Fortschrittlicher Self-Driving-Algorithmus ermöglicht sichere, aggressive Spurwechsel

• Neuer Lane-Changing-Algorithmus basiert auf Echtzeitdaten von Fahrzeugkameras & -sensoren.
• Erstellt & berechnet neue Pufferzonen on-the-fly.
• Ermöglicht breites Spektrum Fahrstile (aggressiv bis konservativ) bei garantierter Sicherheit.

Erster Schritt zu fahrerlosen Autos: 1980er – Antiblockiersystem (ABS). Idee: Sensoren verhindern Radblockieren & unkontrolliertes Schleudern. Dekade später: Sensoren für Traktions- & Stabilitätskontrolle.

Seither langer Weg: autonome Autos nutzen Sensoren, Radar, Kamera, KI für Navigation. Tech-Unternehmen verbessern Self-Driving-Algorithmen kontinuierlich – sicherer, zuverlässiger.

Kernkomponente: Lane-Changing-Algorithmus – Hot Topic unter Entwicklern. Bestehende Algorithmen haben 1 von 2 Limitierungen:

1. Basiert auf komplexen statistischen Modellen, nicht Echtzeit-analysierbar, ODER
2. So simpel, dass sie immer eine Lösung liefern: Spur nicht wechseln.

MIT-Forscher: Neuer Algorithmus nutzt Echtzeit-Informationen & ermöglicht aggressivere [menschlichere] Spurwechsel als vorherige Systeme. Echtzeit-Info = Daten anderer Fahrzeuge (Geschwindigkeit, Richtung) via Kameras & Sensoren.

Konventioneller Lane-Changing-Algorithmus

Primäres Ziel: Autos fahren lassen wie Menschen mit minimalen Daten. Neuer Algorithmus adaptiert breites Fahrstil-Spektrum (aggressiv bis konservativ) bei Safety-Garantie.

Algorithmus-Funktionsweise

Wichtigste Anforderung an autonome Fahrzeuge: Sicherheit. Algorithmen berechnen Pufferzonen um andere Fahrzeuge zur Kollisionsvermeidung. Pufferzonen enthalten aktuelle & zukünftige Positionen aller nahen Fahrzeuge.

Algorithmus berechnet zukünftige Positionen anderer Fahrzeuge für kurzen Zeitrahmen via Analyse von Geschwindigkeit & Richtung. Spurwechsel-Entscheidung basiert vollständig auf diesen Pufferzonen.

Effizienz & Performance basieren auf Berechnungsmethode der Pufferzonen im Kontext des Traffic-Pattern-Modells. Üblicherweise: Optimale Pufferzonen pre-calculated → zu restriktiv bei schnellem/dichtem Verkehr → verhindert Spurwechsel.

Vorgeschlagener Algorithmus: Berechnet neue Pufferzonen on-the-fly. Für Reliability/Collision-Free: Effiziente mathematische Methode Gauß-Verteilung – stetige Funktion, die exakte Binomialverteilung von Events approximiert.

Quelle: MIT

Verteilung zeigt aktuelles Fahrzeugposition. Fahrzeugdimensionen & Unsicherheit der Positionsabschätzung berücksichtigt. Aus Estimates (Geschwindigkeit, Richtung) → Logistische Funktion → multipliziert mit Gauß-Verteilung.

Vorgeschlagener Algorithmus

Verzerrt Verteilung (bei höheren Geschwindigkeiten) in Bewegungsrichtung des Fahrzeugs. Verteilung = neue Pufferzone des Fahrzeugs. Wenige Variablen → Echtzeit-Berechnung möglich.

Testing

Simulation: 16 autonome Autos + hunderte andere Fahrzeuge.

Lesen Sie auch: Neue Self-Driving-Technologie navigiert ohne 3D Maps

Autonome Autos (neuer Algorithmus): keine direkte Kommunikation, alle parallel ohne Kollision/Konflikt. Jedes Auto mit unterschiedlichen Risk Parameters → Generierung multipler Fahrstile.