Menschähnliche Entscheidungsfindung für autonomes Fahren: Ein nicht-kooperativer spieltheoretischer Ansatz

Da menschlich gesteuerte Fahrzeuge und autonome Fahrzeuge (AVs) in Zukunft lange Zeit gemeinsam auf Straßen unterwegs sein werden, sind die Integration von AVs in die Verkehrsumgebung menschlicher Fahrer und die Minimierung der Auswirkungen von AVs und deren Unvereinbarkeit mit menschlichen Fahrern wichtige Fragestellungen. Zudem haben verschiedene Fahrgäste unterschiedliche Anforderungen an AVs, weshalb die Bereitstellung personalisierter Optionen für unterschiedliche Passagiere eine weitere Herausforderung für AVs darstellt. Daher wird in diesem Papier ein menschähnlicher Entscheidungsfindungsrahmen für AVs entworfen. Verschiedene Fahrstile und soziale Interaktionsmerkmale werden in Bezug auf Fahrsicherheit, Fahrkomfort und Reiseeffizienz für AVs formuliert, welche im Modellierungsprozess der Entscheidungsfindung berücksichtigt werden. Anschließend werden das Nash-Gleichgewicht und die Stackelberg-Spieltheorie auf die nicht-kooperative Entscheidungsfindung angewandt. Zusätzlich werden Potenzialfeldmethode und modellprädiktive Regelung (MPC) kombiniert, um die Bewegungsprognose und Planung für AVs zu handhaben, was der Entscheidungsmodul mit vorhergesagten Bewegungsinformationen versorgt. Schließlich werden zwei typische Testszenarien für Spurwechsel, nämlich Einfädeln und Überholen, durchgeführt, um die Durchführbarkeit und Wirksamkeit des vorgeschlagenen Entscheidungsrahmens unter Berücksichtigung verschiedener menschähnlicher Verhaltensweisen zu bewerten. Die Testergebnisse zeigen, dass beide spieltheoretischen Ansätze eine vernünftige menschähnliche Entscheidungsfindung für AVs ermöglichen. Im Vergleich zum Nash-Gleichgewichtsansatz wird unter normalem Fahrstil der Kostenwert der Entscheidungsfindung mit dem Stackelberg-Spieltheorie-Ansatz um über 20 % reduziert.