Energieoptimierte Fahrstrategie unter Berücksichtigung der Verkehrsteilnehmer an Kreuzungen ohne Lichtsignalanlage

Zusammenfassung

Die steigende Vernetzung und Automatisierung von Kraftfahrzeugen ermöglichen neue Freiheitsgrade insbesondere die urbane Mobilität effizienter zu gestalten. Um für ein einzelnes Fahrzeug den Energiebedarf für das Überfahren einer klassischen nicht lichtsignalgesteuerten Kreuzung zu reduzieren, können die über eine Vehicle-to-X-Kommunikationsschnittelle bereitgestellten aktuellen Fahrzustände relevanter Verkehrsteilnehmer in die Zukunft prädiziert und in einem Optimierungsproblem als Randbedingungen berücksichtigt werden. In diesem Beitrag wird hierfür ein modellbasierter Algorithmus vorgestellt, der die Zeiten, zu denen die Kreuzung durch ein Fahrzeug mit Vorrang blockiert wird, prädiziert. Diese Informationen fließen als Randbedingungen in eine lineare modellprädiktive Regelung zur Optimierung der eigenen Geschwindigkeitstrajektorie ein. Untersuchungen an einem auf Messdaten basierendem Fallbeispiel haben gezeigt, dass der Prädiktionshorizont einen wesentlichen Parameter zur Reduktion des Energiebedarfs am Rad darstellt. Jedoch führen stochastische Einflüsse des menschlichen Fahrverhaltens dazu, dass die Genauigkeit der Vorhersage der Zeiten, zu denen die Kreuzung nicht zu befahren ist, mit steigendem Vorausschauhorizont abnimmt. In einigen Situationen wirkt sich somit ein größerer Vorausschauhorizont negativ auf den Energiebedarf aus.

Abstract

The increasing interconnectivity and automatization of vehicles allows for new degrees of freedom, especially concerning shaping the urban mobility more efficiently. To reduce the energy demand of a single vehicle for the crossing of a classic intersection that is not controlled by traffic lights, the current traffic situation of relevant traffic participants, which is made available by a Vehicle-to-X communication interface, can be predicted into the future. Further, it can be considered as a boundary condition in an optimization problem. In this article, a model based prediction algorithm is introduced for this purpose, which predicts the times at which the intersection is blocked by a priority vehicle. This information is part of the boundary conditions of a linear, model predictive controller to optimize the vehicle’s own speed-trajectory. Investigations on a case study based on measurement data showed that the prediction horizon poses as a significant parameter to reduce the energy demand at the wheel. However, stochastic influences of the human driving behavior lead to a decrease in the accuracy of time-prediction concerning the navigability of intersections, while the horizon in forecast increases. In some situations, a greater horizon in forecast even causes an increased demand for energy.