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.      

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。     

基于动态交通分配的应急路径规划

为了提高在应急救援与疏散工作中的应急交通效率,针对已有相关算法未考虑交通问题动态性的不足,提出了1个基于动态交通分配的应急路径规划算法。给出了问题的定义,设计了1个基于仿真的动态交通分配模型,给出了基于动态交通分配的算法求解步骤。通过北京市路网数据对算法进行验证,证明了算法的可行性与有效性。     

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.      

基于DBSCAN与二分法的混合A*路径规划方法EI北大核心CSCD

在多障碍物非结构化场景中,传统混合A*算法存在计算效率低、路径平滑性差的问题。针对该问题,本文提出了一种基于密度聚类算法(density-based clustering,简称DBSCAN)与二分法的混合A*路径规划方法。首先,设计基于DBSCAN算法的障碍物聚类方法,简化多障碍物非结构化场景,避免混合A*算法在类U形障碍物群附近的无效节点拓展,有效提高算法效率。然后,提出基于二分法的状态节点拓展策略,能够在不显著增加混合A*算法计算复杂度的前提下,搜索出一条更平滑的路径。最后,基于MATLAB进行仿真。结果表明,在多障碍物非结构化场景中,本文提出的改进混合A*算法可以显著提升计算效率并改善路径平滑性。     

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。     

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

基于改进A*算法的高速公路互联网地图最短路径搜索研究

为解决高速公路互联网地图中最短路径的搜索问题,根据高速公路互联网地图的特点,对传统A*算法中的网络节点、数据库、启发式函数进行了改进,并通过重庆市高速公路互联网地图实例对改进A*算法进行了应用验证。结果表明,采用改进A*算法可找到高速公路互联网地图中的最短路径,且最短路径的搜索时间控制在毫秒级,能够满足大区域高速公路互联网地图最短路径的搜索要求。     

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。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。     

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.     

基于蚁群算法求解物流订单派送问题

针对物流信息平台中的订单派送问题,研究了订单派送的单向性和路径最优特性,构建了路径选择模型,对费用最少和时间最短的双目标优化函数进行了分析,将基本蚁群算法进行了改进。通过对局部信息素进行外界人为的干扰,从而影响整个网络选择,使得路径选择全局最优,解决了基本算法在求解最短路径中计算时间长的问题。模拟结果表明,计算速度提高了30%。     

基于蚁群算法的公共自行车站间调度优化

公共自行车系统在实际运行中存在借车难、还车难等问题,站间自行车调度不合理、不及时是主要原因。根据自行车调度的实际情况,考虑公共自行车系统特殊的调度车容量约束和下一站点补给约束,建立公共自行车站间调度的数学模型。通过改进常规旅行商问题求解的蚁群算法,以满足自行车调度的约束条件。在Matlab中编程实现改进的蚁群算法,并以武汉市关山光谷片区的24个自行车站点为例,用改进的蚁群算法求解调度回路,结果表明该算法可以求解得到最优调度回路。     

大跨径钢桥面铺装结构精英蚂蚁寻优策略

基于精英蚂蚁寻优策略,将大跨径桥梁的钢桥面板和铺装层作为桥面铺装系整体进行结构优化设计。以铺装层正常使用年限最长和结构总重量最轻作为优化设计的目标函数,在此基础上建立多目标优化设计的数学模型。针对模型的离散变量优化设计特点和具有并行计算的条件,引入精英蚂蚁寻优策略进行求解。借助大型有限元软件ANSYS和Matlab6.5编程技术,开发了钢桥面铺装体系结构多目标优化设计程序。以国内某大跨径钢桥为对象,采用多目标优化设计方法,给出了钢桥面铺装体系中各参数的优化设计值。所选择的设计变量范围覆盖了目前常用的正交异性钢桥面系结构参数值,且应用精英蚂蚁寻优策略对大跨径钢桥面铺装体系优化设计是可行的。     

大跨径钢桥面铺装结构精英蚂蚁寻优策略（全文点击）

基于精英蚂蚁寻优策略,将大跨径桥梁的钢桥面板和铺装层作为桥面铺装系整体进行结构优化设计。以铺装层正常使用年限最长和结构总重量最轻作为优化设计的目标函数,在此基础上建立多目标优化设计的数学模型。针对模型的离散变量优化设计特点和具有并行计算的条件,引入精英蚂蚁寻优策略进行求解。借助大型有限元软件ANSYS和Matlab6.5 编程技术,开发了钢桥面铺装体系结构多目标优化设计程序。以国内某大跨径钢桥为对象,采用多目标优化设计方法,给出了钢桥面铺装体系中各参数的优化设计值。所选择的设计变量范围覆盖了目前常用的正交异性钢桥面系结构参数值,且应用精英蚂蚁寻优策略对大跨径钢桥面铺装体系优化设计是可行的。 pdf全文       

基于蚁群算法的军事配送车辆调度问题研究

针对军事配送的特点,以"等待损失"和运输成本最小化为目标,建立了问题的数学模型,并应用蚁群算法求解了这一问题.算法中改进了状态转移规则,设计了局部搜索模块.为测试算法性能,应用改进的蚁群算法求解了文献中的21个基准算例.计算结果表明,这一算法明显优于已有算法.