无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。     

基于Floyd算法的无人驾驶汽车路径规划模型

在各类产业向智能化发展的21世纪中,无人驾驶技术作为IT产业与传统汽车紧密结合的代表,得到了高速发展。无人驾驶汽车的路径规划问题一直是其发展过程中的一个难关。从简化问题的角度出发,可以将无人驾驶汽车的路径规划问题转换为以最短路为目标的单目标优化问题。通过利用Floyd算法,在这个基础上建立出了无人驾驶汽车的路径规划模型。在分析Floyd算法的实现机制后,借助于matlab,将该模型求解,得到了从起始点到达任意路口的最短距离以及相应的行驶路径。最后评价了该模型的优缺点,以及分析了未来无人驾驶汽车将需要改进方向。     

基于无人机航路规划问题的蚁群算法综述

蚁群算法是一种源于生物界的模拟进化算法,是解决优化问题最有效的算法之一。航路规划作为无人机控制研究的重要环节之一,文章以无人机航路规划问题为基础,集中讨论了对航路点的选取、路径点的信息素更新、与其他算法相结合的改进蚁群算法。     

基于采样的无人车路径规划算法仿真与验证

无人驾驶研究是能够使车辆自主进行安全、平稳、可靠行驶的关键技术,其中生成高效、平滑、舒适的规划路径是研究的重要问题之一。本文基于道路采样的路径规划算法,通过搭建仿真和实车测试环境,对算法进行模拟测试,实验结果表明,该算法能够进行实时路径规划,满足车辆非完整性约束的路径。     

基于A＊算法的AGV路径规划研究

基于经典A＊算法的原理,提出一种能充分运用已有搜索信息实现自动导引小车（AGV）局部避开障碍物的改进A＊方法,使AGV在环境信息未知的情况下能快速进行路径规划;使用MATLAB软件对经典A＊算法、二次规划、改进的A＊算法在AGV路径规划中的运用进行仿真和比较,证明了改进A＊算法的优势.     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

电动无人驾驶配送货运车辆路径优化研究

无人驾驶技术日渐成熟,将无人驾驶技术和具有广泛优势的电动汽车结合运用于物流配送中是未来的发展趋势。然而由于电动汽车电池和充电技术发展尚不完善,使得无人驾驶电动物流车的标定续驶里程普遍不高,实际续驶里程小于标定续驶里程。因此,研究其路径优化问题是十分有必要的。论文首先提出了无人驾驶电动物流车路径优化问题的数学模型,运用LINGO软件进行小规模算例测试,验证了模型的合理性。然后,对传统的节约里程法算法进行了改进,并将其用于求解本文的数学模型,运用MATLAB软件求解验证模型的小规模算例,验证了算法的可行性。最后用改进的算法求解了一个大规模算例。实验结果表明,提出的带有电量约束的车辆路径优化问题的数学模型是合理的,证明了具有电量约束的改进的节约里程法的可行性和合理性。     

基于MPC的局部路径规划与路径跟踪控制研究

文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。     

无人驾驶电动赛车路径规划算法研究

针对大学生无人驾驶方程式大赛,提出一种适合无人驾驶电动赛车的路径规划算法。该算法利用坐标转换原理,在全局坐标系下分别提取两侧桩桶点,最终得到离散点集。离散点之间用弧线进行连接,并且保证曲线的平滑性。在MATLAB环境下进行对无人驾驶赛车的路径规划仿真。仿真结果表明:该算法能较好地规划出行驶路径,曲线平滑,可以使赛车安全可靠地通过赛道。     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

无人驾驶电动赛车路径跟踪控制研究

针对大学生无人驾驶方程式大赛,采取纯跟踪算法用来跟踪规划好的路径。该算法属于前馈控制,基于几何原理得出前轮转角,用于控制车辆转向,跟踪参考路径。同时分析了全局坐标系和车辆坐标系之间坐标转换的原理。在MATLAB/SIMULINK环境下进行对无人驾驶赛车的路径跟踪仿真。仿真结果表明:该算法能较好地跟踪路径,且能保证一定的赛车行驶稳定性。     

无人驾驶汽车局部路径规划研究综述

文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。     

基于多影响因素RDMA*算法的无人驾驶动态路径规划

无人驾驶汽车的路径规划面临着复杂多变的交通环境,为了更全面的评价路径选择指标以规划更合理的路径,以及更好的解决路段环境动态变化对规划结果造成的影响,研究了一种考虑多影响因素的动态路径规划算法——RDMA*(Real-time Dynamics of Multiple influencing factors AStar)算法.以A*(AStar)算法为核心,通过加入多影响因素的交通评价因子对其代价函数进行改进,综合考虑距离,交通拥堵程度,道路平整度和其他影响因素,应用层次分析法确定各影响因素的相对权重,以综合代价值为评价指标进行路径规划.通过GPS,雷达和摄像头等设备,利用融合感知技术获取相关道路环境信息,根据获取的全局和局部交通环境数据信息,利用实时动态更新策略解决动态环境下的路径规划问题,实时规划最优路径.通过对实际案例进行模拟,结果表明,应用RDMA*方法规划的路径相比基础A*方法规划的路径出行总体耗时减少了15.75%.并且在遇到特殊事件的状况下,通过RDMA*动态规划可为无人驾驶车辆即时提供一条综合代价值最小,耗时最少的可行路径,与改进的A*动态路径规划方法相比减少了10.63%的二次规划综合代价值的损耗,提高了7.83%的时间效率.该方法能更好的适应复杂的道路和交通系统,即时应对动态变化的交通状况,具备更强的实用性.      

一种基于并发奖赏蚁群系统的A*算法

为优化出行者在动态路径诱导系统中进行路径选择,提出一种基于并发奖赏蚁群系统的A*算法,利用A*算法的成熟性和蚁群算法的动态性,用蚁群算法对A*算法估价函数f(x)=g(x)+h(x)中的h(x)进行研究,考虑了交通路况中的各种动态因素,使A*算法具有动态性;为了提高算法的效率,基于在最优路径附近往往存在更优路径这一原理...     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.      

基于代价函数的无人驾驶汽车局部路径规划算法

局部路径规划层作为无人驾驶汽车软件层的重要组成分布，如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息，充分考虑车道线的约束，在使用Frenet坐标系理论的基础上，提出一种考虑到车道线曲率和障碍物模型信息，得到不同车道上其他道路参与者的位置信息，以便计算其他障碍物模型对本车危险程度，综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中，沿着参考线（Frenet坐标系下X轴上一段路径）选取多个路径分割点，Frenet坐标系下在每个分割点处沿Y轴进行控制点离散，每个路径分割点处选取1个控制点构成路径控制点集合，使用一元三次方程对每种排列组合路径进行拟合，从而使用代价函数对每种排列组合路径进行评估，代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线（实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹）的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明：在不同试验场景下，所提出基于代价函数的局部路径规划算法，能规划出一条不与障碍物发生碰撞的最优路径，并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。     

改进人工势场法的避障轨迹规划

避障轨迹规划是无人驾驶技术栈中不可或缺的一环,关系到无人驾驶车辆在道路上行驶时的安全性。文章主要研究基于人工势场法的轨迹规划方法,针对该方法中的局部最优及目标不可达的固有缺陷,考虑到在结构化道路上行驶的车辆纵向的变化能力远大于横向。提出了基于Frenet坐标系的势场分布改进方法,将势场沿横向按比例缩放,避免了自车在进行借道绕行时由于多重势场的叠加而产生的路径抖动甚至规划失败。针对局部最优问题,建立了基于安全走廊的逃逸轨迹规划方法。当自车陷入目标不可达情况时,通过动态调整势场引导自车规划出最优方案。最后,在不同交通场景下对提出的改进方案进行了仿真验证,仿真结果表明,提出的方案能够有效提升人工势场法的性能。     

基于蚁群算法的自适应路径导航算法

针对时常发生和不断加剧的交通拥挤、堵塞等情况,研究一种动态的、自适应的导航算法,以达到对车辆进行合理有效的路径导航和路径规划的目的.这一算法是在蚁群算法的基础之上,辅以多因素综合评判的方式,改进蚁群算法的评判标准,构建动态导航模型.以该导航模型为基础,通过仿真实验进行求解,仿真实验中将路径宽度、通行时延等随机因素考虑在内并进行综合权衡,使得动态导航的结果具有现实中的指导意义.数据实例表明,该导航算法是可行的、有效的,具有良好的导航效果,可为实际的导航系统提供有力地决策支持.     

基于改进人工势场法的汽车弯道超车路径规划与跟踪控制

本文中针对无人驾驶汽车弯道超车工况,提出一种基于改进人工势场法的汽车弯道超车路径规划算法,以及一种基于线性鲁棒控制理论的汽车弯道超车路径跟踪最优保性能控制策略。首先,分别基于螺旋下降函数、斜坡正弦函数和指数函数构建弯道引力势能场、同车道行驶较慢车辆斥力势能场和弯道边界斥力势能场,三者构成汽车弯道超车路径的搜索空间。随后,设计一种可应用于动态环境的增量搜索算法,逐步搜索汽车弯道超车路径搜索空间的最快下降方向,进而规划出汽车弯道超车路径。为执行规划出的汽车弯道超车路径,以线性2自由度汽车动力学模型为基础建立包含参数摄动的汽车弯道超车路径跟踪误差动态模型,并基于线性鲁棒控制法设计汽车弯道超车路径跟踪最优保性能控制策略。最后,仿真验证所提出的汽车弯道超车路径规划算法和路径跟踪最优保性能控制策略的可行性和有效性,结果表明:所提出的路径规划算法和跟踪控制策略可安全、舒适地引导汽车完成弯道超车工况。     

车辆导航动态路径规划的研究进展

针对车辆智能导航系统中的交通网络模型、路径规划算法以及交通流预测这三个主要方面的研究现状进行了较为详细的分析。首先着重描述了基于图论的交通路网模型的构建方法;其次分析了Dijkstra算法、Floyd算法、A*算法等经典路径规划算法的性能及研究方向;然后详细介绍了交通流预测方法的研究进展;最后对车辆导航动态路径规划的未来研究方向做了展望。