[发明专利]用于确定行驶策略的方法以及系统

权利要求书

1.一种确定车辆的行驶策略的方法，具有以下步骤：

a)通过所述车辆(10)的行驶策略规划模块(22)获得车辆参数(P)，

b)通过所述行驶策略规划模块(22)基于获得的车辆参数(P)借助行驶策略规划模块(22)的至少一个决策子模块(38)确定至少一个可行的行驶策略(M)，

c)将所述至少一个可行的行驶策略(M)传输至车辆(10)的运动规划模块(24)，

d)通过行驶策略规划模块(22)从运动规划模块(24)获得评估量(B)，以及

e)根据获得的评估量(B)调整所述至少一个决策子模块(38)。

2.根据权利要求1所述的方法，其特征在于，从所述至少一个行驶策略(M)中选择一个待实施的行驶策略(M_AZ)，其中所述运动规划模块(24)如此控制所述车辆(10)，使得车辆(10)实施行驶策略(M_AG)。

3.根据权利要求2所述的方法，其特征在于，通过所述运动规划模块(24)以所述经实施的行驶策略(M_AG)和/或实施行驶策略(M_AG)期间的车辆参数(P)为基础测定所述评估量(B)，其中评估量(B)特别是具有与至少一个相邻车辆的最小距离、最大横向加速度、最大纵向加速度和/或行驶策略的成本值。

4.根据权利要求2或3中任一项所述的方法，其特征在于，将知识数据(E)传输至至少另一车辆(10)，其中所述知识数据(E)至少包含所述车辆参数(P)、所述待实施的行驶策略(M_AZ)、所述经实施的行驶策略(M_AG)和/或所述评估量(B)，其中特别是根据所述经传输的知识数据(E)调整所述另一车辆(10)的决策子模块(38)。

5.根据上述权利要求中任一项所述的方法，其特征在于，所述至少一个决策子模块(38)根据成本函数，决策树，跟驰模型，特别是距离相关的跟驰模型和/或依据Wiedemann的心理物理学跟驰模型，以及/或者状态机确定所述可行的行驶策略(M)。

6.根据上述权利要求中任一项所述的方法，其特征在于，所述至少一个决策子模块(38)中的至少一个借助机器学习决策过程、特别是强化机器学习决策过程确定所述可行的行驶策略(M)。

7.根据权利要求6所述的方法，其特征在于，所述机器学习决策过程至少通过神经元网络实现，基于博弈论，是Markow决策过程和/或部分可观察的Markow决策过程。

8.根据权利要求6或7所述的方法，其特征在于，使用所述评估量(B)来对所述至少一个决策子模块(38)的机器学习决策过程进行训练。

9.根据上述权利要求中任一项所述的方法，其特征在于，设有数个决策子模块(38)，其分别确定至少一个可行的行驶策略(M)，其中决策者(40)从所述经确定的可行的行驶策略(M)中选择一个待实施的行驶策略(M_AZ)，其被传输至所述运动规划模块(24)。

10.根据权利要求9所述的方法，其特征在于，所述决策者(40)为车辆(10)的驾驶者、选择模块(44)或者上述的组合，其中所述选择模块(44)特别是根据对应的决策子模块(38)的可信度的权重(a)和/或可行的行驶策略(M)的出现频度选择待实施的行驶策略(M_AZ)。

11.根据权利要求10所述的方法，其特征在于，所述选择模块(44)具有人造神经元网络。

12.一种针对车辆的用于控制所述车辆的控制设备，其中所述控制设备(14)适于实施如上述权利要求中任一项所述的方法。