a novel method is provided for solving the above-mentioned problems of computationally efficient maneuvering planning with as little information loss as possible, as well as dealing with limited information based on the integration of semantic and continuous scheduling. In this case, the autonomously driving vehicle is given the opportunity to maintain the predetermined goals while providing robustness via sensor noise and the behavior of other road users for a further time horizon.

Nachfolgend wird zur Vereinfachung der Begriff autonom fahrendes Fahrzeug verwendet. Allerdings kann das Verfahren auch bei teilautonom fahrenden Fahrzeugen angewendet werden, wenn diese die entsprechende Funktionalität zum autonomen Fahren in den beschriebenen Situationen aufweisen.Hereinafter, for the sake of simplicity, the term autonomous vehicle is used. However, the method can also be applied to partially autonomously driving vehicles if they have the corresponding functionality for autonomous driving in the situations described.

Bei dem vorgeschlagenen Verfahren wird dieselbe Planungsebene auf unterschiedlichen Abstraktionsebenen für alle Planungsschichten definiert und der zur Umsetzung des vorgeschlagenen Verfahrens angewendete Algorithmus befasst sich mit der begrenzten vorhandenen Information in effizienter und nachvollziehbarer Weise. Dazu wird eine Mehrschichtarchitektur ähnlich dem menschlichen Denkprozess vorgeschlagen, welcher ein kontinuierliches Planen mit semantischer Information kombiniert, um mit der Komplexität des Problems in einer rechnerisch effizienten Art und Weise umzugehen und dabei für den Fahrer intuitiv zu bleiben. Das vorgeschlagene Verfahren clustert bzw. gruppiert die unterschiedlichen Manöveroptionen, bewertet sie und wählt die beste Strategie basierend auf dem erwarteten Ergebnis über die Zeit aus. Die Integration unterschiedlicher Abstraktionsebenen erlaubt es, mit dem wachsenden Zeithorizont und der wachsenden Unbestimmtheit bzw. Unsicherheit zurechtzukommen. Dieser Ansatz zieht nicht nur die durch die Umgebung bereitgestellten Informationen in Betracht, sondern auch beobachtete und gelernte Werte (im Sinne von Nutzen bzw. Bedeutung) aus vergangenen Situationen.In the proposed method, the same planning level is defined at different abstraction levels for all scheduling layers, and the algorithm used to implement the proposed method deals with the limited information available more efficiently and comprehensible way. To this end, a multi-layer architecture similar to the human thinking process is proposed, which combines continuous planning with semantic information to deal with the complexity of the problem in a computationally efficient manner while remaining intuitive to the driver. The proposed method clusters and classifies the different maneuver options, and selects the best strategy based on the expected result over time. The integration of different levels of abstraction makes it possible to cope with the growing time horizon and growing uncertainty. This approach considers not only the information provided by the environment, but also observed and learned values (in the sense of utility or meaning) from past situations.

Vorteilhaft kann das vorgeschlagene Verfahren, das auch als Planer oder Manöverplaner bezeichnet wird, zur Planung einer Fahrstrategie verwendet werden, welche die beste Strategie plant und ausführt, um eine gewünschte Fahrbahn und gewünschte Geschwindigkeit zu erreichen.Advantageously, the proposed method, also referred to as a scheduler or maneuver planner, may be used to plan a driving strategy that plans and executes the best strategy to achieve a desired lane and desired speed.

Dabei kann zur Bewertung das Verhalten des vor dem Ego-Fahrzeug fahrenden Fahrzeugs und zumindest eines potentiell davor einscherenden Fahrzeugs analysiert, eine Spurführungsstrategie plausibilisiert und mit assoziierten Kosten und einer Erfolgsbewertung versehen werden. Durch die Kombination aus kontinuierlichem Planen und semantischer Information, also der Realisierung einer Mehrschichtarchitektur, die dem menschlichen Denken ähnelt, wird die komplexe Entscheidungsfindung vereinfacht und damit Rechenleistung eingespart. Außerdem kann so die Akzeptanz des Fahrers erhöht werden.In this case, the behavior of the vehicle driving in front of the ego vehicle and of at least one potentially collapsing vehicle can be analyzed, a plausibility check strategy can be made plausible and associated with associated costs and a performance evaluation. The combination of continuous planning and semantic information, ie the realization of a multi-layered architecture similar to human thinking, simplifies the complex decision-making process and thus saves computing power. In addition, the acceptance of the driver can be increased.

In einer Ausführung ergibt die Erfolgsbewertung basierend auf gelernten Werten aus früheren Situationen assoziierte Kosten für die Wahrscheinlichkeit, dass sich die Situation schlechter als erwartet entwickelt und dass das ausgewählte Manöver nicht durchgeführt werden kann.In one embodiment, the performance score based on learned values from past situations gives associated costs for the likelihood that the situation will develop worse than expected and that the selected maneuver can not be performed.

In einer Ausführung erfolgt eine Unterteilung in drei Abstraktionsebenen, wobei die erste Abstraktionsebene die höchste Ebene ist und eine generische Fahrspurwahl und Geschwindigkeitswahl basierend auf der aktuellen Verkehrslage durchführt, die zweite Abstraktionsebene eine longitudinale und laterale Strategie basierend auf der gewünschten Fahrspur und Geschwindigkeit ermittelt, umfassend die Erfolgsbewertung, und die dritte Abstraktionsebene basierend auf den Ergebnissen zumindest der zweiten Ebene eine Trajektorienplanung für die ermittelte Fahrstrategie durchführt.In one embodiment, a division into three levels of abstraction, where the first level of abstraction is the highest level and performs generic lane selection and speed selection based on the current traffic situation, the second level of abstraction determines a longitudinal and lateral strategy based on the desired lane and speed, comprising Performance evaluation, and the third level of abstraction based on the results of at least the second level trajectory planning for the determined driving strategy performs.

In einer Ausführung enthält die erste Ebene einen ersten Zeithorizont sowie vorgegebene Ziele, die zweite Ebene eine taktische Planung in einem zweiten Zeithorizont durchführt, der kürzer ist als der erste Zeithorizont, und die dritte Ebene die Trajektorienplanung in einem dritten Zeithorizont durchführt, der kürzer ist als der zweite Zeithorizont.In one embodiment, the first level includes a first time horizon and predetermined destinations, the second level performs tactical planning in a second time horizon that is shorter than the first time horizon, and the third level performs trajectory planning in a third time horizon that is shorter than the second time horizon.

In einer Ausführung wählt die erste Ebene eine Reihenfolge von Fahrspuren und Geschwindigkeiten als Ziele aus, die zweite Ebene führt eine Planung einer Fahrstrategie unter Einbeziehung von bekannten oder ermittelten Umgebungsbedingungen durch.In one embodiment, the first level selects an order of lanes and speeds as targets, the second level performs scheduling of a driving strategy involving known or determined environmental conditions.

Die Unterteilung in unterschiedliche Ebenen ermöglicht eine Aufspaltung der zu berechnenden Aufgaben in Unteraufgaben und eine Unterteilung je nach Abstraktionsgrad. Somit wird die Komplexität der Berechnungen verringert.The subdivision into different levels allows a splitting of the tasks to be calculated into sub-tasks and a subdivision depending on the level of abstraction. This reduces the complexity of the calculations.

In einer Ausführung werden bei der Planung in der zweiten Ebene unterschiedliche Manöveroptionen identifiziert, um auf der aktuellen Fahrspur zu bleiben oder einen Spurwechsel durchzuführen.In one embodiment, when planning in the second level, different maneuver options are identified to stay on the current lane or to make a lane change.

In einer Ausführung wird zur Ermittlung der Fahrstrategie bei der Planung in der zweiten Ebene eine Liste an aktuellen potentiellen Lücken für jede relevante Fahrspur erzeugt, relevante Agenten bezüglich ihres longitudinalen Abstands sortiert und daraus eine Lückeninformation ermittelt.In one embodiment, in order to determine the driving strategy during planning in the second level, a list of current potential gaps for each relevant traffic lane is generated, relevant agents are sorted with respect to their longitudinal distance, and gap information is determined therefrom.

In einer Ausführung werden eine Machbarkeitsbestimmung und eine Bewertung der ermittelten Lückeninformationen für jede relevante Fahrspur durchgeführt, umfassend die Bewertung der Erfolgswahrscheinlichkeit der unterschiedlichen ermittelten Manöveroptionen, sowie eine Gewichtung der ermittelten Information, um zu ermitteln, ob ein Fahrspurwechsel möglich istIn one embodiment, feasibility determination and evaluation of the determined gap information is performed for each relevant lane, including evaluating the likelihood of success of the different identified maneuver options, and weighting the determined information to determine if lane change is possible

Durch den taktischen Planer der zweiten Ebene können Informationen oder Vorgaben aus der höheren Ebene, also der globalen Ziele, mit Berechnungen der unteren Ebenen, also z.B. der Trajektorienplanung, kombiniert bzw. in Betracht gezogen werden. Dadurch kann auch bei nur begrenzt verfügbaren Informationen auf eine zukünftige Änderung der Situation rückgeschlossen bzw. diese vorhergesagt werden. Dadurch verbessert sich die Entscheidungsfindung für die optimale Fahrstrategie.Through the tactical planner of the second level, information or specifications from the higher level, ie the global goals, can be combined or taken into account with calculations of the lower levels, eg the trajectory planning. This can also be limited only available information is predicted or predicted to be a future change in the situation. This improves the decision-making process for the optimal driving strategy.

Ferner wird ein Computerprogrammprodukt vorgeschlagen, das dazu eingerichtet ist, das beschriebene Verfahren auszuführen.Furthermore, a computer program product is proposed, which is set up to carry out the described method.

Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung, anhand der Figuren der Zeichnung, die erfindungsgemäße Einzelheiten zeigt, und aus den Ansprüchen. Die einzelnen Merkmale können je einzeln für sich oder zu mehreren in beliebiger Kombination bei einer Variante der Erfindung verwirklicht sein.Further features and advantages of the invention will become apparent from the following description of embodiments of the invention, with reference to the figures of the drawing, the inventive details shows, and from the claims. The individual features can be realized individually for themselves or for several in any combination in a variant of the invention.

Bevorzugte Ausführungsformen der Erfindung werden nachfolgend anhand der beigefügten Zeichnung näher erläutert.

1 zeigt eine Untermenge einer Straße als 2D- und 1D-Abstraktion gemäß einer Ausführung der vorliegenden Erfindung.
2 zeigt eine Unterteilung in drei Abstraktionsebenen und den Ablaufplan der zweiten Ebene gemäß einer Ausführung der vorliegenden Erfindung.

Preferred embodiments of the invention are explained below with reference to the accompanying drawings.

1 shows a subset of a road as a 2D and 1D abstraction according to an embodiment of the present invention.
2 Figure 12 shows a subdivision into three levels of abstraction and the second level flowchart according to an embodiment of the present invention.

In den nachfolgenden Figurenbeschreibungen sind gleiche Elemente bzw. Funktionen mit gleichen Bezugszeichen versehen.In the following description of the figures, the same elements or functions are provided with the same reference numerals.

Bei der Manöverplanung spielen viele Faktoren eine Rolle, um die richtige Entscheidung treffen zu können. Bei der Betrachtung des Zeithorizonts muss häufig ein Kompromiss zwischen der Exaktheit der Information und dem Zeithorizont geschlossen werden. Das heißt, je weiter der Zeithorizont angenommen wird, desto ungenauer wird die Vorhersage der Entwicklung der Szene. Für einen menschlichen Fahrer stellt dies eher kein großes Problem dar, da das menschliche Gehirn dazu ausgelegt ist, vorausschauendes Verhalten durch Evaluieren der aktuellen Situation und ihrer Entwicklung mit einem reaktiven Verhalten zu kombinieren, das abhängig von der aktuellen Situation ist. Beispielsweise möchte der Fahrer auf die linke Fahrspur wechseln, um schneller fahren zu können. Dazu wählt er eine Lücke zwischen zwei Fahrzeugen aus und fährt in Richtung dieser Lücke. Dabei ist er fähig, auf ein unerwartetes Ereignis, z.B. ein Fahrzeug, das vor ihm auftaucht bzw. einschert, zu reagieren. Er passt z.B. die Geschwindigkeit seines Fahrzeugs an, um nicht mit dem Fahrzeug zu kollidieren.In maneuver planning, many factors play a role in making the right decision. When looking at the time horizon, it is often necessary to make a compromise between the accuracy of the information and the time horizon. That is, the further the time horizon is assumed, the less accurate the prediction of the development of the scene. For a human driver, this is not much of a problem because the human brain is designed to combine predictive behavior by evaluating the current situation and its development with a reactive behavior that is dependent on the current situation. For example, the driver wants to change to the left lane in order to drive faster. He chooses a gap between two vehicles and drives towards this gap. He is capable of responding to an unexpected event, e.g. a vehicle that appears in front of him or einschert to react. He fits e.g. the speed of his vehicle so as not to collide with the vehicle.

Das vorgeschlagene Verfahren nutzt eine Mehrschichtarchitektur, um dieses Verhalten nachzubilden. Dabei interagieren mehrere unterschiedliche Ebenen miteinander in unterschiedlichen Abstraktionsgraden. Eine hohe bzw. höhere (Abstraktions-)Ebene arbeitet an der generischen Fahrspur und der Wahl der Geschwindigkeit entsprechend dem aktuellen Verkehrsfluss. Sie ermittelt also eine Reihenfolge von Fahrspuren und Geschwindigkeiten. Als Inputinformation geht z.B. der bekannte Straßenverlauf mit Verkehrszeichen, Topologie der Fahrspur etc., aber auch der geschätzte Verkehrsfluss in die Ermittlung ein.The proposed method uses a multilayer architecture to mimic this behavior. Several different levels interact with each other in different degrees of abstraction. A high or higher (abstraction) level works on the generic lane and the choice of speed according to the current traffic flow. So it determines a sequence of lanes and speeds. As input information is e.g. the well-known road with traffic signs, topology of the lane, etc., but also the estimated flow of traffic in the investigation.

Eine Zwischenebene stellt eine Lateral- und Longitudinalstrategie mit der gewünschten Fahrbahn und Geschwindigkeit bereit. Die unteren Ebenen implementieren einen kurzen Horizont und die geforderten Unterziele. Die Zwischenebene ist für die Planung und Durchführung der Fahraktivität in einem mittleren Zeithorizont verantwortlich, also der taktischen Planung.An intermediate level provides a lateral and longitudinal strategy with the desired lane and speed. The lower levels implement a short horizon and the required subgoals. The intermediate level is responsible for the planning and execution of the driving activity in a medium time horizon, ie the tactical planning.

Ähnlich zu bekannten Verfahren wird zuerst eine Planungsinstanz als Paar definiert, also I = (Dom; Prob), wobei der Bereich Dom, auch als Domain bezeichnet, das Modell der Welt und die generischen Aktionen beschreibt, und das Problem Prob die aktuelle Welt instantiiert. Die Planungsebene ist ein Tupel, Dom = (P; F;R;O), wobei P ein finiter Satz an Prädikatensymbolen, von denen jedes einer Arität zugeordnet ist, F ein finiter Satz an Funktionssymbolen, welche numerische Werte darstellen, R ein finiter Satz an Relationssymbolen und O ein finiter Satz an schematischen Operatoren ist. Ein schematischer Operator ist ein Tupel von (Φ, e, cost, R), wobei Φ eine Formel erster Ordnung, also die Vorbedingung, e ein Effekt und ,cost‘ eine Funktion ist, welche die Betriebskosten abbildet. Die Hauptoperatoren für die Fahraufgabe sind Halten der Fahrbahn‘ KL und ,Wechseln der Fahrbahn‘ CL.Similar to known methods, a planning instance is first defined as a pair, that is, I = (Dom; Prob), where the domain Dom, also referred to as a domain, describes the model of the world and the generic actions, and the problem Prob instantiates the current world. The planning plane is a tuple, Dom = (P; F; R; O), where P is a finite set of predicate symbols, each of which is assigned to an arity, F is a finite set of function symbols representing numeric values, R is a finite set at relation symbols and O is a finite set of schematic operators. A schematic operator is a tuple of (Φ, e, cost, R), where Φ is a first-order formula, that is, the precondition, e is an effect, and, cost 'is a function that maps the operating costs. The main operators for the driving task are holding the carriageway 'KL and' changing the carriageway 'CL.

Wie aus dem Stand der Technik bekannt kann die Topologieebene definiert werden, indem die Welt als eine 2D-Abstraktion betrachtet wird. Ein Bereich ist eine zweidimensionale Untergruppe der Umgebung, welche durch eine oder mehrere Grenzen definiert werden kann. Ein Pfad beschreibt einen Teil der Umgebung als einen eindimensionalen Unterraum und kann gerichtet sein. Ein Ort beschreibt einen Teil der Umgebung als einen Nulldimensionalen Unterraum. Dasselbe Element kann durch unterschiedlich dimensionale Unterräume definiert sein, abhängig von der vom Planer benötigten Abstraktionsebene. Beispielsweise ist eine Fahrspur als ein Bereich mit zumindest einer fahrbaren Grenze gekennzeichnet. Diese Grenze ist definiert durch einen Referenzpfad, zwei laterale und zwei longitudinal Grenzen.As known in the art, the topology level can be defined by considering the world as a 2D abstraction. An area is a two-dimensional subset of the environment that can be defined by one or more boundaries. A path describes a part of the environment as a one-dimensional subspace and can be directed. A place describes a part of the environment as a zero-dimensional subspace. The same element can be defined by different dimensional subspaces, depending on the abstraction level required by the planner. For example, a lane is characterized as an area with at least one drivable boundary. This limit is defined by a reference path, two lateral and two longitudinal boundaries.

Ein Planer niedrigerer Ebene stellt die lateralen and longitudinalen Trajektorien bereit, um innerhalb der definierten Grenzen zu fahren. Ferner berücksichtigt er die 2D-Beschreibung der Fahrbahn, wobei gewünscht ist, in Richtung der Mittellinie zu fahren und Abweichungen innerhalb der Fahrbahngrenzen akzeptiert, aber bestraft werden.A lower level planner provides the lateral and longitudinal trajectories to travel within the defined limits. Further it takes into account the 2D description of the roadway, where it is desired to drive in the direction of the center line and to accept deviations within the lane boundaries, but to be penalized.

Der Planer höherer Ebene beschäftigt sich mit der Fahrbahnauswahl über die Zeit, wodurch er über die eindimensionale Abstraktion der Fahrbahnen und über den Anschluss urteilt.The higher level planner deals with lane selection over time, judging by the one-dimensional abstraction of the lanes and the connection.

1 zeigt ein Beispiel einer Straße, wobei im linken Teil der 1 eine 1D-Abstraktion und im rechten Teil eine 2D-Abstraktion davon dargestellt ist. Ein Kreuzungspunkt verbindet zumindest einen unterschiedlichen weiterführenden und einen wegführenden Referenzpfad. Andere durch die eindimensionalen (1D) Grenzen begrenzten Bereiche sind als Standardbereiche definiert, z.B. Parkplätze. Die zweidimensionale Abstraktion der Welt betrachtet das Straßenprofil nicht explizit. Allerdings ist diese Information für Situationen relevant, in denen die verfügbare Energie bzw. Kraft des Fahrzeugs verringert ist. Beispielsweise kann ein Fahrzeug mit einem Anhänger weniger verfügbare Energie bzw. Kraft für ein Überholmanöver haben als ein Fahrzeug ohne Anhänger. Auch sollte die abhängig von den Wetterbedingungen vorhandene Kraftübertragung auf die Straße während der Planung des Manövers berücksichtigt werden. Durch die Spezifizierung des Kontexts bei der Definition des Problems kann die verfügbare Beschleunigung eingeschränkt werden, so dass die Steigung, Beladung und Reibung implizit miteinbezogen sind. 1 shows an example of a road, wherein in the left part of the 1 a 1D abstraction and in the right part a 2D abstraction of it is shown. A crossing point connects at least one different continuative and one outgoing reference path. Others through the one-dimensional ( 1D ) Limits limited areas are defined as standard areas, eg parking lots. The two-dimensional abstraction of the world does not explicitly consider the road profile. However, this information is relevant to situations where the available energy or power of the vehicle is reduced. For example, a vehicle with a trailer may have less available energy or force for an overtaking maneuver than a vehicle without a trailer. Also, the power transmission to the road, depending on the weather conditions, should be considered during the maneuver planning. By specifying the context in defining the problem, the available acceleration can be constrained so that the slope, load and friction are implicitly included.

Das Problem Prob = (T; Obs; Ags; C; Goal) wird als ein 5-Tupel beschrieben, umfassend die aktuelle Topologie T, die Objekte Obs, die sogenannten Agenten Ags, den Kontext C und Zielzustandsspezifizierungen Goal. Objekte befinden sich auf der Straße. Einige können nicht befahren werden, z.B. Begrenzungen von Baustellen, womit die verfügbare Teilstrecke für das autonom fahrende Fahrzeug eingegrenzt wird. Auch können Objekte eine Veränderung der Straßenattribute wie maximal erlaubte Geschwindigkeit, Anschluss zwischen Fahrspuren etc. signalisieren, oder eine neue Grenze darstellen. Anders als Objekte sind Agenten proaktiv, zeitweise kontinuierlich, autonom und reaktiv. Sie sind auch nicht fahrbar und normalerweise dynamisch. Als autonome Entitäten folgen sie ihren eigenen Zielen. Für ihre Voraussage können unterschiedliche bekannte Verfahren angewendet werden, z.B. Manöver basierte oder interaktionsbasierte Verfahren. Die Voraussage ist ein nützlicher Beitrag zur Planung, aber hierfür muss trotzdem mit begrenzten Informationen umgegangen werden, wie vorher bereits beschrieben. Deshalb wird ein aus den Unbestimmtheiten abgeleiteter Bewertungsparameter in die Auswahlstrategie integriert, wie später beschrieben.The problem Prob = (T; Obs; Ags; C; Goal) is described as a 5-tuple comprising the current topology T, the objects Obs, the so-called agents Ags, the context C, and goal state specifications Goal. Objects are on the street. Some can not be driven, e.g. Limitations of construction sites, which limits the available distance for the autonomous vehicle. Also, objects may signal a change in road attributes such as maximum allowed speed, connection between lanes, etc., or represent a new boundary. Unlike objects, agents are proactive, at times continuous, autonomous, and reactive. They are also not mobile and usually dynamic. As autonomous entities they follow their own goals. For their prediction, various known methods can be used, e.g. Maneuver based or interaction based procedures. The prediction is a useful contribution to planning, but it still needs to be handled with limited information, as previously described. Therefore, an evaluation parameter derived from the indeterminacies is integrated into the selection strategy as described later.

Die Welt und ihre Entitäten sind vollständig und instanziiert mit der Definition des Bereichs und des Problems definiert. Die Fahraufgabe findet an einem definierten Ort basierend auf der Straßentopologie statt, wobei unterschiedliche Objekte dort platziert werden können, und einige davon auch die Attribute des Orts ändern können. Ferner sind unterschiedliche Agenten an dem Ort vorhanden bzw. bewegen und wiederholen sich dort, wie z.B. andere Verkehrsteilnehmer, welche der Straßentopologie folgen und Verkehrsregeln befolgen. Auch sind andere Nutzer vorhanden, welche die Straße nicht nutzen, wie z.B. Tiere oder Fußgänger. Das Fahrzeug verfolgt zwei unterschiedliche Ziele, das Erhaltungsziel, z.B. immer sicher zu fahren, und das Erfolgsziel, z.B. auf der gewählten Fahrbahn mit einer gewählten Geschwindigkeit zu fahren.The world and its entities are fully and instantiated with the definition of the realm and the problem defined. The driving task takes place at a defined location based on the road topology, where different objects can be placed there, and some of them can also change the attributes of the location. Further, different agents are present at the location and are repeating there, such as e.g. other road users who follow the road topology and follow traffic rules. There are also other users who do not use the road, such as Animals or pedestrians. The vehicle pursues two different goals, the conservation goal, e.g. always safe to drive, and the goal of success, e.g. to drive on the chosen lane at a chosen speed.

Viele klassische Planungsalgorithmen basieren auf einem diskretisierten Modell des kontinuierlichen Lösungsraums, wobei eine geführte Suche einen Plan nahe dem optimalen Plan erzeugt. Mit steigender Auflösung der Diskretisierung steigt die Komplexität der Lösung, wodurch ein Problem im Faktor der Verzweigungen auftritt, da der Satz an unterschiedlichen Lösungsmöglichkeiten gegen Unendlich geht.Many classical scheduling algorithms are based on a discretized continuous solution space model where a guided search produces a plan near the optimal plan. As the resolution of the discretization increases, the complexity of the solution increases, causing a problem in the branching factor, as the set of different possible solutions goes to infinity.

Um mit diesem Problem zurecht zu kommen stellt der erfindungsgemäße Planer eine Mehrschichtarchitektur bereit, bei der die ersten Ebenen 100 mit einer höheren Abstraktion des Bereichs und einem längeren Zeithorizont arbeiten, und die niedrigeren Ebenen 200, 300 mit höherer Präzision und kürzerem Zeithorizont arbeiten. Bei der höchsten Ebene 100 (in einem Beispiel der Fahrer) wählt der Planer die gewünschte Fahrbahn bzw. Fahrspur und eine (Maximal)Geschwindigkeit aus. Die Zwischenebene 200, der sogenannte taktische Planer bzw. die zweite Abstraktionsebene, berücksichtigt das Verhalten der die Straße umgebenden Nutzer, um die unterschiedlichen Möglichkeiten zu identifizieren und zu gruppieren, die Fahrspur beizubehalten oder zu wechseln, und wählt die beste Strategie aus. Der Trajektorienplaner 300, also eine niedrigere bzw. die dritte Ebene, schließlich stellt eine fahrbare und kollisionsfreie Trajektorie für das gewünschte Ziel des taktischen Planers 200 bereit.To cope with this problem, the inventive scheduler provides a multi-layer architecture in which the first levels 100 work with a higher abstraction of the area and a longer time horizon, and the lower levels 200 . 300 work with higher precision and shorter time horizon. At the highest level 100 In one example of the driver, the scheduler selects the desired lane and a (maximum) speed. The intermediate layer 200, the so-called tactical planner or the second level of abstraction, takes into account the behavior of the users surrounding the road in order to identify and group the different possibilities, to maintain the lane or to change the lane, and selects the best strategy. The trajectory planner 300 , that is, a lower or the third level, finally provides a mobile and collision-free trajectory for the desired goal of the tactical planner 200 ready.

Der Hauptunterschied des vorgeschlagenen Verfahrens zu einer Top-Down-Architektur ist sein Parallelismus. Die Planung kombiniert einen abstrakten Entscheidungsprozess mit numerischen Mechanismen. Dies führt zu einer vollständigen und strukturierten Untersuchung, Identifikation und Bewertung der unterschiedlichen Manöveroptionen während der Planungsaufgabe. Die Abstraktion von Manövergruppen erlaubt es dem Planer, die Komplexität durch Ausschalten des unendlichen Verzweigungsfaktors der Planungsaufgabe zu reduzieren. Zusätzlich erlaubt die Abstraktionsebene eine bessere Verfügbarkeit des Planers und kann direkt als eine Schnittstelle verwendet werden, um mit dem Nutzer zu kommunizieren.The main difference of the proposed method to a top-down architecture is its parallelism. Planning combines an abstract decision-making process with numerical mechanisms. This leads to a complete and structured investigation, identification and evaluation of the different maneuver options during the planning task. The abstraction of maneuver groups allows the planner to reduce complexity by eliminating the infinite branching factor of the scheduling task. additionally The level of abstraction allows better availability of the scheduler and can be used directly as an interface to communicate with the user.

Die Hauptfunktionalität des taktischen Planers 200 ist es, die unterschiedlichen Manöverteilbereiche zu identifizieren, um eine gewählte Fahrspur und Geschwindigkeit zu erreichen (welche eine Funktion oder eine Eingabe des Fahrers sein können), die Kosten jedes davon zu quantifizieren, die beste Strategie auszuwählen und diese in die Trajektorienplanung zu steuern. Diese Planungsebene kombiniert eine semantische Abstraktion des Konfigurationsraums mit einer kontinuierlichen Schätzung der Szenenentwicklung. Der Konfigurationsraum ist in Lückenplätze abstrahiert, die es dem Planer erlauben, über die Gruppe aller möglichen, jeder Lücke zugeordneten, Bewegungsverhalten zu urteilen. Diese Abstraktion stellt dem Planer eine einfache Schnittstelle zur Verfügung, um über die Zeit zu urteilen und den Suchraum für den numerischen Optimierer zu begrenzen. Eine solche Fahrspurhaltestrategie LK enthält die Möglichkeiten, auf der aktuellen Fahrspur mit dem Abstand zu bleiben, oder die für ein vorhergesagtes einscherendes Fahrzeug erzeugte Lücke beim Fahren zu berücksichtigen, oder bis zum Halten auf der aktuellen Fahrspur zu bremsen. Eine Spurwechselstrategie LC enthält alle Möglichkeiten des Wechselns in unterschiedliche definierte Lücken, ob in die rechte oder die linke Spur.The main functionality of the tactical planner 200 It is to identify the different maneuver ranges to achieve a selected lane and speed (which may be a function or input of the driver), quantify the cost of each, select the best strategy, and steer it into trajectory planning. This planning level combines a semantic abstraction of the configuration space with a continuous estimation of the scene development. The configuration space is abstracted into gaps that allow the planner to judge the group of all possible movement patterns associated with each gap. This abstraction provides the planner with a simple interface to judge over time and limit the search space for the numeric optimizer. Such a lane keeping strategy LK includes the ability to stay on the current lane with the distance, or to account for the gap created during driving for a predicted lurching vehicle, or to brake until it stops on the current lane. A lane change strategy LC contains all possibilities of changing into different defined gaps, whether in the right or the left lane.

Der taktische Planer 200 ist in einer Ausführung durch fünf unterschiedliche Untermodule gebildet, wie in 2 gezeigt. Ein Untermodul ist eine Lücken-Erzeugung 1, welche die Agentenliste verarbeitet, um eine Liste an aktuellen und potentiellen Lücken bereitzustellen. Für jede relevante Fahrspur werden die relevanten Agenten in Bezug auf ihren longitudinalen Abstand sortiert, um die Lückeninformation zu erzeugen. Phantomfahrzeuge sind dabei an den Sensorgrenzen platziert. Für Fahrzeuge mit einer Fahrspurvorhersage werden zwei unterschiedliche Sätze an Lücken erzeugt, um sowohl das Szenario zu berücksichtigen, in welchem die Spur nicht gewechselt wird, als auch das Szenario, in dem die Spur gewechselt wird. Beide Szenarien werden simuliert, die Kosten berechnet und proportional zu der Spurwechselwahrscheinlichkeit gewichtet.The tactical planner 200 is formed in one embodiment by five different sub-modules, as in 2 shown. A sub-module is a gap generation 1 which processes the agent list to provide a list of current and potential gaps. For each relevant lane, the relevant agents are sorted in relation to their longitudinal distance to generate the gap information. Phantom vehicles are placed at the sensor boundaries. For vehicles with lane prediction, two different sets of gaps are created to account for both the scenario in which the lane is not changed and the scenario in which the lane is changed. Both scenarios are simulated, the costs calculated and weighted in proportion to the lane change probability.

Sobald die Lücken erzeugt sind, wird eine Machbarkeits- und Bewertungsevaluierung durchgeführt. Die aktuelle Spur wird bezüglich der verfügbaren Entfernung nach vorne unter Berücksichtigung des Vorderfahrzeugs, potentiellen einscherenden Fahrzeugen und anderen Hindernissen evaluiert (Check Lane Keep Feasibility). Auf einem ähnlichen Weg wird dies für die Nachbarspuren durchgeführt und basierend auf der Liste der Lücken werden die erreichbaren Lücken für einen Spurwechsel identifiziert und assoziierte Brauchbarkeitskosten werden berechnet.Once the gaps are created, a feasibility and rating evaluation is performed. The current lane is evaluated for the available distance ahead, taking into account the vehicle in front, potential shunting vehicles and other obstacles (check lane keep feasibility). In a similar way, this is done for the neighbor lanes, and based on the list of gaps, the achievable gaps for a lane change are identified and associated usability costs are calculated.

Ein weiterer Block Strategiewahl 21 und 22 hat zwei unterschiedliche Aufgaben. Einerseits wählt er das am besten passende Manöver aus dem verfügbaren Satz und gibt dieses zum Manöver-Optimierungsmodul 3. Sobald die gewünschten Manöver optimiert sind, wählt die Strategiewahl 4 das am besten fahrbare Manöver 5 aus. Um ein sicheres Verhalten zu gewährleisten wird zuerst das konservativste Manöver gewählt und optimiert und dann werden, je nach Rechenzeit, andere Manöveroptionen untersucht. Somit wird in jedem Schritt eine Rückfallposition berücksichtigt.Another block strategy choice 21 and 22 has two different tasks. On the one hand, he chooses the best-suited maneuver from the available set and gives it to the maneuver optimization module 3 , Once the desired maneuvers are optimized, the strategy choice chooses 4 the best mobile maneuver 5 out. To ensure safe behavior, the most conservative maneuver is first selected and optimized, and then, depending on the computational time, other maneuver options are investigated. Thus, a fallback position is taken into account in each step.

Die Operatoren für Spurwechsel- und Spurhaltestrategien 21 und 22 werden plausibilisiert basierend auf einer Erreichbarkeitsanalyse für den freien Raum, der zwischen den involvierten Fahrzeugen verbleibt, also den verfügbaren Lücken.The operators for lane change and lane keeping strategies 21 and 22 are plausibility-based based on a reachability analysis for the free space remaining between the vehicles involved, ie the available gaps.

Eine Lücke wird für einen Spurwechsel akzeptiert, wenn zur betrachteten Zeit die vorhergesagte Entfernung nach vorne und nach hinten größer ist als eine definierte Sicherheitsentfernung s_safety. Die Sicherheitsentfernung nach vorne kann als Summe der Adaptionsentfernung Δs_adaption definiert werden, die als die Entfernung definiert ist, die benötigt wird, um zu bremsen, und der Geschwindigkeit des Vorderfahrzeugs und der Folgeentfernung s_follow, die durch die minimale Zeit zwischen den Fahrzeugen und der Geschwindigkeit des Führungsfahrzeugs gegeben ist. Die Sicherheitsentfernung nach hinten ist auch als die Summe der Bremsentfernung und der minimalen Zeit zwischen den Fahrzeugen definiert. Die Differenz zwischen der Sicherheitsentfernung nach vorne und der Sicherheitsentfernung nach hinten liegt in der angenommenen Bremsverzögerung des hinteren Fahrzeugs, wobei $S_{safety} (t) \geq S_{follow} (t) + Δ S_{adaption} (t)$

A gap is accepted for a lane change if at the time considered the predicted distance forward and backward is greater than a defined safety distance s _safety . The safety distance to the front can be defined as the sum of the adaptation distance .DELTA.s _adaptation, which is defined as the distance which is required to brake, and the speed of the preceding vehicle and the follow distance s _follow by the minimum time between the vehicles and the Speed of the leading vehicle is given. The rearward safety distance is also defined as the sum of the braking distance and the minimum time between the vehicles. The difference between the safety distance to the front and the safety distance to the rear is in the assumed braking deceleration of the rear vehicle, wherein

S_{safety} (t) \geq S_{follow} (t) + Δ S_{adaption} (t)

Basierend auf der aktuellen Spur werden das Vorderfahrzeug und das potentiell vorne einscherende Fahrzeug analysiert und die Spurführungsstrategien (also Spurhalten und/oder Spurwechsel) bezüglich Komfort- und Sicherheitsgrenzen werden plausibilisiert und mit den assoziierten Kosten und der Erfolgsbewertung, also der Bewertung der Erfolgswahrscheinlichkeit, in die Strategieliste eingefügt.Based on the current lane, the vehicle in front and the potentially collapsing vehicle are analyzed and the lane keeping strategies (ie lane departure and / or lane change) regarding plausibility and safety limits are checked for plausibility and the associated costs and the success rating, ie the probability of success Added strategy list.

Die nachfolgende Formel zeigt die Berechnung der Kosten. $c_{M} = c_{Gap} + c_{Δ v} + c_{LCD} + c_{SA}$

The following formula shows the calculation of the costs.

c_{M} = c_{Gap} + c_{Δ v} + c_{LCD} + c_{SA}

Der erste Bewertungsausdruck c_M berücksichtigt die aus dem Umgebungsmodell erhaltenen physikalischen Werte. Der Wert ist eine gewichtete Kombination aus der temporären Lückengröße c_Gap, der Differenzgeschwindigkeit c_Δv und der minimalen Zeitspanne, um den Spurwechsel durchzuführen, c_LCD, sowie der Erfolgsbewertung c_SA. The first evaluation term c _M takes into account the physical values obtained from the environment model. The value is a weighted combination of the temporary _gap size c _Gap , the differential _speed c _Δv and the minimum time to perform the lane change, c _LCD , and the performance rating c _SA .

In einer Ausführung ist ein Minimalkriterium für die Akzeptanz der Lücke als gap_min definiert. Dieser Wert repräsentiert die minimale Lückengröße zwischen zwei Fahrzeugen. Kleinere Lückengrößen gap_size können als unendliche Kosten (und damit als nicht akzeptiert), und größere Lückengrößen gap_size als eine normalisierte Kostenbewertung angenommen werden, wie in Formel 3 beispielhaft gezeigt. Andere Bewertungen sind ebenfalls möglich. $c_{g a p} = {\begin{array}{l} \infty, & g a p_{s i z e} < g a p_{m i n} \\ \frac{g a p_{m i n}}{g a p_{s i z e}}, & g a p_{s i z e} \geq g a p_{m i n} \end{array}$

In one embodiment, a minimum criterion for accepting the gap is defined as gap _min . This value represents the minimum gap size between two vehicles. Smaller gap sizes gap _size can be taken as infinite costs (and hence not accepted), and larger gap sizes gap _size as a normalized cost score, as exemplified in Formula 3. Other reviews are also possible.

c_{G a p} = {\begin{array}{l} \infty . & G a p_{s i z e} < G a p_{m i n} \\ \frac{G a p_{m i n}}{G a p_{s i z e}} . & G a p_{s i z e} \geq G a p_{m i n} \end{array}

Ein weiteres Kriterium ist, dass das Ego-Fahrzeug versuchen sollte, mit einer Geschwindigkeit so nahe wie möglich an der gewünschten Geschwindigkeit v_ref zu fahren, wobei ein Sicherheitsabstand zu anderen Straßennutzern einzuhalten ist. Die nahfolgende Formel evaluiert die maximale Geschwindigkeitsabweichung von der gewünschten Geschwindigkeit während des Manövers. $c_{Δ v} = \frac{max (a b s (Δ v (t)))}{v_{r e f}}$

Another criterion is that the ego vehicle should try to travel at a speed as close as possible to the desired speed v _ref with a safe distance from other road users. The following formula evaluates the maximum speed deviation from the desired speed during the maneuver.

c_{Δ v} = \frac{Max (a b s (Δ v (t)))}{v_{r e f}}

Ferner stellt normalerweise die minimale geschätzte Zeit für die Ego-Spurwechsel t_gapReach die relevanten Informationen zum Vergleich von zwei Strategien bereit. Spurwechsel, die später beendet werden, werden bestraft, da sie ein Risiko beinhalten, dass sich die Situation ändert. Für örtlich begrenzte Situationen wie Straßenenden, Ausfahrten etc. wird die verfügbare Entfernung in eine verfügbare Zeit t_max umgewandelt, für nicht begrenzte Situationen wird eine generische verfügbare Zeit berücksichtigt. Wie in Formel (5) gezeigt, werden die Kosten für die minimale Zeitspanne zum Spurwechsel c_LCD mit einer Exponentialfunktion berechnet, so dass die Kosten schneller wachsen, wenn sich die geschätzte Zeit der Grenze t_gapReach der verfügbaren Zeit tmax nähert. $c_{L C D} = {\begin{array}{l} \infty, & t_{g a p R e a c h} < t_{m a x} \\ e^{- \frac{t_{m a x} - t_{g a p R e a c h}}{t_{g a p R e a c h}}}, & t_{g a p R e a c h} \geq t_{m a x} \end{array}$

Further, normally, the minimum estimated time for the ego lane changes t _{gapReach provides} the relevant information for comparing two strategies. Lane changes that are later completed will be penalized as they involve a risk that the situation will change. For localized situations such as road ends, exits etc. the available distance is converted into an available time t _max , for non-limited situations a generic available time is taken into account. As shown in formula (5), the cost of the minimum lane change time interval c _{LCD is} calculated with an exponential function, so that the cost increases faster as the estimated time approaches the limit t _{gapReach of} the available time tmax.

c_{L C D} = {\begin{array}{l} \infty . & t_{G a p R e a c H} < t_{m a x} \\ e^{- \frac{t_{m a x} - t_{G a p R e a c H}}{t_{G a p R e a c H}}} . & t_{G a p R e a c H} \geq t_{m a x} \end{array}

Die Erfolgsbewertung c_SA evaluiert Konsequenzen einer Szenenentwicklung, die sich von der vorhergesagten unterscheidet. Die wahrscheinlichste Entwicklung wird evaluiert und innerhalb der Kostenfunktionszeit simuliert. Die Erfolgsbewertung ergibt basierend auf gelernten Werten aus früheren Situationen assoziierte Kosten für die Wahrscheinlichkeit, dass sich die Situation schlechter als erwartet entwickelt und dass eine ausgewählte Lücke nicht erreicht werden kann. Dadurch sind Unbestimmtheiten im Verhalten anderer Verkehrsteilnehmer durch den Kostenwert c_SA berücksichtigt, wobei c_SA als die Wahrscheinlichkeit eines nicht erfolgreichen Spurwechsels mit einem ausgewählten Manöver ist, also c_SA = 1- p (Erfolg | ausgewähltes Manöver). Die Erfolgsbewertung erfolgt also durch Lernen aus früheren Werten, z.B. über ein neuronales Netzwerk oder andere Maschinenlernmethoden und Integrieren dieser gelernten Parameter in die Entscheidungsfindung.The performance rating c _SA evaluates consequences of a scene development that differs from the predicted ones. The most likely development is evaluated and simulated within the cost-function time. The performance score, based on learned values from past situations, gives associated costs for the likelihood that the situation will develop worse than expected and that a selected gap can not be reached. As a result, uncertainties in the behavior of other road users are taken into account by the cost value c _SA , where c _SA is the probability of an unsuccessful lane change with a selected maneuver, ie c _SA = 1 p (success | selected maneuver). The evaluation of success therefore takes place by learning from previous values, eg via a neural network or other machine learning methods and integrating these learned parameters into the decision-making process.

In einer Ausführung wird für die Erfolgsbewertung ein Satz an Simulationen unter Änderung der Startbedingungen durchlaufen, wobei z.B. ein neuronales Netzwerk mit 2 Ebenen und 30 Knoten trainiert wird. Für jede Simulation wird, sobald ein Spurwechsel gestartet wurde, die Information der ausgewählten Lücke und das Ergebnis des Manövers, also ob der Spurwechsel innerhalb der ausgewählten Lücke erfolgreich war oder nicht, gespeichert und als Zielwert an das neuronale Netzwerk weitergegeben. Somit ist eine binäre Klassifizierung für eine Startsituation oder ein Merkmalsvektor für einen erfolgreichen Spurwechsel vorhanden. Der Merkmalsvektor ist als Eingangsvektor durch den Abstand zwischen den Fahrzeugen, der longitudinalen Distanz und der Time-to-Collision, also der Zeit bis zu einer Kollision, zwischen dem Ego-Fahrzeug und den in dem Manöver involvierten Hauptfahrzeugen definiert. Das heißt, dass sowohl die Fahrzeuge, welche die Ziellücke der gewünschten Spur definieren, als auch das Vorderfahrzeug des Ego-Fahrzeugs auf der aktuellen Fahrspur, den Merkmalsvektor definieren.In one embodiment, for success evaluation, a set of simulations is run under change of start conditions, e.g. a neural network with 2 levels and 30 knots is trained. For each simulation, once a lane change has been started, the information of the selected gap and the result of the maneuver, that is, whether the lane change within the selected gap was successful or not, is stored and passed as a target value to the neural network. Thus, there is a binary classification for a starting situation or a feature vector for a successful lane change. The feature vector is defined as the input vector by the distance between the vehicles, the longitudinal distance and the time-to-collision, ie the time to collision, between the ego vehicle and the main vehicles involved in the maneuver. That is, both the vehicles defining the destination lane of the desired lane and the front vehicle of the ego vehicle on the current lane define the feature vector.

Das Verfahren kann mit dynamischen Umgebungen umgehen, da die vorausschauende Planungsstruktur die wahrscheinlichste Entwicklung der Situation berücksichtigt, aber auch vergangene Erfahrungswerte integriert und die dynamischen Fahrzeuggrenzen unter Einbeziehung einer flexiblen und modularen Struktur enthält.The method can handle dynamic environments because the predictive planning structure takes into account the most likely evolution of the situation, but also integrates past experience and includes the dynamic vehicle boundaries, incorporating a flexible and modular structure.

Durch das Verfahren der vorliegenden Erfindung, welches als Computerprogrammprodukt ausgeführt sein kann, das wiederum auf einer Recheneinheit ausführbar ist, wird eine optimierte Manöverplanung mit geringer Rechenzeit und hoher Akzeptanz des Fahrers erreicht.By the method of the present invention, which may be embodied as a computer program product, which in turn is executable on a computing unit, an optimized maneuver planning with low computing time and high acceptance of the driver is achieved.

Claims

A method for optimizing a maneuver planning of a vehicle, comprising a planning level divided into at least three different levels of abstraction (100, 200, 300) for all scheduling layers of the planning level, combining continuous scheduling and semantic information by grouping a plurality of maneuver options determined and a performance evaluation of each maneuver option incorporating uncertainty in the behavior of other road users is performed to select the best strategy to perform.

Method according to Claim 1 where the performance score based on learned values from past situations gives associated probabilities of likelihood that the situation will develop worse than expected and that the selected maneuver can not be performed.

Method according to Claim 1 or 2 wherein the subdivision is into three levels of abstraction (100, 200, 300), wherein the first level of abstraction (100) is the highest level and performs generic lane selection and speed selection based on the current traffic situation, the second level of abstraction (200) is longitudinal and lateral Determining strategy based on the desired lane and speed, comprising the performance rating, and the third level of abstraction (300), based on the results of at least the second level, performs trajectory planning for the determined driving strategy.

Method according to one of the preceding claims, wherein the first level (100) has a first time horizon and predetermined targets, the second level (200) performs a tactical planning in a second time horizon that is shorter than the first time horizon, and the third level (300) performs trajectory planning in a third time horizon that is shorter than the second time horizon.

Method according to one of the preceding claims, wherein the first level (100) selects an order of lanes and speeds as targets, and the second level (200) performs a planning of a driving strategy involving known or determined environmental conditions.

Method according to one of the preceding claims, wherein the planning in the second level (200) different maneuver options are identified to stay on the current lane or to perform a lane change.

Method according to Claim 6 in which, in order to determine the driving strategy during planning in the second level (200), a list of current potential gaps for each relevant lane is generated, relevant agents are sorted with respect to their longitudinal distance and gap information is determined therefrom.

Method according to Claim 7 in which, in order to determine the driving strategy in the planning in the second level (200), a feasibility determination and an evaluation of the determined gap information are carried out for each relevant lane, comprising the performance evaluation of the different maneuver options determined, and a weighting of the determined information in order to determine whether a lane change is possible.

Computer program product adapted to carry out the method according to one of the preceding claims.