WO2021098956A1 - Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs - Google Patents

Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs Download PDF

Info

Publication number
WO2021098956A1
WO2021098956A1 PCT/EP2019/081869 EP2019081869W WO2021098956A1 WO 2021098956 A1 WO2021098956 A1 WO 2021098956A1 EP 2019081869 W EP2019081869 W EP 2019081869W WO 2021098956 A1 WO2021098956 A1 WO 2021098956A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
driving behavior
speed
processor unit
trajectory
Prior art date
Application number
PCT/EP2019/081869
Other languages
English (en)
French (fr)
Inventor
Kai Timon Busse
Pietro Pelizzari
Original Assignee
Zf Friedrichshafen Ag
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zf Friedrichshafen Ag filed Critical Zf Friedrichshafen Ag
Priority to CN201980101501.XA priority Critical patent/CN114599564A/zh
Priority to PCT/EP2019/081869 priority patent/WO2021098956A1/de
Priority to US17/778,140 priority patent/US20220410889A1/en
Publication of WO2021098956A1 publication Critical patent/WO2021098956A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/20—Road profile, i.e. the change in elevation or curvature of a plurality of continuous road segments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/103—Speed profile

Definitions

  • the invention relates to the determination of a trajectory for a first vehicle taking into account the driving behavior of a second vehicle, the second vehicle driving in front of the first vehicle.
  • a particular processor unit, a driver assistance system, a vehicle, a method and a computer program product are used.
  • An object of the present invention can be seen in providing an MPC control for a first motor vehicle, taking into account the behavior of a second motor vehicle which is driving in front of the first vehicle.
  • the present invention proposes profiling a vehicle driving ahead with regard to its driving behavior and then using the driver profile to implement a driver assistance function.
  • a profiling logic for vehicles driving ahead can be combined with an MPC-based driving strategy.
  • a vehicle driving ahead can be profiled using radar data, and the driver profile can then be used to optimize a longitudinally automated driver assistance function.
  • the present invention thus enables a prediction with regard to the behavior of the vehicle driving ahead.
  • a processor unit for a first vehicle is provided.
  • the processor unit is set up to determine a trajectory for a first vehicle, taking into account the driving behavior of a second vehicle, the second vehicle driving in front of the first vehicle (ego vehicle).
  • the second vehicle is thus a vehicle traveling ahead with respect to the first vehicle.
  • the feature “trajectory for the first vehicle” can be understood as a path which the first vehicle should follow in the future, e.g. within the next few seconds.
  • a speed profile can be assigned to the path, the speed profile being able to specify a target speed for the first vehicle for each point along the path. This assignment of path and speed results in the speed trajectory of the first vehicle.
  • the processor unit is set up to access speed data of the second vehicle, the speed data having been generated by a sensor of the first vehicle.
  • the speed data describe at least one speed at which the second vehicle is moving.
  • the speed can be a time profile of the speed at which the second vehicle is moving in a determinable period of time.
  • the sensor of the first vehicle is set up in particular to detect the speed of the second vehicle.
  • the sensor can be a radar sensor, for example.
  • a profile of the driving behavior of the second vehicle can be created. For example, vehicles that are on average well below a legally permitted maximum speed can be profiled as less aggressive road users.
  • the processor unit is set up to create a driving behavior profile of the second vehicle based on the speed data.
  • the driving behavior profile of the second vehicle is used to create a driving prediction of the profiled vehicle.
  • the processor unit is set up to make a prediction, based on the driving behavior profile of the second vehicle, about the future driving behavior of the second vehicle.
  • the prediction made can be passed on to an MPC logic for planning an optimal travel trajectory for the first vehicle.
  • the MPC logic plans an optimal speed trajectory for the first vehicle for the route section ahead, taking into account the route topology, the traffic and other environmental information.
  • This speed trajectory can now be refined and thereby improved, taking into account the prediction with regard to the vehicle driving ahead. In this way, an integrated optimization of various degrees of freedom is possible, which leads to an overall optimal driving behavior.
  • the prediction with regard to the vehicle in front can be given to the MPC logic as a hard secondary condition.
  • a hard secondary condition can be understood as a secondary condition which must be strictly adhered to when determining the trajectory for the first vehicle.
  • the processor unit is also set up to determine a trajectory for the first vehicle by executing an MPC algorithm which contains a longitudinal dynamics model of the first vehicle and a cost function to be minimized, so that the cost function is minimized, with the determination of the trajectory takes into account the prediction of the future driving behavior of the second vehicle as a secondary condition.
  • the model-based predictive control (MPC) method makes it possible to find an optimal solution for a so-called “Driving Efficiency” function that provides an efficient driving style in every situation under given boundary conditions and restrictions.
  • the MPC method is based on a system model, in the present invention on a longitudinal dynamics model of the first vehicle, which describes the behavior of the system. Furthermore, the MPC method is based on a target function or a cost function that describes an optimization problem and determines which state variables are to be minimized.
  • the longitudinal dynamics model can map a drive train of the motor vehicle and include a vehicle model with vehicle parameters and drive train losses (partly approximated maps).
  • Knowledge of the route topographies ahead e.g. curves and gradients
  • Knowledge of speed limits on the route ahead can also flow into the dynamic model of the drive train.
  • the MPC algorithm can comprise an MPC solver in the form of a software module.
  • the MPC solver can contain instructions or program code, as a result of which the processor unit is instructed to determine the trajectory of the first vehicle as a function of the longitudinal dynamics model of the first vehicle in such a way that the cost function is minimized.
  • the processor unit can forward the optimized trajectory of the first vehicle to a software module (“target generator”).
  • target generator Using this software module, the processor unit can convert the mathematically optimal planning of all available degrees of freedom into actually usable component signals.
  • a speed trajectory of the first vehicle can be optimally planned for the next 5000m using the MPC control.
  • the component software can then work with this value and adjust the desired speed.
  • a first term of the cost function contains electrical energy weighted with a first weighting factor and predicted according to the dynamic model, which is provided within a prediction horizon by a battery of the drive train of the first vehicle for driving the electrical machine.
  • the cost function can contain as a second term a travel time weighted with a second weighting factor and predicted according to the longitudinal dynamics model, which the first vehicle needs to cover the entire distance predicted within the prediction horizon.
  • the processor unit can be set up to determine an input variable for the electrical machine by executing the MPC algorithm as a function of the first term and as a function of the second term, so that the cost function is minimized.
  • the state variables for the Driving Efficiency driving function can thus be, for example, the vehicle speed or the kinetic energy, the remaining energy in the battery and the driving time.
  • the optimization of energy consumption and travel time can, for example, take place on the basis of the gradient of the route ahead and restrictions for speed and drive power, as well as on the basis of the current system status.
  • the driving time can be minimized in addition to the total loss or energy consumption by means of the target function or the cost function of the Driving Efficiency driving strategy. This leads to the fact that, depending on the choice of weighting factors, a low speed is not always rated as optimal and so there is no longer the problem that the resulting speed is always at the lower limit of the permitted speed.
  • the electrical machine can be controlled by the processor unit based on the input variable that is determined by executing the MPC algorithm.
  • an optimal motor operating point of the electrical machine can be set by means of the input variable.
  • the optimal speed of the first vehicle can be adjusted directly.
  • the cost function can have exclusively linear and quadratic terms.
  • the overall problem has the form of a quadratic optimization with linear constraints and a convex problem results, which can be solved quickly and easily.
  • the target function or the cost function can be set up with a weighting (weighting factors), with in particular energy efficiency, travel time and travel comfort being calculated and weighted.
  • An energy-optimal speed trajectory can be calculated online on the processor unit for a horizon ahead, which can in particular form a component of a central control unit of the first vehicle.
  • the setpoint speed of the first vehicle can also be recalculated cyclically on the basis of the current driving status and the route information ahead.
  • Route data from an electronic map for a forecast horizon or prediction horizon (e.g. 400 m) in front of the first vehicle can be updated or updated, in particular cyclically.
  • the route data can contain, for example, incline information, curve information, and information about speed limits.
  • a curve curvature can be converted into a speed limit for the first vehicle using a maximum permissible transverse acceleration.
  • the first vehicle can be located, in particular via a GNSS signal for precise localization on the electronic map.
  • the speed data of the second vehicle can include a time curve of actual speeds of the second vehicle determined by the sensor of the first vehicle.
  • a function can be used to calculate an average of the relative or percentage deviation from a speed limit (taking into account the driving situation). This mean deviation can be applied to a maximum speed of the second vehicle ahead.
  • the processor unit can be set up to access a first speed limit value that applies to a first route section on which the second vehicle is traveling, and to access a second speed limit value that applies to a second route section on which the second vehicle will drive in the future.
  • the speed limit value for example given in km / h (kilometers per hour), is a legally permissible or permitted maximum speed for vehicles on a route section.
  • the speed limit value is a binding limit value for the speed of a vehicle that must not be exceeded.
  • the term “speed limit” is also used colloquially in this context.
  • the speed limit value can generally be stipulated by ordinance and marked by traffic signs and applies to certain vehicles, the transport of certain goods or on certain sections of roads, railways or waterways and also in some cases in the airspace.
  • the processor unit can be set up to generate a time function of a relative speed deviation of the actual speed of the second vehicle from the first speed limit value from the time profile of the actual speed of the second vehicle.
  • the “time function” can be understood as a mathematical function which describes the course of the relative speed deviation of the actual speed of the second vehicle from the first speed limit value as a function of time.
  • the processor unit can also be set up to determine an average relative speed deviation from the time function of the relative speed deviation, to create the driving behavior profile of the second vehicle based on the average relative speed deviation, and the prediction of the future driving behavior of the vehicle second vehicle based on the driving behavior profile of the second vehicle to meet by a future
  • the speed of the second vehicle on the second route section is determined as a function of the mean relative speed deviation and the second speed limit value.
  • first speed limit 100 km / h on a first route section
  • second vehicle under consideration, for example, over a complete observation period, for example 30 s, at 80 km / h on the first route section before the first Vehicle is moving.
  • second speed limit e.g. 50 km / h
  • the processor unit is set up to chronologically store time-discrete relative speed deviations of the actual speed of the second vehicle from the first speed limit value in a data record and from the time-discrete, chronologically stored relative speed deviations to generate the time function of the relative speed deviation of the actual speed of the second vehicle from the first speed limit value.
  • the actual speed V detected of the second vehicle driving ahead can be determined on the basis of available radar information.
  • the relative deviation ⁇ v rel of the actual speed V detected of the second vehicle driving ahead from the first speed limit value v limit1 can then take place .
  • the calculated relative or percentage deviation can be saved in the data record, in particular others in a first-in-first-out (FIFO) vector, whereby the data record can have a preset storage duration, for example 30s.
  • the data set, especially the FIFO vector can be described as a data array as follows:
  • the individual values ⁇ re / (t 1 ) to ⁇ v rel t n ) represent the calculated percentage deviations at the respective points in time t 1 to t n , where t 1 is the first point in time during a preset storage period (eg 30s; defined time period ”), and where t n is the last time during the preset storage period.
  • the storage in the data record, in particular in the FIFO vector makes it possible to map the course of the percentage deviation of the actual speed of the second vehicle driving ahead from the first speed limit value.
  • the values ⁇ re / (t 1 ) to ⁇ v rel t n ) are stored in chronological order within the data set, in particular within the FIFO vector.
  • a function can be generated which describes the relative speed difference over time. This function can be derived twice, the first derivation then describing a time profile of the acceleration of the second vehicle, and the second derivation describing a time profile of the jerk of the second vehicle.
  • the processor unit is set up to determine an average acceleration of the second vehicle from the first derivation of the time function of the speed deviation over time and to create the driving behavior profile of the second vehicle based on the average acceleration of the second vehicle. For example, vehicles that have only small accelerations on average can be profiled as less aggressive road users.
  • the information relating to the mean acceleration can be applied to acceleration and braking maneuvers of the second vehicle. Acceleration and braking maneuvers arise particularly when jumping from the permitted ones Top speed, in front of traffic lights or intersections. Similar to the above-described prediction of the speed of the second vehicle, a mean (characteristic) value for the acceleration is also calculated here, for example in the case of speed limit value transitions. In this sense, the processor unit can be set up to make the prediction about the future driving behavior of the second vehicle based on the driving behavior profile of the second vehicle by determining a future acceleration of the second vehicle, in particular on the first route section, as a function of the middle Acceleration, the mean relative speed deviation and the second speed limit value is determined.
  • the value -1m / s 2 can be calculated for the mean acceleration, ie the second vehicle brakes with this negative acceleration value on average (braking maneuver).
  • the mean or characteristic acceleration can be used for the prediction.
  • the assumption can apply that the second vehicle will have reached its target speed at the beginning of the new second speed limit value, which, as described above, can be determined as a function of the average relative speed deviation and the second speed limit value. Starting from this waypoint (the transition between the first route section, for which the first speed limit value applies, and the second route section, for which the second speed limit value applies), you can then calculate back when and where the braking maneuver begins.
  • a characteristic jolt of the second vehicle can be used in a similar manner to predict an acceleration transition of the second vehicle.
  • the processor unit can be set up to determine a mean jerk of the second vehicle from the second derivation of the time function of the speed deviation over time and the driving behavior profile of the second vehicle based on the mean jerk of the second Vehicle to create. For example, vehicles that show only a slight jolt on average can be profiled as less aggressive road users.
  • the processor unit can furthermore be set up to make the prediction about the future driving behavior of the second vehicle based on the driving behavior profile of the second vehicle by generating a future jolt of the second vehicle, in particular on the first route section, as a function of the mean jerk, the mean acceleration, the mean relative speed deviation and the second speed limit value is determined. For example, a value of -1 m / s 3 can be determined for the mean jerk.
  • a transition of the acceleration of 0 m / s 2 on -1m / s 2 seconds would take a customer. This allows the duration of the transition between no brake pedal position and the characteristic brake pedal position to be predicted.
  • the jerk is constant for the length of this transition.
  • the maximum values for jerk and acceleration can still be used to detect the possibility of emergency braking.
  • the processor unit can be set up to determine a maximum acceleration of the second vehicle from the first derivative of the time function of the speed deviation over time, and a maximum from the second derivative of the time function of the speed deviation over time To determine the jerk of the second vehicle and to create the driving behavior profile of the second vehicle based on the maximum acceleration and based on the maximum jerk of the second vehicle.
  • the processor unit can be configured to make the prediction about the future driving behavior of the second vehicle based on the driving behavior profile of the second vehicle by detecting an emergency braking of the second vehicle as a function of the maximum acceleration and the maximum jolt.
  • the processor unit can be set up to determine the trajectory for the first vehicle for each execution of the MPC algorithm to make a prediction about the future driving behavior of the second vehicle.
  • a driver assistance system for performing a driver assistance function of a first vehicle, taking into account the driving behavior of a second vehicle, the second vehicle driving in front of the first vehicle.
  • the driver assistance system is set up to access, in particular by means of a communication interface, a trajectory for the first vehicle determined by a processor unit according to the first aspect of the invention and, in particular by means of a processor unit, to access a driver assistance function of the first vehicle using the trajectory for the first vehicle to run.
  • the driver assistance function includes an autonomous or a semi-autonomous driving function.
  • the autonomous driving function enables the vehicle to drive independently, i.e. without a vehicle occupant controlling the vehicle.
  • the driver has given control of the vehicle to the driver assistance system.
  • the autonomous driving function includes that the vehicle - in particular by means of the processor unit for determining the trajectory of the vehicle or the processor unit of the driver assistance system - is set up to carry out, for example, steering, blinking, acceleration and braking maneuvers without human intervention How to control, in particular, exterior light and signaling such as the vehicle's blinkers.
  • the semi-autonomous driving function can be understood to mean a driving function that assists a driver of the vehicle in controlling the vehicle, in particular with steering, blinking, acceleration and control Braking maneuvers where the driver remains in control of the vehicle.
  • a first vehicle includes a sensor, in particular a radar sensor.
  • the sensor is set up to generate speed data of a second vehicle which is driving in front of the first vehicle.
  • the first vehicle comprises a processor unit according to the first aspect of the invention and a driver assistance system according to the second aspect of the invention.
  • the first vehicle is in particular a motor vehicle, for example an automobile (e.g. a passenger vehicle weighing less than 3.51), motorcycle, scooter, moped, bicycle, e-bike, bus or truck motor vehicles (eg with a weight of over 3.51), but also a rail vehicle, a ship, an aircraft such as a helicopter or an airplane.
  • the invention can also be used in small, light electric motor vehicles of micromobility, these motor vehicles being used in particular in urban traffic and for the first and last mile in rural areas.
  • the first and last mile can be understood as all routes and paths that are in the first and last link in a mobility chain. This is, for example, the way from home to the train station or the route from the train station to the workplace.
  • the invention can be used in all areas of transport such as automotive, aviation, nautical, astronautical, etc.
  • a method for determining a trajectory for a first vehicle taking into account the driving behavior of a second vehicle, the second vehicle driving in front of the first vehicle.
  • the procedure consists of the following steps:
  • a computer program product for determining a trajectory for a first vehicle, taking into account the driving behavior of a second vehicle, the second vehicle ahead the first vehicle drives.
  • the computer program product when it is executed on a processor unit, instructs the processor unit,
  • the MPC algorithm can form part of the computer program product as software code.
  • FIG. 1 shows a schematic representation of a first vehicle
  • FIG. 2 shows a second vehicle which is traveling in front of the first vehicle according to FIG. 2 on a first route section of a road.
  • 1 shows a first vehicle 1.
  • the first vehicle is a motor vehicle, for example a passenger vehicle.
  • the motor vehicle 1 comprises an MPC system 2 for determining a trajectory for the first motor vehicle 1 taking into account the driving behavior of a second vehicle 18 shown in FIG. 2, the second vehicle 18 driving in front of the first motor vehicle 1.
  • the second vehicle 18 is also a motor vehicle, for example likewise a passenger vehicle.
  • the first motor vehicle 1 also includes a driver assistance system 16 with a processor unit and with a communication interface 20.
  • the MPC system 2 comprises a processor unit 3, a memory unit 4, a communication interface 5 and a detection unit 6, in particular for determining the speed of a vehicle ahead (in the one shown by FIG Example of the second motor vehicle 18) and for the acquisition of further environmental data and status data relating to the motor vehicle 1.
  • the motor vehicle 1 also includes a drive train 7, which can include, for example, an electrical machine 8 that can be operated as a motor and as a generator, a battery 9 and a transmission 10.
  • the electric machine 8 can drive wheels of the motor vehicle 1 via the transmission 10 when the motor is running, which transmission can, for example, have a constant gear ratio.
  • the battery 9 can provide the electrical energy required for this.
  • the battery 9 can be charged by the electric machine 8 when the electric machine 8 is operated in generator mode (recuperation).
  • the battery 9 can optionally also be charged at an external charging station.
  • the drive train of the motor vehicle 1 can also optionally have an internal combustion engine 17, which can drive the motor vehicle 1 as an alternative or in addition to the electrical machine 8.
  • the internal combustion engine 17 can also drive the electric machine 8 in order to charge the battery 9.
  • a computer program product 11 can be stored on the storage unit 4.
  • the computer program product 11 can be executed on the processor unit 3 the, for which purpose the processor unit 3 and the memory unit 4 are connected to one another by means of the communication interface 5.
  • the computer program product 11 When the computer program product 11 is executed on the processor unit 3, it instructs the processor unit 3 to fulfill the functions described in connection with the drawing or to carry out method steps.
  • the computer program product 11 contains an MPC algorithm 13.
  • the MPC algorithm 13 in turn contains a longitudinal dynamics model 14 of the drive train 7 of the motor vehicle 1.
  • the MPC algorithm 13 also contains a cost function 15 to be minimized.
  • the processor unit 3 executes the MPC algorithm 13 and thereby determines an optimal speed trajectory of the first motor vehicle 1 based on the longitudinal dynamics model 14, so that the cost function 15 is minimized.
  • the output of the optimization by the MPC algorithm 13 can furthermore result in an optimal speed and an optimal torque of the electrical machine 8 for calculated points in the forecast horizon.
  • the processor unit 3 can determine an input variable for the electrical machine 8, so that the optimum speed and the optimum torque are set.
  • the processor unit 3 can control the electrical machine 8 based on the determined input variable. However, this can also be done by the driver assistance system 16.
  • the acquisition unit 6 can measure current state variables of the first motor vehicle 1, record corresponding data and feed them to the MPC algorithm 13. Furthermore, route data from an electronic map for a forecast horizon or prediction horizon (for example 400 m) in front of the motor vehicle 1 can be updated or updated, in particular cyclically.
  • the route data can contain, for example, incline information, curve information and information about speed limits.
  • a curve curvature can be converted into a speed limit for the motor vehicle 1 via a maximum permissible transverse acceleration.
  • the first motor vehicle 1 can be located, in particular via a signal generated by a GNSS sensor 12 for precise localization on the electronic map.
  • the detection unit 6 has a radar sensor 24, in particular for determining the speed of vehicles 18 traveling ahead (FIG. 2).
  • the processor unit 3 can access information from the named elements via the communication interface 5, for example. This information can flow into the longitudinal model 14 of the motor vehicle 1, in particular as restrictions or secondary conditions.
  • the greatly simplified example according to FIG. 2 shows the first motor vehicle 1 on a first route section 22 of a road 21.
  • the first motor vehicle 1 supported by the driver assistance function described above, drives autonomously at a first speed vi in a first direction of travel xi.
  • the second motor vehicle 18 is also located in front of the first motor vehicle 1 on the first route section 22 of the road 21.
  • the second motor vehicle 1 travels in front of the first motor vehicle 1 at a second speed V2 in a second direction of travel xi.
  • the first route section 22 runs straight and the first direction of travel xi of the first motor vehicle 1 corresponds to the second direction of travel X2 of the second motor vehicle 18.
  • this is purely exemplary and not mandatory.
  • the first speed vi of the first motor vehicle 1 can also differ from the second speed V2 of the second motor vehicle 18 (vi + MT).
  • the second motor vehicle 18 drives ahead of the first motor vehicle in the direction of a second route section 23 on which the second motor vehicle 2 is expected to drive in the future.
  • the first motor vehicle 1 follows the second motor vehicle 18 in the direction of the second route section 23.
  • the first speed limit value v limit1 and the second speed limit value v limit2 can be stored in a map of a navigation system of the first motor vehicle 1, for example.
  • the processor unit 3 of the MPC system 2 can access the first speed limit value v limit1 and the second speed limit value v limit2 by means of the communication interface 5.
  • the radar sensor 24 generates speed data of the second motor vehicle 18.
  • the processor unit 3 of the MPC system 2 can access the speed data by means of the communication interface 5.
  • the radar sensor 24 determines an actual speed V detected (t 1 ) to V detected (t n ) of the second motor vehicle 18 at discrete times t 1 to t n Motor vehicle 18 can be described.
  • the processor unit 3 determines time-discrete relative speed deviations ⁇ re / (t 1 ) to ⁇ v rel (t n ) the actual speeds V detected (t 1 ) to V detected (t n ) of the second vehicle 18 from the first speed limit value v limit1.
  • the relative speed deviations ⁇ re / (t 1 ) to ⁇ v rel t n ) can be calculated as follows, for example:
  • the relative speed deviations ⁇ re / (t 1 ) to ⁇ v rel t n ) can be stored in a data record, in the example shown in a first-in-first-out (FIFO) vector, the FIFO vector having a preset storage duration can have, for example 30s.
  • the FIFO vector can be described as a data array as follows:
  • the individual values ⁇ re / (t 1 ) to ⁇ re / (t n ) represent the calculated percentage deviations at the respective points in time t 1 to t n , where t 1 is the first point in time during the preset storage period (e.g. 30s) ), and where t n is the last time during the preset storage period.
  • the storage in the FIFO vector makes it possible to map the course of the percentage deviation of the actual speed of the second vehicle 18 traveling ahead from the first speed limit value v limit1 .
  • the values ⁇ re / (t 1 ) to ⁇ v rel t n ) are stored in chronological order within the FIFO vector.
  • the processor unit 3 can generate a function ⁇ v rel (t) which describes the relative speed difference ⁇ v rel over time t.
  • This function can be derived twice by the processor unit 3, the first derivative ⁇ v r ' el (t) then describing a time curve of the acceleration a of the second vehicle 18, and the second derivative ⁇ v " rel ( t) describes a time profile of jerk j of second vehicle 18.
  • the processor unit 3 determines the following values:
  • the processor unit 3 Based on at least one of these values ⁇ v rel average , an average , a max , j average and j max , the processor unit 3 creates a profile which describes the driving behavior of the second motor vehicle 18 (“driving behavior profile”). If the second motor vehicle 18 is, for example, on average well below the maximum speed v limit1 and only has small accelerations a and back j on average, then the second motor vehicle 18 can be profiled as a less aggressive road user, for example. Based on the driving behavior profile of the second vehicle 18, the processor unit 3 makes a prediction about the future driving behavior of the second vehicle 18.
  • the second vehicle 18 can, for example, move on the first route section 22 in front of the first vehicle 1 over a complete observation period, for example 30 s, at an actual speed V detected of 80 km / h.
  • the result is an average relative speed deviation ⁇ v rel average of -20% from the first speed limit value v limit1 .
  • the second speed limit value of 50 km / h results for the second route section 23.
  • the value ⁇ 1 m / s 2 can be calculated for the average acceleration, ie the second vehicle 18 brakes on average with this negative acceleration value (braking maneuver). If the speed limit value changes from 100 km / h to 50 km / h on the horizon, then the mean acceleration aaverage can be used to predict the driving behavior of the second motor vehicle 18. In particular, it can be assumed that the second vehicle 18 will have reached its target speed (40 km / h) at the beginning of the second speed limit value viimit2, which, as described above, can be determined as a function of the average relative speed deviation ⁇ v rel average and the second speed limit value v limit2. Starting from this waypoint (the transition between the first route section 22 and the second route section 23), it is then possible to calculate back when and where the braking maneuver of the second motor vehicle 18 begins.
  • the mean jerk javerage of the second vehicle 18 can be used in a similar manner to predict an acceleration transition of the second vehicle 18. For example, a value of ⁇ 1 m / s 3 can be determined for the mean jerk javerage. In this case, a transition of the acceleration of 0 m / s 2 on -1m / s 2 would take one second for the above-described braking maneuver for example. This allows the duration of the transition between no brake pedal position and the characteristic brake pedal position to be predicted.
  • the jerk j is constant for the length of this transition.
  • the maximum values a max and j max for acceleration and jerk can still be used to detect the possibility of emergency braking.
  • the processor unit 3 determines a trajectory for the first motor vehicle 1 by executing the MPC algorithm ‘13, so that the cost function 15 is minimized, the prediction of the future driving behavior of the second vehicle 18 being taken into account as a secondary condition when determining the trajectory. Furthermore, in particular a route topology, the traffic and other environmental information are included in order to determine the optimal speed trajectory for the first vehicle 1 for the route section ahead.
  • the processor unit 19 of the driver assistance system 16 uses the communication interface 20 to access the trajectory for the first motor vehicle 1 determined by a processor unit 3 of the MPC system 2 and performs the autonomous driving function of the first motor vehicle 1 using the trajectory for the first motor vehicle 1 off.
  • the processor unit 3 of the MPC system 2 carry out the autonomous driving function of the first motor vehicle 1 using the trajectory for the first motor vehicle 1.
  • the driver assistance system 16 is integrated into the MPC system 2 or the MPC system 2 forms the driver assistance system 16.
  • the longitudinal dynamics model 14 of the motor vehicle 1 can thus be expressed mathematically as follows:
  • v is the speed of the motor vehicle
  • F r is the rolling resistance force, which is an effect of deformation of the tire during rolling, and (the normal force be- tween wheel and the road), and thus the angle of inclination of the road off depends on the load of the wheels;
  • F gr is the slope resistance force, which is a longitudinal component of the
  • F d is the drag force of the motor vehicle
  • m eq is the equivalent mass of the motor vehicle
  • the equivalent mass includes, in particular, the inertia of the rotating parts of the drive train that are exposed to the acceleration of the motor vehicle (engine, transmission drive shafts, wheels).
  • the dynamics equation of the longitudinal dynamics model 14 can be linearized in that the speed is expressed by coordinate transformation using kinetic energy dekin.
  • the quadratic term for calculating the air resistance F d is replaced by a linear term and, at the same time, the longitudinal dynamics model 14 of the motor vehicle 1 is no longer described as a function of time, as usual, but as a function of the path. This fits well with the optimization problem insofar as the forecast information of the electrical horizon is path-based.
  • the electrical energy consumption of the drive train 7 is usually described in the form of a characteristic map as a function of torque and engine speed.
  • the motor vehicle 1 has a fixed transmission ratio between the electrical machine 8 and the road on which the motor vehicle 1 is moving.
  • the speed of the electrical machine 8 can be converted directly into a speed of the motor vehicle 1 or even into a kinetic energy of the motor vehicle 1.
  • the electrical power of the electrical machine 8 can be converted into energy consumption per meter by dividing it by the corresponding speed. In order to be able to use a corresponding map for the optimization, it is approximated linearly: Energy perMeter ⁇ a i * e kin + b i * F trac for all i.
  • the cost function 15 to be minimized can be expressed mathematically, for example, as follows:
  • FA Driving force which is provided by the electric machine, is constantly translated by a transmission and is applied to a wheel of the motor vehicle
  • the cost function 15 has exclusively linear and quadratic terms.
  • the overall problem has the form of a quadratic optimization with linear constraints and a convex problem results, which can be solved quickly and easily.
  • the cost function 15 contains, as a first term, electrical energy Eßat weighted with a first weighting factor WBat and predicted according to the longitudinal dynamics model, which is provided by the battery 9 of the drive train 7 for driving the electrical machine 8 within a prediction horizon.
  • the cost function 15 contains as a further term a travel time T weighted with a second weighting factor W Time and predicted according to the longitudinal dynamics model 14, which the motor vehicle 1 needs to cover the predicted distance. This leads to the fact that, depending on the choice of weighting factors, a low speed is not always rated as optimal and so there is no longer the problem that the resulting speed is always at the lower limit of the permitted speed.
  • the energy consumption and the travel time can be evaluated and weighted at the end of the horizon. These terms are then only active for the last point on the horizon.
  • the torque MEM provided by the electrical machine 8 can also be used and weighted with the weighting factor WTem, so that the alternative term results. Due to the constant ratio of the gear 10 the driving force and the torque are directly proportional to each other.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

Die Erfindung betrifft die Ermittlung einer Trajektorie für ein erstes Fahrzeug (1) unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs (18), wobei das zweite Fahrzeug (18) vor dem ersten Fahrzeug fährt (1). Dabei ist eine Prozessoreinheit (3) dazu eingerichtet, auf Geschwindigkeitsdaten des zweiten Fahrzeugs (18) zuzugreifen, wobei die Geschwindigkeitsdaten von einem Sensor des ersten Fahrzeugs (1) generiert worden sind. Weiterhin ist die Prozessoreinheit dazu eingerichtet, ein Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf den Geschwindigkeitsdaten zu erstellen, und eine auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierende Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) zu treffen. Ferner ist die Prozessoreinheit dazu eingerichtet, durch Ausführen eines MPC-Algorithmus', welcher ein Längsdynamikmodell des ersten Fahrzeugs und eine zu minimierende Kostenfunktion enthält, eine Trajektorie für das erste Fahrzeug (1) zu ermitteln, sodass die Kostenfunktion minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) als Nebenbedingung berücksichtigt wird.

Description

Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs
Die Erfindung betrifft die Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs, wobei das zweite Fahrzeug vor dem ersten Fahrzeug fährt. Beansprucht werden in diesem Zusam- menhang insbesondere eine Prozessoreinheit, ein Fahrerassistenzsystem, ein Fahr- zeug, ein Verfahren sowie ein Computerprogrammprodukt.
Es ist bekannt, bei Abstandsregeltempomaten (im Englischen: Adaptive Cruise Con- trol; abgekürzt: ACC) auch Effizienzkriterien bei der Planung von Geschwindig- keitstrajektorien zu berücksichtigen. Ein stark wachsender Ansatz hierbei ist die Trajektorien-Planung mit Hilfe eines sogenannten MPC-Solvers. Bei diesem Ansatz wird eine Vielzahl möglicher Trajektorien über einem virtuellen Horizont hinsichtlich Ihrer Gesamteffizienz bewertet. Hierbei können auch andere Verkehrsteilnehmer ei- nen Einfluss auf die Gesamteffizienz der letztendlich ausgewählten Trajektorie ausü- ben. Dies ist beispielsweise der Fall, wenn ein vorwegfahrendes Fahrzeug einen Bremsvorgang einleitet oder langsamer fährt und dadurch den Lösungsraum des MPC-Solvers des Ego-Fahrzeugs verkleinert, weswegen das Ego()-Fahrzeug auf eine weniger optimale Trajektorie gezwungen wird. Ein grundlegendes Problem hier- bei ist, dass dem Ego-Fahrzeug in der Regel nicht bekannt ist, wie sich ein vorweg- fahrendes Fahrzeug verhalten wird.
Eine Aufgabe der vorliegenden Erfindung kann darin gesehen werden, eine MPC- Regelung für ein erstes Kraftfahrzeug bereitzustellen, wobei das Verhalten eines zweiten Kraftfahrzeugs berücksichtigt wird, welches vor dem ersten Fahrzeug fährt.
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 ein Profilieren eines vorwegfahrenden Fahrzeugs hinsichtlich dessen Fahrverhaltens und eine anschließende Verwendung des Fahrer- profils zur Umsetzung einer Fahrassistenzfunktion vor. Eine solche Profilierungslogik für vorwegfahrende Fahrzeuge kann mit einer MPC-basierten Fahrstrategie kombi- niert werden. Dabei kann ein Profilieren eines vorwegfahrenden Fahrzeugs an Hand von Radardaten erfolgen und anschließend kann das Fahrerprofil zur Optimierung ei- ner longitudinal-automatisierten Fahrassistenzfunktion verwendet werden. Die vorlie- gende Erfindung ermöglicht somit eine Vorhersage hinsichtlich des Verhaltens des vorwegfahrenden Fahrzeugs.
In diesem Sinne wird gemäß einem ersten Aspekt der Erfindung eine Prozessorein- heit für ein erstes Fahrzeugs bereitgestellt. Die Prozessoreinheit ist dazu eingerich- tet, eine Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhal- tens eines zweiten Fahrzeugs zu ermitteln, wobei das zweite Fahrzeug vor dem ers- ten Fahrzeug (Ego-Fahrzeug) fährt. Bei dem zweiten Fahrzeug handelt es sich somit um ein vorwegfahrendes Fahrzeug in Bezug auf das erste Fahrzeug. Unter dem Merkmal „Trajektorie für das erste Fahrzeug“ kann ein Pfad verstanden werden, wel- chem das erste Fahrzeug zukünftig, z.B. innerhalb der nächsten Sekunden, folgen soll. Dem Pfad kann dabei ein Geschwindigkeitsprofil zugeordnet sein, wobei das Geschwindigkeitsprofil für jeden Punkt entlang des Pfades eine Sollgeschwindigkeit für das erste Fahrzeug vorgeben kann. Diese Zuordnung aus Pfad und Geschwindig- keit ergibt die Geschwindigkeitstrajektorie des ersten Fahrzeugs.
Die Prozessoreinheit ist dazu eingerichtet, auf Geschwindigkeitsdaten des zweiten Fahrzeugs zuzugreifen, wobei die Geschwindigkeitsdaten von einem Sensor des ers- ten Fahrzeugs generiert worden sind. Die Geschwindigkeitsdaten beschreiben we- nigstens eine Geschwindigkeit, mit welchem sich das zweite Fahrzeug fortbewegt.
Bei der Geschwindigkeit kann es sich um einen zeitlichen Verlauf der Geschwindig- keit handeln, mit welcher sich das zweite Fahrzeug in einem bestimmbaren Zeitraum fortbewegt. Der Sensor des ersten Fahrzeugs ist insbesondere dazu eingerichtet, die Geschwindigkeit des zweiten Fahrzeugs zu erfassen. Bei dem Sensor kann es sich beispielsweise um einen Radarsensor handeln. Mit den gesammelten Informationen kann ein Profil des Fahrverhaltens des zweiten Fahrzeugs erstellt werden. Beispielsweise können Fahrzeuge, die sich im Mittel deut- lich unter einer rechtlich erlaubten Höchstgeschwindigkeit aufhalten, als weniger ag- gressive Verkehrsteilnehmer profiliert werden. In diesem Sinne ist die Prozessorein- heit dazu eingerichtet, ein Fahrverhaltensprofil des zweiten Fahrzeugs basierend auf den Geschwindigkeitsdaten zu erstellen.
Gemäß der vorliegenden Erfindung wird das Fahrverhaltensprofil des zweiten Fahr- zeugs zur Erstellung einer Fahrvorhersage des profilierten Fahrzeugs verwendet. In diesem Sinne ist die Prozessoreinheit dazu eingerichtet, eine auf dem Fahrverhal- tensprofil des zweiten Fahrzeugs basierende Vorhersage über das zukünftige Fahr- verhalten des zweiten Fahrzeugs zu treffen.
Die erstellte Vorhersage kann an eine MPC-Logik zur Planung einer optimalen Fahrt- trajektorie des ersten Fahrzeugs weitergegeben werden. Die MPC-Logik plant unter Betrachtung der Routentopologie, des Verkehrs sowie weiterer Umweltinformationen eine optimale Geschwindigkeitstrajektorie für das erste Fahrzeug für den vorauslie- genden Streckenabschnitt. Diese Geschwindigkeitstrajektorie kann nun unter Be- trachtung der Vorhersage hinsichtlich des vorwegfahrenden Fahrzeugs verfeinert und dadurch verbessert werden. Auf diese Weise ist auch eine integrierte Optimierung verschiedener Freiheitsgrade möglich, was zu einem gesamtheitlich optimalen Fahr- verhalten führt. Die Vorhersage hinsichtlich des vorwegfahrenden Fahrzeugs kann der MPC-Logik als harte Nebenbedingung vorgegeben werden. Unter einer harten Nebenbedingung kann eine Nebenbedingung verstanden werden, welche bei der Er- mittlung der Trajektorie für das erste Fahrzeug zwingend eingehalten werden muss.
In diesem Sinne ist die Prozessoreinheit ferner dazu eingerichtet, durch Ausführen eines MPC-Algorithmus‘, welcher ein Längsdynamikmodell des ersten Fahrzeugs und eine zu minimierende Kostenfunktion enthält, eine Trajektorie für das erste Fahr- zeug zu ermitteln, sodass die Kostenfunktion minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahr- zeugs als Nebenbedingung berücksichtigt wird. Die Methode der modelbasierten prädiktiven Regelung (MPC) ermöglicht, in jeder Si- tuation unter gegebenen Randbedingungen und Beschränkungen eine optimale Lö- sung für eine sogenannte „Driving Efficiency“ Fahrfunktion zu finden, welche eine ef- fiziente Fahrweise bereitstellt. Die MPC-Methode basiert auf einem Systemmodell, in der vorliegenden Erfindung auf einem Längsdynamikmodell des ersten Fahrzeugs, welches das Verhalten des Systems beschreibt. Weiterhin basiert die MPC-Methode auf einer Zielfunktion bzw. auf einer Kostenfunktion, die ein Optimierungsproblem be- schreibt und bestimmt, welche Zustandsgrößen minimiert werden sollen.
Das Längsdynamikmodell kann einen Antriebsstrangs des Kraftfahrzeugs abbilden und ein Fahrzeugmodell mit Fahrzeugparametern und Antriebsstrangverlusten (z.T. approximierte Kennfelder) umfassen. In das Längsdynamikmodell des Antriebs- strangs können weiterhin Kenntnisse über vorausliegende Streckentopografien (z.B. Kurven und Steigungen) einfließen. Weiterhin können auch Kenntnisse über Ge- schwindigkeitslimits auf der vorausliegenden Strecke in das Dynamikmodell des An- triebsstrangs einfließen. Der MPC-Algorithmus kann einen MPC-Solver in Form eines Software-Moduls umfassen. Der MPC-Solver kann Anweisungen oder Programm- code enthalten, wodurch die Prozessoreinheit angewiesen wird, in Abhängigkeit von dem Längsdynamikmodell des ersten Fahrzeugs die Trajektorie des ersten Fahr- zeugs derart zu ermitteln, dass die Kostenfunktion minimiert wird.
Die Prozessoreinheit kann die optimierte Trajektorie des ersten Fahrzeugs an ein Softwaremodul („Target Generator“) weitergeben. Mittels dieses Software-Moduls kann die Prozessoreinheit die mathematisch-optimale Beplanung aller zur Verfügung stehenden Freiheitsgrade in tatsächlich verwertbare Komponentensignale konvertie- ren. Als Beispiel kann durch die MPC-Regelung eine Geschwind igkeitstrajektorie des ersten Fahrzeugs für die nächsten 5000m optimal geplant werden. In diesem Fall würde der Target Generator den ersten (=aktuell benötigten) Geschwindigkeitswert dieser Trajektorie beispielsweise in ein Bedarfsdrehmoment einer elektrischen Ma- schine (als eine effizienzrelevante Komponente) des ersten Fahrzeugs „übersetzen“. Mit diesem Wert kann die Komponentensoftware dann arbeiten und die gewollte Ge- schwindigkeit einregeln. Gemäß einer weiteren Ausführungsform enthält ein erster Term der Kostenfunktion eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Dynamikmo- dell prädizierte elektrische Energie, welche innerhalb eines Prädiktionshorizonts von einer Batterie des Antriebsstrangs des ersten Fahrzeugs zum Antrieb der elektri- schen Maschine bereitgestellt wird. Weiterhin kann die Kostenfunktion als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längs- dynamikmodell prädizierte Fahrzeit enthalten, welche das erste Fahrzeug zum Zu- rücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt. Die Prozessoreinheit kann dazu eingerichtet sein, durch Ausführen des MPC-Algorithmus‘ in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term eine Eingangsgröße für die elektrische Maschine zu ermitteln, so- dass die Kostenfunktion minimiert wird.
Die Zustandsgrößen für die Driving Efficiency Fahrfunktion können somit beispiels- weise die Fahrzeuggeschwindigkeit bzw. die kinetische Energie, die verbleibende Energie in der Batterie und die Fahrzeit sein. Die Optimierung von Energieverbrauch und Fahrtzeit kann beispielsweise auf Basis der Steigung der vorausliegenden Stre- cke und Beschränkungen für Geschwindigkeit und Antriebskraft erfolgen, sowie auf Basis des aktuellen Systemzustands. Mittels der Zielfunktion bzw. mittels der Kosten- funktion der Driving Efficiency Fahrstrategie kann zusätzlich zum Gesamtverlust oder Energieverbrauch auch die Fahrzeit minimiert werden. 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 Ge- schwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt. Es wird ermöglicht, dass der Fahrereinfluss nicht länger relevant für den Energieverbrauch und die Fahrzeit des ersten Fahrzeugs ist, weil die elektrische Maschine durch die Prozessoreinheit basierend auf der Eingangsgröße gesteuert werden kann, die durch Ausführen des MPC-Algorithmus ermittelt wird. Mittels der Eingangsgröße kann ins- besondere ein optimaler Motorbetriebspunkt der elektrischen Maschine eingestellt werden. Dadurch kann eine direkte Einregelung der optimalen Geschwindigkeit des ersten Fahrzeugs erfolgen. Die Kostenfunktion kann insbesondere ausschließlich lineare und quadratische Terme aufweisen. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Prob- lem, welches gut und schnell gelöst werden kann. Die Zielfunktion bzw. die Kosten- funktion 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 ei- nen vorausliegenden Horizont auf der Prozessoreinheit online berechnet werden, die insbesondere ein Bestandteil eines Zentral-Steuergeräts des ersten Fahrzeugs bil- den kann. Durch Nutzung der MPC-Methode kann weiterhin eine zyklische Neube- rechnung der Soll-Geschwindigkeit des ersten Fahrzeugs auf Basis des aktuellen Fahrzustands und der vorausliegenden Streckeninformationen erfolgen.
Aktuelle Zustandsgrößen können gemessen, entsprechende Daten können aufge- nommen und dem MPC-Algorithmus zugeführt werden. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshori- zont (z.B. 400 m) vor dem ersten Fahrzeug insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformatio- nen, Kurven Informationen, und Informationen über Geschwindigkeitslimits beinhal- ten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbe- schleunigung in ein Geschwindigkeitslimit für das erste Fahrzeug umgerechnet wer- den. Außerdem kann eine Ortung des ersten Fahrzeugs erfolgen, insbesondere über ein GNSS-Signal zur genauen Lokalisierung auf der elektronischen Karte.
Die Geschwindigkeitsdaten des zweiten Fahrzeugs können einen durch den Sensor des ersten Fahrzeugs ermittelten zeitlichen Verlauf von Ist-Geschwindigkeiten des zweiten Fahrzeugs umfassen. Über eine Funktion kann dabei ein Durchschnitt der relativen bzw. prozentualen Abweichung von einer Geschwindigkeitsbegrenzung (un- ter Betrachtung der Fahrsituation) berechnet werden. Diese mittlere Abweichung kann auf eine vorausliegende Höchstgeschwindigkeit des zweiten Fahrzeugs ange- wandt werden. So kann in einer Ausführungsform die Prozessoreinheit dazu eingerichtet sein, auf einen ersten Geschwindigkeitsbegrenzungswert zuzugreifen, welcher für einen ers- ten Streckenabschnitt gilt, auf welchem das zweite Fahrzeug fährt, und auf einen zweiten Geschwindigkeitsbegrenzungswert zuzugreifen, welcher für einen zweiten Streckenabschnitt gilt, auf welchem das zweite Fahrzeug zukünftig fahren wird. Der Geschwindigkeitsbeschränkungswert, z.B. angegeben in km/h (Kilometer pro Stunde) ist eine rechtlich zulässige oder erlaubte Höchstgeschwindigkeit für Fahr- zeuge auf einem Streckenabschnitt. Der Geschwindigkeitsbeschränkungswert ist ein verbindlicher Grenzwert für die Geschwindigkeit eines Fahrzeugs, der nicht über- schritten werden darf. Umgangssprachlich ist in diesem Zusammenhang auch der Begriff „Tempolimit“ gebräuchlich. Der Geschwindigkeitsbeschränkungswert kann ge- nerell per Verordnung festgelegt und durch Verkehrszeichen gekennzeichnet sein und gilt für bestimmte Fahrzeuge, Beförderung bestimmter Güter oder auf bestimm- ten Streckenabschnitten von Straßen, Schienen- oder Wasserwegen sowie vereinzelt auch im Luftraum.
Die Prozessoreinheit kann dazu eingerichtet sein, aus dem zeitlichen Verlauf der Ist- Geschwindigkeit des zweiten Fahrzeugs eine zeitliche Funktion einer relativen Ge- schwindigkeitsabweichung der Ist-Geschwindigkeit des zweiten Fahrzeugs von dem ersten Geschwindigkeitsbegrenzungswert zu generieren. Unter der „zeitlichen Funk- tion“ kann eine mathematische Funktion verstanden werden, welche den Verlauf der relativen Geschwindigkeitsabweichung der Ist-Geschwindigkeit des zweiten Fahr- zeugs von dem ersten Geschwindigkeitsbegrenzungswert in Abhängigkeit von der Zeit beschreibt.
Die Prozessoreinheit kann weiterhin dazu eingerichtet sein, eine mittlere relative Ge- schwindigkeitsabweichung aus der zeitlichen Funktion der relativen Geschwindig- keitsabweichung zu ermitteln, das Fahrverhaltensprofil des zweiten Fahrzeugs basie- rend auf der mittleren relativen Geschwindigkeitsabweichung zu erstellen, und die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs basierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs zu treffen, indem eine zukünftige Geschwindigkeit des zweiten Fahrzeugs auf dem zweiten Streckenabschnitt in Ab- hängigkeit von der mittleren relativen Geschwindigkeitsabweichung und dem zweiten Geschwindigkeitsbegrenzungswert ermittelt wird.
In einem einfachen Beispiel kann auf einem ersten Streckenabschnitt eine konstante erste Geschwindigkeitsbegrenzung von 100 km/h vorliegen, wobei sich das betrach- tete zweite Fahrzeug beispielsweise über eine komplette Betrachtungsdauer, z.B. 30 s, mit 80 km/h auf dem ersten Streckenabschnitt vor dem ersten Fahrzeug fortbe- wegt. In diesem Fall ergibt sich auch im Mittel eine Abweichung von -20% zu der ers- ten Geschwindigkeitsbegrenzung. Wenn sich nun auf dem vorausschauenden Fahrthorizont eine neue zweite Geschwindigkeitsbegrenzung (z.B. 50 km/h) ergibt, so kann die Voraussage gemacht werden, dass sich (nachdem der Prozess der Ge- schwindigkeitsanpassung abgeschlossen ist) eine vorhergesagte Geschwindigkeit von 40 km/h für das zweite Fahrzeug einstellt (50km/h * (100% - 20%) = 40kmh).
In einer weiteren Ausführungsform ist die Prozessoreinheit dazu eingerichtet, für ei- nen festgelegten Zeitraum zeitdiskrete relative Geschwindigkeitsabweichungen der Ist-Geschwindigkeit des zweiten Fahrzeugs von dem ersten Geschwindigkeitsbe- grenzungswert chronologisch in einem Datensatz zu speichern, und aus den zeitdis- kreten, chronologisch gespeicherten relativen Geschwindigkeitsabweichungen die zeitliche Funktion der relativen Geschwindigkeitsabweichung der Ist-Geschwindigkeit des zweiten Fahrzeugs von dem ersten Geschwindigkeitsbegrenzungswert zu gene- rieren.
Beispielsweise kann die Ist-Geschwindigkeit Vdetected des vorwegfahrenden zweiten Fahrzeugs an Hand verfügbarer Radarinformationen ermittelt werden. Anschließend kann die relative Abweichung Δvrel der Ist-Geschwindigkeit Vdetected des vorwegfahren- den zweiten Fahrzeugs von dem ersten Geschwindigkeitsbegrenzungswert vlimit1 er- folgen. Die relative Geschwindigkeitsabweichung kann wie folgt berechnet werden: Avrei = (vlimit1 - Vdetected )/vlimit1 oder Δvrel = (vdetected - vlimit1 )/vlimit1. Die errechnete relative bzw. prozentuale Abweichung kann in dem Datensatz gespeichert werden, insbeson- dere in einem First-in-First-out (FIFO) Vektor, wobei der Datensatz eine voreinge- stellte Speicherdauer aufweisen kann, z.B. 30s. Der Datensatz, insbesondere der FIFO-Vektor, kann als ein Daten-Array wie folgt beschrieben werden:
Figure imgf000011_0001
Hierbei stellen die einzelnen Werte Δν re/(t1) bis Δvrel tn ) die berechneten prozentu- alen Abweichungen zu den jeweiligen Zeitpunkten t1 bis tn dar, wobei t1 der erste Zeitpunkt während einer voreingestellten Speicherdauer (z.B. 30s; „festgelegter Zeit- raum“) ist, und wobei tn der letzte Zeitpunkt während der voreingestellten Speicher- dauer ist. Das Speichern in dem Datensatz, insbesondere in dem FIFO-Vektor, er- möglicht, den Verlauf der prozentualen Abweichung der Ist-Geschwindigkeit des vor- wegfahrenden zweiten Fahrzeugs von dem ersten Geschwindigkeitsbegrenzungs- wert abzubilden. Dazu werden die Werte Δν re/(t1) bis Δvrel tn ) in chronologischer Reihenfolge innerhalb des Datensatzes, insbesondere innerhalb des FIFO-Vektors, gespeichert. Basierend auf den zeitdiskreten Werten Δν re/(t1) bis Δvrel tn ) kann eine Funktion generiert werden, welche die relative Geschwindigkeitsdifferenz über der Zeit beschreibt. Diese Funktion kann zweimal abgeleitet werden, wobei die erste Ab- leitung dann einen zeitlichen Verlauf der Beschleunigung des zweiten Fahrzeugs be- schreibt, und wobei die zweite Ableitung einen zeitlichen Verlauf des Rucks des zweiten Fahrzeugs beschreibt.
In einer weiteren Ausführungsform ist die Prozessoreinheit dazu eingerichtet, aus der ersten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit eine mittlere Beschleunigung des zweiten Fahrzeugs zu ermitteln und das Fahr- verhaltensprofil des zweiten Fahrzeugs basierend auf der mittleren Beschleunigung des zweiten Fahrzeugs zu erstellen. Beispielsweise können Fahrzeuge, die im Mittel nur kleine Beschleunigungen aufweisen, als weniger aggressive Verkehrsteilnehmer profiliert werden.
Die Informationen bezüglich der mittleren Beschleunigung kann auf Beschleuni- gungs- und Bremsmanöver des zweiten Fahrzeugs angewandt werden. Beschleuni- gungs- und Bremsmanöver ergeben sich insbesondere bei Sprüngen der erlaubten Höchstgeschwindigkeit, vor Ampeln oder Kreuzungen. Ähnlich wie bei der vorste- hend beschriebenen Vorhersage der Geschwindigkeit des zweiten Fahrzeugs, wird auch hier ein mittlerer ^charakteristischer) Wert für die Beschleunigung berechnet, z.B. bei Geschwindigkeitsbegrenzungswert-Übergangen. Die Prozessoreinheit kann in diesem Sinne dazu eingerichtet sein, die Vorhersage über das zukünftige Fahrver- halten des zweiten Fahrzeugs basierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs zu treffen, indem eine zukünftige Beschleunigung des zweiten Fahrzeugs, insbesondere auf dem ersten Streckenabschnitt, in Abhängigkeit von der mittleren Beschleunigung, der mittleren relativen Geschwindigkeitsabweichung und dem zwei- ten Geschwindigkeitsbegrenzungswert ermittelt wird.
Beispielsweise kann für die mittlere Beschleunigung der Wert -1m/s2 berechnet wer- den, d.h. das zweite Fahrzeug bremst im Mittel mit diesem negativen Beschleuni- gungswert (Bremsmanöver). Wenn sich auf dem Horizont jetzt eine Änderung des Geschwindigkeitsbegrenzungswerts ergibt (z.B. von 100 km/h als erster Geschwin- digkeitsbegrenzungswert auf 50km/h als zweiten Geschwindigkeitsbegrenzungs- wert), so kann die mittlere bzw. die charakteristische Beschleunigung zur Vorhersage genutzt werden. Hierbei kann insbesondere die Annahme gelten, dass das zweite Fahrzeug zu Beginn des neuen zweiten Geschwindigkeitsbegrenzungswerts seine Zielgeschwindigkeit erreicht haben wird, die wie vorstehend beschrieben in Abhän- gigkeit von der mittleren relativen Geschwindigkeitsabweichung und dem zweiten Geschwindigkeitsbegrenzungswert ermittelt werden kann. Ausgehend von diesem Wegpunkt (der Übergang zwischen dem ersten Streckenabschnitt, für den der erste Geschwindigkeitsbegrenzungswert gilt, und dem zweiten Streckenabschnitt, für den der zweite Geschwindigkeitsbegrenzungswert gilt) kann dann zurück gerechnet wer- den, wann und wo das Bremsmanöver beginnt.
Ein charakteristischer Ruck des zweiten Fahrzeugs kann auf ähnliche Weise dazu verwendet werden, um einen Beschleunigungsübergang des zweiten Fahrzeugs vor- herzusagen. In diesem Sinne kann die Prozessoreinheit dazu eingerichtet sein, aus der zweiten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit einen mittleren Ruck des zweiten Fahrzeugs zu ermitteln und das Fahrver- haltensprofil des zweiten Fahrzeugs basierend auf dem mittleren Ruck des zweiten Fahrzeugs zu erstellen. Beispielsweise können Fahrzeuge, die im Mittel nur einen geringen Ruck aufweisen, als weniger aggressive Verkehrsteilnehmer profiliert wer- den. Die Prozessoreinheit kann weiterhin dazu eingerichtet sein, die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs basierend auf dem Fahr- verhaltensprofil des zweiten Fahrzeugs zu treffen, indem ein zukünftiger Ruck des zweiten Fahrzeugs, insbesondere auf dem ersten Streckenabschnitt, in Abhängigkeit von dem mittleren Ruck, der mittleren Beschleunigung, der mittleren relativen Ge- schwindigkeitsabweichung und dem zweiten Geschwindigkeitsbegrenzungswert er- mittelt wird. Beispielsweise kann für den mittleren Ruck ein Wert von -1m/s3 ermittelt werden. In diesem Falle würde bei dem weiter oben beschriebenen Bremsmanöver beispielsweise ein Übergang der Beschleunigung von 0 m/s2 auf -1m/s2 eine Se- kunde dauern. Hierdurch kann die Dauer des Übergangs zwischen keiner Bremspe- dalstellung und der charakteristischen Bremspedalstellung vorausgesagt werden.
Der Ruck ist für die Länge dieses Übergangs gleichbleibend.
Die Maximalwerte für Ruck und Beschleunigung können weiterhin genutzt werden, um die Möglichkeit einer Notbremsung zu detektieren. In diesem Sinne kann die Pro- zessoreinheit dazu eingerichtet sein, aus der ersten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der zeit eine maximale Beschleunigung des zweiten Fahrzeugs zu ermitteln, und aus der zweiten Ableitung der zeitlichen Funk- tion der Geschwindigkeitsabweichung nach der Zeit einen maximalen Ruck des zwei- ten Fahrzeugs zu ermitteln sowie das Fahrverhaltensprofil des zweiten Fahrzeugs basierend auf der maximalen Beschleunigung und basierend auf dem maximalen Ruck des zweiten Fahrzeugs zu erstellen. Weiterhin kann die Prozessoreinheit dazu eingerichtet sein, die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs basierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs zu treffen, indem eine Notbremsung des zweiten Fahrzeugs in Abhängigkeit von der maximalen Beschleunigung und dem maximalen Ruck detektiert wird.
Die vorstehend beschriebenen Funktionalitäten bzw. Schritte können im Rahmen ei- nes MPC-Ansatzes in jedem Berechnungsschritt (i.d.R. alle 10ms) ausgeführt wer- den. In diesem Sinne kann die Prozessoreinheit dazu eingerichtet sein, für jede Aus- führung des MPC-Algorithmus zur Ermittlung der Trajektorie für das erste Fahrzeug eine Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs zu tref- fen.
Gemäß einem zweiten Aspekt der Erfindung wird ein Fahrerassistenzsystem zur Ausführung einer Fahrerassistenzfunktion eines ersten Fahrzeugs unter Berücksichti- gung des Fahrverhaltens eines zweiten Fahrzeugs bereitgestellt, wobei das zweite Fahrzeug vor dem ersten Fahrzeug fährt. Das Fahrerassistenzsystem ist dazu einge- richtet, insbesondere mittels einer Kommunikations-Schnittstelle auf eine von einer Prozessoreinheit gemäß dem ersten Aspekt der Erfindung ermittelte Trajektorie für das erste Fahrzeug zuzugreifen und insbesondere mittels einer Prozessoreinheit eine Fahrerassistenzfunktion des ersten Fahrzeugs unter Verwendung der Trajekto- rie für das erste Fahrzeug auszuführen.
Die Fahrerassistenzfunktion beinhaltet eine autonome oder eine teilautonome Fahr- funktion. Die autonome Fahrfunktion ermöglicht, dass das Fahrzeug selbstständig fährt, d.h. ohne, dass ein Fahrzeuginsasse das Fahrzeug steuert. Der Fahrer hat die Kontrolle über das Fahrzeug an das Fahrerassistenzsystem abgegeben. So umfasst die autonome Fahrfunktion, dass das Fahrzeug - insbesondere mittels der Prozesso- reinheit zur Ermittlung der Trajektorie des Fahrzeugs oder der Prozessoreinheit des Fahrerassistenzsystems - dazu eingerichtet ist, beispielsweise Lenk-, Blink-, Be- schleunigungs- und Bremsmanöver ohne menschliches Eingreifen durchzuführen so- wie insbesondere Außenlicht und Signalgebung wie Blinker des Fahrzeugs zu steu- ern. Unter der teilautonomen Fahrfunktionen kann eine Fahrfunktionen verstanden werden, die einen Fahrer des Fahrzeugs bei der Steuerung des Fahrzeugs unter- stützt, insbesondere bei Lenk-, Blink-, Beschleunigungs- und Bremsmanövern, wobei der Fahrer weiterhin die Kontrolle über das Fahrzeug hat.
Gemäß einem dritten Aspekt der Erfindung wird ein erstes Fahrzeug bereitgestellt. Das erste Fahrzeug umfasst einen Sensor, insbesondere einen Radarsensor. Der Sensor ist dazu eingerichtet, Geschwindigkeitsdaten eines zweiten Fahrzeugs zu ge- nerieren, welches vor dem ersten Fahrzeug fährt. Weiterhin umfasst das erste Fahr- zeug eine Prozessoreinheit gemäß dem ersten Aspekt der Erfindung und ein Fahrer- assistenzsystem gemäß dem zweiten Aspekt der Erfindung. Bei dem ersten Fahrzeug handelt es sich insbesondere um ein Kraftfahrzeug, bei- spielsweise um ein Automobil (z.B. ein Personen kraftfahrwagen mit einem Gewicht von weniger als 3,51), Motorrad, Motorroller, Moped, Fahrrad, E-Bike, Bus oder Last- kraftwagen (z.B. mit einem Gewicht von über 3,51), oder aber auch um ein Schienen- fahrzeug, ein Schiff, ein Luftfahrzeug wie Helikopter oder Flugzeug. Auch in kleinen, leichten elektrischen Kraftfahrzeugen der Mikromobilität kann die Erfindung einge- setzt werden, wobei diese Kraftfahrzeuge insbesondere im städtischen Verkehr und für die erste und letzte Meile im ländlichen Raum genutzt werden. Unter der ersten und letzten Meile können alle Strecken und Wege verstanden werden, die sich im ersten und letzten Glied einer Mobilitätskette befinden. Das ist zum Beispiel der Weg von Zuhause zum Bahnhof oder die Strecke vom Bahnhof zum Arbeitsplatz. Mit an- deren Worten ist die Erfindung in allen Bereichen des Transportwesens wie Automo- tive, Aviation, Nautik, Astronautik etc. einsetzbar.
Gemäß einem vierten Aspekt der Erfindung wird ein Verfahren zur Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs bereitgestellt, wobei das zweite Fahrzeug vor dem ersten Fahr- zeug fährt. Das Verfahren umfasst die folgenden Schritte:
- Generieren von Geschwindigkeitsdaten des zweiten Fahrzeugs,
- Erstellen eines Fahrverhaltensprofils des zweiten Fahrzeugs basierend auf den Ge- schwindigkeitsdaten,
- Treffen einer auf dem Fahrverhaltensprofil des zweiten Fahrzeugs basierenden Vor- hersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs und
- Ermitteln einer Trajektorie für das erste Fahrzeug durch Ausführen eines MPC-AI- gorithmus', welcher ein Längsdynamikmodell des ersten Fahrzeugs und eine zu mini- mierende Kostenfunktion enthält, sodass die Kostenfunktion minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs als Nebenbedingung berücksichtigt wird.
Gemäß einem fünften Aspekt der Erfindung wird ein Computerprogrammprodukt zur Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahr- verhaltens eines zweiten Fahrzeugs bereitgestellt, wobei das zweite Fahrzeug vor dem ersten Fahrzeug fährt. Das Computerprogrammprodukt leitet, wenn es auf einer Prozessoreinheit ausgeführt wird, die Prozessoreinheit an,
- auf Geschwindigkeitsdaten des zweiten Fahrzeugs zuzugreifen, wobei die Ge- schwindigkeitsdaten von einem Sensor des ersten Fahrzeugs generiert worden sind,
- ein Fahrverhaltensprofil des zweiten Fahrzeugs basierend auf den Geschwindig- keitsdaten zu erstellen,
- eine auf dem Fahrverhaltensprofil des zweiten Fahrzeugs basierende Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs zu treffen und
- durch Ausführen eines MPC-Algorithmus‘, welcher ein Längsdynamikmodell des ersten Fahrzeugs und eine zu minimierende Kostenfunktion enthält, eine Trajektorie für das erste Fahrzeug zu ermitteln, sodass die Kostenfunktion minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs als Nebenbedingung berücksichtigt wird. Der MPC-Algorith- mus kann als Softwarecode einen Bestandteil des Computerprogrammprodukts bil- den.
Die Ausführungen im Zusammenhang mit der Prozessoreinheit gemäß dem ersten Aspekt der Erfindung gelten sinngemäß auch für das Fahrerassistenzsystem gemäß dem zweiten Aspekt der Erfindung, für das erste Fahrzeug gemäß dem dritten As- pekt der Erfindung, für das Verfahren gemäß dem vierten Aspekt der Erfindung und für das Computerprogrammprodukt gemäß dem fünften Aspekt der Erfindung.
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schemati- schen Zeichnung näher erläutert, wobei gleiche oder ähnliche Elemente mit dem glei- chen Bezugszeichen versehen sind. Hierbei zeigt
Fig. 1 eine schematische Darstellung eines ersten Fahrzeugs und
Fig. 2 ein zweites Fahrzeug, welches vor dem ersten Fahrzeug nach Fig. 2 auf ei- nem ersten Streckenabschnitt einer Straße fährt. Fig. 1 zeigt ein erstes Fahrzeug 1. In dem gezeigten Ausführungsbeispiel handelt es sich bei dem ersten Fahrzeug um ein Kraftfahrzeug, z.B. um einen Person enkraft- fahrwagen. Das Kraftahrzeug 1 umfasst ein MPC-System 2 zur Ermittlung einer Trajektorie für das erste Kraftfahrzeug 1 unter Berücksichtigung des Fahrverhaltens eines durch Fig. 2 gezeigten zweiten Fahrzeugs 18, wobei das zweite Fahrzeug 18 vor dem ersten Kraftfahrzeug 1 fährt. Auch bei dem zweiten Fahrzeug 18 handelt es sich in dem gezeigten Ausführungsbeispiel um ein Kraftfahrzeug, z.B. ebenfalls um einen Personenkraftfahrwagen. Das erste Kraftfahrzeug 1 umfasst weiterhin ein Fah- rerassistenzsystem 16 mit einer Prozessoreinheit und mit einer Kommunikations- schnittstelle 20.
Das MPC-System 2 umfasst in dem gezeigten Ausführungsbeispiel eine Prozesso- reinheit 3, eine Speichereinheit 4, eine Kommunikations-Schnittstelle 5 und eine Er- fassungseinheit 6, insbesondere zur Ermittlung der Geschwindigkeit eines vorausfah- renden Fahrzeugs (in dem durch Fig. 2 gezeigten Beispiel des zweiten Kraftfahr- zeugs 18) sowie zur Erfassung von weiteren das Kraftfahrzeug 1 betreffenden Umge- bungsdaten und Zustandsdaten. Das Kraftfahrzeug 1 umfasst weiterhin einen An- triebsstrang 7, der beispielsweise eine elektrische Maschine 8, die als Motor und als Generator betrieben werden kann, eine Batterie 9 und ein Getriebe 10 umfassen kann. Die elektrische Maschine 8 kann im Motorbetrieb Räder des Kraftfahrzeugs 1 über das Getriebe 10 antreiben, das beispielsweise eine konstante Übersetzung auf- weisen kann. Die dazu notwendige elektrische Energie kann die Batterie 9 bereitstel- len. Die Batterie 9 kann durch die elektrische Maschine 8 aufgeladen werden, wenn die elektrische Maschine 8 im Generatorbetrieb betrieben wird (Rekuperation). Die Batterie 9 kann optional auch an einer externen Ladestation aufgeladen werden. Ebenfalls kann der Antriebsstrang des Kraftfahrzeugs 1 optional einen Verbren- nungskraftmotor 17 aufweisen, welcher alternativ oder zusätzlich zu der elektrischen Maschine 8 das Kraftfahrzeug 1 antreiben kann. Der Verbrennungskraftmotor 17 kann auch die elektrische Maschine 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 wer- den, wozu die Prozessoreinheit 3 und die Speichereinheit 4 mittels der Kommunikati- ons-Schnittstelle 5 miteinander verbunden sind. Wenn das Computerprogrammpro- dukt 11 auf der Prozessoreinheit 3 ausgeführt wird, leitet es die Prozessoreinheit 3 an, die im Zusammenhang mit der Zeichnung beschriebenen Funktionen zu erfüllen bzw. Verfahrensschritte auszuführen.
Das Computerprogrammprodukt 11 enthält einen MPC-Algorithmus 13. Der MPC-AI- gorithmus 13 wiederum enthält ein Längsdynamikmodell 14 des Antriebsstrangs 7 des Kraftfahrzeugs 1 . Weiterhin enthält der MPC-Algorithmus 13 eine zu minimie- rende Kostenfunktion 15. Die Prozessoreinheit 3 führt den MPC-Algorithmus 13 aus und ermittelt dabei eine optimale Geschwindigkeitstrajektorie des ersten Kraftfahr- zeugs 1 basierend auf dem Längsdynamikmodell 14, sodass die Kostenfunktion 15 minimiert wird.
Als Output der Optimierung durch den MPC-Algorithmus 13 können sich weiterhin eine optimale Drehzahl und ein optimales Drehmoment der elektrischen Maschine 8 für berechnete Punkte im Vorausschauhorizont ergeben. Die Prozessoreinheit 3 kann dazu eine Eingangsgröße für die elektrische Maschine 8 ermitteln, sodass sich die optimale Drehzahl und das optimale Drehmoment einstellen. Die Prozessorein- heit 3 kann die elektrische Maschine 8 basierend auf der ermittelten Eingangsgröße steuern. Weiterhin kann dies jedoch auch durch das Fahrerassistenzsystem 16 erfol- gen.
Die Erfassungseinheit 6 kann aktuelle Zustandsgrößen des ersten Kraftfahrzeugs 1 messen, entsprechende Daten aufnehmen und dem MPC-Algorithmus 13 zuführen. Weiterhin können Streckendaten aus einer elektronischen Karte für einen Voraus- schauhorizont bzw. Prädiktionshorizont (z.B. 400 m) vor dem Kraftfahrzeug 1 insbe- sondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können bei- spielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug 1 umgerechnet werden. Außerdem kann mittels der Erfassungseinheit 6 eine Ortung des ersten Kraftfahrzeugs 1 erfolgen, insbesondere über ein von ei- nem GNSS-Sensor 12 generiertes Signal zur genauen Lokalisierung auf der elektro- nischen Karte. Ferner weist die Erfassungseinheit 6 insbesondere zur Ermittlung der Geschwindigkeit von vorausfahrenden Fahrzeugen 18 (Fig. 2) einen Radar-Sensor 24 auf. Die Prozessoreinheit 3 kann auf Informationen der genannten Elemente bei- spielsweise über die Kommunikations-Schnittstelle 5 zugreifen. Diese Informationen können in das Längsmodell 14 des Kraftfahrzeugs 1 einfließen, insbesondere als Be- schränkungen oder Nebenbedingungen.
Das stark vereinfachte Beispiel nach Fig. 2 zeigt das erste Kraftfahrzeug 1 auf einem ersten Streckenabschnitt 22 einer Straße 21 . Das erste Kraftfahrzeug 1 fährt unter- stützt durch die vorstehend beschriebene Fahrerassistenzfunktion autonom mit einer ersten Geschwindigkeit vi in einer ersten Fahrtrichtung xi. Das zweite Kraftfahrzeug 18 befindet sich vor dem ersten Kraftfahrzeug 1 ebenfalls auf dem ersten Strecken- abschnitt 22 der Straße 21 . Das zweite Kraftfahrzeug 1 fährt vor dem ersten Kraft- fahrzeug 1 mit einer zweiten Geschwindigkeit V2 in einer zweiten Fahrtrichtung xi. In dem gezeigten Ausführungsbeispiel verläuft der erste Streckenabschnitt 22 gerade und die erste Fahrtrichtung xi des ersten Kraftfahrzeugs 1 entspricht der zweiten Fahrtrichtung X2 des zweiten Kraftfahrzeugs 18. Dies ist jedoch rein beispielhaft und nicht zwingend. Die erste Geschwindigkeit vi des ersten Kraftfahrzeugs 1 kann der zweiten Geschwindigkeit V2 des zweiten Kraftfahrzeugs 18 entsprechen (vi = V2), was jedoch ebenfalls rein beispielhaft und nicht zwingend ist. Die erste Geschwindigkeit vi des ersten Kraftfahrzeugs 1 kann auch von der zweiten Geschwindigkeit V2 des zweiten Kraftfahrzeugs 18 abweichen (vi + MT).
Auf dem ersten Streckenabschnitt 22 gilt eine erste rechtliche Geschwindigkeitsbe- grenzung, die beispielsweise auf einen ersten Geschwindigkeitsbegrenzungswert von vlimit1 = 100 km/h festgelegt sein kann. Das zweite Kraftfahrzeug 18 fährt dem ersten Kraftfahrzeug voraus in Richtung eines zweiten Streckenabschnitts 23, auf dem das zweite Kraftfahrzeug 2 voraussichtlich zukünftig fahren wird. Das erste Kraftfahrzeug 1 folgt dem zweiten Kraftfahrzeug 18 in Richtung des zweiten Stre- ckenabschnitts 23. Auf dem zweiten Streckenabschnitt 23 gilt eine zweite rechtliche Geschwindigkeitsbegrenzung, die beispielsweise auf einen zweiten Geschwindig- keitsbegrenzungswert von vlimit2 = 50 km/h festgelegt sein kann.
Der erste Geschwindigkeitsbegrenzungswert vlimit1 und der zweite Geschwindigkeits- begrenzungswert vlimit2 können beispielsweise in einer Karte eines Navigationssys- tems des ersten Kraftfahrzeugs 1 hinterlegt sein. Die Prozessoreinheit 3 des MPC- Systems 2 kann mittels der Kommunikationsschnittstelle 5 auf den ersten Geschwin- digkeitsbegrenzungswert vlimit1 und auf den zweiten Geschwindigkeitsbegrenzungs- wert vlimit2 zugreifen.
Der Radarsensor 24 generiert Geschwindigkeitsdaten des zweiten Kraftfahrzeugs 18. Die Prozessoreinheit 3 des MPC-Systems 2 kann mittels der Kommunikationsschnitt- stelle 5 auf die Geschwindigkeitsdaten zugreifen. In dem gezeigten Ausführungsbei- spiel ermittelt der Radarsensor 24 zu diskreten Zeitpunkten t1 bis tn jeweils eine Ist- Geschwindigkeit Vdetected (t1 ) bis Vdetected(tn) des zweiten Kraftfahrzeugs 18, wodurch der zeitliche Verlauf der Geschwindigkeit vi des zweiten Kraftfahrzeugs 18 beschrie- ben werden kann.
Basierend auf den ermittelten Ist-Geschwindigkeiten Vdetected(t1) bis Vdetected(tn) des zweiten Kraftfahrzeugs 18 und dem ersten Geschwindigkeitsbegrenzungswert vlimit1 ermittelt die Prozessoreinheit 3 zeitdiskrete relative Geschwindigkeitsabweichungen Δν re/(t1) bis Δvrel(tn) der Ist-Geschwindigkeiten Vdetected(t1) bis Vdetected(tn) des zwei- ten Fahrzeugs 18 von dem ersten Geschwindigkeitsbegrenzungswert vlimit1 . Die rela- tiven Geschwindigkeitsabweichungen Δν re/(t1) bis Δvrel tn ) können beispielsweise wie folgt berechnet werden:
Figure imgf000020_0001
Die relativen Geschwindigkeitsabweichungen Δν re/(t1) bis Δvrel tn ) können in einem Datensatz gespeichert werden, in dem gezeigten Beispiel in einem First-in-First-out (FIFO)-Vektor, wobei der FIFO-Vektor eine voreingestellte Speicherdauer aufweisen kann, z.B. 30s. Der FIFO-Vektor kann als ein Daten-Array wie folgt beschrieben wer- den:
Figure imgf000021_0001
Figure imgf000021_0002
Hierbei stellen die einzelnen Werte Δν re/(t1) bis Δν re/(tn) die berechneten prozentu- alen Abweichungen zu den jeweiligen Zeitpunkten t1 bis tn dar, wobei t1 der erste Zeitpunkt während der voreingestellten Speicherdauer (z.B. 30s) ist, und wobei tn der letzte Zeitpunkt während der voreingestellten Speicherdauer ist. Das Speichern in dem FIFO-Vektor ermöglicht, den Verlauf der prozentualen Abweichung der Ist-Ge- schwindigkeit des vorwegfahrenden zweiten Fahrzeugs 18 von dem ersten Ge- schwindigkeitsbegrenzungswert vlimit1 abzubilden. Dazu werden die Werte Δν re/(t1) bis Δvrel tn) in chronologischer Reihenfolge innerhalb des FIFO-Vektors gespeichert. Basierend auf den zeitdiskreten Werten Δν re/(t1) bis Δvrel tn) kann die Prozesso- reinheit 3 eine Funktion Δvrel(t) generieren, welche die relative Geschwindigkeitsdif- ferenz Δvrel über der Zeit t beschreibt. Diese Funktion kann durch die Prozessorein- heit 3 zweimal abgeleitet werden, wobei die erste Ableitung Δvr'el(t) dann einen zeit- lichen Verlauf der Beschleunigung a des zweiten Fahrzeugs 18 beschreibt, und wo- bei die zweite Ableitung Δv "rel(t) einen zeitlichen Verlauf des Rucks j des zweiten Fahrzeugs 18 beschreibt.
Die Prozessoreinheit 3 ermittelt folgende Werte:
- eine mittlere relative Geschwindigkeitsabweichung Δv rel average des zweiten Fahr- zeugs 18 aus der Funktion Δvrel t), welche die relative Geschwindigkeitsdifferenz Δvrel über der Zeit t beschreibt,
- eine mittlere Beschleunigung aaverage des zweiten Fahrzeugs 18 aus der ersten zeit- lichen Ableitung Δvr'el(t) der Funktion Δvrel t), welche die relative Geschwindigkeits- differenz Δvrel über der Zeit t beschreibt,
- eine maximale Beschleunigung amax des zweiten Fahrzeugs 18 aus der ersten zeitli- chen Ableitung Δvr'el(t) der Funktion Δvrel t), welche die relative Geschwindigkeits- differenz Δvrel über der Zeit t beschreibt,
- einen mittleren Ruckjaverage des zweiten Fahrzeugs 18 aus der zweiten zeitlichen Ableitung Δv"el(t) der Funktion Δvrel(t , welche die relative Geschwindigkeitsdiffe- renz Δvrel über der Zeit t beschreibt, und - einen maximalen Ruck jmax des zweiten Fahrzeugs 18 aus der zweiten zeitlichen Ableitung Δv"rel(t) der Funktion Δvrel t), welche die relative Geschwindigkeitsdiffe- renz Δvrel über der Zeit t beschreibt.
Basierend auf wenigstens einem dieser Werte Δvrel average, aaverage, amax, javerage und jmax erstellt die Prozessoreinheit 3 ein Profil, welches das Fahrverhalten des zweiten Kraftfahrzeugs 18 beschreibt („Fahrverhaltensprofil“). Wenn sich das zweite Kraft- fahrzeug 18 beispielsweise im Mittel deutlich unter der Höchstgeschwindigkeit vlimit1 aufhält und im Mittel nur kleine Beschleunigungen a und Rücke j aufweist, so kann das zweite Kraftfahrzeug 18 beispielsweise als ein weniger aggressiver Verkehrsteil- nehmer profiliert werden. Basierend auf dem Fahrverhaltensprofil des zweiten Fahr- zeugs 18 trifft die Prozessoreinheit 3 eine Vorhersage über das zukünftige Fahrver- halten des zweiten Fahrzeugs 18.
Wie bereits erwähnt, gilt auf dem ersten Streckenabschnitt 22 ein Geschwindigkeits- begrenzungswert vlimit1 = 100 km/h. Das zweite Fahrzeug 18 kann sich beispiels- weise über eine komplette Betrachtungsdauer, z.B. 30s, mit einer Ist-Geschwindig- keit Vdetected von 80 km/h auf dem ersten Streckenabschnitt 22 vor dem ersten Fahr- zeug 1 fortbewegen. In diesem Fall ergibt sich eine mittlere relative Geschwindig- keitsabweichung Δvrel average von -20% zu dem ersten Geschwindigkeitsbegrenzungs- wert vlimit1 . Auf dem vorausschauenden Fahrthorizont ergibt sich für den zweiten Stre- ckenabschnitt 23 der zweite Geschwindigkeitsbegrenzungswert von 50 km/h. Die Prozessoreinheit 3 trifft in diesem Fall die Voraussage, dass sich (nachdem der Pro- zess der Geschwindigkeitsanpassung abgeschlossen ist) das zweite Kraftfahrzeug 18 auf dem zweiten Streckenabschnitt 23 mit einer Geschwindigkeit von 40 km/h fort- bewegen wird (50km/h * (100% - 20%) = 40kmh).
Beispielsweise kann für die mittlere Beschleunigung der Wert -1m/s2 berechnet wer- den, d.h. das zweite Fahrzeug 18 bremst im Mittel mit diesem negativen Beschleuni- gungswert (Bremsmanöver). Wenn sich auf dem Horizont jetzt die Änderung des Ge- schwindigkeitsbegrenzungswerts von 100 km/h auf 50km/h ergibt, so kann die mitt- lere Beschleunigung aaverage zur Vorhersage des Fahrverhaltens des zweiten Kraft- fahrzeugs 18 genutzt werden. Hierbei kann insbesondere die Annahme gelten, dass das zweite Fahrzeug 18 zu Beginn des zweiten Geschwindigkeitsbegrenzungswerts viimit2 seine Zielgeschwindigkeit (40 km/h) erreicht haben wird, die wie vorstehend be- schrieben in Abhängigkeit von der mittleren relativen Geschwindigkeitsabweichung Δvrel average und dem zweiten Geschwindigkeitsbegrenzungswert vlimit2 ermittelt werden kann. Ausgehend von diesem Wegpunkt (der Übergang zwischen dem ersten Stre- ckenabschnitt 22 und dem zweiten Streckenabschnitt 23) kann dann zurück gerech- net werden, wann und wo das Bremsmanöver des zweiten Kraftfahrzeugs 18 be- ginnt.
Der mittler Ruck javerage des zweiten Fahrzeugs 18 kann auf ähnliche Weise dazu ver- wendet werden, um einen Beschleunigungsübergang des zweiten Fahrzeugs 18 vor- herzusagen. Beispielsweise kann für den mittleren Ruck javerage ein Wert von -1m/s3 ermittelt werden. In diesem Falle würde bei dem vorstehend beschriebenen Brems- manöver beispielsweise ein Übergang der Beschleunigung von 0 m/s2 auf -1m/s2 eine Sekunde dauern. Hierdurch kann die Dauer des Übergangs zwischen keiner Bremspedalstellung und der charakteristischen Bremspedalstellung vorausgesagt werden. Der Ruck j ist für die Länge dieses Übergangs gleichbleibend. Die Maximal- werte amax und jmax f ü r Beschleunigung und Ruck können weiterhin genutzt werden, um die Möglichkeit einer Notbremsung zu detektieren.
Die Prozessoreinheit 3 ermittelt durch Ausführen des MPC-Algorithmus‘ 13 eine Trajektorie für das erste Kraftfahrzeug 1 , sodass die Kostenfunktion 15 minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs 18 als Nebenbedingung berücksichtigt wird. Weiterhin werden insbesondere eine Routentopologie, der Verkehrs sowie weiterer Umweltinformationen miteinbezogen, um die optimale Geschwind igkeitstrajektorie für das erste Fahrzeug 1 für den vorausliegenden Streckenabschnitt zu ermitteln.
Die Prozessoreinheit 19 des Fahrerassistenzsystems 16 greift mittels der Kommuni- kationsschnittstelle 20 auf die von einer Prozessoreinheit 3 des MPC-Systems 2 er- mittelte Trajektorie für das erste Kraftfahrzeug 1 zu und führt die autonome Fahrfunk- tion des ersten Kraftfahrzeugs 1 unter Verwendung der Trajektorie für das erste Kraftfahrzeug 1 aus. Alternativ kann auch die Prozessoreinheit 3 des MPC-Systems 2 die autonome Fahrfunktion des ersten Kraftfahrzeugs 1 unter Verwendung der Trajektoriefürdas erste Kraftfahrzeug 1 ausführen. In diesem Falle ist das Fahreras- sistenzsystem 16 in das MPC-System 2 integriert bzw. das MPC-System 2 bildet das Fahrerassistenzsystem 16.
Im Folgenden werden mögliche Ausführungsformen des Längsdynamikmodells 14 und der Kostenfunktion 15 näher beschrieben, welche Bestandteile des MPC-Algo- rithmus' 13 zur Ermittlung derTrajektoriefür das erste Kraftfahrzeug 1 sind.
So kann das Längsdynamikmodell 14 des Kraftfahrzeugs 1 mathematisch wie folgt ausgedrückt werden:
Figure imgf000024_0001
Hierbei sind: v die Geschwindigkeit des Kraftfahrzeugs;
Ftrac Traktionskraft, die durch den Motor oder die Bremsen auf die Räder des Kraftfahrzeugs ausgeübt wird,
Fr die Rollwiderstandskraft, welche ein Effekt der Verformung der Reifen beim Rollen ist und von der Belastung der Räder (der Normalkraft zwi- schen Rad und Straße) und damit vom Neigungswinkel der Straße ab- hängt;
Fgr die Steigungswiderstandskraft, welche eine Längskomponente der
Schwerkraft beschreibt, die auf das Kraftfahrzeug im Bergauf- oder Berg- abfahrbetrieb wirkt, abhängig von der Neigung der Fahrbahn;
Fd die Luftwiderstandskraft des Kraftfahrzeugs; und meq die äquivalente Masse des Kraftfahrzeugs; die äquivalente Masse beinhal- tet insbesondere die Trägheit der Drehteile des Antriebsstrangs, welche der Beschleunigung des Kraftfahrzeugs ausgesetzt sind (Motor, Getriebe- antriebswellen, Räder). Durch Umwandlung von Zeitabhängigkeit in Wegabhängigkeit
Figure imgf000025_0002
und Koordinatentransformation zur Eliminierung des quadratischen Geschwindig- keits-Terms im Luftwiderstand mit ekin = ½ * meq * v(t)2 folgt
Figure imgf000025_0001
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 dekin ausgedrückt wird. Dadurch wird der quadratische Term zur Berechnung des Luftwi- derstands Fd durch einen linearen Term ersetzt und gleichzeitig ist das Längsdyna- mikmodell 14 des Kraftfahrzeugs 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 be- schrieben werden können. Zum einen ist der elektrische Energieverbrauch des An- triebsstrangs 7 üblicherweise in Form eines Kennfeldes in Abhängigkeit von Drehmo- ment und Motordrehzahl beschrieben. In dem gezeigten Ausführungsbeispiel weist das Kraftfahrzeug 1 eine feste Übersetzung zwischen der elektrischen Maschine 8 und der Straße auf, auf welcher sich das Kraftfahrzeug 1 bewegt. Dadurch lässt sich die Drehzahl der elektrischen Maschine 8 direkt in eine Geschwindigkeit des Kraft- fahrzeugs 1 oder eben in eine kinetische Energie des Kraftfahrzeugs 1 umrechnen. Weiterhin lässt sich die elektrische Leistung der elektrischen Maschine 8 durch Tei- len durch die entsprechende Geschwindigkeit in Energieverbrauch pro Meter um- rechnen. Um ein dementsprechendes Kennfeld für die Optimierung verwenden zu können, wird es linear approximiert: EnergyperMeter ≥ ai * ekin + bi * Ftrac für alle i.
Die zu minimierende Kostenfunktion 15 kann mathematisch beispielsweise wie folgt ausgedrückt werden:
Figure imgf000026_0001
Hierbei ist:
WBat Gewichtungsfaktor für den Energieverbrauch der Batterie
Eßat Energieverbrauch der Batterie
S Wegstrecke
SE-I Wegstrecke einen Zeitschritt vor Ende des Prädiktionshorizonts
FA Antriebskraft, welche durch die elektrische Maschine bereitgestellt wird, durch ein Getriebe konstant übersetzt wird und an einem Rad des Kraft- fahrzeugs anliegt
WTem Gewichtungsfaktor für Drehmomentgradienten
WTemstart Gewichtungsfaktor für Momentensprünge
T Zeit, welche das Fahrzeug benötigt, um die gesamte innerhalb des Prä- diktionshorizonts prädizierte Wegstrecke zurückzulegen WTime Gewichtungsfaktor für die Zeit T
SE Wegstrecke zum Ende des Horizonts wsiack Gewichtungsfaktor für die Slack-Variable
Varsiack Slack-Variable
Die Kostenfunktion 15 besitzt in dem gezeigten Ausführungsbeispiel 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 einen ersten Term eine mit einem ersten Gewich- tungsfaktor WBat gewichtete und gemäß dem Längsdynamikmodell prädizierte elektri- sche Energie Eßat, welche innerhalb eines Prädiktionshorizonts von der Batterie 9 des Antriebsstrangs 7 zum Antrieb der elektrischen Maschine 8 bereitgestellt wird. Die Kostenfunktion 15 enthält als weiteren Term eine mit einem zweiten Gewich- tungsfaktor WTime gewichtete und gemäß dem Längsdynamikmodell 14 prädizierte Fahrzeit T, welche das Kraftfahrzeug 1 benötigt, um die prädizierte Wegstrecke zu- rückzulegen. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine ge- ringe 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 aus- gewertet 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 Die quadratische Abweichung der An-
Figure imgf000027_0003
triebskraft je Meter wird mit einem Gewichtungsf
Figure imgf000027_0002
aktor WTem gewichtet und in der Kos- tenfunktion minimiert. Alternativ zu der Antriebskraft FA je Meter kann auch das durch die elektrische Maschine 8 bereitgestellte Drehmoment MEM genutzt und mit dem Ge- wichtungsfaktor WTem gewichtet werden, sodass sich der alternative Term
Figure imgf000027_0004
ergibt. Durch die konstante Übersetzung des Getriebes 10
Figure imgf000027_0001
sind die Antriebskraft und das Drehmoment direkt proportional zueinander.
Um ein komfortables Fahren sicher zu stellen, wird in der Kostenfunktion 15 ein wei- terer Term zur Bestrafung von Momentensprüngen eingeführt, nämlich wTemStart
(FA(s 1) - FA(s0 ))2 . Alternativ zu der Antriebskraft FA kann auch hier das durch die elektrische Maschine 8 bereitgestellte Drehmoment MEM genutzt werden, sodass sich der alternative Term wTemStart · (MEM (s1) - MEM(S0 )) ergibt. Für den ersten Punkt im Prädiktionshorizont wird die Abweichung zum zuletzt gestellten Moment negativ bewertet und mit einem Gewichtungsfaktor WTemStart 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 überschrit- ten werden dürfen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindig- keitszone 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 Wsiack gewichtete Slack-Variable Varsiack 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 de- ren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhal- ten.
Bezuqszeichen vi Geschwindigkeit des ersten Kraftfahrzeugs xi Fahrtrichtung des ersten Kraftfahrzeugs
V2 Geschwindigkeit des zweiten Kraftfahrzeugs
X2 Fahrtrichtung des zweiten Kraftfahrzeugs
1 erstes Kraftfahrzeug
2 MPC-System
3 Prozessoreinheit
4 Speichereinheit
5 Kommunikations-Schnittstelle
6 Erfassungseinheit
7 Antriebsstrang
8 elektrische Maschine
9 Batterie
10 Getriebe
11 Computerprogrammprodukt
12 GNSS-Sensor
13 MPC-Algorithmus
14 Längsdynamikmodell
15 Kostenfunktion
16 Fahrerassistenzsystem
17 Verbrennungskraftmotor
18 zweites Kraftfahrzeug
19 Prozessoreinheit des Fahrerassistenzsystems
20 Kommunikationsschnittstelle des Fahrerassistenzsystems
21 Straße
22 erster Streckenabschnitt
23 zweiter Streckenabschnitt
24 Radarsensor

Claims

Patentansprüche
1 . Prozessoreinheit (3) zur Ermittlung einer Trajektorie für ein erstes Fahrzeug (1 ) un- ter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs (18), wobei das zweite Fahrzeug (18) vor dem ersten Fahrzeug (1 ) fährt und wobei die Prozessorein- heit (3) dazu eingerichtet ist,
- auf Geschwindigkeitsdaten des zweiten Fahrzeugs (18) zuzugreifen, wobei die Ge- schwindigkeitsdaten von einem Sensor (24) des ersten Fahrzeugs (1 ) generiert wor- den sind,
- ein Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf den Geschwin- digkeitsdaten zu erstellen,
- eine auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierende Vorher- sage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) zu treffen und
- durch Ausführen eines MPC-Algorithmus‘ (13), welcher ein Längsdynamikmodell
(14) des ersten Fahrzeugs (1 ) und eine zu minimierende Kostenfunktion (15) enthält, eine Trajektorie für das erste Fahrzeug (1 ) zu ermitteln, sodass die Kostenfunktion
(15) minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) als Nebenbedingung berück- sichtigt wird.
2. Prozessoreinheit (3) nach Anspruch 1 , wobei die Geschwindigkeitsdaten einen durch den Sensor (24) des ersten Fahrzeugs (1 ) ermittelten zeitlichen Verlauf von Ist- Geschwindigkeiten des zweiten Fahrzeugs (18) umfassen, und wobei die Prozesso- reinheit (3) dazu eingerichtet ist,
- auf einen ersten Geschwindigkeitsbegrenzungswert zuzugreifen, welcher für einen ersten Streckenabschnitt (22) gilt, auf welchem das zweite Fahrzeug (18) fährt,
- auf einen zweiten Geschwindigkeitsbegrenzungswert zuzugreifen, welcher für einen zweiten Streckenabschnitt (23) gilt, auf welchem das zweite Fahrzeug (18) zukünftig fahren wird,
- aus dem zeitlichen Verlauf der Ist-Geschwindigkeit des zweiten Fahrzeugs (18) eine zeitliche Funktion einer relativen Geschwindigkeitsabweichung der Ist-Geschwindig- keit des zweiten Fahrzeugs (18) von dem ersten Geschwindigkeitsbegrenzungswert zu generieren, - eine mittlere relative Geschwindigkeitsabweichung aus der zeitlichen Funktion der relativen Geschwindigkeitsabweichung zu ermitteln,
- das Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf der mittleren re- lativen Geschwindigkeitsabweichung zu erstellen, und
- die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) ba- sierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) zu treffen, indem eine zukünftige Geschwindigkeit des zweiten Fahrzeugs (18) auf dem zweiten Stre- ckenabschnitt (23) in Abhängigkeit von der mittleren relativen Geschwindigkeitsab- weichung und dem zweiten Geschwindigkeitsbegrenzungswert ermittelt wird.
3. Prozessoreinheit (3) nach Anspruch 2, wobei die Prozessoreinheit (3) dazu einge- richtet ist
- für einen festgelegten Zeitraum zeitdiskrete relative Geschwindigkeitsabweichungen der Ist-Geschwindigkeit des zweiten Fahrzeugs (18) von dem ersten Geschwindig- keitsbegrenzungswert chronologisch in einem Datensatz zu speichern, und
- aus den zeitdiskreten, chronologisch gespeicherten relativen Geschwindigkeitsab- weichungen die zeitliche Funktion der relativen Geschwindigkeitsabweichung der Ist- Geschwindigkeit des zweiten Fahrzeugs (18) von dem ersten Geschwindigkeitsbe- grenzungswert zu generieren.
4. Prozessoreinheit (3) nach Anspruch 2 oder 3, wobei die Prozessoreinheit (3) dazu eingerichtet ist,
- aus der ersten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit eine mittlere Beschleunigung des zweiten Fahrzeugs (18) zu ermitteln,
- das Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf der mittleren Beschleunigung des zweiten Fahrzeugs (18) zu erstellen, und
- die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) ba- sierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) zu treffen, indem eine zukünftige Beschleunigung des zweiten Fahrzeugs (18) auf dem ersten Stre- ckenabschnitt (22) in Abhängigkeit von der mittleren Beschleunigung, der mittleren relativen Geschwindigkeitsabweichung und dem zweiten Geschwindigkeitsbegren- zungswert ermittelt wird.
5. Prozessoreinheit (3) nach Anspruch 4, wobei die Prozessoreinheit (3) dazu einge- richtet ist,
- aus der zweiten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit einen mittleren Ruck des zweiten Fahrzeugs (18) zu ermitteln,
- das Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf dem mittleren Ruck des zweiten Fahrzeugs (18) zu erstellen, und
- die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) ba- sierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) zu treffen, indem ein zukünftiger Ruck des zweiten Fahrzeugs (18) auf dem ersten Streckenabschnitt (22) in Abhängigkeit von dem mittleren Ruck, der mittleren Beschleunigung, der mitt- leren relativen Geschwindigkeitsabweichung und dem zweiten Geschwindigkeitsbe- grenzungswert ermittelt wird.
6. Prozessoreinheit (3) nach einem der Ansprüche 3 bis 5, wobei die Prozessorein- heit (3) dazu eingerichtet ist,
- aus der ersten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit eine maximale Beschleunigung des zweiten Fahrzeugs (18) zu ermit- teln,
- aus der zweiten Ableitung der zeitlichen Funktion der Geschwindigkeitsabweichung nach der Zeit einen maximalen Ruck des zweiten Fahrzeugs (18) zu ermitteln,
- das Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf der maximalen Beschleunigung und basierend auf dem maximalen Ruck des zweiten Fahrzeugs (18) zu erstellen, und
- die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) ba- sierend auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) zu treffen, indem eine Notbremsung des zweiten Fahrzeugs (18) in Abhängigkeit von der maximalen Beschleunigung und dem maximalen Ruck detektiert wird.
7. Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozes- soreinheit (3) dazu eingerichtet ist, für jede Ausführung des MPC-Algorithmus‘ (13) zur Ermittlung der T rajektorie für das erste Fahrzeug (1 ) eine Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) zu treffen.
8. Fahrerassistenzsystem (16) zur Ausführung einer Fahrerassistenzfunktion eines ersten Fahrzeugs (1 ) unter Berücksichtigung des Fahrverhaltens eines zweiten Fahr- zeugs (18), wobei das zweite Fahrzeug (18) vor dem ersten Fahrzeug (1 ) fährt, und wobei das Fahrerassistenzsystem (16) dazu eingerichtet ist,
- auf eine von einer Prozessoreinheit (3) gemäß einem der vorstehenden Ansprüche ermittelte Trajektorie für das erste Fahrzeug (1) zuzugreifen, und
- eine Fahrerassistenzfunktion des ersten Fahrzeugs (1) unter Verwendung der Trajektorie für das erste Fahrzeug (1 ) auszuführen.
9. Erstes Fahrzeug (1 ) umfassend einen Sensor (24), welcher dazu eingerichtet ist, Geschwindigkeitsdaten eines zweiten Fahrzeugs (18) zu generieren, welches vor dem ersten Fahrzeug (1 ) fährt, eine Prozessoreinheit (3) nach einem der vorstehen- den Ansprüche und ein Fahrerassistenzsystem (16) nach Anspruch 8.
10. Verfahren zur Ermittlung einer Trajektorie für ein erstes Fahrzeug (1 ) unter Be- rücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs (18), wobei das zweite Fahrzeug (18) vor dem ersten Fahrzeug (1 ) fährt, das Verfahren umfassend die Schritte
- Generieren von Geschwindigkeitsdaten des zweiten Fahrzeugs (18),
- Erstellen eines Fahrverhaltensprofils des zweiten Fahrzeugs (18) basierend auf den Geschwindigkeitsdaten,
- Treffen einer auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierenden Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) und
- Ermitteln einer Trajektorie für das erste Fahrzeug (1 ) durch Ausführen eines MPC- Algorithmus (13), welcher ein Längsdynamikmodell (14) des ersten Fahrzeugs (1 ) und eine zu minimierende Kostenfunktion (15) enthält, sodass die Kostenfunktion (15) minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) als Nebenbedingung berück- sichtigt wird.
11. Computerprogrammprodukt (11) zur Ermittlung einer Trajektorie für ein erstes Fahrzeug (1 ) unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs (18), wobei das zweite Fahrzeug (18) vor dem ersten Fahrzeug (1 ) fährt, wobei das
Computerprogrammprodukt (11), wenn es auf einer Prozessoreinheit (3) ausgeführt wird, die Prozessoreinheit (3) anleitet,
- auf Geschwindigkeitsdaten des zweiten Fahrzeugs (18) zuzugreifen, wobei die Ge- schwindigkeitsdaten von einem Sensor (24) des ersten Fahrzeugs (1 ) generiert wor- den sind,
- ein Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierend auf den Geschwin- digkeitsdaten zu erstellen,
- eine auf dem Fahrverhaltensprofil des zweiten Fahrzeugs (18) basierende Vorher- sage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) zu treffen und
- durch Ausführen eines MPC-Algorithmus‘
(13), welcher ein Längsdynamikmodell
(14) des ersten Fahrzeugs (1 ) und eine zu minimierende Kostenfunktion (15) enthält, eine Trajektorie für das erste Fahrzeug (1 ) zu ermitteln, sodass die Kostenfunktion
(15) minimiert wird, wobei bei der Ermittlung der Trajektorie die Vorhersage über das zukünftige Fahrverhalten des zweiten Fahrzeugs (18) als Nebenbedingung berück- sichtigt wird.
PCT/EP2019/081869 2019-11-20 2019-11-20 Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs WO2021098956A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980101501.XA CN114599564A (zh) 2019-11-20 2019-11-20 在考虑第二交通工具的行驶行为的情况下确定第一交通工具的轨迹
PCT/EP2019/081869 WO2021098956A1 (de) 2019-11-20 2019-11-20 Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs
US17/778,140 US20220410889A1 (en) 2019-11-20 2019-11-20 Ascertaining a Trajectory for a First Vehicle While Taking into Consideration the Drive Behavior of a Second Vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/081869 WO2021098956A1 (de) 2019-11-20 2019-11-20 Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs

Publications (1)

Publication Number Publication Date
WO2021098956A1 true WO2021098956A1 (de) 2021-05-27

Family

ID=68771604

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/081869 WO2021098956A1 (de) 2019-11-20 2019-11-20 Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs

Country Status (3)

Country Link
US (1) US20220410889A1 (de)
CN (1) CN114599564A (de)
WO (1) WO2021098956A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023031135A1 (en) * 2021-09-03 2023-03-09 Embotech Ag Model-based predictive control of an electric vehicle

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011002275A1 (de) * 2011-04-27 2012-10-31 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Prognose des Fahrverhaltens eines vorausfahrenden Fahrzeugs

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010040789A1 (de) * 2010-09-15 2012-03-15 Bayerische Motoren Werke Aktiengesellschaft Geschwindigkeitsregelsystem mit Abstandssensorik für ein Kraftfahrzeug
US10449967B1 (en) * 2016-03-01 2019-10-22 Allstate Insurance Company Vehicle to vehicle telematics
WO2018026733A1 (en) * 2016-07-31 2018-02-08 Netradyne Inc. Determining causation of traffic events and encouraging good driving behavior
CN110678372B (zh) * 2017-05-24 2022-11-11 本田技研工业株式会社 车辆控制装置
JP2019153029A (ja) * 2018-03-02 2019-09-12 本田技研工業株式会社 車両制御装置
JP7199150B2 (ja) * 2018-03-12 2023-01-05 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
US10860025B2 (en) * 2018-05-15 2020-12-08 Toyota Research Institute, Inc. Modeling graph of interactions between agents
US10676088B2 (en) * 2018-06-08 2020-06-09 GM Global Technology Operations LLC Powertrain control system and method of operating the same
US10475338B1 (en) * 2018-09-27 2019-11-12 Melodie Noel Monitoring and reporting traffic information

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011002275A1 (de) * 2011-04-27 2012-10-31 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Prognose des Fahrverhaltens eines vorausfahrenden Fahrzeugs

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIU CHANG ET AL: "Path planning for autonomous vehicles using model predictive control", 2017 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV), IEEE, 11 June 2017 (2017-06-11), pages 174 - 179, XP033133751, DOI: 10.1109/IVS.2017.7995716 *
ZHOU BINGYU ET AL: "Joint Multi-Policy Behavior Estimation and Receding-Horizon Trajectory Planning for Automated Urban Driving", 2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA), IEEE, 21 May 2018 (2018-05-21), pages 2388 - 2394, XP033403553, DOI: 10.1109/ICRA.2018.8461138 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023031135A1 (en) * 2021-09-03 2023-03-09 Embotech Ag Model-based predictive control of an electric vehicle

Also Published As

Publication number Publication date
US20220410889A1 (en) 2022-12-29
CN114599564A (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
EP3266645B1 (de) Verfahren zum betreiben eines elektrisch angetriebenen oder auch elektrisch antreibbaren fahrzeugs sowie fahrzeug
DE112019003755T5 (de) Lernen von Fahrerverhalten und Fahrcoaching-Strategie mittels künstlicher Intelligenz
DE112012005806B4 (de) Verzögerungsfaktorschätzvorrichtung und Fahrunterstützungsvorrichtung
DE102016123648A1 (de) Fahrzeugbeschleunigungsbestimmung
WO2021115567A1 (de) Mpc-basierte trajektorie-ermittlung für ein erstes fahrzeug unter verwendung von trajektorie-informationen über ein zweites fahrzeug
DE102009040682A1 (de) Verfahren zur Steuerung einer Geschwindigkeitsregelanlage eines Fahrzeugs
WO2021175423A1 (de) Modellbasierte prädiktive regelung eines fahrzeugs unter berücksichtigung eines ankunftszeit-faktors
WO2013189664A1 (de) Verfahren und vorrichtung zum fahren einer fahrstrecke mit einem vorgegebenen gewünschten mittleren energieverbrauch
WO2021089150A1 (de) Autonome fahrfunktion eines kraftfahrzeugs unter berücksichtigung von im umfeld des ego-fahrzeugs befindlichen fahrzeugen
WO2021121554A1 (de) Fahrereingriffe berücksichtigende autonome fahrfunktion für ein kraftfahrzeug
WO2021093954A1 (de) Modelbasierte prädiktive regelung eines kraftfahrzeugs
DE102020203742A1 (de) Modellbasierte prädiktive Regelung eines Kraftfahrzeugs
DE102020216251B4 (de) Modellbasierte prädiktive Regelung eines Kraftfahrzeugs
DE102020202803A1 (de) Modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors
WO2021121555A1 (de) Mpc-basierte autonome fahrfunktion eines kraftfahrzeugs
WO2021098956A1 (de) Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs
WO2021078391A1 (de) Modelbasierte prädiktive regelung einer elektrischen maschine eines antriebstrangs eines kraftfahrzeugs
DE102019217854A1 (de) Ermittlung einer Trajektorie für ein erstes Fahrzeug unter Berücksichtigung des Fahrverhaltens eines zweiten Fahrzeugs
DE102020216250B4 (de) Modellbasierte prädiktive Regelung eines Kraftfahrzeugs unter Berücksichtigung von Querverkehr
DE102019216454A1 (de) Modelbasierte prädiktive Regelung einer Antriebsmaschine eines Antriebstrangs eines Kraftfahrzeugs sowie zumindest einer die Energieeffizienz des Kraftfahrzeugs beeinflussende Fahrzeugkomponente
DE102019219233A1 (de) MPC-basierte Trajektorie-Ermittlung für ein erstes Fahrzeug unter Verwendung von Trajektorie-Informationen über ein zweites Fahrzeug
CH718944A2 (de) Modellbasierte prädiktive Regelung eines Elektro-Kraftfahrzeugs.
WO2021093953A1 (de) Modelbasierte prädiktive regelung mehrerer komponenten eines kraftfahrzeugs
DE102019216457A1 (de) Autonome Fahrfunktion eines Kraftfahrzeugs
WO2022090040A1 (de) Verfahren und vorrichtung zum steuern eines fahrzeugs entlang einer fahrttrajektorie

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19813734

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19813734

Country of ref document: EP

Kind code of ref document: A1