DE102019216457A1

DE102019216457A1 - Autonome Fahrfunktion eines Kraftfahrzeugs

Info

Publication number: DE102019216457A1
Application number: DE102019216457.9A
Authority: DE
Inventors: Valerie Engel; Andreas Wendzel; Lara Ruth Turner; Julian King; Maik Dreher
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2019-10-25
Filing date: 2019-10-25
Publication date: 2021-04-29

Abstract

Die Erfindung betrifft eine Prozessoreinheit (3) zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug (1), wobei die autonome Fahrfunktion durch einen MPC-Algorithmus (13) zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs (1) gebildet wird, wobei der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Ego-Fahrzeugs (1), eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) sowie eine zu minimierende Kostenfunktion (15) enthält, wobei die Prozessoreinheit (3) dazu eingerichtet ist, den MPC-Algorithmus (13) auszuführen, sodass das Ego-Fahrzeug (1) basierend auf der Ausführung des MPC-Algorithmus' (13) autonom fährt, und wobei die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des Längsdynamikmodells (14) des Ego-Fahrzeugs (1) sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) eine Eingangsgröße für die modellbasierte prädiktive Regelung des Ego-Fahrzeugs (1) zu ermitteln, sodass die Kostenfunktion minimiert wird.

Description

Die Erfindung betrifft eine autonome Fahrfunktion für ein Ego-Fahrzeug. Beansprucht werden in diesem Zusammenhang insbesondere eine dazu eingerichtete Prozessoreinheit, ein Verfahren und ein Computerprogrammprodukt. Ein weiterer Anspruch ist auf ein Kraftfahrzeug mit der vorstehend genannten Prozessoreinheit gerichtet.
Aus der DE 10 2013 104 533 A1 ist ein regelbasiertes Verfahren zum Betreiben eines Fahrzeugs bekannt, bei dem der Betrieb des Fahrzeugs als Reaktion darauf eingestellt wird, ob eine detektierte Verkehrssteuervorrichtung ein Stoppschild oder eine Verkehrsampel ist. Dabei wird ein aktueller Fahrzeugzustand bewertet, wobei der Fahrzeugzustand auf einem Abstand zwischen dem Fahrzeug und einer Kreuzung, einem Abstand zwischen dem Fahrzeug und einem nächsten vorderen Fahrzeug, einer Geschwindigkeit des Fahrzeugs und einer Verlangsamungsrate des Fahrzeugs basiert. Auf Basis des aktuellen Fahrzeugzustandes wird eine Fahrzeugsteuerstrategie bestimmt, die entweder automatisch durchgeführt wird oder einem Fahrer des Fahrzeugs empfohlen wird.
Die Aufgabe der vorliegenden Erfindung besteht darin, eine autonome Fahrfunktion eines Kraftfahrzeugs hinsichtlich einer energieeffizienten und zeitsparenden Fahrweise zu verbessern. Die Aufgabe wird gelöst durch die Gegenstände der unabhängigen Patentansprüche. Vorteilhafte Ausführungsformen sind Gegenstand der Unteransprüche, der folgenden Beschreibung sowie der Figuren.
Die vorliegende Erfindung schlägt vor, ineffiziente und zeitintensive Fahrweisen des Ego-Fahrzeugs zu vermeiden, indem die autonome Fahrstrategie unter Beachtung aller Beschränkungen des Fahrbetriebs des Ego-Fahrzeugs dahingehend geplant wird, dass ein Optimum hinsichtlich Geschwindigkeit sowie Betriebspunktwahl des Ego-Fahrzeugs realisiert wird. Gleichzeitig erfolgt eine Optimierung des Energieverbrauchs des Ego-Fahrzeugs während der Fahrt durch Kenntnis von Betriebsdaten des vorausfahrenden Fahrzeugs. Basis dafür ist eine möglichst genaue Verarbeitung von Signalen von im Prädiktionshorizont liegenden Ampelschaltungsanlagen. Bei Verwendung eines MPC-Optimierungsalgorithmus' als Fahrstrategie kann die prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage berücksichtigt werden.
Beschleunigungsvorgänge kosten dem Ego-Fahrzeug viel Energie, wobei deshalb insbesondere unnötige Bremsungen mit anschließender Beschleunigung verhindert werden sollen, wie sie beim Zufahren auf an Kreuzungen befindlichen Ampeln häufig vorkommen, da sie ineffizient sind. Selbst wenn ein Teil der Energie bei einem als Elektrofahrzeug ausgebildeten Ego-Fahrzeug rekuperiert werden kann, geht durch die Umwandlungsverluste im System Energie verloren. Daher sollen unnötige Brems- und Anfahrvorgänge vor Ampeln vermieden werden, wobei die Ampel mit minimalem Zeit- und Energieaufwand passiert werden soll. Darüber hinaus soll vom System eine richtige Entscheidung getroffen werden, ob ein Anhalten des Ego-Fahrzeugs notwendig oder zweckmäßig ist.
In diesem Sinne wird gemäß einem ersten Aspekt der Erfindung eine Prozessoreinheit zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug unter Berücksichtigung wenigstens eines im Umfeld des Ego-Fahrzeugs befindlichen Fahrzeugs bereitgestellt, wobei die autonome Fahrfunktion durch einen MPC-Algorithmus zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs gebildet wird, wobei der MPC-Algorithmus ein Längsdynamikmodell des Ego-Fahrzeugs, eine zu minimierende Kostenfunktion sowie eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage enthält. Die Prozessoreinheit ist dazu eingerichtet, den MPC-Algorithmus auszuführen, sodass das Ego-Fahrzeug basierend auf der Ausführung des MPC-Algorithmus' autonom fährt.
Die Prozessoreinheit ist dazu eingerichtet, den MPC-Algorithmus auszuführen, sodass das Ego-Fahrzeug basierend auf der Ausführung des MPC-Algorithmus' autonom fährt, und durch Ausführen des MPC-Algorithmus' - nachdem die Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts befindlichen Ampelsteuerungsanlage erfasst wurde - unter Berücksichtigung des Längsdynamikmodells des Ego-Fahrzeugs eine Eingangsgröße für die modellbasierte prädiktive Regelung des Ego-Fahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird. Anders gesagt ist die Prozessoreinheit dazu eingerichtet, eine autonome Fahrfunktion auszuführen, sodass das Ego-Fahrzeug basierend auf der Ausführung der autonomen Fahrfunktion autonom fährt.
Um in jeder Situation unter gegebenen Randbedingungen und Beschränkungen eine optimale Lösung für eine sogenannte „Driving Efficiency“ Fahrfunktion zu finden, welche eine effiziente Fahrweise bereitstellen soll, kann die Methode der modelbasierten prädiktiven Regelung (MPC) gewählt werden. Methoden der modelbasierten prädiktiven Regelung (im Englischen: Model Predictive Control oder abgekürzt: MPC) werden auf dem Gebiet der Trajektorie-Regelung eingesetzt, beispielsweise zur Motor-Regelung im Kontext des autonomen Fahrens. Die MPC-Methode basiert auf einem Systemmodell, welches das Verhalten des Systems beschreibt. Weiterhin basiert die MPC-Methode insbesondere auf einer Zielfunktion bzw. auf einer Kostenfunktion, die ein Optimierungsproblem beschreibt und bestimmt, welche Zustandsgrößen minimiert werden sollen. Die Zustandsgrößen für die Driving Efficiency Fahrfunktion können insbesondere die Fahrzeuggeschwindigkeit bzw. die kinetische Energie, die verbleibende Energie in der Batterie eines elektrischen Fahrantriebs und die Fahrzeit sein. Die Optimierung von Energieverbrauch und Fahrtzeit erfolgt insbesondere auf Basis der Steigung der vorausliegenden Strecke und Beschränkungen bzw. Nebenbedingungen für Geschwindigkeit und Antriebskraft, sowie auf Basis des aktuellen Systemzustands.
Das Längsdynamikmodell des Antriebsstrangs kann ein Fahrzeugmodell mit Fahrzeugparametern und Antriebsstrangverlusten (z.T. approximierte Kennfelder) umfassen. In das Längsdynamikmodell des Antriebsstrangs können insbesondere Kenntnisse über vorausliegende Streckentopografien (z.B. Kurven und Steigungen) einfließen. Weiterhin können auch Kenntnisse über Geschwindigkeitslimits auf der vorausliegenden Strecke in das Längsdynamikmodell des Ego-Fahrzeugs einfließen.
Aktuelle Zustandsgrößen können gemessen, entsprechende Daten können aufgenommen und dem MPC-Algorithmus zugeführt werden. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. bis zu 5 km) vor dem Ego-Fahrzeug insbesondere zyklisch aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Ego-Fahrzeug umgerechnet werden. Außerdem kann eine Ortung des Ego-Fahrzeugs erfolgen, insbesondere über ein GNSS-Signal zur genauen Lokalisierung auf der elektronischen Karte. Zudem umfassen die Zustandsgrößen die Umschaltzeitpunkte der jeweiligen innerhalb des Prädiktionshorizonts befindlichen Ampelsteuerungsanlage.
Die prädizierte Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage wird als zusätzliche Randbedingung im MPC-Algorithmus berücksichtigt, welche den Lösungsraum zur Minimierung der Kostenfunktion zusätzlich begrenzt. Die prädizierte Ampelschaltung wird aus Informationen von entlang der Trajektorie befindlichen Ampelsteuerungsanlagen, welche eine oder mehrere Ampeln oder Ampelanlagen schalten, generiert, wobei aus der prädizierten Ampelschaltung unter Berücksichtigung des Längsdynamikmodells des Ego-Fahrzeugs beispielsweise eine maximale Geschwindigkeit oder minimale Fahrtzeit des Ego-Fahrzeugs im Vorausschauhorizont abgeleitet wird.
Die Prozessoreinheit ist bevorzugt dazu eingerichtet, mittels des MPC-Algorithmus' eine Antriebsmaschine eines Antriebstrangs des Ego-Fahrzeugs zu regeln, wobei der MPC-Algorithmus ein Längsdynamikmodell des Antriebsstrangs, eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelanlage sowie eine zu minimierende Kostenfunktion enthält. Die Prozessoreinheit ist dazu eingerichtet, durch Ausführen des MPC-Algorithmus' eine Eingangsgröße für die Regelung der Antriebsmaschine zu ermitteln, sodass das Ego-Fahrzeug durch die Antriebsmaschine autonom angetrieben wird und sodass die Kostenfunktion minimiert wird.
Vorzugsweise enthält die Kostenfunktion als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell sowie gemäß der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelanlage prädizierte elektrische Energie, welche innerhalb eines Prädiktionshorizonts von einer Batterie des Antriebsstrangs zum Antrieb der Antriebsmaschine bereitgestellt wird, wobei die Kostenfunktion als zweiten Term ferner eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell sowie gemäß der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelanlage prädizierte Fahrzeit enthält, welche das Ego-Fahrzeug zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt. Die Prozessoreinheit ist dazu eingerichtet, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term eine Eingangsgröße für die Regelung der Antriebsmaschine des Ego-Fahrzeugs zu ermitteln, sodass die Kostenfunktion minimiert wird.
Die Kostenfunktion besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann. Die Zielfunktion bzw. die Kostenfunktion kann mit einer Gewichtung (Gewichtungsfaktoren) aufgestellt werden, wobei insbesondere eine Energieeffizienz, eine Fahrtzeit und ein Fahrkomfort berechnet und gewichtet werden. Eine energieoptimale Geschwindigkeitstrajektorie kann für einen vorausliegenden Horizont auf der Prozessoreinheit online berechnet werden, die insbesondere ein Bestandteil eines zentralen Steuergeräts des Ego-Fahrzeugs bilden kann. Durch Nutzung der MPC-Methode kann weiterhin eine zyklische Neuberechnung der Soll-Geschwindigkeit des Ego-Fahrzeugs auf Basis des aktuellen Fahrzustands und der vorausliegenden Streckeninformationen erfolgen. Alternativ kann eine energieoptimale Trajektorie berechnet und gewichtet werden, die eine möglichst geringe Fahrzeit des Ego-Fahrzeugs bewirkt.
Durch die Kostenfunktion des MPC-Algorithmus' erfolgt eine Minimierung der Fahrzeit für den Prädiktionshorizont und eine Minimierung von verbrauchter Energie bei gleichzeitiger Optimierung der Fahrzeuggeschwindigkeit. In einer Ausführungsform erfolgt weiterhin eine Minimierung von Drehmomentänderungen für den Prädiktionshorizont. Was den Input für die modellbasierte prädiktive Regelung angeht, so können dem MPC-Algorithmus als Nebenbedingungen z.B. Geschwindigkeitslimits, physikalische Grenzen für das Drehmoment und Drehzahlen der Antriebsmaschine zugeführt werden. Dem MPC-Algorithmus können weiterhin Steuergrößen für die Optimierung als Input zugeführt werden, insbesondere die Geschwindigkeit des Fahrzeugs (welche proportional zur Drehzahl sein kann), das Drehmoment der Antriebsmaschine und der Batterieladezustand. Als Output der Optimierung kann der MPC-Algorithmus eine optimale Drehzahl und ein optimales Drehmoment für berechnete Punkte im Vorausschauhorizont liefern. Was die Umsetzung der MPC-Regelung im Fahrzeug angeht, so kann dem MPC-Algorithmus ein Softwaremodul nachgeschaltet sein, welches einen aktuell relevanten Zustand ermittelt und an eine Leistungselektronik weitergibt.
Energieverbrauch und Fahrzeit bzw. Maximalgeschwindigkeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Dieser Term ist also nur für den letzten Punkt des Horizonts aktiv. In diesem Sinne enthält die Kostenfunktion in einer Ausführungsform einen mit dem ersten Gewichtungsfaktor gewichteten Energieverbrauchsendwert, den die prädizierte elektrische Energie am Ende des Prädiktionshorizonts annimmt, und die Kostenfunktion enthält einen mit dem zweiten Gewichtungsfaktor gewichteten Fahrzeitendwert, den die prädizierte Fahrzeit am Ende des Prädiktionshorizonts annimmt.
Um ein komfortables Fahren sicher zu stellen, können zusätzlich Terme zur Bestrafung von Momentensprüngen eingeführt werden. In diesem Sinne kann die Kostenfunktion einen dritten Term mit einem dritten Gewichtungsfaktor aufweisen, wobei der dritte Term einen gemäß dem Längsdynamikmodell prädizierten Wert eines Drehmoments enthält, welches die Antriebsmaschine zum Antrieb des Ego-Fahrzeugs bereitstellt, und wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term und in Abhängigkeit von dem dritten Term die Eingangsgröße für die Antriebsmaschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Für den ersten Punkt im Horizont kann die Abweichung zum zuletzt gestellten Moment negativ bewertet werden, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt. In diesem Sinne kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert eines gemäß dem Längsdynamikmodell prädizierten Drehmoments enthalten, welches die Antriebsmaschine zum Antrieb des Ego-Fahrzeugs zu einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Dabei kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert eines Drehmoments enthalten, welches die Antriebsmaschine zum Antrieb des Ego-Fahrzeugs zu einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt. Bei dem nullten Drehmoment kann es sich insbesondere um ein real - in nicht bloß prädiziert - von der Antriebsmaschine bereitgestelltes Drehmoment handeln. In der Kostenfunktion kann der nullte Wert des Drehmoments von dem ersten Wert des Drehmoments abgezogen werden.
Alternativ kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert einer gemäß dem Längsdynamikmodell prädizierten Antriebskraft enthalten, welche die Antriebsmaschine zum Antrieb des Ego-Fahrzeugs zu einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Der dritte Term enthält dabei einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert einer Antriebskraft, welche die Antriebsmaschine zum Antrieb des Ego-Fahrzeugs zu einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt, wobei in der Kostenfunktion der nullte Wert der Antriebskraft von dem ersten Wert der Antriebskraft abgezogen wird.
Bei den Wegpunkten, welche durch den MPC-Algorithmus berücksichtigt werden, handelt es sich insbesondere um diskrete Wegpunkte, die beispielsweise in einer bestimmten Frequenz aufeinanderfolgen. In diesem Sinne stellen der nullte Wegpunkt und der erste Wegpunkt diskrete Wegpunkte dar, wobei der erste Wegpunkt unmittelbar auf den nullten Wegpunkt folgt. Der nullte Wegpunkt kann zeitlich vor dem Prädiktionshorizont liegen. Für den nullten Wegpunkt kann der nullte Drehmomentwert gemessen oder ermittelt werden. Der erste Wegpunkt stellt insbesondere den ersten Wegpunkt innerhalb des Prädiktionshorizonts dar. Für den ersten Wegpunkt kann der erste Drehmomentwert prädiziert werden. Somit kann der real ermittelte nullte Drehmomentwert mit dem prädizierten ersten Drehmomentwert verglichen werden.
Zusätzlich sind zu hohe Drehmomentgradienten innerhalb des Horizonts unvorteilhaft, so dass diese in einer Ausführungsform bereits in der Zielfunktion bestraft werden. Dafür kann die quadratische Abweichung der Antriebskraft je Meter gewichtet und in der Zielfunktion minimiert werden. In diesem Sinne kann die Kostenfunktion einen vierten Term mit einem vierten Gewichtungsfaktor aufweisen, wobei der vierte Term einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments oder einen Indikatorwert für einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments enthält. Die Prozessoreinheit ist dabei dazu eingerichtet, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term und in Abhängigkeit von dem vierten Term die Eingangsgröße für die Antriebsmaschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
In einer Ausführungsform enthält der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung des Gradienten des Drehmoments. Weiterhin kann die Kostenfunktion eine mit dem vierten Gewichtungsfaktor aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die Antriebsmaschine bereitstellt, um das Ego-Fahrzeug einen Meter in Längsrichtung fortzubewegen. In diesem Sinne kann der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die Antriebsmaschine bereitstellt, um das Ego-Fahrzeug einen Meter in Längsrichtung fortzubewegen.
Geschwindigkeitslimits, die beispielsweise durch eine Verkehrsstraßenordnung festgelegt sein können, sind für die Optimierung harte Grenzen, die nicht überschritten werden sollen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, in denen sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus' zu erhöhen, kann eine sogenannte „Soft Constraint“ in die Zielfunktion eingeführt werden. Insbesondere kann eine sogenannte „Schlupf-Variable“ bzw. „Slack-Variable“ in einem vorgegebenen schmalen Bereich aktiv werden, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, können dabei schlechter bewertet werden, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten. In diesem Sinne kann die Kostenfunktion als fünften Term eine mit einem fünften Gewichtungsfaktor gewichtete Slack-Variable enthalten, wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term, in Abhängigkeit von dem vierten Term und in Abhängigkeit von dem fünften Term die Eingangsgröße für die Antriebsmaschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Um die physikalischen Grenzen der Antriebsstrangkomponenten zu respektieren, kann die Zugkraft durch Beschränkung des Kennfelds der Antriebsmaschine limitiert werden. Beispielsweise ist für die maximale Rekuperation die Batterie das limitierende Element. Um diese nicht zu schädigen, sollte ein bestimmter negativer Leistungswert nicht unterschritten werden.
Vorzugsweise umfasst die prädizierte Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage wenigstens einen Umschaltzeitpunkt einer Ampel zwischen einem ersten Signal und einem zweiten Signal. Als Umschaltzeitpunkt ist somit ein solcher Zeitpunkt zu verstehen, bei dem die Ampel beispielsweise zwischen einem roten Leuchtsignal und einem grünen Leuchtsignal, oder umgekehrt, schaltet. Auch eine Zwischenschaltung eines gelben Leuchtsignals ist möglich. Im Betrieb der Ampelanlage bzw. der jeweiligen Ampelsteuerungsanlage erfolgen in aller Regel regelmäßige Wechsel zwischen den beiden Signalen, sodass im Wechsel ein Passieren der Ampel freigegeben (grünes Leuchtsignal) und ein Passieren der Ampel nicht freigegeben (rotes Leuchtsignal) ist.
Der Umschaltzeitpunkt bzw. die Umschaltzeitpunkte sind dem Ego-Fahrzeug frühzeitig bekannt, sodass die Fahrzeuglängsführung des Ego-Fahrzeugs, insbesondere die Geschwindigkeitstrajektorie des Ego-Fahrzeugs durch Ausführung des MPS-Algorithmus' mittels der Prozessoreinheit derart bestimmt wird, dass eine vorausschauende Längsführung des Ego-Fahrzeug realisiert wird und damit unnötige Brems- und/oder Anfahrvorgänge vor der Ampel vermieden werden. Mithin passiert das Ego-Fahrzeug die Ampel mit minimalem Zeit- und Energieaufwand. Mit anderen Worten wird von der Prozessoreinheit eine mögliche Ankunftszeit des Ego-Fahrzeug an der Ampel bzw. an der Kreuzung, der die Ampel zugeordnet ist, berechnet und anhand der Signale der Ampelsteuerungsanlage hinsichtlich der Umschaltzeitpunkte eine Trajektorie des Ego-Fahrzeugs geplant. Zur weiteren Optimierung der Geschwindigkeitstrajektorie kann das System zusätzlich Verkehrsinformationen erhalten, sodass die Prozessoreinheit auch eventuelle Staus entlang des Prädiktionshorizonts berücksichtigen kann.
In diesem Sinn ist die Prozessoreinheit mit einer Erfassungseinheit verbunden und dazu eingerichtet, wenigstens ein SPAT-Signal der Ampelsteuerungsanlage über die Erfassungseinheit zu empfangen. SPAT-Signale (im Englischen Signal Phase and Timing) ist ein Signal aus der Verkehrstechnik. Mit der SPAT-Nachricht werden Echtzeitinformationen einer bestimmten Verkehrssteuerungsanlage bzw. Ampelsteuerungsanlage, beispielsweise einer Verkehrsampel, übertragen. Das SPAT-Signal wird mittels einer sogenannten Roadside Unit (RSU) an die Fahrzeuge übertragen, die an der Infrastrukturkomponente vorbeifahren. Die Erfassungseinheit umfasst eine sogenannte Car2X-Schnittstelle, mit der die SPAT-Signale der Ampelsteuerungsanlage empfangen, verarbeitet und in geeigneter Weise an die Prozessoreinheit versendet werden können.
Ferner bevorzugt ist die Prozessoreinheit dazu eingerichtet, das jeweilige SPAT-Signal zu speichern. Anders gesagt kann die Prozessoreinheit typische Schaltzeiten von Ampeln erfassen und hinterlegen, sodass ein lernendes Verhalten der Prozessoreinheit erreicht wird. Dadurch kann bereits die Zeit der nächsten Ampelphase genutzt werden, um die optimale Geschwindigkeit bzw. den optimalen Geschwindigkeitsverlauf des Ego-Fahrzeugs zu wählen. Dies ist insbesondere dann relevant, wenn die Zeit bis zum Erreichen der nächsten Ampel sehr kurz ist, oder die nächste Ampel noch so weit entfernt ist, dass bis zum Erreichen der Ampel noch mehrere Schaltzyklen erfolgen.
Des Weiteren bevorzugt ist die Prozessoreinheit dazu eingerichtet, anhand des jeweiligen SPAT-Signals ein oberes Geschwindigkeitslimit und/oder ein unteres Geschwindigkeitslimit für das Ego-Fahrzeug zu bestimmen. Die Prozessoreinheit ermittelt durch Ausführen des MPC-Algorithmus' ein oberes und unteres Geschwindigkeitslimit für die Zufahrt zur Ampel. Dabei ist das Ziel, die Ampel bei einem grünen Leuchtsignal, bei dem das Passieren der Ampel für den Verkehr freigegeben ist, zu passieren. Anders gesagt werden die Geschwindigkeitsbegrenzungen zur Einschränkung des Lösungsraums genutzt, um die Geschwindigkeit des Ego-Fahrzeugs zum energieeffizienten Passieren von Ampeln zu optimieren. Wenn die Annäherungsgeschwindigkeit des Ego-Fahrzeugs an die Ampel über eine zu große Strecke eine minimal ertragbare Geschwindigkeit unterschreitet, kann die Prozessoreinheit ferner dazu eingerichtet sein, das Ego-Fahrzeug oder die Antriebsmaschine des Ego-Fahrzeugs derart zu regeln, dass das Ego-Fahrzeug an der Ampel angehalten wird, anstatt es mit einer zu geringen Geschwindigkeit bei einem grünen Leuchtsignal zu passieren. Dies verbessert insbesondere den Fahrkomfort des Ego-Fahrzeug. Mithin kann im MPC-Algorithmus eine Komfortbedingung berücksichtigt werden.
Je nach Art und Formulierung des Optimierungsproblems kann es zudem vorteilhaft sein, an Stelle eines oberen und/oder unteren Geschwindigkeitslimits die minimale und/oder maximale Fahrzeit bis zur Ampelposition als Grenze für die Optimierung der Fahrzeuglängsführung anzugeben. Somit ist die Prozessoreinheit alternativ oder ergänzend dazu eingerichtet, anhand des jeweiligen SPAT-Signals eine minimale Fahrtzeit und/oder eine maximale Fahrzeit des Ego-Fahrzeugs bis zum Erreichen der Ampelsteuerungsanlage zu bestimmen.
Gemäß einem zweiten Aspekt der Erfindung wird ein Kraftfahrzeug bereitgestellt. Das Kraftfahrzeug umfasst einen Antriebsstrang mit einer Antriebsmaschine und ein Fahrerassistenzsystem. Weiterhin umfasst der Antriebsstrang insbesondere eine Batterie, wobei die Antriebsmaschine als elektrische Maschine ausgebildet sein kann. Ferner kann der der Antriebsstrang insbesondere ein Getriebe umfassen. Das Fahrerassistenzsystem ist dazu eingerichtet, mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die Antriebsmaschine zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit gemäß dem ersten Aspekt der Erfindung ermittelt worden ist. Weiterhin kann das Fahrerassistenzsystem dazu eingerichtet sein, das Kraftfahrzeug bzw. die Antriebsmaschine basierend auf der Eingangsgröße zu steuern. Bei dem Kraftfahrzeug handelt es sich beispielsweise um ein Automobil (z.B. ein Personenkraftfahrwagen mit einem Gewicht von weniger als 3,5 t), Motorrad, Motorroller, Moped, Fahrrad, E-Bike, Bus oder Lastkraftwagen (Bus und Lastkraftwagen z.B. mit einem Gewicht von über 3,5 t). Das Kraftfahrzeug kann beispielsweise zu einer Fahrzeugflotte gehören.
Gemäß einem dritten Aspekt der Erfindung wird ein Verfahren zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug, wobei die autonome Fahrfunktion durch einen MPC-Algorithmus zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs gebildet wird. Das Verfahren umfasst die Schritte

- Ausführen des MPC-Algorithmus' zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs mittels einer Prozessoreinheit, wobei der MPC-Algorithmus ein Längsdynamikmodell des Ego-Fahrzeugs, eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage und eine zu minimierende Kostenfunktion enthält,
- Ermitteln einer Eingangsgröße für das Ego-Fahrzeug unter Berücksichtigung des Längsdynamikmodells des Ego-Fahrzeugs sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage, sodass die Kostenfunktion minimiert wird.

Gemäß einem vierten Aspekt der Erfindung wird ein Computerprogrammprodukt zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug bereitgestellt, wobei das Computerprogrammprodukt, wenn es auf einer Prozessoreinheit ausgeführt wird, die Prozessoreinheit anleitet, einen MPC-Algorithmus zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs auszuführen, wobei der MPC-Algorithmus ein Längsdynamikmodell des Ego-Fahrzeugs, eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage und eine zu minimierende Kostenfunktion enthält, wobei durch Ausführen des MPC-Algorithmus' unter Berücksichtigung des Längsdynamikmodells des Ego-Fahrzeugs sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage eine Eingangsgröße für das Ego-Fahrzeug zu ermitteln, sodass die Kostenfunktion minimiert wird.
Die obigen Definitionen sowie Ausführungen zu technischen Effekten, Vorteilen und vorteilhaften Ausführungsformen der Prozessoreinheit gelten sinngemäß ebenfalls für das Fahrzeug gemäß dem zweiten Aspekt der Erfindung, für das Verfahren gemäß dem dritten Aspekt der Erfindung und für das Computerprogrammprodukt gemäß dem vierten Aspekt der Erfindung.
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schematischen Zeichnungen näher erläutert, wobei gleiche oder ähnliche Elemente mit dem gleichen Bezugszeichen versehen sind. Hierbei zeigt

1 eine schematische Darstellung eines Fahrzeugs mit einem Antriebsstrang, der eine Antriebsmaschine und eine Batterie umfasst, und
2 ein Kennfeld einer Antriebsmaschine für das Fahrzeug nach 1.

1 zeigt ein Ego-Fahrzeug 1, bei dem es sich beispielsweise um einen Personenkraftfahrwagen handeln kann. Das Ego-Fahrzeug 1 umfasst ein System 2 zur Ausführung einer automatisierten Fahrfunktion des Ego-Fahrzeugs 1, in dem gezeigten Ausführungsbeispiel zur modelbasierten prädiktiven Regelung des Ego-Fahrzeugs 1. Insbesondere kann das System 2 zur modelbasierten prädiktiven Regelung einer Antriebsmaschine 8 eines Antriebstrangs 7 des Ego-Fahrzeugs 1 eingerichtet sein. Die Antriebsmaschine 8 ist vorliegend als elektrische Maschine ausgebildet. Das System 2 umfasst in dem gezeigten Ausführungsbeispiel eine Prozessoreinheit 3, eine Speichereinheit 4, eine Kommunikations-Schnittstelle 5 und eine Erfassungseinheit 6 zur Erfassung von das Ego-Fahrzeug 1 betreffenden Zustandsdaten und zur Erfassung von SPAT-Signalen wenigstens einer Ampelsteuerungsanlage 18.
Das Ego-Fahrzeug 1 umfasst weiterhin einen Antriebsstrang 7, der beispielsweise eine Antriebsmaschine 8, die als Motor und als Generator betrieben werden kann, eine Batterie 9 und ein Getriebe 10 umfassen kann. Die Antriebsmaschine 8 kann im Motorbetrieb Räder des Ego-Fahrzeugs 1 über das Getriebe 10 antreiben, das beispielsweise eine konstante Übersetzung aufweisen kann. Die dazu notwendige elektrische Energie kann die Batterie 9 bereitstellen. Die Batterie 9 kann durch die Antriebsmaschine 8 aufgeladen werden, wenn die Antriebsmaschine 8 im Generatorbetrieb betrieben wird (Rekuperation). Die Batterie 9 kann optional auch an einer externen Ladestation aufgeladen werden. Ebenfalls kann der Antriebsstrang des Ego-Fahrzeugs 1 optional einen Verbrennungskraftmotor 17 aufweisen, welcher alternativ oder zusätzlich zu der Antriebsmaschine 8 das Ego-Fahrzeug 1 antreiben kann. Der Verbrennungskraftmotor 17 kann auch die Antriebsmaschine 8 antreiben, um die Batterie 9 aufzuladen.
Auf der Speichereinheit 4 kann ein Computerprogrammprodukt 11 gespeichert sein. Das Computerprogrammprodukt 11 kann auf der Prozessoreinheit 3 ausgeführt werden, wozu die Prozessoreinheit 3 und die Speichereinheit 4 mittels der Kommunikations-Schnittstelle 5 miteinander verbunden sind. Wenn das Computerprogrammprodukt 11 auf der Prozessoreinheit 3 ausgeführt wird, leitet es die Prozessoreinheit 3 an, die im Folgenden beschriebenen Funktionen zu erfüllen bzw. Verfahrensschritte auszuführen.
Das Computerprogrammprodukt 11 enthält zur Ausführung der autonomen Fahrfunktion einen MPC-Algorithmus 13. Der MPC-Algorithmus 13 wiederum enthält ein Längsdynamikmodell 14 des Antriebsstrangs 7 des Ego-Fahrzeugs 1, eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage 18 und eine zu minimierende Kostenfunktion 15. Die Prozessoreinheit 3 führt den MPC-Algorithmus 13 aus und prädiziert dabei ein Verhalten des Ego-Fahrzeugs 1 basierend auf dem Längsdynamikmodell 14 und der prädizierten Ampelschaltung, wobei die Kostenfunktion 15 minimiert wird. Als Output der Optimierung durch den MPC-Algorithmus 13 können sich in dem gezeigten Ausführungsbeispiel eine optimale Drehzahl und ein optimales Drehmoment der Antriebsmaschine 8 für berechnete Wegpunkte im Vorausschauhorizont ergeben. Alternativ kann eine optimale Geschwindigkeit oder ein optimaler Geschwindigkeitsverlauf des Ego-Fahrzeugs 1 ergeben. Ferner alternativ ist denkbar, dass sich eine optimierte Fahrtzeit des Ego-Fahrzeugs 1 ergibt. Die Prozessoreinheit 3 kann eine Eingangsgröße für die Antriebsmaschine 8 ermitteln, sodass sich die optimale Drehzahl und das optimale Drehmoment einstellen. Die Prozessoreinheit 3 kann die Antriebsmaschine 8 basierend auf der ermittelten Eingangsgröße steuern. Weiterhin kann dies jedoch auch durch ein Fahrerassistenzsystem 16 erfolgen. Auf diese Weise kann das Ego-Fahrzeug 1 basierend auf dem Output des ausgeführten MPC-Algorithmus' 13 autonom fahren.
Die Erfassungseinheit 6 kann aktuelle Zustandsgrößen des Ego-Fahrzeugs 1 messen, entsprechende Daten aufnehmen und dem MPC-Algorithmus 13 zuführen. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 5 km) vor dem Ego-Fahrzeug 1 beispielsweise zyklisch aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Ego-Fahrzeug 1 umgerechnet werden. Außerdem kann mittels der Erfassungseinheit 6 eine Ortung des Ego-Fahrzeugs 1 erfolgen, insbesondere über ein von einem GNSS-Sensor 12 generiertes GNSS-Signal zur genauen Lokalisierung auf der elektronischen Karte. Weiterhin kann die Erfassungseinheit 6 Sensoren zur Bestimmung des Beladungsgewichts des Ego-Fahrzeugs 1, zur Erfassung der Anzahl der Fahrzeuginsassen und ein Zeitmess- und Erfassungsmodul umfassen. Die Prozessoreinheit 3 kann auf von den genannten Sensoren generierte Informationen bzw. Daten beispielsweise über die Kommunikations-Schnittstelle 5 zugreifen. Außerdem kann die Erfassungseinheit 6 Signale wenigstens einer Ampelsteuerungsanlage einer beispielsweise einer Kreuzung zugeordneten Ampel 19 erkennen. Die erfassten Daten fließen in den MPC-Algorithmus 13 ein, wobei anhand der dieser Daten unter Berücksichtigung des Längsdynamikmodells 14 des Ego-Fahrzeugs die Trajektorie des Ego-Fahrzeugs 1 geplant wird. Die prädizierte Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage 18 umfasst wenigstens einen Umschaltzeitpunkt der Ampel 19 zwischen einem ersten Signal, beispielsweise einem roten Leuchtsignal, und einem zweiten Signal, beispielsweise einem grünen Leuchtsignal.
Die Erfassungseinheit 6 ist derart ausgebildet, dass wenigstens ein SPAT-Signal 20 der Ampelsteuerungsanlage 18 empfangen wird und als entsprechendes Signal zur Weiterverarbeitung an die Prozessoreinheit 3 gesendet wird. Die Prozessoreinheit 3 ist dabei dazu eingerichtet, das jeweilige SPAT-Signal 20 zu speichern, sodass für künftige Situationen typische Schaltzeiten von Ampeln bereits vorgegeben werden können, um die Trajektorie des Ego-Fahrzeugs 1 optimal zu planen.
Nach Erhalten der SPAT-Signale 20 der Ampelsteuerungsanlage 18 bestimmt die Prozessoreinheit 3 anhand des jeweiligen SPAT-Signals 20 ein oberes Geschwindigkeitslimit und/oder ein unteres Geschwindigkeitslimit für das Ego-Fahrzeug 1. Zudem bestimmt die Prozessoreinheit 3 anhand des jeweiligen SPAT-Signals 20 eine minimale Fahrtzeit und/oder eine maximale Fahrzeit des Ego-Fahrzeugs 1 bis zum Erreichen der Ampelsteuerungsanlage 18. Durch Bestimmung dieser Randbedingungen wird das Ego-Fahrzeug 1 derart geregelt, dass das Ego-Fahrzeug 1 die Ampel 19 bei einem grünen Leuchtsignal passiert. Das Zufahren zur Ampel 19 erfolgt dabei vorteilhafterweise zeit- sowie energiesparend, wobei unnötige und insbesondere energieaufwändige Brems- und Anfahrvorgänge vermieden werden. Die Prozessoreinheit 3 kann zudem entscheiden, ob ein Anhalten des Ego-Fahrzeugs 1 mit zusätzlichem Abschalten der Antriebsmaschine 8 notwendig oder zweckmäßig ist. Mit anderen Worten wird eine energieeffiziente und zeitsparende Fahrstrategie des Ego-Fahrzeugs 1, beispielsweise ein optimaler Geschwindigkeitsverlauf, ein optimaler Betriebspunktverlauf und/oder eine optimale Fahrzeit auf Basis des aktuellen Fahrzeugzustands des Ego-Fahrzeugs 1, der vorausliegenden Streckentopografie sowie auf Basis der jeweiligen Ampelschaltung geplant.
Das Längsdynamikmodell 14 des Ego-Fahrzeugs 1 kann mathematisch wie folgt ausgedrückt werden: $\frac{d v (t)}{d t} = (F_{t r a c} (t) - F_{r} (α (t)) - F_{g r} (α (t)) - F_{d} (v (t))) / m_{e q}$
Hierbei sind:

v: die Geschwindigkeit des Ego-Fahrzeugs;
Ftrac: Traktionskraft, die durch den Motor oder die Bremsen auf die Räder des Ego-Fahrzeugs ausgeübt wird;
Fr: die Rollwiderstandskraft, welche ein Effekt der Verformung der Reifen beim Rollen ist und von der Belastung der Räder (der Normalkraft zwischen Rad und Straße) und damit vom Neigungswinkel der Straße abhängt;
Fgr: die Steigungswiderstandskraft, welche eine Längskomponente der Schwerkraft beschreibt, die auf das Ego-Fahrzeug im Bergauf- oder Bergabfahrbetrieb wirkt, abhängig von der Neigung der Fahrbahn;
Fd: die Luftwiderstandskraft des Ego-Fahrzeugs; und
meq: die äquivalente Masse des Ego-Fahrzeugs; die äquivalente Masse beinhaltet insbesondere die Trägheit der Drehteile des Antriebsstrangs, welche der Beschleunigung des Ego-Fahrzeugs ausgesetzt sind (Motor, Getriebeantriebswellen, Räder).

Durch Umwandlung von Zeitabhängigkeit in Wegabhängigkeit $\frac{d}{d s} = \frac{d}{d t} * \frac{d t}{d s} = \frac{d}{d t} * \frac{1}{v}$
und Koordinatentransformation zur Eliminierung des quadratischen Geschwindigkeits-Terms im Luftwiderstand mit $e_{k i n} = \frac{1}{2} * m_{e q} * v {(t)}^{2}$
folgt $\frac{d e_{k i n}}{d s} = F_{t r a c} (s) - F_{r} (α (s)) - F_{g r} (α (s)) - F_{d} (e_{k i n} (s)) .$
Damit das Problem durch den MPC-Algorithmus 13 schnell und einfach lösbar ist, kann die Dynamikgleichung des Längsdynamikmodells 14 linearisiert werden, indem die Geschwindigkeit durch Koordinatentransformation durch kinetische Energie de_kin ausgedrückt wird. Dadurch wird der quadratische Term zur Berechnung des Luftwiderstands F_d durch einen linearen Term ersetzt und gleichzeitig ist das Längsdynamikmodell 14 des Ego-Fahrzeugs 1 nicht mehr wie üblich in Abhängigkeit von der Zeit beschrieben, sondern in Abhängigkeit von dem Weg. Dies passt insofern gut zum Optimierungsproblem, da die Vorausschauinformationen des elektrischen Horizonts wegbasiert vorliegen.
Neben der kinetischen Energie gibt es zwei weitere Zustandsgrößen, welche im Sinne eines einfachen Optimierungsproblems ebenfalls linear und wegabhängig beschrieben werden müssen. Zum einen ist der elektrische Energieverbrauch des Antriebsstrangs 7 üblicherweise in Form eines Kennfeldes in Abhängigkeit von Drehmoment und Motordrehzahl beschrieben. In dem gezeigten Ausführungsbeispiel weist das Ego-Fahrzeug 1 eine feste Übersetzung zwischen der Antriebsmaschine 8 und der Straße auf, auf welcher sich das Ego-Fahrzeug 1 bewegt. Dadurch lässt sich die Drehzahl der Antriebsmaschine 8 direkt in eine Geschwindigkeit des Ego-Fahrzeugs 1 oder eben in eine kinetische Energie des Ego-Fahrzeugs 1 umrechnen. Weiterhin lässt sich die elektrische Leistung der Antriebsmaschine 8 durch Teilen durch die entsprechende Geschwindigkeit in Energieverbrauch pro Meter umrechnen. Dadurch erhält das Kennfeld der Antriebsmaschine 8 die Form wie in 2 zu sehen. Um dieses Kennfeld für die Optimierung verwenden zu können, wird es linear approximiert: Energy_perMeter ≥ a_i * e_kin + b_i * F_trac für alle i.
Eine beispielhafte zu minimierende Kostenfunktion 15 kann mathematisch wie folgt ausgedrückt werden: $min (- w_{B a t} \cdot E_{B a t} (s_{E}) + w_{T i m e} \cdot T (s_{E}) + w_{T e m} \cdot {\sum_{s = 1}^{s_{E} - 1} (\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2}$
$+ w_{T e m S t a r t} \cdot {(F_{A} (s_{1}) - F_{A} (s_{0}))}^{2} + \sum_{s = 1}^{s_{E} - 1} w_{S l a c k} \cdot V a r_{s l a c k})$
Hierbei ist:

WBat: Gewichtungsfaktor für den Energieverbrauch der Batterie
EBat: Energieverbrauch der Batterie
S: Wegstrecke
SE-1: Wegstrecke einen Zeitschritt vor Ende des Prädiktionshorizonts
FA: Antriebskraft, welche durch die Antriebsmaschine bereitgestellt wird, durch ein Getriebe konstant übersetzt wird und an einem Rad des Ego-Fahrzeugs anliegt
WTem: Gewichtungsfaktor für Drehmomentgradienten
WTemStart: Gewichtungsfaktor für Momentensprünge
T: Zeit, welche das Fahrzeug benötigt, um die gesamte innerhalb des Prädiktionszeitraums prädizierte Wegstrecke zurückzulegen
WTime: Gewichtungsfaktor für die Zeit T
SE: Wegstrecke zum Ende des Horizonts
WSlack: Gewichtungsfaktor für die Slack-Variable
VarSlack: Slack-Variable

Die Kostenfunktion 15 besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann.
Die Kostenfunktion 15 enthält als ersten Term eine mit einem ersten Gewichtungsfaktor W_Bat gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie E_Bat, welche innerhalb eines Prädiktionshorizonts von der Batterie 9 des Antriebsstrangs 7 zum Antrieb der Antriebsmaschine 8 bereitgestellt wird.
Die Kostenfunktion 15 enthält als zweiten Term eine mit einem zweiten Gewichtungsfaktor W_Time gewichtete und gemäß dem Längsdynamikmodell 14 prädizierte Fahrzeit T, welche das Ego-Fahrzeug 1 benötigt, um die prädizierte Wegstrecke zurückzulegen. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine geringe Geschwindigkeit nicht immer als optimal bewertet wird und so nicht mehr das Problem besteht, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt.
Der Energieverbrauch und die Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Diese Terme sind dann also nur für den letzten Punkt des Horizonts aktiv.
Zu hohe Drehmomentgradienten innerhalb des Horizonts sind unvorteilhaft. Daher werden Drehmomentgradienten bereits in der Kostenfunktion 15 bestraft, nämlich durch den Term $w_{T e m} \cdot \sum_{s = 1}^{s_{E} - 1} {(\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2} .$
Die quadratische Abweichung der Antriebskraft je Meter wird mit einem Gewichtungsfaktor W_Tem gewichtet und in der Kostenfunktion minimiert. Alternativ zu der Antriebskraft F_A je Meter kann auch das durch die Antriebsmaschine 8 bereitgestellte Drehmoment M_EM genutzt und mit dem Gewichtungsfaktor W_Tem gewichtet werden, sodass sich der alternative Term $w_{T e m} \cdot \sum_{s = 1}^{s_{E} - 1} {(\frac{M_{E M} (s) - M_{E M} (s - 1)}{Δ s})}^{2}$
ergibt. Durch die konstante Übersetzung des Getriebes 10 sind die Antriebskraft und das Drehmoment direkt proportional zueinander.
Um ein komfortables Fahren sicher zu stellen, wird in der Kostenfunktion 15 ein weiterer Term zur Bestrafung von Momentensprüngen eingeführt, nämlich W_TemStart · (F_A(s₁) - F_A(s₀))². Alternativ zu der Antriebskraft FA kann auch hier das durch die Antriebsmaschine 8 bereitgestellte Drehmoment M_EM genutzt werden, sodass sich der alternative Term W_TemStart · (M_EM(_S1) - M_EM(s₀))² ergibt. Für den ersten Punkt im Prädiktionshorizont wird die Abweichung zum zuletzt gestellten Moment negativ bewertet und mit einem Gewichtungsfaktor W_TemStart gewichtet, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt.
Geschwindigkeitslimits sind für die Optimierung harte Grenzen, die nicht überschritten werden dürfen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, wo sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus zu erhöhen, wird eine weiche Beschränkung („soft constraint“) in die Kostenfunktion 15 eingeführt. Dabei wird eine mit einem Gewichtungsfaktor W_Slack gewichtete Slack-Variable Var_Slack in einem vorgegebenen schmalen Bereich aktiv, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, werden schlechter bewertet, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten.
Die Regelung der Antriebsmaschine 8 des Ego-Fahrzeugs 1 mittels des MPC-Algorithmus' 13 eignet sich für Automatisierungsstufen unterhalb von Level 5 (z.B. gemäß SAE J3016), insbesondere bis Level 3, wobei ein Fahrer des Ego-Fahrzeugs 1 weiterhin die Möglichkeit hat, die Fahrt zu beeinflussen bzw. in die vorstehend beschriebene MPC-basierte autonome Fahrfunktion des Ego-Fahrzeugs 1 einzugreifen.
Bezugszeichenliste

1: Ego-Fahrzeug
2: System
3: Prozessoreinheit
4: Speichereinheit
5: Kommunikations-Schnittstelle
6: Erfassungseinheit
7: Antriebsstrang
8: Antriebsmaschine
9: Batterie
10: Getriebe
11: Computerprogrammprodukt
12: GNNS-Sensor
13: MPC-Algorithmus
14: Längsdynamikmodell
15: Kostenfunktion
16: Fahrerassistenzsystem
17: Verbrennungskraftmotor
18: Ampelsteuerungsanlage
19: Ampel
20: SPAT-Signal

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102013104533 A1 [0002]

Claims

Prozessoreinheit (3) zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug (1), wobei die autonome Fahrfunktion durch einen MPC-Algorithmus (13) zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs (1) gebildet wird, wobei - der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Ego-Fahrzeugs (1) enthält, - der MPC-Algorithmus (13) eine zu minimierende Kostenfunktion (15) enthält, - der MPC-Algorithmus (13) eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) enthält, - die Prozessoreinheit (3) dazu eingerichtet ist, den MPC-Algorithmus (13) auszuführen, sodass das Ego-Fahrzeug (1) basierend auf der Ausführung des MPC-Algorithmus' (13) autonom fährt, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des Längsdynamikmodells (14) des Ego-Fahrzeugs (1) sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) eine Eingangsgröße für die modellbasierte prädiktive Regelung des Ego-Fahrzeugs (1) zu ermitteln, sodass die Kostenfunktion minimiert wird.
Prozessoreinheit (3) nach Anspruch 1, wobei - die Prozessoreinheit (3) dazu eingerichtet ist, mittels des MPC-Algorithmus' (13) eine Antriebsmaschine (8) eines Antriebstrangs (7) des Ego-Fahrzeugs (1) zu regeln, - der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Antriebsstrangs (7) enthält, - der MPC-Algorithmus (13) eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelanlage (18) enthält, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) eine Eingangsgröße für die Regelung der Antriebsmaschine (8) zu ermitteln, sodass das Ego-Fahrzeug (1) durch die Antriebsmaschine (8) autonom angetrieben wird und sodass die Kostenfunktion minimiert wird.
Prozessoreinheit (3) nach Anspruch 2, wobei - die Kostenfunktion (15) als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) sowie gemäß der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelanlage (18) prädizierte elektrische Energie enthält, welche innerhalb eines Prädiktionshorizonts von einer Batterie (9) des Antriebsstrangs (7) zum Antrieb der Antriebsmaschine (8) bereitgestellt wird, - die Kostenfunktion (15) als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) sowie gemäß der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelanlage (18) prädizierte Fahrzeit enthält, welche das Ego-Fahrzeug (1) zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term eine Eingangsgröße für die Regelung der Antriebsmaschine (8) des Ego-Fahrzeugs (1) zu ermitteln, sodass die Kostenfunktion (15) minimiert wird.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die prädizierte Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) wenigstens einen Umschaltzeitpunkt einer Ampel (19) zwischen einem ersten Signal und einem zweiten Signal umfasst.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) mit einer Erfassungseinheit (6) verbunden und dazu eingerichtet ist, wenigstens ein SPAT-Signal (20) der Ampelsteuerungsanlage (18) über die Erfassungseinheit (6) zu empfangen.
Prozessoreinheit (3) nach Anspruch 5, wobei die Prozessoreinheit (3) dazu eingerichtet ist, das jeweilige SPAT-Signal (20) zu speichern.
Prozessoreinheit (3) nach einem der Ansprüche 5 oder 6, wobei die Prozessoreinheit (3) dazu eingerichtet ist, anhand des jeweiligen SPAT-Signals (20) ein oberes Geschwindigkeitslimit und/oder ein unteres Geschwindigkeitslimit für das Ego-Fahrzeug (1) zu bestimmen.
Prozessoreinheit (3) nach einem der Ansprüche 5 bis 7, wobei die Prozessoreinheit (3) dazu eingerichtet ist, anhand des jeweiligen SPAT-Signals (20) eine minimale Fahrtzeit und/oder eine maximale Fahrzeit des Ego-Fahrzeugs (1) bis zum Erreichen der Ampelsteuerungsanlage (18) zu bestimmen.
Kraftfahrzeug (1), umfassend ein Fahrerassistenzsystem (16) und einen Antriebsstrang (7) mit einer Antriebsmaschine (8), wobei das Fahrerassistenzsystem (16) dazu eingerichtet ist, - mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die modellbasierte prädiktive Regelung des Kraftfahrzeugs (1) oder der Antriebsmaschine (8) des Kraftfahrzeugs (1) zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit (3) nach einem der vorstehenden Ansprüche ermittelt worden ist, und - das Kraftfahrzeug (1) oder die Antriebsmaschine (8) basierend auf der Eingangsgröße zu steuern.
Verfahren zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug (1), wobei die autonome Fahrfunktion durch einen MPC-Algorithmus (13) zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs (1) gebildet wird, das Verfahren umfassend die Schritte - Ausführen des MPC-Algorithmus' (13) zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs (1) mittels einer Prozessoreinheit (3), wobei der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Ego-Fahrzeugs (1), eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) und eine zu minimierende Kostenfunktion (15) enthält, - Ermitteln einer Eingangsgröße für das Ego-Fahrzeug (1) unter Berücksichtigung des Längsdynamikmodells (14) des Ego-Fahrzeugs (1) sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18), sodass die Kostenfunktion (15) minimiert wird.
Computerprogrammprodukt (11) zur Ausführung einer autonomen Fahrfunktion für ein Ego-Fahrzeug (1), wobei das Computerprogrammprodukt (11), wenn es auf einer Prozessoreinheit (3) ausgeführt wird, die Prozessoreinheit (3) anleitet, - einen MPC-Algorithmus (13) zur modellbasierten prädiktiven Regelung eines Ego-Fahrzeugs (1) auszuführen, wobei der MPC-Algorithmus (13) ein Längsdynamikmodell (14) des Ego-Fahrzeugs (1), eine prädizierte Ampelschaltung wenigstens einer innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) und eine zu minimierende Kostenfunktion (15) enthält, - durch Ausführen des MPC-Algorithmus' (13) unter Berücksichtigung des Längsdynamikmodells (14) des Ego-Fahrzeugs (1) sowie der prädizierten Ampelschaltung der jeweiligen innerhalb des Prädiktionshorizonts liegenden Ampelsteuerungsanlage (18) eine Eingangsgröße für das Ego-Fahrzeug (1) zu ermitteln, sodass die Kostenfunktion (15) minimiert wird.