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。     

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。     

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。     

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.     

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。     

基于改进蚁群算法的交通分配研究

交通分配是交通规划诸多问题中被国内外学者研究得最深入、取得研究成果最多的内容。但是把蚁群算法应用到交通规划中在国内外都不多见。介绍蚁群算法在交通流分配中的应用。     

基于AStar算法的避障路径局部规划方法开发

介绍一种基于AStar算法的避障规划逻辑,并介绍与之配合使用的路径平滑算法,再将AStar算法与实际场景相结合,提出一种多次规划的避障逻辑,最后将此逻辑与Carla进行联合仿真与调试。     

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。     

基于组合优化算法的混合动力客车控制策略优化

结合模拟退火算法全局优化能力强和非线性二次规划算法能够快速寻优的特点,使用Isight优化软件将二者建立组合优化算法对建立的功率解析控制策略进行全局优化。优化结果表明,所提出的组合优化算法避免了模拟退火算法局部优化不强的缺点,提高了优化质量和计算效率;在保证整车动力性的前提下,使整车综合油耗下降了12%。     

基于蚁群算法的路径规划改进方法研究

无人驾驶技术是近几年来研究的热点,其中路径规划技术则是无人驾驶技术研究中一个重要的内容。本文介绍基于经典蚁群算法的路径规划技术以及两大类改进方法,一类是基于经典蚁群算法的改进,另一类是与其它智能算法融合的改进。     

智能汽车泊车轨迹规划应用

路径规划是智能汽车的关键技术之一,其中轨迹规划是智能汽车实现自动泊车的前提。基于Hybrid A*算法对智能汽车的泊车轨迹规划展开研究,通过启发函数优化解决智能汽车泊车时反复倒车或变更行驶方向的问题,通过碰撞检测策略改进,解决泊车中车辆安全距离保持的问题。通过MATLAB软件仿真,算法可实现在倒车入库、侧方位停车和停车场寻径停车等环境下的轨迹规划,验证了改进算法的有效性和实用性。     

基于参考线优化算法的智能车辆变道研究

参考线、轨迹规划与横向控制是智能车辆的重要组成部分。智能车辆的行驶需要优良的参考线作为行驶基准,参考线需满足平滑性与紧凑性要求,车辆的变道需要轨迹规划与横向控制。文章提出平滑算法与紧凑算法,对参考线的平滑性与紧凑性进行优化。在轨迹规划与横向控制方面,文章采用五次多项式曲线进行轨迹规划,线性二次型调节器（LQR）进行变道的横向控制;最终通过软件CarSim与Simulink的仿真验证。结果表明,车辆变道的跟踪效果优良,验证算法的可行性与优越性。     

交通管制条件下城市道路网络模型及分配算法研究

城市道路网络模型及其算法是城市道路网络分析和分配的基础。本文首先分析了交通管制条件下原有城市道路网络模型和算法的不足,在此基础上提出一种改进模型和算法,并给出算例。这种改进的模型和算法能较好地满足实际分配的要求,在交通规划、交通管理和交通流模拟中都有着十分广阔的应用前景,且已经被成功地应用于郑州市综合交通规划中。     

城市轨道交通网络线路规划的优化算法

文章用计算机软件技术，探讨了城市轨道交通网络的线路规划问题的优化算法，使规划进一步科学化，试图达到以最少的投资取得最大的效益。     

市域公路网布局优化模型研究

针对市域公路网布局的特点和要求,对传统的市域公路网布局单目标优化模型进行了扩展,通过将连续变量离散化和引入双层规划方法,建立了市域公路网布局优化双层规划模型,并将模拟退火算法应用于模型的求解,采用Visual Basic6.0语言开发了相应的算法程序,该算法尤其适合求解大规模路网优化问题。应用示例表明了所建模型及算法的可行性。     

灾害情况下基于改进蚁群算法的救援车辆路径优化

自然灾害发生后,最重要的任务是救援。但由于灾后信息传输受到阻碍,相关道路损毁分布状况、预先规划的救援路线发生损毁等信息不能及时获取,给救援救灾带来很大困难,如何根据已获得的灾区路网信息动态规划安全、快速的车辆救灾通道极为重要。文中针对灾后救援时间紧迫、救援路程中道路通过性动态变化及安全性等因素,以到达救援点时间最短为目标,建立灾害情况下车辆路径优化模型;采用基于图论的改进蚁群算法进行全局车辆路径优化,并对救援路径中规划好的救援路线出现障碍点时车辆局部路径优化进行仿真试验,验证改进蚁群算法的有效性,结果表明相对于传统蚁群算法,改进蚁群算法的寻优效果更好。     

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。     

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.     

利用激光点云的城市无人驾驶路径规划算法

为了解决随机采样算法受感知环境不确定性影响下的弱鲁棒性以及弱可靠性问题，采用一种基于激光空间势场的渐优随机采样算法框架来设计符合无人驾驶需要的规划算法。针对感知环境的不确定性，首先基于势场原理与激光障碍物点云构建一个融入了斥力场的规划空间，解决激光障碍物提取中的过分割等问题。其次，利用规划空间来处理随机采样算法中的采样策略、最优母节点选取策略、修剪策略以及最终路径选择策略。再次，在算法中加入了Anytime策略来提高优化解的利用率，使得算法的计算效率满足无人驾驶实时性的要求。同时，为了保证无人驾驶中规划路径的鲁棒性与可靠性，创建了一个综合5重因素的代价函数来选择最优路径，并根据不同的无人驾驶场景来调整相对应的参数；最后在城市测试道路上进行了实地测试。结果表明：设计的算法框架能够适应最高时速40 km·h^-1的城区驾驶环境，并能完成跟驰、换道、融入以及静动态障碍物的避障决策。在与SST算法的对比试验中，所提出的算法在各个试验中的轨迹、方向盘转角以及速度的平滑性都优于SST算法，其轨迹与障碍物的距离也优于SST算法。     

多目标公交线网规划研究

根据公交线网规划的目标和原则,结合一般城市的特性,提出以社会总出行时间最小、公交车辆运营费用最小、公交线网日均满载率最大、公交线网覆盖率最高和乘客直达率最高为公交线网规划目标的多目标函数,并利用蚁群算法结合计算机程序进行求解,最后通过数例计算及分析得出规划公交网络.