This thesis addresses behavior planning for autonomous vehicles in highly dense scenarios, which are challenging because of the necessary interactions with other agents. Here, autonomous vehicles need to flow with traffic but also adhere to all traffic rules – even complex priority rules like the zipper merge. Two problems arise from that: First, traffic rules are fuzzy and not mathematically defined, making them incomprehensible to machines. Without proper formalization, satisfaction cannot be monitored in simulation or testing nor implemented for planning. Second, the planning component needs to integrate those rules, but no interaction-aware planning algorithm exists that provides a mechanism to enforce the compliance to rules, which depend on the behavior of multiple interacting participants. This work approaches the first problem by introducing a methodology to formalize traffic rules in a formal language. Temporal logic is used as a formal specification language to capture a wide range of traffic rules. The rules are evaluated on public traffic data. The second problem is addressed by designing rule-compliance to traffic rules for two orthogonal interactive planning algorithms. The first approach monitors the rules within a randomized search of a decision tree. It exploits the structure of the decision tree by encoding temporal rule information in the tree node. A simulation-based evaluation toolchain helps to study the effects of modeling a specific rule. This way, contradictions in the rules can be identified and fed back to the rule formalization stage. As randomized solution methods may be challenging for certifying the algorithm, a second approach based on optimal control is presented. The novel model formulation is solved using Mixed-Integer Programming and approximates the rules to be part of the optimization. The effectiveness of the rule approximation is demonstrated in simulation.      «

This thesis addresses behavior planning for autonomous vehicles in highly dense scenarios, which are challenging because of the necessary interactions with other agents. Here, autonomous vehicles need to flow with traffic but also adhere to all traffic rules – even complex priority rules like the zipper merge. Two problems arise from that: First, traffic rules are fuzzy and not mathematically defined, making them incomprehensible to machines. Without proper formalization, satisfaction cannot be...     »

Die vorliegende Dissertation befasst sich mit der Verhaltensplanung für autonome Fahrzeuge in dichten Szenarien, welche aufgrund der darin notwendigen Interaktionen mit anderen Agenten eine Herausforderung für bestehende Systeme darstellen. In solchen Szenarien müssen autonome Fahrzeuge mit dem Verkehr mitschwimmen, aber auch alle Verkehrsregeln einhalten – selbst komplexe Vorfahrsregeln wie das Reißverschlussverfahren. Daraus ergeben sich zwei Probleme: Erstens sind die Verkehrsregeln unscharf und nicht mathematisch definiert, was eine maschinelle Auswertung verhindert. Ohne Formalisierung kann die Einhaltung weder in Simulationen oder realen Tests überwacht werden, noch innerhalb eines Planungsalgorithmus implementiert werden. Zweitens muss die Planungskomponente diese Regeln integrieren, aber es existiert kein Interaktionen modellierender Planungsalgorithmus, der einen Mechanismus zur Einhaltung von Regeln bietet, die vom Verhalten mehrerer interagierender Teilnehmer abhängen. Diese Arbeit nähert sich dem ersten Problem durch die Einführung einer Methodik zur Formalisierung von Verkehrsregeln in einer formalen Sprache. Dabei wird temporale Logik als formale Spezifikationssprache verwendet, um eine breite Palette von Verkehrsregeln zu beschreiben. Die Regeln werden mittels öffentlicher Verkehrsdaten ausgewertet. Das zweite Problem wird durch den Entwurf der Regelkonformität für zwei orthogonale interaktive Planungsalgorithmen behandelt. Der erste Ansatz überwacht die Regeln während einer zufallsbasierten Suche innnerhalb eines Entscheidungsbaums, und nutzt dessen Struktur aus, indem er zeitliche Regelinformationen in den Baumknoten kodiert. Ein simulationsbasiertes Evaluierungswerkzeug hilft dabei, die Auswirkungen der Modellierung einer bestimmten Regel zu untersuchen. Auf diese Weise können Widersprüche in den Regeln identifiziert und in die Phase der Regelformalisierung zurückgeführt werden. Da zufallsbasierte Lösungsmethoden eine Herausforderung für die Zertifizierung des Algorithmus darstellen kann, wird ein zweiter Ansatz vorgestellt, der auf einer Optimalsteuerung basiert. Die neuartige Modellformulierung wird mittels gemischt-ganzzahliger Programmierung gelöst und approximiert die Regeln als Teil des Optimierungproblems. Die Wirksamkeit der Regelapproximation wird in der Simulation demonstriert.      «

Die vorliegende Dissertation befasst sich mit der Verhaltensplanung für autonome Fahrzeuge in dichten Szenarien, welche aufgrund der darin notwendigen Interaktionen mit anderen Agenten eine Herausforderung für bestehende Systeme darstellen. In solchen Szenarien müssen autonome Fahrzeuge mit dem Verkehr mitschwimmen, aber auch alle Verkehrsregeln einhalten – selbst komplexe Vorfahrsregeln wie das Reißverschlussverfahren. Daraus ergeben sich zwei Probleme: Erstens sind die Verkehrsregeln unscharf...     »