基于改进禁忌搜索算法的车辆路径问题模型

为了解决传统禁忌搜索算法程序复杂、独立性低下等问题,在考虑带有时间窗的车辆路径问题的基础上,提出了带有时间窗和异构车队的车辆路径问题。为了更好地解决带有时间窗和异构车队的车辆路径问题,建立了带有时间窗和异构车队的车辆路径问题的模型,此模型同时考虑了时间窗、异构车队以及车辆数量限制的多重属性,提出一种改进的禁忌搜索算法来解决这一问题,改进的禁忌搜索算法其实质是在原有禁忌搜索算法的基础上加入了保留表,等级成本结构原则和车辆排序准则对其进行了创新。通过在原有算法中加入保留表,并使用等级成本结构的原则,提出了一种新的解决车辆路径问题的算法,这种改进的禁忌搜索算法解决了传统禁忌搜索算法的弊端,不仅可以使用户点在路径上紧密排列,同时还能达到优化运输路线的目的。最后为了演算改进的禁忌搜索算法的有效性,使用具体的案例数据对改进的禁忌搜索算法进行了演算,演算结果证明了这种创新算法在解决带有时间窗和异构车队的车辆路径问题上是有效的。     

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。     

基于层次策略的路径规划算法对比研究

为比较路径规划中基于层次策略的分层算法的计算效率和规划结果的合理性,选取基于预计算的分层算法和基于道路等级的分层分区算法这2类典型的分层路径规划算法,通过对2类算法基本原理的分析,并引入新分区算法和＂虚拟边＂等方法改进现有基于道路等级的分层分区算法以适应实际路网下的路径规划。选取广东省路网数据进行大规模测试,通过寻找＂最短路＂和＂最快路＂进行算法效率和路径规划结果的比较分析。测试结果表明改进的基于道路等级的分层分区算法计算效率更高,规划结果更符合出行偏好。     

自动驾驶汽车路径跟踪控制发展综述

路径算法的研究目的是为了保证自动驾驶汽车能够精确跟踪由决策与规划层给出的参考路径,并确保路径跟踪过程中车辆的行驶稳定性和乘坐安全性。近年来,路径跟踪控制算法的研究成果丰硕,许多学者对现有算法进行优化、创新,诞生了包括系统模型、控制理论、有无前馈信息、行驶工况方面的多种路径跟踪控制算法。通过综述路径跟踪控制算法准确性和行驶稳定性的研究现状,分析2者之间的耦合关系,梳理路径跟踪控制研究历程中各种新旧算法迭代,提出兼顾准确性和行驶稳定性的控制策略,总结自动驾驶汽车路径跟踪控制未来发展趋势。     

自主泊车路径规划一致性方法

为满足自主泊车过程中针对不同角度库位的泊车需求,以凸优化理论为核心,统一车辆运动学约束、车辆执行机构物理约束及环境约束,构建自主泊车路径规划的最优目标函数,采用内点法进行求解,规划出满足车辆运动学的泊车路径。仿真结果表明,与现有规划方法相比,一致性自主泊车路径规划可有效提高规划算法对环境的适应性。同时,提出的算法框架具有较强的通用性与扩展性,可对能以等式与不等式形式统一描述的各种场景进行路径求解。     

求解带时间窗车辆路径问题的狼群算法

针对城市物流配送和交通运输中广泛存在的带时间窗车辆路径问题,为寻求最佳路径规划,应用惩罚函数,构建了以总运输成本最小为目标的数学模型。在车辆路径优化求解方面,根据问题具体特征设计了1种二维编码方式,并采用近邻初始化方式构建初始解从而提升寻优速率;随后,结合狼群算法觅食行为中的游走、召唤及围攻3种行为,重新定义其智能行为,设计了一种求解带时间窗车辆路径问题的狼群算法。由于原始狼群算法的召唤行为引入距离判定因子来增大种群搜索空间,但也增加了算法复杂性且易陷入局部最优,故本研究舍弃了距离判定因子,采用猛狼1次奔袭便进入围攻状态来降低算法复杂度,并在算法中进一步增强了种群间信息交互。最后,应用该狼群算法求解多个测试算例。结果表明:狼群算法在求解带时间窗的车辆路径问题时是可行的、有效的;与禁忌搜索算法、遗传算法、改进蚁群算法和混合粒子群算法等常见智能优化算法相比,狼群算法不仅具有收敛速度快和搜索质量高等优点,而且拥有良好的稳定性和求解效果。     

智能网联汽车运动规划方法研究综述

分析了近年来智能网联汽车(Intelligent Connected Vehicle, ICV)运动规划方法的研究,根据规划时空尺度和任务目标,将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务,回顾了各级子任务中智能网联技术的研究和应用现状;探讨了ICV中驾驶人行为特性及其对运动规划结果的影响;从技术背景、研究场景、算法流程和应用理论4个方面,提出ICV运动规划方法研究的未来发展方向。结果表明:由于ICV主要依赖车辆网联信息规划运动路径,而路网中同时存在不同网联等级的ICV,这将增加路径规划问题的求解难度;现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况,将现有算法与微观交通流模型相结合有助于解决此问题;ICV中人机协同及任务切换领域已出现诸多研究热点,如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题;借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识,但是车-车、车-路网联信息在此领域的应用仍然有限;采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略;根据具体规划任务特点选择构建ICV运动规划模型的基础理论,有助于发挥各类理论的优势,提升规划算法的灵活性和适用性。     

基于LiDAR场景建模的智能车路径规划

针对智能车路径规划问题,研究了基于激光雷达(LiDAR)数据的智能车驾驶场景建模方法,采集待建模场景的三维激光雷达点云数据,通过点云分割处理,去除车辆行驶道路上的点云,然后将三维点云进行俯视投影,实现二维栅格地图建模;从搜索邻域和搜索方向2个方面对传统A*算法进行改进:根据当前节点附近障碍物的分布情况,自适应地选择4邻域或8邻域搜索策略,在此基础上研究了一种自适应搜索方向A*算法,所提出的算法将搜索方向缩小至3个,根据路径规划终点相对起点的方向,确定算法的搜索方向.仿真实验表明,相较于传统A*算法(4邻域搜索),所提出的算法在规划的路径长度方面降低了约15.5%,在计算时间上降低约38.2%;对比传统A*算法(8邻域搜索),所提出的算法在计算时间上降低约47.2%,在规划路径长度和计算时间上,所提出的算法明显优于传统算法.      

面向车身数字化工艺开发的多机器人避障算法

在汽车行业制造流程快速向“数字化”与“智能化”转型的背景下,制造工艺自动开发技术获得学术与产业界的广泛重视。针对车身制造过程多机器人工位中自动化工艺路径规划问题,提出基于智能化算法的多机器人系统避障与协调规划算法。针对现有机械臂在复杂多障碍物环境中局部路径规划时间长的问题,提出改进的APF-RRT*的机器人避障方法,缩短算法的迭代次数以及路径的总长度,实现局部路径的优化,提高局部避障算法的搜索效率。     

智能网联汽车运动规划方法研究综述（双语出版）

分析了近年来智能网联汽车（Intelligent Connected Vehicle，ICV）运动规划方法的研究，根据规划时空尺度和任务目标，将ICV运动规划细分为路径规划、路线规划、动作规划和轨迹规划4级子任务，回顾了各级子任务中智能网联技术的研究和应用现状；探讨了ICV中驾驶人行为特性及其对运动规划结果的影响；从技术背景、研究场景、算法流程和应用理论4个方面，提出ICV运动规划方法研究的未来发展方向。结果表明：由于ICV主要依赖车辆网联信息规划运动路径，而路网中同时存在不同网联等级的ICV，这将增加路径规划问题的求解难度；现有ICV路线规划模型较少考虑周边多车运动状态以及路段车道设置情况，将现有算法与微观交通流模型相结合有助于解决此问题；ICV中人机协同及任务切换领域已出现诸多研究热点，如城市道路上换道与转弯动作规划、ICV引导非网联车辆行驶等问题；借鉴驾驶人行为模式规划ICV运动轨迹已成为研究共识，但是车-车、车-路网联信息在此领域的应用仍然有限；采用反馈-迭代的方法进行ICV运动路线和动作协同规划、运动规划和轨迹跟踪控制有助于获得全局最优的运动规划结果和车辆控制策略；根据具体规划任务特点选择构建ICV运动规划模型的基础理论，有助于发挥各类理论的优势，提升规划算法的灵活性和适用性。     

浅析几种无人驾驶汽车路径规划算法

路径规划是自动驾驶关键技术之一,各种路径规划算法现已不断改进并不断涌现。本文根据全局和局部路径规划对常用路径规划算法进行分类,对几种常用的路径规划算法原理进行介绍,并分析其发展方向。     

基于路网分层的协同诱导路径搜索算法

针对交通诱导中的分布式诱导和中心式诱导各自的不足,提出了基于路网分层的协同式诱导算法。首先,根据出行偏好,对路网进行了分层,并对不同形式的路径进行了分析。然后,通过对子区域中路径搜索进行动态搜索限定,提出了基于改进A*的跨层节点确定方法,在此基础上建立了基于改进的跨层路径搜索算法。最后,构建了协同式诱导算法模型,此模型运用中心式诱导完成主干道路网层交通流的诱导,而分布式诱导完成子区域小范围次要路网上的车辆的路径搜索,并对协同搜索算法进行了仿真验证。结果表明:该算法模型相比单一诱导模型计算性能好,平均搜索的效率提高了17.5倍。     

引入必经点约束的智能汽车全局路径规划EI北大核心CSCD

目前对于智能车全局路径规划的研究多数只针对从起点到终点的情况。针对该问题,本文中融合改进A*和模拟退火算法,设计了一种引入必经点约束的全局路径规划算法。首先,基于A*算法计算关键节点间的最短路径并保存。然后,基于启发式算法中的模拟退火算法对过必经节点的全局路径进行迭代随机优化。接着,基于真实高精度地图对算法的有效性以及时间复杂度进行实验分析。结果表明,设计的算法在求解质量和求解速度方面都有较好的表现。最后,通过实车实验,进一步验证了算法的有效性和适应性。     

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。     

城市道路网最短路径启发算法研究

从城市道路网络的实际特点出发,对城市电子地图的道路网进行网络分析,将最佳路径搜索问题转化为图论中的最短路径搜索问题,通过对最短路径搜索算法的分析,提出了一种求解城市道路网两点间最短路径的算法。该算法主要对Dijkistra算法的搜索方法进行改进,根据两点间直线距离最短这一原理,运用待扩展节点与终止节点间的直线距离这一启发信息,使搜索沿着某个最有希望的路径进行下去,大大减少了搜索范围,提高了路径搜索的速度,具有重要的实践意义。     

智能车辆局部路径规划算法研究综述

为提高智能车辆行驶的平稳性和合理性,文章对近年来智能车辆常用的局部路径规划算法进行了分类和总结。首先对各类传统算法的原理进行了阐述,分析其优缺点,并指出传统算法在智能车辆上应用时的不足;其次整理分析了各类传统算法应用至智能车辆上时各学者所提出的改进算法;最后提出基于离散优化的算法是未来智能车辆局部路径规划的应用趋势,多算法融合是复杂场景下智能车辆局部路径规划的研究方向。文章的研究结果为智能车领域的研究人员在选择局部路径规划算法时提供参考。     

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。     

车-路-云融合的智能混合动力汽车节能驾驶技术研究进展与挑战

随着汽车的智能化与网联化,混合动力汽车的节能驾驶技术已由单纯的动力总成能量管理向涵盖车-路-云一体化的综合控制演化,基于车速规划的经济性驾驶与基于路径规划的经济性路由可显著提高汽车的节油率。介绍了现有混合动力汽车的典型节能驾驶技术,指出了节能驾驶技术的商业价值及其节油潜力;归纳总结了经济性驾驶的研究现状,引出了路径规划对于能耗的重要影响;从能耗模型构建、路径优化问题建立和求解算法三方面系统梳理了经济性路由的研究现状,指明了其研究思路;探究讨论了多车混合经济性路由问题,为物流配送车辆的经济性调度提供了优化思路;对混合动力汽车节能驾驶技术的发展趋势进行展望。     

基于弹性约束带法的车辆路径规划

根据弹性约束带的理论基础,结合A*算法对初步路径进行规划以及Bézier曲线对最终路线确定,为自主驾驶车的避障与前进设计了自动生成的路线。在Matlab环境下的仿真结果表明,这种路径规划方法有效地规避了障碍,能较好适应汽车的尺寸要求,并符合不完整系统对于最小转弯半径以及速度方面的约束,从而给路径规划提供了便利。     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。