论文部分内容阅读
摘 要 随着计算机信息技术与智能技术的快速发展，汽车无人驾驶技术也得到了大幅度进步，无人驾驶技术是一种智能化技术的代表，主要体现在遥感和自动控制技术上。无人驾驶技术可以避免驾驶员疲劳的问题，避免人工操作的失误，提升能源利用率，是未来智能技术的代表。无人驾驶技术中汽车路径的规划和研究至关重要，本文首先对无人驾驶路径规划进行了阐述，从具体技术层面进行了探讨。
关键词 无人驾驶;汽车驾驶;路径规划
无人驾驶汽车中路径的规划是其主要研究的技术之一，备受关注，无人驾驶汽车在路径规划中环境十分复杂，受到多种因素的影响，随机性较强，因此，路径规划工作至关重要，要采取适合的设备和技术进行路径设计与规划，进而为无人驾驶汽车的上市或使用提供科学的依据。
1 无人驾驶汽车路径规划概述
无人驾驶汽车的核心功能主要在于路径规划，主要利用感知技术和控制技术，路径规划的作用是承上启下，主要目标在于在复杂的道路环境下，设计出和规划出最安全可靠的路径。无人驾驶汽车的路径规划分为全局和局部两种，全局规划指的是宏观的规划，路径规划要符合周边环境和汽车驾驶实际道路，局部路径规划一般是指一段路程的起点到终点的规划过程。无人驾驶汽车路径规划方式有很多种，例如栅格法、人工势场法、可视图法、人工智能算法等。
无人驾驶汽车路径规划是十分重要的环节，路径规划的目的是汽车无人驾驶过程中可以绕过障碍物，实现安全运行，规划出一条最合理，最节省能源，且安全可靠的自动驾驶路线，可以满足多种条件的智能技术。全局路径规划不是很复杂，主要利用拓扑级地图，局部路径规划通过传感器感知交通信息，实现车道保持、动态避障等功能。无人驾驶汽车路径规划对于算法要求较高，对局传感器、算法的效率和处理器的运算能力都要求较高，不仅考虑空间序列还考虑时间序列。对于路径规划，现在有很多中相对成熟的算法，可以保证汽车安全驾驶，但根据传感器实时探测局部环境进行路径规划还处于研究阶段。
2 无人驾驶汽车路径规划分析
2.1 路径设计分析
为了规划出最合理的路径，一般我们会结合道路情况、周边环境、道路质量、车辆情况等等综合分析，无人驾驶汽车路径规划其实是目标优化的问题，在复杂环境和路况下，如何为无人驾驶汽车规划出最安全合理的路径是十分必要的。一般可以通过建立一个模型来综合考量上面提到的因素，要找到决定目标的变量，从成本、时间、能源等角度多重考虑，一般是最短路径，但不等同于一定结果是最短路径。目前，避免常见的路径规划计算方法有常Dijkstra 算法、Floyd 算法、SPFA算法、最佳优先算法（BFS）、A*算法，其中 Floyd 算法使用较为普遍，计算较为周密，运行效率较高。Floyd 算法是一种利用动态规划的方法，适用于任何节点的路径规划计算，虽然与Dijkstra 算法类似，但时间要求较高，在以距离为变量的背景下，这类计算方法十分适用。
2.2 路径规划模型建立
（1）建立模型
假设道路环境中，一条道路中有n个路口，每个路口与其余路口相连，这里需要使用到两个概念，距离矩阵D和路径矩阵P，都是n×n的矩阵。距离矩阵D中的d（i，j）表示i，j 路口间的距离，其中i=（1，2，3，...，n），j=（1，2，3，...，n）：路径矩阵P中的 path（i，j）代表 i 通往j经过的路口，其中i=（1，2，3，...，n），j=（1，2，3，...，n）：路径矩阵P分析中发现，现有路径方案仅有直通两个路口，i→j，并没有过渡路口，这是不成立的。因此要至少引入一个过渡路口k，即i→k→j才引入了中转。在没引入新路口后，刷新原有路径矩阵D与离矩 P的信息，如此迭代n次后，得到最终任意两点间最短间距。
Floyd 算法分为以下步骤：（1）根据数据得到初始距离矩阵D与路径矩阵P，其中 d（i，j）为已知i与j路口最短距离，path（i，j）为从 i→j经过路口;（2）更新信息。引入新路口k，如果 d（i，k）+d（k，j） <d（i，j），则d（i，j）= d（i，k）+d（k，j），path（i，j）=path（i，k）;
（3）如果 d（i，j）<0，则停止，否则 k=k+1 后返回第二步继续进行迭代，直至 k=n。
2.3 路径规划考量因素
本论文模型中假设道路网络为LNNet，行车道路节点为N，行车道路集合为L。无人驾驶汽车从出发点出发，经过N个节点和L条不同的道路后到达终点，在实际计算和规划中要考虑道路中是否有交通红绿灯，要考虑道路的长度、道路类型、道路车道数量，道路类型主要可以分为高速公路、国道、主干道、县级道路、市区道路等。在无人驾驶汽车路径规划中要遵守我国的交通法，还有一些软性约束条件，包括道路堵车情况，行车道路的红绿灯情况，选择处罚值最低和最安全可靠的路径。
2.4 动态路径规划
在无人驾驶汽车路径规划中要做好动态道路规划，要综合考虑路口通行规则和行车路线变化规则，行駛中的汽车需要变更路线时要遵守以下规则：（1）在下个节点路口左转时必须行驶到最左边;（2）下个节点路口要右转时必须从行驶车道最右边转弯。（3）下一个节点路口需直行时允许行驶在任一车道。（4）车辆前方有另一辆车，且行车速度较慢，阻塞时此车更改车道可能性为25%。其中，如在下个路口需转弯时，则不能在当前更改车道。
参考文献
[1] 张琳，章新杰，郭孔辉.未知环境下智能汽车轨迹规划滚动窗口优化[J].吉林大学学报（工学版），2018，48（3）：652-660.
[2] 高立兵，汽车导航系统的动态路径规划优化模型与算法研究[J].甘肃联合大学学报，2012，26（1）：55-58.
[3] 刘斌斌，刘万伟，毛晓光，等.无人驾驶汽车决策系统的规则正确性验证[J].计算机科学，2017，44（4）：72-74.
关键词 无人驾驶;汽车驾驶;路径规划
无人驾驶汽车中路径的规划是其主要研究的技术之一，备受关注，无人驾驶汽车在路径规划中环境十分复杂，受到多种因素的影响，随机性较强，因此，路径规划工作至关重要，要采取适合的设备和技术进行路径设计与规划，进而为无人驾驶汽车的上市或使用提供科学的依据。
1 无人驾驶汽车路径规划概述
无人驾驶汽车的核心功能主要在于路径规划，主要利用感知技术和控制技术，路径规划的作用是承上启下，主要目标在于在复杂的道路环境下，设计出和规划出最安全可靠的路径。无人驾驶汽车的路径规划分为全局和局部两种，全局规划指的是宏观的规划，路径规划要符合周边环境和汽车驾驶实际道路，局部路径规划一般是指一段路程的起点到终点的规划过程。无人驾驶汽车路径规划方式有很多种，例如栅格法、人工势场法、可视图法、人工智能算法等。
无人驾驶汽车路径规划是十分重要的环节，路径规划的目的是汽车无人驾驶过程中可以绕过障碍物，实现安全运行，规划出一条最合理，最节省能源，且安全可靠的自动驾驶路线，可以满足多种条件的智能技术。全局路径规划不是很复杂，主要利用拓扑级地图，局部路径规划通过传感器感知交通信息，实现车道保持、动态避障等功能。无人驾驶汽车路径规划对于算法要求较高，对局传感器、算法的效率和处理器的运算能力都要求较高，不仅考虑空间序列还考虑时间序列。对于路径规划，现在有很多中相对成熟的算法，可以保证汽车安全驾驶，但根据传感器实时探测局部环境进行路径规划还处于研究阶段。
2 无人驾驶汽车路径规划分析
2.1 路径设计分析
为了规划出最合理的路径，一般我们会结合道路情况、周边环境、道路质量、车辆情况等等综合分析，无人驾驶汽车路径规划其实是目标优化的问题，在复杂环境和路况下，如何为无人驾驶汽车规划出最安全合理的路径是十分必要的。一般可以通过建立一个模型来综合考量上面提到的因素，要找到决定目标的变量，从成本、时间、能源等角度多重考虑，一般是最短路径，但不等同于一定结果是最短路径。目前，避免常见的路径规划计算方法有常Dijkstra 算法、Floyd 算法、SPFA算法、最佳优先算法（BFS）、A*算法，其中 Floyd 算法使用较为普遍，计算较为周密，运行效率较高。Floyd 算法是一种利用动态规划的方法，适用于任何节点的路径规划计算，虽然与Dijkstra 算法类似，但时间要求较高，在以距离为变量的背景下，这类计算方法十分适用。
2.2 路径规划模型建立
（1）建立模型
假设道路环境中，一条道路中有n个路口，每个路口与其余路口相连，这里需要使用到两个概念，距离矩阵D和路径矩阵P，都是n×n的矩阵。距离矩阵D中的d（i，j）表示i，j 路口间的距离，其中i=（1，2，3，...，n），j=（1，2，3，...，n）：路径矩阵P中的 path（i，j）代表 i 通往j经过的路口，其中i=（1，2，3，...，n），j=（1，2，3，...，n）：路径矩阵P分析中发现，现有路径方案仅有直通两个路口，i→j，并没有过渡路口，这是不成立的。因此要至少引入一个过渡路口k，即i→k→j才引入了中转。在没引入新路口后，刷新原有路径矩阵D与离矩 P的信息，如此迭代n次后，得到最终任意两点间最短间距。
Floyd 算法分为以下步骤：（1）根据数据得到初始距离矩阵D与路径矩阵P，其中 d（i，j）为已知i与j路口最短距离，path（i，j）为从 i→j经过路口;（2）更新信息。引入新路口k，如果 d（i，k）+d（k，j） <d（i，j），则d（i，j）= d（i，k）+d（k，j），path（i，j）=path（i，k）;
（3）如果 d（i，j）<0，则停止，否则 k=k+1 后返回第二步继续进行迭代，直至 k=n。
2.3 路径规划考量因素
本论文模型中假设道路网络为LNNet，行车道路节点为N，行车道路集合为L。无人驾驶汽车从出发点出发，经过N个节点和L条不同的道路后到达终点，在实际计算和规划中要考虑道路中是否有交通红绿灯，要考虑道路的长度、道路类型、道路车道数量，道路类型主要可以分为高速公路、国道、主干道、县级道路、市区道路等。在无人驾驶汽车路径规划中要遵守我国的交通法，还有一些软性约束条件，包括道路堵车情况，行车道路的红绿灯情况，选择处罚值最低和最安全可靠的路径。
2.4 动态路径规划
在无人驾驶汽车路径规划中要做好动态道路规划，要综合考虑路口通行规则和行车路线变化规则，行駛中的汽车需要变更路线时要遵守以下规则：（1）在下个节点路口左转时必须行驶到最左边;（2）下个节点路口要右转时必须从行驶车道最右边转弯。（3）下一个节点路口需直行时允许行驶在任一车道。（4）车辆前方有另一辆车，且行车速度较慢，阻塞时此车更改车道可能性为25%。其中，如在下个路口需转弯时，则不能在当前更改车道。
参考文献
[1] 张琳，章新杰，郭孔辉.未知环境下智能汽车轨迹规划滚动窗口优化[J].吉林大学学报（工学版），2018，48（3）：652-660.
[2] 高立兵，汽车导航系统的动态路径规划优化模型与算法研究[J].甘肃联合大学学报，2012，26（1）：55-58.
[3] 刘斌斌，刘万伟，毛晓光，等.无人驾驶汽车决策系统的规则正确性验证[J].计算机科学，2017，44（4）：72-74.