發(fā)布時間：2021-02-28 18:33

　　路徑規(guī)劃技術(shù)作為車輛規(guī)劃-決策系統(tǒng)的重要組成部分,對有效緩解道路交通運(yùn)行壓力,減少交通擁堵,為出行者提供滿意的出行體驗具有重要意義。對現(xiàn)有成果研究可知,絕大多數(shù)路徑規(guī)劃算法仍然存在不足之處。首先,單一算法用于動態(tài)且非封閉環(huán)境下路徑規(guī)劃的研究較少,通常以距離最短或通行時間最少等單一性能為評價指標(biāo),未考慮道路屬性、車輛特性及交通規(guī)則約束的影響。其次,國內(nèi)外絕大多數(shù)學(xué)者將全局路徑與局部路徑規(guī)劃分開研究,事實上二者之間有著緊密地聯(lián)系,局部路徑規(guī)劃彌補(bǔ)了全局路徑規(guī)劃因環(huán)境噪聲及魯棒性差的不足;全局路徑規(guī)劃則指引局部路徑規(guī)劃尋找最優(yōu)解。本文設(shè)計了一種基于蟻群-勢場混合算法的車輛路徑規(guī)劃方法。首先,介紹了與車輛路徑規(guī)劃相關(guān)的算法與核心技術(shù);分析車輛路徑規(guī)劃問題的當(dāng)前國內(nèi)外研究現(xiàn)狀,明確本文的研究思路及內(nèi)容。其次,系統(tǒng)地介紹了獲知環(huán)境信息的關(guān)鍵技術(shù)、動態(tài)路網(wǎng)模型的構(gòu)建及其數(shù)學(xué)描述,深入研究影響路網(wǎng)模型中路阻函數(shù)的主要因素并采用層次分析法對路阻函數(shù)進(jìn)行量化求解;通過優(yōu)化信號交叉口的車速,避免車輛在信號交叉口啟停導(dǎo)致總的路阻費(fèi)用權(quán)值的增加。然后,結(jié)合搭建的動態(tài)路網(wǎng)進(jìn)行車輛全局路徑規(guī)劃。算法運(yùn)行初期,以人工... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文主要的研究內(nèi)容
    1.4 本章小結(jié)
第二章 動態(tài)路網(wǎng)模型的研究
    2.1 環(huán)境感知技術(shù)
        2.1.1 機(jī)器視覺感知技術(shù)
        2.1.2 雷達(dá)感知技術(shù)
        2.1.3 V2X技術(shù)
    2.2 動態(tài)路網(wǎng)模型構(gòu)建
        2.2.1 路網(wǎng)的構(gòu)建及其數(shù)學(xué)描述
        2.2.2 動態(tài)路阻權(quán)值的建立與量化
        2.2.3 路阻權(quán)值參數(shù)的計算
    2.3 近信號交叉口車速優(yōu)化模型
        2.3.1 信號燈為綠燈
        2.3.2 信號燈為紅燈
    2.4 本章小結(jié)
第三章 基于蟻群-勢場混合算法的車輛全局路徑規(guī)劃
    3.1 基于傳統(tǒng)蟻群算法路徑規(guī)劃研究
        3.1.1 蟻群算法基本原理
        3.1.2 主要步驟及數(shù)學(xué)模型
    3.2 蟻群算法的參數(shù)分析
        3.2.1 螞蟻數(shù)量對算法性能的影響
        3.2.2 信息素?fù)]發(fā)系數(shù)對算法性能的影響
        3.2.3 信息素啟發(fā)因子對算法性能的影響
        3.2.4 期望啟發(fā)因子對算法性能的影響
    3.3 蟻群-人工勢場混合算法
        3.3.1 蟻群、人工勢場算法對比分析
        3.3.2 蟻群-勢場混合算法的優(yōu)化策略
        3.3.3 混合算法步驟及流程圖
        3.3.4 搜索區(qū)域限制
    3.4 面向路網(wǎng)模型的混合算法仿真
        3.4.1 仿真工具簡介
        3.4.2 參數(shù)設(shè)置
        3.4.3 仿真過程及結(jié)果分析
    3.5 本章小結(jié)
第四章 基于改進(jìn)人工勢場法的局部路徑規(guī)劃
    4.1 傳統(tǒng)人工勢場法路徑規(guī)劃及問題分析
        4.1.1 引力勢場
        4.1.2 斥力勢場
        4.1.3 合力勢場
        4.1.4 路徑規(guī)劃仿真及存在的問題
    4.2 車輛行駛環(huán)境分析
    4.3 改進(jìn)人工勢場法
        4.3.1 多類約束限制下虛擬勢場力模型
        4.3.2 虛擬勢場合力下車輛受力平衡方程
        4.3.3 車速優(yōu)化及橫擺角速度控制
    4.4 改進(jìn)人工勢場法路徑規(guī)劃仿真及分析
        4.4.1 靜態(tài)條件下的避障路徑仿真
        4.4.2 動態(tài)條件下的避障路徑仿真
    4.5 本章小結(jié)
第五章 局部避障路徑實車實驗
    5.1 試驗平臺
        5.1.1 傳感器
        5.1.2 控制器
    5.2 試驗與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
碩士期間參加的科研項目、發(fā)表的論文與申請的專利
    參加的科研項目
    發(fā)表的學(xué)術(shù)論文
    授權(quán)與公開的相關(guān)專利


【參考文獻(xiàn)】：
期刊論文
[1]融合毫米波雷達(dá)與單目視覺的前車檢測與跟蹤[J]. 趙望宇,李必軍,單云霄,徐豪達(dá).  武漢大學(xué)學(xué)報(信息科學(xué)版). 2019(12)
[2]基于精英蟻群算法的交通最優(yōu)路徑研究[J]. 汪貴慶,袁杰,沈慶宏.  南京大學(xué)學(xué)報(自然科學(xué)). 2019(05)
[3]基于改進(jìn)人工勢場法的路徑規(guī)劃決策一體化算法研究[J]. 袁朝春,翁爍豐,何友國,SHEN Jie,陳龍,王桐.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(09)
[4]吉利和高通、高新興合作,引入5G與C-V2X汽車技術(shù)[J].   汽車實用技術(shù). 2019(05)
[5]智能汽車技術(shù)及環(huán)境感知傳感器初探[J]. 魏琴,谷謝天,陳平易.  內(nèi)燃機(jī)與配件. 2019(02)
[6]車聯(lián)網(wǎng)(智能網(wǎng)聯(lián)汽車)產(chǎn)業(yè)發(fā)展行動計劃解讀[J].   汽車與配件. 2019(01)
[7]雙動態(tài)條件下多傳感器融合的車輛檢測方法研究[J]. 劉志強(qiáng),張中昀,倪捷,張騰.  機(jī)械設(shè)計與制造. 2018(S2)
[8]基于V2X技術(shù)的FCWS測試方法研究[J]. 張迪思,祖暉,陳新海,王博思.  汽車實用技術(shù). 2018(13)
[9]基于混合蟻群算法的車輛路徑問題研究[J]. 梁承姬,崔佳誠,丁一.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2016(03)
[10]基于GA+ACO的交通擁擠及事故規(guī)避系統(tǒng)研究[J]. 陸文昌,鄧傲,袁朝春,陳龍.  汽車工程學(xué)報. 2015(05)

博士論文
[1]基于深度學(xué)習(xí)的自動駕駛單目視覺目標(biāo)識別技術(shù)研究[D]. 陳宇鵬.吉林大學(xué) 2019
[2]智能車輛自主導(dǎo)航中避障路徑規(guī)劃與跟蹤控制研究[D]. 汪明磊.合肥工業(yè)大學(xué) 2013

碩士論文
[1]某新零售企業(yè)物流配送中心選址及配送路徑規(guī)劃研究[D]. 孫宇彤.沈陽工業(yè)大學(xué) 2019
[2]智能汽車路徑規(guī)劃與跟蹤控制仿真研究[D]. 張思遠(yuǎn).吉林大學(xué) 2018
[3]混合蟻群算法的改進(jìn)及其在車輛路徑調(diào)度中的應(yīng)用研究[D]. 王柯力.重慶郵電大學(xué) 2018
[4]混合蟻群算法在容量約束車輛路徑問題中的應(yīng)用研究[D]. 陳學(xué)嬌.合肥工業(yè)大學(xué) 2016
[5]基于混合算法的機(jī)器人路徑規(guī)劃及編隊研究[D]. 董曄.遼寧科技大學(xué) 2016
[6]基于蟻群算法的車輛導(dǎo)航自適應(yīng)路徑規(guī)劃算法研究[D]. 王健.青島科技大學(xué) 2011



本文編號：3056270