Detailergebnis zu DOK-Nr. 79456
Ein lernbasiertes stochastisches Fahrmodell für autonome Fahrzeugtests (Orig. engl.: Learning-based stochastic driving model for autonomous vehicle testing)
| Autoren |
L. Liu S. Feng Y. Feng X. Zhu H.X. Liu |
|---|---|
| Sachgebiete |
6.2 Verkehrsberechnungen, Verkehrsmodelle 6.7.2 Verkehrsbeeinflussung außerorts, Verkehrsmanagement, Fahrerassistenzsysteme |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 1, 2022, S. 54-64, 9 B, 2 T, 42 Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Bei der simulationsbasierten Erprobung und Bewertung von autonomen Fahrzeugen (Autonomous Vehicles (AVs)) beeinflusst die Fahrweise der anderen Fahrzeuge (Background Vehicles (BVs)) das Fahrverhalten des autonomen Fahrzeugs. Die meisten bestehenden Simulationsplattformen verwenden entweder vorgegebene Trajektorien oder deterministische Fahrmodelle zur Modellierung des BV-Verhaltens. Beide Methoden führen zu unrealistischen Verkehrsszenarien, da vorbestimmte BV-Trajektorien nicht auf AV-Manöver reagieren können und deterministische Modelle sich von realen menschlichen Fahrverhalten unterscheiden. In dem Beitrag wird ein lernbasiertes stochastisches Fahrmodell vorgestellt, welches die besonderen Anforderungen von AV-Tests erfüllt. Das Modell wurde angelernt mit Fahrdaten (Naturalistic Driving Data (NDD)) aus dem Safety Pilot Model Deployment-Projekt und mit einem stochastischen intelligenten Fahrmodell (Intelligent Driving Model (IDM)) verglichen. Um das vorgestellte Modell zu validieren, wurden Verkehrssimulationsexperimente durchgeführt.