{"title":"基于混合整数平方规划的交互式轨迹规划","authors":"C. Burger, Hendrik Königshof, Christoph Stiller","doi":"10.1515/auto-2023-0001","DOIUrl":null,"url":null,"abstract":"Zusammenfassung Die Bewegungsplanung für automatisierte Fahrzeuge in gemischtem Verkehr, bei dem sich automatisierte und von Menschen gesteuerte Fahrzeuge die Straße teilen, ist eine anspruchsvolle Aufgabe. Um die Komplexität dieser Aufgabe zu reduzieren, gehen moderne Planungsansätze oft davon aus, dass die zukünftige Bewegung umliegender Fahrzeuge unabhängig vom Verhalten des automatisierten Fahrzeugs prädiziert werden kann. Die Trennung der Prädiktion anderer von der eigenen Planung kann, insbesondere in stark interaktiven Verkehrssituationen, zu suboptimalem, übermäßig konservativem Fahrverhalten führen. In dieser Arbeit wird ein Ansatz zur Planung von kooperativem, interaktionsbewusstem Verhalten auf Basis einer Multi-Agenten-Trajektorienplanung vorgestellt. Hierbei wird die Prädiktion anderer sowie die eigene Planung, mittels gemischt-ganzzahliger quadratischer Programmierung gemeinsam gelöst. Unsicherheiten im Verhalten anderer Verkehrsteilnehmer werden mittels unterschiedlicher Intentionsmodelle berücksichtigt. Die Anwendbarkeit des Ansatzes wird anhand numerischer Experimente für ein Fahrstreifenwechselszenario in dichtem Verkehr demonstriert.","PeriodicalId":55437,"journal":{"name":"At-Automatisierungstechnik","volume":"71 1","pages":"300 - 311"},"PeriodicalIF":0.7000,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Interaktive Trajektorienplanung mittels gemischt-ganzzahliger quadratischer Programmierung\",\"authors\":\"C. Burger, Hendrik Königshof, Christoph Stiller\",\"doi\":\"10.1515/auto-2023-0001\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Zusammenfassung Die Bewegungsplanung für automatisierte Fahrzeuge in gemischtem Verkehr, bei dem sich automatisierte und von Menschen gesteuerte Fahrzeuge die Straße teilen, ist eine anspruchsvolle Aufgabe. Um die Komplexität dieser Aufgabe zu reduzieren, gehen moderne Planungsansätze oft davon aus, dass die zukünftige Bewegung umliegender Fahrzeuge unabhängig vom Verhalten des automatisierten Fahrzeugs prädiziert werden kann. Die Trennung der Prädiktion anderer von der eigenen Planung kann, insbesondere in stark interaktiven Verkehrssituationen, zu suboptimalem, übermäßig konservativem Fahrverhalten führen. In dieser Arbeit wird ein Ansatz zur Planung von kooperativem, interaktionsbewusstem Verhalten auf Basis einer Multi-Agenten-Trajektorienplanung vorgestellt. Hierbei wird die Prädiktion anderer sowie die eigene Planung, mittels gemischt-ganzzahliger quadratischer Programmierung gemeinsam gelöst. Unsicherheiten im Verhalten anderer Verkehrsteilnehmer werden mittels unterschiedlicher Intentionsmodelle berücksichtigt. Die Anwendbarkeit des Ansatzes wird anhand numerischer Experimente für ein Fahrstreifenwechselszenario in dichtem Verkehr demonstriert.\",\"PeriodicalId\":55437,\"journal\":{\"name\":\"At-Automatisierungstechnik\",\"volume\":\"71 1\",\"pages\":\"300 - 311\"},\"PeriodicalIF\":0.7000,\"publicationDate\":\"2023-04-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"At-Automatisierungstechnik\",\"FirstCategoryId\":\"94\",\"ListUrlMain\":\"https://doi.org/10.1515/auto-2023-0001\",\"RegionNum\":4,\"RegionCategory\":\"计算机科学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"AUTOMATION & CONTROL SYSTEMS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"At-Automatisierungstechnik","FirstCategoryId":"94","ListUrlMain":"https://doi.org/10.1515/auto-2023-0001","RegionNum":4,"RegionCategory":"计算机科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"AUTOMATION & CONTROL SYSTEMS","Score":null,"Total":0}
Zusammenfassung Die Bewegungsplanung für automatisierte Fahrzeuge in gemischtem Verkehr, bei dem sich automatisierte und von Menschen gesteuerte Fahrzeuge die Straße teilen, ist eine anspruchsvolle Aufgabe. Um die Komplexität dieser Aufgabe zu reduzieren, gehen moderne Planungsansätze oft davon aus, dass die zukünftige Bewegung umliegender Fahrzeuge unabhängig vom Verhalten des automatisierten Fahrzeugs prädiziert werden kann. Die Trennung der Prädiktion anderer von der eigenen Planung kann, insbesondere in stark interaktiven Verkehrssituationen, zu suboptimalem, übermäßig konservativem Fahrverhalten führen. In dieser Arbeit wird ein Ansatz zur Planung von kooperativem, interaktionsbewusstem Verhalten auf Basis einer Multi-Agenten-Trajektorienplanung vorgestellt. Hierbei wird die Prädiktion anderer sowie die eigene Planung, mittels gemischt-ganzzahliger quadratischer Programmierung gemeinsam gelöst. Unsicherheiten im Verhalten anderer Verkehrsteilnehmer werden mittels unterschiedlicher Intentionsmodelle berücksichtigt. Die Anwendbarkeit des Ansatzes wird anhand numerischer Experimente für ein Fahrstreifenwechselszenario in dichtem Verkehr demonstriert.
期刊介绍:
Automatisierungstechnik (AUTO) publishes articles covering the entire range of automation technology: development and application of methods, the operating principles, characteristics, and applications of tools and the interrelationships between automation technology and societal developments. The journal includes a tutorial series on "Theory for Users," and a forum for the exchange of viewpoints concerning past, present, and future developments. Automatisierungstechnik is the official organ of GMA (The VDI/VDE Society for Measurement and Automatic Control) and NAMUR (The Process-Industry Interest Group for Automation Technology).
Topics
control engineering
digital measurement systems
cybernetics
robotics
process automation / process engineering
control design
modelling
information processing
man-machine interfaces
networked control systems
complexity management
machine learning
ambient assisted living
automated driving
bio-analysis technology
building automation
factory automation / smart factories
flexible manufacturing systems
functional safety
mechatronic systems.