Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
Bahnplanungsframework für ein autonomes Fahrzeug - oops ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
6.2 Heuristische Funktion 61<br />
A* mit euklidischem Abstand A* mit gewichtetem Abstand<br />
Weglänge in [m] 11,35 11,54<br />
Abstand zum Ziel [m] 0,44 0,34<br />
Berechnungszeit [ms] 8,8 1,9<br />
Expandierte Knoten 73 12<br />
Knoten auf dem Heap 360 55<br />
Knoten in Open Set 258 44<br />
Knoten in Closed Set 72 11<br />
(Tab. 6.2): Messdaten zu (Abb. 6.5).<br />
Die Tabelle (Tab. 6.2) zeigt die Messdaten <strong>für</strong> A* mit euklidischem Abstand und A* mit gewichtetem<br />
Abstand, die im flachen Szenario ohne Hindernisse gemessen wurden (Abb. 6.5). Man erkennt<br />
daran, dass selbst in <strong>ein</strong>em Szenario ohne Hindernisse A* mit euklidischem Abstand sehr lange<br />
braucht, da bereits expandierte Knoten mehrmals untersucht werden, weil anhand der diskreten Kurven<br />
die Wege leicht am Ziel vorbeiführen. A* mit gewichtetem Abstand bevorzugt die Primitiven,<br />
die näher an das Ziel führen viel höher, weshalb diese weiter in Richtung Ziel expandiert werden, als<br />
bereits untersuchte Knoten zu beginn noch <strong>ein</strong>mal zu untersuchen. Dabei findet dieser <strong>ein</strong>en kaum<br />
schlechteren Pfad, der nur 0, 09m länger ist, da<strong>für</strong> aber mit ca 1 5<br />
Zeit- und Ressourcenaufwand. Ähnlich<br />
der Argumentation in Kapitel 6.2.2 kann diese Wegdiskrepanz vernachlässigt und als optimal<br />
angesehen werden (Äquidistanz der Primitiven vorausgesetzt).<br />
Wo A* mit euklidischem Abstand noch den optimalen Weg, mit etwas langsamer Kalkulationszeit<br />
geliefert hat, versagt der Algorithmus komplett, wenn bereits <strong>ein</strong> kl<strong>ein</strong>es Hindernis in den Weg<br />
kommt. Es entsteht wieder nahezu <strong>ein</strong> gesamter Erreichbarkeitsbaum als Tiefensuche bis zum Objekt<br />
und der Algorithmus braucht sehr lange, um <strong>ein</strong>en Weg um das Hindernis zu finden. Aber bereits mit<br />
<strong>ein</strong>er geringen Gewichtung wird <strong>ein</strong>e Bahn sehr schnell gefunden. Mit steigendem Gewicht ist die<br />
Suche viel schneller, jedoch immer suboptimaler. Es stellt sich hier die Frage, ob man Optimalität<br />
gegen Berechnungszeit <strong>ein</strong>tauschen sollte (Abb. 6.6).<br />
(a) Euklidischer Abstand (b) Gewicht w = 2 (c) Gewicht w = 10<br />
(Abb. 6.6): A* mit unterschiedlichen Gewichtungen der Heuristik im Vergleich.