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,以人工势场法规划的路径指引蚁群算法进行路径搜索,弥补蚁群算法盲目搜索导致收敛速度慢的缺点;优化全局和局部信息素更新策略并构建负反馈通道,使信息素更新随着迭代次数的变化自适应调整。在城市交通仿真平台Sumo中对混合算法及动态路网进行了测试分析。接着,在规划出的全局路径基础上,针对妨碍车辆正常行驶的交通参与者,建立多类约束下的虚拟势场力模型分析不同交通参与者对车辆行驶的影响,采用改进人工势场法对局部行驶路径进行优化,通过仿真验证算法的有效性。最后,依据所提出的蚁群-势场混合算法并结合现有实验条件,进行局部避障路径规划实车实验,验证本文所提算法进行路径求解的准确性和有效性。