Zusammenfassung
Eine der Herausforderungen vor der Einführung des automatischen Fahrens sind nicht signalisierte innerstädtische Kreuzungen. Dort kann es zu nicht eindeutig geregelten Verklemmungssituationen kommen. Die Beteiligten müssen in diesem Fall miteinander kooperieren, was für automatische Fahrzeuge eine Herausforderung darstellt. Der vorgestellte Algorithmus ist in der Lage, eine Verhaltensentscheidung für eine automatische Fahrzeugführung zu treffen. Die Entscheidung ist abhängig von der Situation und dem Verhalten der übrigen Verkehrsteilnehmer. Das Modell ist als ereignisdiskretes System modelliert, dies ist insbesondere im Hinblick auf die Nachvollziehbarkeit der Entscheidungen von Vorteil. Der Algorithmus wird mitsamt der verwendeten Eigenschaften und der definierten Ereignisse ausführlich vorgestellt und anhand einer Simulation auf Karten realer Kreuzungen validiert.
Abstract
One of the challenges before the introduction of automatic driving are unsignalized inner city intersections. There deadlock situations are possible, which are not cleary regulated. Those involved have to cooperate in that case, which is challenging for automatic vehicles. The presented algorithm is able to make behavior decisions for automatic vehicle guidance. This decision depends on the situation and the behavior of the remaining traffic participants. The decision-making model is designed as a discrete event system, which is especially beneficial regarding the transparency of the decisions. The model is presented in detail alongside the features and events used for it and is validated by a simulation on maps of real intersections.
Über die Autoren
Hannes Weinreuter absolvierte seinen B.Sc. und M.Sc. in Elektro- und Informationstechnik am Karlsruher Institut für Technologie (KIT). Seit 2017 arbeitet er als wissenschaftlicher Mitarbeiter am Institut für Industrielle Informationstechnik (IIIT) am KIT. Seine Forschungsinteressen umfassen das Kooperationsverhalten von Autofahrern sowie die Entscheidungsfindung für automatische Fahrzeuge in kooperativen Verkehrssituationen.
Nadine-Rebecca Strelau absolvierte ihren B.Sc. und M.Sc. in Psychologie an der Universität Ulm. Seit 2019 arbeitet sie als wissenschaftliche Mitarbeiterin am Institut für Arbeitswissenschaft und Betriebsorganisation am Karlsruher Institut für Technologie (KIT). Ihre Forschungsinteressen umfassen das Kooperationsverhalten von Autofahrern und die Interaktion von menschlichen Fahrern mit automatisierten Fahrzeugen.
Prof. Dr.-Ing. Barbara Deml leitet das Institut für Arbeitswissenschaft und Betriebsorganisation am Karlsruher Institut für Technologie (KIT). In ihrer Forschung beschäftigt sie sich unter anderem mit den Auswirkungen automatisierter Systeme auf den Menschen und deren ergonomischer Gestaltung.
Michael Heizmann ist Professor für Mechatronische Messsysteme und Institutsleiter am Institut für Industrielle Informationstechnik (IIIT) des Karlsruher Instituts für Technologie (KIT). Seine Forschungsgebiete umfassen automatische Sichtprüfung, Signal- und Bildverarbeitung, Bild- und Informationsfusion, Messtechnik, maschinelles Lernen und künstliche Intelligenz sowie deren Anwendungen.
-
Beiträge der Autoren: Alle Autoren übernehmen die Verantwortung für den gesamten Inhalt des Manuskripts und stimmen der Veröffentlichung zu.
-
Förderung: Dieses Projekt wurde im Rahmen des Schwerpunktprogrammes 1835 „Kooperativ interagierende Automobile“ der Deutschen Forschungsgemeinschaft (DFG) gefördert. Kartendaten wurden von der Stadt Karlsruhe zur Verfügung gestellt
-
Erklärung zu Interessenkonflikten: Die Autoren bestätigen, dass keine Interessenkonflikte in Bezug auf diesen Aufsatz bestehen.
References
[1] §11 Straßenverkehrs-Ordnung (StVO), 2022. [Online]. Available at: https://www.gesetze-im-internet.de/stvo_2013/__11.html [aufgerufen: November 23, 2022].Search in Google Scholar
[2] J. Imbsweiler, M. Ruesch, H. Weinreuter, F. Puente León, and B. Deml, “Cooperation behaviour of road users in t-intersections during deadlock situations,” Transp. Res. Part F Traffic Psychol. Behav., vol. 58, pp. 665–677, 2018. https://doi.org/10.1016/j.trf.2018.07.006.Search in Google Scholar
[3] H. Weinreuter, B. Szigeti, N.-R. Strelau, B. Deml, and M. Heizmann, “Decision making at unsignalized inner city intersections using discrete events systems,” TM - Tech. Mess., vol. 89, no. 2, pp. 134–146, 2022. https://doi.org/10.1515/teme-2021-0140.Search in Google Scholar
[4] H. Weinreuter, N.-R. Strelau, K. Qiu, Y. Jiang, B. Deml, and M. Heizmann, “Intersection complexity and its influence on human drivers,” IEEE Access, vol. 10, pp. 74 059–74 070, 2022. https://doi.org/10.1109/access.2022.3189017.Search in Google Scholar
[5] W. Liu, S.-W. Kim, S. Pendleton, and M. H. Ang, “Situation-aware decision making for autonomous driving on urban road using online POMDP,” in 2015 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2015, pp. 1126–1133.10.1109/IVS.2015.7225835Search in Google Scholar
[6] C. Hubmann, M. Becker, D. Althoff, D. Lenz, and C. Stiller, “Decision making for autonomous driving considering interaction and uncertain prediction of surrounding vehicles,” in 2017 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2017, pp. 1671–1678.10.1109/IVS.2017.7995949Search in Google Scholar
[7] X. Lin, J. Zhang, J. Shang, Y. Wang, H. Yu, and X. Zhang, “Decision making through occluded intersections for autonomous driving,” in 2019 IEEE Intelligent Transportation Systems Conference (ITSC), IEEE, 2019, pp. 2449–2455.10.1109/ITSC.2019.8917348Search in Google Scholar
[8] K. Shu, H. Yu, X. Chen, et al.., “Autonomous driving at intersections: a behavior-oriented critical-turning-point approach for decision making,” IEEE/ASME Trans. Mechatron., vol. 27, pp. 234–244, 2021. https://doi.org/10.1109/tmech.2021.3061772.Search in Google Scholar
[9] V. Sezer, T. Bandyopadhyay, D. Rus, E. Frazzoli, and D. Hsu, “Towards autonomous navigation of unsignalized intersections under uncertainty of human driver intent,” in 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), IEEE, 2015, pp. 3578–3585.10.1109/IROS.2015.7353877Search in Google Scholar
[10] S. Noh, “Decision-making framework for autonomous driving at road intersections safeguarding against collision overly conservative behavior and violation vehicles,” IEEE Trans. Ind. Electron., vol. 66, no. 4, pp. 3275–3286, 2018. https://doi.org/10.1109/tie.2018.2840530.Search in Google Scholar
[11] P. De Beaucorps, T. Streubel, A. Verroust-Blondet, F. Nashashibi, B. Bradai, and P. Resende, “Decision-making for automated vehicles at intersections adapting human-like behavior,” in 2017 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2017, pp. 212–217.10.1109/IVS.2017.7995722Search in Google Scholar
[12] L. Makarem and D. Gillet, “Model predictive coordination of autonomous vehicles crossing intersections,” in 16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013), IEEE, 2013, pp. 1799–1804.10.1109/ITSC.2013.6728489Search in Google Scholar
[13] B. Qian, H. Zhou, F. Lyu, J. Li, T. Ma, and F. Hou, “Toward collision-free and efficient coordination for automated vehicles at unsignalized intersection,” IEEE Internet Things J., vol. 6, no. 6, pp. 10 408–10 420, 2019. https://doi.org/10.1109/jiot.2019.2939180.Search in Google Scholar
[14] S. A. Fayazi and A. Vahidi, “Mixed-integer linear programming for optimal scheduling of autonomous vehicle intersection crossing,” IEEE Trans. Intell. Veh., vol. 3, no. 3, pp. 287–299, 2018.10.1109/TIV.2018.2843163Search in Google Scholar
[15] M. Kloock, P. Scheffe, S. Marquardt, J. Maczijewski, B. Alrifaee, and S. Kowalewski, “Distributed model predictive intersection control of multiple vehicles,” in 2019 IEEE Intelligent Transportation Systems Conference (ITSC), 2019, pp. 1735–1740.10.1109/ITSC.2019.8917117Search in Google Scholar
[16] S. Yan, T. Welschehold, D. Büscher, and W. Burgard, “Courteous behavior of automated vehicles at unsignalized intersections via reinforcement learning,” IEEE Rob. Autom. Lett., vol. 7, no. 1, pp. 191–198, 2022. https://doi.org/10.1109/lra.2021.3121807.Search in Google Scholar
[17] J. Wang, J. Yan, and L. Li, “Microscopic modeling of a signalized traffic intersection using timed Petri nets,” IEEE Trans. Intell. Transport. Syst., vol. 17, no. 2, pp. 305–312, 2015. https://doi.org/10.1109/tits.2015.2464254.Search in Google Scholar
[18] Y.-S. Huang, Y.-S. Weng, and M. Zhou, “Design of traffic safety control systems for emergency vehicle preemption using timed Petri nets,” IEEE Trans. Intell. Transport. Syst., vol. 16, no. 4, pp. 2113–2120, 2015. https://doi.org/10.1109/tits.2015.2395419.Search in Google Scholar
[19] L. Qi, M. Zhou, and W. Luan, “Modeling and control of urban road intersections with incidents via timed Petri nets,” in 2015 IEEE 12th International Conference on Networking, Sensing and Control, IEEE, 2015, pp. 185–190.10.1109/ICNSC.2015.7116032Search in Google Scholar
[20] A. Zyner, S. Worrall, J. Ward, and E. Nebot, “Long short term memory for driver intent prediction,” in 2017 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2017, pp. 1484–1489.10.1109/IVS.2017.7995919Search in Google Scholar
[21] M. Treiber, A. Hennecke, and D. Helbing, “Congested traffic states in empirical observations and microscopic simulations,” Phys. Rev. E, vol. 62, no. 2, p. 1805, 2000. https://doi.org/10.1103/physreve.62.1805.Search in Google Scholar PubMed
© 2023 Walter de Gruyter GmbH, Berlin/Boston
