Trajektorienplanung fürs Autonome Fahren

Die Trajektorienplanung stellt eine grundlegende Teilaufgabe zur Automatisierung von Fahrzeugen dar. Mit Hilfe von karten- bzw. sensorbasierten Daten wird eine Trajektorie generiert, die als Sollgröße für eine nachgelagerte Regelung des Fahrzeuges dient. Dabei ist neben Komfortaspekten, die Realisierbarkeit und die Kollisionsfreiheit der Trajektorie zu beachten.

Für die Planung der eigenen Trajektorie ist die Prädiktion des Verhaltens der umgebenden Verkehrsteilnehmer unerlässlich. Der Großteil der Trajektorienplaner basiert auf der Annahme, dass sich die anderen Verkehrsteilnehmer unabhängig von der gewählten Trajektorie verhalten. Die prädizierten Trajektorien werden bei der Planung als gegeben angenommen, wodurch ein konservatives und in manchen Situationen sogar ein gefährliches Verhalten resultiert. Dies motiviert die interaktive Trajektorienplanung, bei der die Reaktion der Verkehrsteilnehmer schon bei der Planung berücksichtigt wird. Prädiktion und Planung sollten daher nicht mehr als sequentieller Prozess behandelt werden, sondern vielmehr kombiniert stattfinden. Die Schwierigkeit besteht darin, die Reaktion aller Verkehrsteilnehmer für einen langen Zeithorizont bei der Planung zu berücksichtigen.

Eine Möglichkeit, das Verhalten menschlicher Fahrer darzustellen, sind wahrscheinlichkeitsbasierte Modelle. Datengetriebene Methoden helfen dabei, Wahrscheinlichkeitsverteilungen über mögliche Verhalten aufzustellen. Um Interaktionen zu berücksichtigen, können solche Modelle dann verkoppelt werden. Andere Ansätze beruhen auf Modellen aus der Spieltheorie. Aktuelle Herausforderungen hierbei sind die rechnerisch effiziente Implementierung und die Berücksichtigung von Unsicherheiten. Des Weiteren werden lernende Ansätze verfolgt, die sich der Variabilität von Verkehrsteilnehmern anpassen können. Mögliche Methoden sind Reinforcement Learning und Klassifizierungsalgorithmen aus der künstlichen Intelligenz.