基于蚁群—势场混合算法的车辆路径规划研究
发布时间：2021-02-28 18:33
路径规划技术作为车辆规划-决策系统的重要组成部分,对有效缓解道路交通运行压力,减少交通拥堵,为出行者提供满意的出行体验具有重要意义。对现有成果研究可知,绝大多数路径规划算法仍然存在不足之处。首先,单一算法用于动态且非封闭环境下路径规划的研究较少,通常以距离最短或通行时间最少等单一性能为评价指标,未考虑道路属性、车辆特性及交通规则约束的影响。其次,国内外绝大多数学者将全局路径与局部路径规划分开研究,事实上二者之间有着紧密地联系,局部路径规划弥补了全局路径规划因环境噪声及鲁棒性差的不足;全局路径规划则指引局部路径规划寻找最优解。本文设计了一种基于蚁群-势场混合算法的车辆路径规划方法。首先,介绍了与车辆路径规划相关的算法与核心技术;分析车辆路径规划问题的当前国内外研究现状,明确本文的研究思路及内容。其次,系统地介绍了获知环境信息的关键技术、动态路网模型的构建及其数学描述,深入研究影响路网模型中路阻函数的主要因素并采用层次分析法对路阻函数进行量化求解;通过优化信号交叉口的车速,避免车辆在信号交叉口启停导致总的路阻费用权值的增加。然后,结合搭建的动态路网进行车辆全局路径规划。算法运行初期,以人工...
【文章来源】：江苏大学江苏省
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文主要的研究内容
1.4 本章小结
第二章 动态路网模型的研究
2.1 环境感知技术
2.1.1 机器视觉感知技术
2.1.2 雷达感知技术
2.1.3 V2X技术
2.2 动态路网模型构建
2.2.1 路网的构建及其数学描述
2.2.2 动态路阻权值的建立与量化
2.2.3 路阻权值参数的计算
2.3 近信号交叉口车速优化模型
2.3.1 信号灯为绿灯
2.3.2 信号灯为红灯
2.4 本章小结
第三章 基于蚁群-势场混合算法的车辆全局路径规划
3.1 基于传统蚁群算法路径规划研究
3.1.1 蚁群算法基本原理
3.1.2 主要步骤及数学模型
3.2 蚁群算法的参数分析
3.2.1 蚂蚁数量对算法性能的影响
3.2.2 信息素挥发系数对算法性能的影响
3.2.3 信息素启发因子对算法性能的影响
3.2.4 期望启发因子对算法性能的影响
3.3 蚁群-人工势场混合算法
3.3.1 蚁群、人工势场算法对比分析
3.3.2 蚁群-势场混合算法的优化策略
3.3.3 混合算法步骤及流程图
3.3.4 搜索区域限制
3.4 面向路网模型的混合算法仿真
3.4.1 仿真工具简介
3.4.2 参数设置
3.4.3 仿真过程及结果分析
3.5 本章小结
第四章 基于改进人工势场法的局部路径规划
4.1 传统人工势场法路径规划及问题分析
4.1.1 引力势场
4.1.2 斥力势场
4.1.3 合力势场
4.1.4 路径规划仿真及存在的问题
4.2 车辆行驶环境分析
4.3 改进人工势场法
4.3.1 多类约束限制下虚拟势场力模型
4.3.2 虚拟势场合力下车辆受力平衡方程
4.3.3 车速优化及横摆角速度控制
4.4 改进人工势场法路径规划仿真及分析
4.4.1 静态条件下的避障路径仿真
4.4.2 动态条件下的避障路径仿真
4.5 本章小结
第五章 局部避障路径实车实验
5.1 试验平台
5.1.1 传感器
5.1.2 控制器
5.2 试验与分析
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
硕士期间参加的科研项目、发表的论文与申请的专利
参加的科研项目
发表的学术论文
授权与公开的相关专利
【参考文献】：
期刊论文
[1]融合毫米波雷达与单目视觉的前车检测与跟踪[J]. 赵望宇,李必军,单云霄,徐豪达. 武汉大学学报(信息科学版). 2019(12)
[2]基于精英蚁群算法的交通最优路径研究[J]. 汪贵庆,袁杰,沈庆宏. 南京大学学报(自然科学). 2019(05)
[3]基于改进人工势场法的路径规划决策一体化算法研究[J]. 袁朝春,翁烁丰,何友国,SHEN Jie,陈龙,王桐. 农业机械学报. 2019(09)
[4]吉利和高通、高新兴合作,引入5G与C-V2X汽车技术[J]. 汽车实用技术. 2019(05)
[5]智能汽车技术及环境感知传感器初探[J]. 魏琴,谷谢天,陈平易. 内燃机与配件. 2019(02)
[6]车联网(智能网联汽车)产业发展行动计划解读[J]. 汽车与配件. 2019(01)
[7]双动态条件下多传感器融合的车辆检测方法研究[J]. 刘志强,张中昀,倪捷,张腾. 机械设计与制造. 2018(S2)
[8]基于V2X技术的FCWS测试方法研究[J]. 张迪思,祖晖,陈新海,王博思. 汽车实用技术. 2018(13)
[9]基于混合蚁群算法的车辆路径问题研究[J]. 梁承姬,崔佳诚,丁一. 重庆交通大学学报(自然科学版). 2016(03)
[10]基于GA+ACO的交通拥挤及事故规避系统研究[J]. 陆文昌,邓傲,袁朝春,陈龙. 汽车工程学报. 2015(05)
博士论文
[1]基于深度学习的自动驾驶单目视觉目标识别技术研究[D]. 陈宇鹏.吉林大学 2019
[2]智能车辆自主导航中避障路径规划与跟踪控制研究[D]. 汪明磊.合肥工业大学 2013
硕士论文
[1]某新零售企业物流配送中心选址及配送路径规划研究[D]. 孙宇彤.沈阳工业大学 2019
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]混合蚁群算法的改进及其在车辆路径调度中的应用研究[D]. 王柯力.重庆邮电大学 2018
[4]混合蚁群算法在容量约束车辆路径问题中的应用研究[D]. 陈学娇.合肥工业大学 2016
[5]基于混合算法的机器人路径规划及编队研究[D]. 董晔.辽宁科技大学 2016
[6]基于蚁群算法的车辆导航自适应路径规划算法研究[D]. 王健.青岛科技大学 2011
本文编号：3056270
【文章来源】：江苏大学江苏省
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文主要的研究内容
1.4 本章小结
第二章 动态路网模型的研究
2.1 环境感知技术
2.1.1 机器视觉感知技术
2.1.2 雷达感知技术
2.1.3 V2X技术
2.2 动态路网模型构建
2.2.1 路网的构建及其数学描述
2.2.2 动态路阻权值的建立与量化
2.2.3 路阻权值参数的计算
2.3 近信号交叉口车速优化模型
2.3.1 信号灯为绿灯
2.3.2 信号灯为红灯
2.4 本章小结
第三章 基于蚁群-势场混合算法的车辆全局路径规划
3.1 基于传统蚁群算法路径规划研究
3.1.1 蚁群算法基本原理
3.1.2 主要步骤及数学模型
3.2 蚁群算法的参数分析
3.2.1 蚂蚁数量对算法性能的影响
3.2.2 信息素挥发系数对算法性能的影响
3.2.3 信息素启发因子对算法性能的影响
3.2.4 期望启发因子对算法性能的影响
3.3 蚁群-人工势场混合算法
3.3.1 蚁群、人工势场算法对比分析
3.3.2 蚁群-势场混合算法的优化策略
3.3.3 混合算法步骤及流程图
3.3.4 搜索区域限制
3.4 面向路网模型的混合算法仿真
3.4.1 仿真工具简介
3.4.2 参数设置
3.4.3 仿真过程及结果分析
3.5 本章小结
第四章 基于改进人工势场法的局部路径规划
4.1 传统人工势场法路径规划及问题分析
4.1.1 引力势场
4.1.2 斥力势场
4.1.3 合力势场
4.1.4 路径规划仿真及存在的问题
4.2 车辆行驶环境分析
4.3 改进人工势场法
4.3.1 多类约束限制下虚拟势场力模型
4.3.2 虚拟势场合力下车辆受力平衡方程
4.3.3 车速优化及横摆角速度控制
4.4 改进人工势场法路径规划仿真及分析
4.4.1 静态条件下的避障路径仿真
4.4.2 动态条件下的避障路径仿真
4.5 本章小结
第五章 局部避障路径实车实验
5.1 试验平台
5.1.1 传感器
5.1.2 控制器
5.2 试验与分析
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
硕士期间参加的科研项目、发表的论文与申请的专利
参加的科研项目
发表的学术论文
授权与公开的相关专利
【参考文献】：
期刊论文
[1]融合毫米波雷达与单目视觉的前车检测与跟踪[J]. 赵望宇,李必军,单云霄,徐豪达. 武汉大学学报(信息科学版). 2019(12)
[2]基于精英蚁群算法的交通最优路径研究[J]. 汪贵庆,袁杰,沈庆宏. 南京大学学报(自然科学). 2019(05)
[3]基于改进人工势场法的路径规划决策一体化算法研究[J]. 袁朝春,翁烁丰,何友国,SHEN Jie,陈龙,王桐. 农业机械学报. 2019(09)
[4]吉利和高通、高新兴合作,引入5G与C-V2X汽车技术[J]. 汽车实用技术. 2019(05)
[5]智能汽车技术及环境感知传感器初探[J]. 魏琴,谷谢天,陈平易. 内燃机与配件. 2019(02)
[6]车联网(智能网联汽车)产业发展行动计划解读[J]. 汽车与配件. 2019(01)
[7]双动态条件下多传感器融合的车辆检测方法研究[J]. 刘志强,张中昀,倪捷,张腾. 机械设计与制造. 2018(S2)
[8]基于V2X技术的FCWS测试方法研究[J]. 张迪思,祖晖,陈新海,王博思. 汽车实用技术. 2018(13)
[9]基于混合蚁群算法的车辆路径问题研究[J]. 梁承姬,崔佳诚,丁一. 重庆交通大学学报(自然科学版). 2016(03)
[10]基于GA+ACO的交通拥挤及事故规避系统研究[J]. 陆文昌,邓傲,袁朝春,陈龙. 汽车工程学报. 2015(05)
博士论文
[1]基于深度学习的自动驾驶单目视觉目标识别技术研究[D]. 陈宇鹏.吉林大学 2019
[2]智能车辆自主导航中避障路径规划与跟踪控制研究[D]. 汪明磊.合肥工业大学 2013
硕士论文
[1]某新零售企业物流配送中心选址及配送路径规划研究[D]. 孙宇彤.沈阳工业大学 2019
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]混合蚁群算法的改进及其在车辆路径调度中的应用研究[D]. 王柯力.重庆邮电大学 2018
[4]混合蚁群算法在容量约束车辆路径问题中的应用研究[D]. 陈学娇.合肥工业大学 2016
[5]基于混合算法的机器人路径规划及编队研究[D]. 董晔.辽宁科技大学 2016
[6]基于蚁群算法的车辆导航自适应路径规划算法研究[D]. 王健.青岛科技大学 2011
本文编号：3056270
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3056270.html
