Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Optimierung von Trajektorien beim hochautomatisierten Fahren

 
: Hu, Yunhua
: Voßwinkel, Rick; Bartholomäus, Ralf

Dresden, 2020, XV, 82 S.
Dresden, Univ., Dipl.-Arb., 2020
Deutsch
Diplomarbeit
Fraunhofer IVI ()
autonomes Fahren; Trajektorie; Optimierung; Optimierungsmethode

Abstract
Die Trajektorienplanung spielt eine wichtige Rolle zur Gewährleistung der Sicherheit und des Fahrkomforts beim hochautomatisierten Fahren. Da die Planung der Trajektorien durch Lösung eines Optimierungsproblems erfolgt, wird es Trajektorienoptimierung genannt. Ziel der Optimierung ist eine optimale Trajektorie zu finden, mit der das Fahrzeug von aktuellen Zustand in einen Zielzustand, unter der Berücksichtigung von fahrphysikliaschen Beschränkungen und Komfortansprüchen überführt werden kann. Eine vorhandene Optimierungsstrategie, die von Mitarbeitern der IAV entwickeltet wurde, kommt zu einer analytischen Lösung. Allerdings besteht der Nachteil darin, dass sich die Beschränkungen schwer integrieren lassen. Zusätzlich wird ein numerisches Problem bei der kleiner Planungszeit aufgetreten. Aus diesen Gründen werden in dieser Arbeit Algorithmen auf Basis einer prädiktiven Strategie entwickelt. Durch Dekomposition der Fahrzeugsbewegung in Längs- und Querrichtung wird die Aufgabe der Trajektorienplanung als ein eingeschränktes Longitudinal- und Lateraloptimierungsproblem zerlegt. In Verbindung mit einem Kostenfunktional, kann das Optimalsteuerungsproblem mit Beschränkungen in ein quadratisches Programm umformuliert werden, welches mit der Optimierungsmethode gelöst werden kann. Zur Modellierung der Fahrzeugbewegung wird für das Fahrzeug das Massenpunktmodell verwendet. Dies reduziert die rechnerische Komplexität und erleichtert daher die Rechnenlast. Die entwickelten Algorithmen werden in der MATLAB/Simulink Umgebung mehrere einfache Szenarios simuliert, um das Potential der Algorithmen darzustellen. Die simulativen Ergebnisse werden diskutiert und präsentiert. Darüber hinaus werden die entwickelten Verfahren mit dem Referenzalgorithmus bzgl. Rechenaufwand, Qualität und Sensitivität der Optimierung den Optimierungsergebnisse verglichen. Die Vergleichsergebnisse werden im Weiteren diskutiert. Abschließend wird ein Ausblick auf weitere Forschungsthemen gegeben, die für eine praktische Implementierung des Steueralgorithmus von entscheidender Bedeutung sein könnten.

 

Trajectory planning plays an important role in ensuring safety and driving comfort in highly automated driving. The planning of the trajectory is followed by solving an optimization problem called as trajectory optimization. The aim of the optimization is to find an optimal trajectory, which allows the vehicle to navigate from its current state to a target state taking into account driving physics restrictions and comfort requirements. An existing optimization strategy, which was developed by IAV colleagues, can get ananalytical solution. However, the disadvantage is that the restrictions are difficult to integrate. In addition, a numerical problem is encountered with the short planning time. For this reason, algorithms based on a predictive strategy are developed in this work. By decomposing the vehicle movement in the longitudinal and lateral directions, the task of trajectory planning can be divided into a longitudinal and lateral optimizationproblem with constraints. With combination of a cost function, the optimal control problem with constraints can be reformulated into a quadratic program, which can besolved with the optimization methods. The vehicle uses the mass point model to describe the movement of the vehicle. This reduces the computational complexity and therefore the computing load. The developed algorithms are simulated in the MATLAB/Simulink environment for different simulation set-ups to show the potential of the algorithms. The simulative results are discussed and presented. Moreover, the developed methods are compared with the reference algorithm with regard to computation effort, quality, sensitivity of the optimization. The comparison results are discussed later. Finally, an outlook is given on further research topics that could be of crucial importance for a practical implementation of the control algorithm.

: http://publica.fraunhofer.de/dokumente/N-621178.html

<