Echtzeit-Strategieplanung für vorausschauendes automatisiertes Fahren

Im Rahmen der vorliegenden Arbeit wird ein Fahrerassistenzsystem für vorausschauendes automatisiertes Fahren entwickelt.
Es umfasst die Längs- und Querführung des Fahrzeugs sowie die Steuerung der relevanten Triebstrangkomponenten. Dabei
werden Vorausschauinformationen über die Fahrzeugumgebung ausgewertet, um ein energie- und komfortoptimales
Fahrverhalten zu erreichen.

Für die echtzeitfähige optimale Regelung wird ein Stabilisierungsansatz hergeleitet, der die Regelungsaufgabe auf eine
Strategie- und eine Stabilisierungsebene verteilt. Er verbindet die für eine genaue Strategieplanung notwendige
... mehr
lange Zykluszeit mit einer hochfrequenten, optimalen Störungskompensation.

Zur Planung auf Strategie- und Stabilisierungsebene wird ein dreistufiges Verfahren entworfen. Es setzt sich aus einer
regelbasierten Einschränkung des Suchraums, einer Initialschätzung mittels Dynamischer Programmierung und einer lokalen
Suche nach der Optimaltrajektorie zusammen; die Suche wird zusätzlich durch Heuristiken und bestehendes Vorwissen
gesteuert.

Es wird eine Methodik hergeleitet, um das System hinsichtlich Regelgüte und Berechnungsaufwand optimal auszulegen.
Die Einflüsse von Stabilisierungsansatz sowie Horizont und Genauigkeit der Trajektorienplanung werden dafür
simulativ ausgewertet. Zur Simulation der vorausschauenden Regelung wird ein Ansatz entwickelt, der es ermöglicht, in
Versuchsfahrten gemessene Fahrzeug- und Umgebungsdaten mit einem reaktiven Fahrzeugmodell zu kombinieren.
Die Funktionsweise des Assistenzsystems im realen Fahrbetrieb wird am Beispiel verschiedener Fahrsituationen
exemplarisch diskutiert.

The present thesis covers the development of a driver assistance system for anticipatory automated driving that controls
lateral and longitudinal vehicle motion as well as relevant drivetrain components. It evaluates predictive information
about the vehicle's environment to enable energy-efficient and comfortable driving.

A real-time capable implementation of the optimal control system requires a novel approach that distributes the
control task between a strategy and a stabilization layer. It enables a sufficiently long cycle time for
accurate strategy planning in combination with a quick and optimal response to disturbance.
... mehr

The strategy and stabilization layers rely on a three-level planning algorithm that combines a rule-based
search-space reduction with an initial estimation based on Dynamic Programming and a local search for the optimal
trajectory. Its computational demand is reduced through the use of heuristics and previous knowledge.

Simulating the predictive control system requires an approach that combines recorded vehicle and environment data with a
reactive vehicle dynamics model. A method for an optimal adaption with respect to control performance and computational
load is presented based on this approach. The influence of the stabilization approach as well as the strategy planning
horizon and accuracy are evaluated using simulations. The functionality of the assistance system is shown in exemplary
driving situations.