Kooperative und intrinsisch korrekte Regelung von Fahrzeugen in variablen Umgebungen
Zusammenfassung der Projektergebnisse
Das selbstfahrende Auto wird effizienter mit Ressourcen umgehen und wird sicherer für die Insassen und andere Verkehrsteilnehmer sein als dies heutige Fahrzeuge sind. Diese und weitere mit dem automatisierten Fahren assoziierten Vorteile gegenüber den heute genutzten Straßenfahrzeugen können nur durch Kooperation zwischen den Verkehrsteilnehmern vollständig erzielt und ausgeschöpft werden. Das DFG-geförderten Projekt Kooperative und intrinsisch korrekte Regelung von Fahrzeugen in variablen Umgebungen soll hierzu beitragen. Dazu wurden im Projekt die Fragen erforscht, wie unter Einsatz von Fahrzeug-zu-Fahrzeug-Kommunikation die Aushandlung sicherer kooperativer Manöver zwischen automatisierten Fahrzeugen gewährleistet werden kann, wie kooperatives Verhalten in Notfallsituationen zur sicheren Bewegungsplanung beitragen kann und wie Funktionen zur Entscheidungsfindung für automatisierte kooperative Fahrzeuge gestaltet werden können. Um die genannten Fragestellungen effizient zu untersuchen, wurde die Open-Source-Software Eclipse-ADORe verwendet und erweitert. Diese ermöglicht die Simulation der verschiedenen Konzepte und enthält Schnittstellen zu anderen Standard-Frameworks für die Erforschung automatisierten Fahrens. Weiterhin erlaubt ADORe den Betrieb der DLR-Forschungsfahrzeuge, die die Erprobung der jeweils umgesetzten Algorithmen und Methoden in einem praxisrelevanten Systemumfeld ermöglichen. Mit der Space-Time-Reservation-Procedure (STRP) wurde im Projekt eine Methode entwickelt und erforscht, die das Verhandeln und die Ausführung sicherer kooperativer Manöver ermöglicht. In diesem Zusammenhang konnten diverse Schlüsselanforderungen erfolgreich adressiert werden: Einerseits ist die universelle Anwendbarkeit elementar notwendig, durch die der Einsatz nicht auf bestimmte Verkehrssituationen beschränkt ist. Weiterhin muss die STRP resilient gegenüber Störfaktoren wie beispielsweise der Störung der Kommunikationsverbindung und dem ggf. daraus resultierenden Nachrichtenverlust sein. Außerdem eignet sich die Methode für den Einsatz in Mischverkehren, also in Verkehren, in denen auch manuell betriebene oder automatisierte Fahrzeuge verschiedener Automationslevel teilnehmen. Die Methode wurde sowohl in Simulationen als auch in Erprobungsfahrten erfolgreich überprüft. Darüber hinaus wurde die Entscheidungsfindung für automatisierte und kooperative Fahrzeuge untersucht. Dabei konnten u. a. mit Methoden des Maschinellen Lernens effektive Entscheidungsfindungsfunktionen aufgebaut werden. Außerdem wurde die Kooperation auf Manöverebene zur Behandlung von Notfallsituationen untersucht. In einem Beispielszenario wird der Bereich direkt vor dem automatisierten Fahrzeug plötzlich blockiert, ein Spurwechsel ist aufgrund eines anderen Fahrzeugs zunächst nicht möglich. In einigen Situation lässt sich aufgrund physikalischer Grenzen ein vollständiges Abbremsen vor dem Hindernis nicht umsetzen. Für diese Fälle und solche, in denen ein anderes Verhalten als das individuelle Abbremsen günstiger ist, wurde eine Ansatz für die Manöverkooperation nach Verhandlung per Fahrzeug-zu-Fahrzeug-Kommunikation in Notfallsituationen erforscht. Dabei konnte simulativ gezeigt werden, dass mit diesem die Verhinderung von Kollisionen erzielt werden kann. Weiterhin wurde die Methode auf einer internationalen Konferenz mit den DLR- Forschungsfahrzeugen demonstriert.
Projektbezogene Publikationen (Auswahl)
-
"Hierarchical approach for safety of multiple cooperating vehicles," Proc. of the AAET. ITS automotive nord e.V., March 2017
V. Jain; D. Heß; C. Löper; T. Frankiewicz & T. Hesse
-
"Safe cooperation of automated vehicles," Proc. of the AAET. ITS automotive nord e.V., March 2017
D. Heß, C. Löper & T. Hesse
-
Ensuring drivability of planned motions using formal methods. 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC) (c(2017, 10)). IEEE.
Schurmann, Bastian; Hes, Daniel; Eilbrecht, Jan; Stursberg, Olaf; Koster, Frank & Althoff, Matthias
-
Explicit Negotiation Method for Cooperative Automated Vehicles. 2019 IEEE International Conference on Vehicular Electronics and Safety (ICVES) (c(2019, 9)), 1-7. IEEE.
Nichting, Matthias; Hes, Daniel; Schindler, Julian; Hesse, Tobias & Koster, Frank
-
Negotiation of Cooperative Maneuvers for Automated Vehicles: Experimental Results. 2019 IEEE Intelligent Transportation Systems Conference (ITSC) (c(2019, 10)), 1545-1551. IEEE.
Hes, Daniel; Lattarulo, Ray; Perez, Joshue; Hesse, Tobias & Koster, Frank
-
Space Time Reservation Procedure (STRP) for V2X-Based Maneuver Coordination of Cooperative Automated Vehicles in Diverse Conflict Scenarios. 2020 IEEE Intelligent Vehicles Symposium (IV) (c(2020, 10, 19)), 502-509. IEEE.
Nichting, Matthias; Hess, Daniel; Schindler, Julian; Hesse, Tobias & Koster, Frank
-
"Infrastructure-aided Automated Driving in Highly Dynamic Urban Environments," ITS World Congress 2021, Hamburg, Deutschland
S. Lapoehn; D. Heß; C. Böker; H. Böhme & J. Schindler
-
Case Study on Gap Selection for Automated Vehicles Based on Deep Q-Learning. 2021 International Conference on Artificial Intelligence and Computer Science Technology (ICAICST) (c(2021, 6, 29)), 252-257. IEEE.
Nichting, Matthias; Lobig, Thomas & Koster, Frank
