TU Darmstadt / ULB / TUprints

Kombinierte Längs- und Quertrajektorienplanung für automatisierte Fahrstreifenwechsel

Hansen, Tim (2018)
Kombinierte Längs- und Quertrajektorienplanung für automatisierte Fahrstreifenwechsel.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
2018-07-19_Hansen_Tim.pdf
Copyright Information: CC BY-NC-ND 4.0 International - Creative Commons, Attribution NonCommercial, NoDerivs.

Download (6MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Kombinierte Längs- und Quertrajektorienplanung für automatisierte Fahrstreifenwechsel
Language: German
Referees: Konigorski, Prof. Dr. Ulrich ; Trächtler, Prof. Dr. Ansgar
Date: 2018
Place of Publication: Darmstadt
Date of oral examination: 19 July 2018
Abstract:

Beschrieben wird ein System, welches automatisiert Fahrstreifenwechsel auf der Autobahn durchführt. Das System setzt hierbei als Sensorik zur Umfelderfassung nur mehrere Radar-sensoren und eine Monokamera voraus. Aufgrund der Zeitabhängigkeit der Umfeldobjekte ist es notwendig, anstatt einer Bahn y(x) eine Trajektorie x(t), y(t) zu planen. Zur Führung des Fahrzeugs besteht das System aus einer Trajektorienplanung und einer unterlagerten Regelung. Durch diese Trennung ist es möglich, die Neuplanungsrate geringer zu wählen, als dies bei einer klassischen Modellprädiktiven Regelung der Fall wäre.

Zur Trajektorienplanung wurden zwei verschiedene Methoden entwickelt. Bei beiden Planungsmethoden ist die Trajektorie Ergebnis eines nichtlinearen Optimierungsproblems. Beide Planungen berücksichtigen durch ihre Gütefunktion die beschränkte Fahrzeugdynamik sowie weitere Komfortgrenzen. Zusätzlich berücksichtigen sie die Kollisionsfreiheit der Trajektorie und den Einfluss auf den rückwärtigen Verkehr.

Bei der „Drei-Segment-Planung“ wird der Fahrstreifenwechsel in drei Segmente unterteilt. Das erste Segment beschreibt die Anfahrt zur Wechsellücke, das zweite den eigentlichen Fahrstreifenwechsel und im dritten findet die Weiterfahrt auf dem Zielfahrstreifen statt. Je nach Situation können einzelne Segmente entfallen. Im ersten und zweiten Segment wird die Trajektorie in Längs- und Querrichtung durch je ein Polynom fünften Grades beschrieben. Im dritten Segment wird die Längsführung durch den Abstandsregeltempomaten (Adaptive Cruise Control ACC) übernommen und die Quertrajektorie, in Form einer Matrix-Exponentialfunktion, sorgt für den Ausgleich der verbliebenen Querablage. Als Optimierungsvariablen dienen hierbei drei Parameter der Längstrajektorie. Die Quertrajektorie ergibt sich indirekt aus der Längstrajektorie. Die optimalen Werte der Optimierungsvariablen werden ohne Gradienteninformation mit Hilfe des Downhill-Simplex-Algorithmus bestimmt.

Beim zweiten Verfahren „Spline-Planung“ besteht die Trajektorie aus vielen Polynomsegmenten dritten Grades. Dadurch ist es möglich, einen stetigen Verlauf der Beschleunigung zu erreichen. Die Nebenbedingungen wurden offline so eliminiert, dass sich die Abtastung auf eine Matrix-Multiplikation reduzieren lässt. Die Trajektorie ist in ihrer Form weitaus flexibler als beim ersten Verfahren, da pro Segment und Richtung eine Optimierungsvariable vorhanden ist. Die Form der Trajektorie wird im Wesentlichen durch die Gütefunktion festgelegt. Diese Gütefunktion ist stetig differenzierbar, so dass sich ein Gradient berechnen lässt. Dieser wird benutzt, um das Optimum mit Hilfe des L-BFGS-Algorithmus zu bestimmen.

Beide Trajektorienplanungen wurden in einem Versuchsfahrzeug implementiert und intensiv getestet. Neben den Testfahrten auf dem August-Euler-Flugplatz in Griesheim wurde das System auch im realen Straßenverkehr erprobt. Beide Trajektorienplanungen ermöglichen komfortable und sichere Fahrstreifenwechsel auch in dichtem Verkehr auf der Autobahn. Sie sind zudem bei Bedarf auch in der Lage, den Fahrstreifenwechsel abzubrechen. Die Trajektorien beider Verfahren wurden von den Fahrern als komfortabel und angenehm beschrieben.

Eine Abschätzung der Rechenzeit hat ergeben, dass beide Planungsmethoden in Echtzeit auf einem herkömmlichen Steuergerät ausführbar sind. Die Spline-Planung ist zwar etwas rechenzeitintensiver, jedoch auch deutlich flexibler und einfacher zu erweitern. Zudem ist es bei der Drei-Segment-Planung notwendig, Fallunterscheidungen durchzuführen, um die Anzahl der Segmente zu bestimmen. Diese Fallunterscheidungen sind ggf. nicht für jede Situation passend. Daher wird die Spline-Planung als langfristig tragfähiger betrachtet.

Alternative Abstract:
Alternative AbstractLanguage

This work describes a system that performs automated lane changes on freeways. The system requires only multiple radar sensors and one mono camera for environment detection. Because of the time dependency of the environment objects it is necessary to plan a trajectory x(t), y(t) instead of a path y(x) . For vehicle guidance the system consists of a trajectory planner and an inner control loop. This separation makes it possible to choose a lower replanning frequency than the one necessary for a classical model predictive control approach.

Two different methods for trajectory planning have been developed in this work. In both methods the trajectory is the result of a nonlinear optimization problem. Both methods take the limited vehicle dynamics and further comfort objectives inside the cost function into account. In addition, they consider the collision avoidance and the influence on the rearward traffic.

For the „Drei-Segment-Planung“ the lane change is divided into three segments. The first segment describes the approach to the changing gap, the second the actual lane change and in the third segment the vehicle continues driving on the destination lane. Depending on the situation, some of the segments can be omitted. In the first and second segment, the trajectory is described in lateral and longitudinal direction by fifth degree polynomials. In the third segment, the vehicle is guided in longitudinal direction by the adaptive cruise control (ACC) and the remaining lateral deviation is reduced by a lateral trajectory in the form of a matrix exponential function. Three parameters of the longitudinal trajectory are used as optimization variables. The lateral trajectory is derived indirectly from the longitudinal one. The optimal values for the optimization variables are determined without gradient information with the help of the downhill simplex algorithm.

For the second method „Spline-Planung“ the trajectory consists of many different polynomial segments of degree three. By that it is possible to achieve a continuous acceleration profile. The constraints have been eliminated offline in a way that it is possible to reduce the sampling of the trajectory to a matrix multiplication. Because of one optimization variable per segment and per direction, the shape of the trajectory is much more flexible than in the first method. The shape of the trajectory is mainly defined by the cost-function. This cost-function is continuously differentiable and therefore it is possible to calculate a gradient. This gradient is used to find the optimum by means of the L-BFGS algorithm.

Both methods have been implemented in an experimental vehicle and have been tested intensively. Beside the test drives at the August-Euler airfield near Darmstadt the system has been tested in real world traffic. Both methods allow comfortable and save lane changes also in dense traffic on freeways. If necessary they are both capable of aborting the lane change. The trajectories of both methods have been described as comfortable and pleasant by the drivers.

An estimation of the calculation time has shown that it is possible to execute both methods on a regular electronic control unit. The spline planner needs some more calculation time, but is more flexible and easier to extend. In addition it is necessary to perform case distinctions for the three segment planner to determine the number of segments. These distinctions might be inappropriate for certain situations. Therefore, the spline planner is considered to be more sustainable in the long run.

English
URN: urn:nbn:de:tuda-tuprints-80812
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology
18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik
18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Systems and Mechatronics
Date Deposited: 09 Nov 2018 13:37
Last Modified: 09 Jul 2020 02:22
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/8081
PPN: 438657071
Export:
Actions (login required)
View Item View Item