【技术实现步骤摘要】
基于多目标动态粒子群优化的智能公交车辆路径规划方法
本专利技术涉及智能驾驶及其控制
，特别是一种基于多目标动态粒子群优化的智能公交车辆路径规划方法。
技术介绍
近年来，智能驾驶一直是社会关注的焦点，随着智能驾驶技术研究的持续推进，智能车辆逐步走到了现实中，而结构化的城市道路，清晰的道路标志也使得城市公交车路况相对简单，这些促使了公交车成为自动驾驶技术在日常生活中普及的突破口，自动驾驶技术核心的部分就是为智能车辆规划一条安全无碰撞的最优行驶路径。路径规划方法的研究主要是为了使智能车辆能够避开障碍物。现有的路径规划算法可分为全局规划和局部规划两个阶段。在全局规划阶段，通过数字地图和定位系统确定全局路径和车辆状态。在局部规划阶段，可以根据全局路径以及相机、雷达等传感器获取的周边信息来实现局部路径。但现有技术中缺少一种用于智能公交车辆的、综合考虑静态与动态多障碍目标以及乘车舒适性的轨迹规划方法。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种基于多目标动态粒子群优化的智能公交车辆路径规划方...
【技术保护点】
1.一种基于多目标动态粒子群优化的智能公交车辆路径规划方法，其特征在于，包括以下步骤：/n步骤1，全局参考路径生成；/n根据车载传感器实时获取车辆和道路信息，从道路信息提取道路规则线，生成符合道路规则线的全局参考路径；/n步骤2，初始化粒子群及相应的轨迹；/n基于道路规则线和全局参考路径，构建以前进方向为纵向X轴、垂直方向为横向Y轴的二维环境模型，在二维环境模型中初始化粒子群；/n其中，每个粒子的位置编码规则为：每个维度对应二维环境模型中的一个坐标点，每相邻两个维度坐标点之间设定一条曲线段，则M-1条曲线段的总和得到与粒子对应的寻优轨迹，粒子群对应得到轨迹集；/n步骤3，静...
【技术特征摘要】
1.一种基于多目标动态粒子群优化的智能公交车辆路径规划方法，其特征在于，包括以下步骤：
步骤1，全局参考路径生成；
根据车载传感器实时获取车辆和道路信息，从道路信息提取道路规则线，生成符合道路规则线的全局参考路径；
步骤2，初始化粒子群及相应的轨迹；
基于道路规则线和全局参考路径，构建以前进方向为纵向X轴、垂直方向为横向Y轴的二维环境模型，在二维环境模型中初始化粒子群；
其中，每个粒子的位置编码规则为：每个维度对应二维环境模型中的一个坐标点，每相邻两个维度坐标点之间设定一条曲线段，则M-1条曲线段的总和得到与粒子对应的寻优轨迹，粒子群对应得到轨迹集；
步骤3，静态多目标设定及动态障碍物避让；
根据每条寻优轨迹的长度、平滑度以及与静态障碍物关联的静态安全度指标，设计静态多目标适应度函数；
采用粒子群算法，并应用静态多目标适应度函数，从粒子群轨迹集中筛选出适应度最优的前K条寻优轨迹，构成最优轨迹候选集；
根据动态障碍物及其与当前位置的关系，设计动态多目标适应度函数，并与静态安全性设计适应度函数结合得到综合适应度函数，从最优轨迹候选集中选择综合适应度最优的一条轨迹。
2.根据权利要求1所述的方法，其特征在于，每个粒子的每相邻两个维度坐标点之间设定的曲线，均采用三次样条插值方法得到。
3.根据权利要求2所述的方法，其特征在于，在生成M-1条样条曲线时，包括以下约束条件：
a，起点约束，起点坐标的函数值及一阶导数值均为0；
b，终点约束，终点坐标的函数值已知且一阶导数值为0；
c，中间点约束，每个中间点在相邻两条曲线段上的函数值相同、一阶导数值相同、二阶导数值相同。
4.根据权利要求1所述的方法，其特征在于，所述静态多目标适应度函数的表达式具体为：
fstastic_fitness＝ωdffit_distence+ωsffit_smoothness+ωuffit_security；
上式中，fstastic_fitness表示轨迹的静态多目标适应度，ffit_distence表示轨迹长度，ωd表示长度权重，ffit_smoothness表示平滑度，ωs表示平滑度权重，ffit_security表示静态安全度，ωu表示静态安全度权重，且有：
上式中，fcalculate_security表示障碍物到轨迹中各曲线段的最短距离，f(j+1)表示轨迹在第j个维度坐标与第j+1个维度坐标之间的曲线段，f″(j+1)表示曲线段f(j+1)的曲率，(xj,yj)表示粒子的第j个维度的坐标，且粒子的M个维度的横坐标依次等间距分布，间距为L1；
若障碍物到轨迹的最短距离小于障碍物的几何半径，设置静态安全度为：fcalculate_security＝9999。
...
【专利技术属性】
技术研发人员：余伶俐，魏亚东，况宗旭，周开军，霍淑欣，王正久，白宇，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。