一种无人驾驶车辆的路径规划方法及系统技术方案

本发明专利技术公开了一种无人驾驶车辆的路径规划方法及系统。该方法包括：随机生成多条由起始点到目标点的路径，路径为连接多个路径点得到的路径；采用路径由起始点到目标点依次经过的路径点的编号对路径进行编码；将路径点数量相同的路径划分到同一子种群中；对各子种群进行并行的遗传操作；选取遗传操作后的子种群中适度值最优的子种群，记为最优子种群；对最优子种群中的各个体进行遗传操作，结合最优子种群中各个体的适应度值，确定最优路径，其中，本发明专利技术中的适应度函数、交叉概率函数以及变异概率函数均为自适应函数。本发明专利技术可避免算法陷入局部最优，进一步提升算法性能，适应能力更强，有效提升车辆乘坐人员的使用体验。

A path planning method and system for driverless vehicle

【技术实现步骤摘要】
一种无人驾驶车辆的路径规划方法及系统
本专利技术涉及无人驾驶
，特别是涉及一种无人驾驶车辆的路径规划方法及系统。
技术介绍
无人驾驶车辆作为未来智能交通系统的重要组成部分，是集环境感知、车辆状态测量、路径规划与底层控制等多个子系统于一体的大型综合系统，通过各子系统相辅相成的协同合作能够实现无人驾驶车辆高效，稳定，安全的自动驾驶。作为无人驾驶车辆的智能核心，路径规划系统决定车辆如何在多种约束条件下到达目标位置。这些约束包括环境约束(体现为安全性)、系统运动学约束(体现为可行性)、系统动力学约束(体现为平顺性和稳定性)、以及特定的优化指标约束(如最短时间或最短距离)等。目前常用的路径规划方法主要是传统算法和智能优化算法，具体包括A*算法、栅格法、滚动窗口规划方法、人工势场法、神经网络法和遗传算法等。其中，传统遗传算法的路径规划方法，搜索效率低、易陷入局部最优解、计算量大，不适合未来自动驾驶车辆的进一步推广。
技术实现思路
本专利技术的目的是提供一种无人驾驶车辆的路径规划方法及系统，既具有效率高的特点，又能够避免使遗本文档来自技高网...

【技术保护点】
1.一种无人驾驶车辆的路径规划方法，其特征在于，包括：/n随机生成多条由起始点到目标点的路径，所述路径为连接多个路径点得到的路径；/n采用路径由起始点到目标点依次经过的路径点的编号对所述路径进行编码；/n将路径点数量相同的路径划分到同一子种群中；/n对各所述子种群进行并行的遗传操作；/n选取遗传操作后的子种群中适度值最优的子种群，记为最优子种群；/n对所述最优子种群中的各个体进行遗传操作，结合所述最优子种群中各个体的适应度值，确定最优路径。/n

【技术特征摘要】
1.一种无人驾驶车辆的路径规划方法，其特征在于，包括：
随机生成多条由起始点到目标点的路径，所述路径为连接多个路径点得到的路径；
采用路径由起始点到目标点依次经过的路径点的编号对所述路径进行编码；
将路径点数量相同的路径划分到同一子种群中；
对各所述子种群进行并行的遗传操作；
选取遗传操作后的子种群中适度值最优的子种群，记为最优子种群；
对所述最优子种群中的各个体进行遗传操作，结合所述最优子种群中各个体的适应度值，确定最优路径。


2.根据权利要求1所述的无人驾驶车辆的路径规划方法，其特征在于，所述随机生成多条由起始点到目标点的路径，具体包括：
以起始点为原点，以起始点到目标点的连线为x轴构建二维坐标系；
将起始点到目标点的连线随机n等分；
过等分点作直线Pi与x轴正交，以道路为约束，随机在所述直线上选择点作为路径点；
根据所述路径点，随机生成多条由起始点到目标点的路径。


3.根据权利要求2所述的无人驾驶车辆的路径规划方法，其特征在于，所述对所述最优子种群中的各个体进行遗传操作，结合所述最优子种群中各个体的适应度值，确定最优路径，具体包括：
计算所述初始化种群中各个体的适应度值；
结合个体适应度值，对个体进行变异、交叉操作；
选择适应度值大于设定阈值的个体，组成下一代种群；
跳转至所述结合个体适应度值，对个体进行变异、交叉操作步骤，对下一代种群中的个体进行遗传操作；直至满足设定条件时，停止跳转，得到目标种群；
选择所述目标种群中适应度值最优的个体作为最优路径。


4.根据权利要求3所述的无人驾驶车辆的路径规划方法，其特征在于，所述适应度值的计算方法包括：
根据适应度函数fit(rl)＝w1fit1(rl)+w2fit2(rl)+w3fit3(rl)计算个体路径的适应度值，rl表示第l个候选路径，其中，第一适应度函数(xi-1,yi-1)和(xi,yi)为相邻路径点的坐标，n为路径点个数，第二适应度函数k表示障碍物的个数，(xobs,j,yobs,j)表示障碍物j的坐标，(xdot,j,ydot,j)表示路径上与障碍物j距离最近的路径点的坐标，第三适应度函数fit3(rl)＝afco(rl)+bfsm(rl)，其中，一致性函数平滑度函数fsm(rl)＝∫ki2(x)dx，a为一致性函数的权重系数，b为平滑度函数的权重系数；路径规划过程中，车辆的位置实时更新，如果车辆随机生成的路径受到障碍物的干扰，那么在生成路径时为避障会对原始路径进行修正，X1为原始路径与修正后路径的初始分歧点，X2为修正目标点，Δθi(x)＝|θpre(x)-θi(x)|，θpre(x)为原始路径上位于直线Pi上的路径点x＝xi处的切向与x轴的夹角，θi(x)为修正后的路径上位于直线Pi上的路径点x＝xi处的切向与x轴的夹角，一致性函数的路径点i只计算从X1到X2之间的所有路径点；ki(x)用于表示新生成路径l上车辆实时位置到车辆目标点中所有路径点i的曲率，w1,w2,w3分别为第一适应度函数值、第二适应度函数值和第三适应度函数值的权重。


5.根据权利要求3所述的无人驾驶车辆的路径规划方法，其特征在于，所述结合个体适应度值，对个体进行变异、交叉操作，具体包括：
根据计算交叉概率；
根据计算变异概率；
其中，fmax是种群中适应度值的最大值；favg是种群的适应度平均值；f'是需要交叉的两个染色体中适应度较大的值；f是要进行变异染色体的适应度值；
根据所述交叉概率和所述变异概率，对个体进行变异、交叉操作。


6.一种无人驾驶车辆的路径规划系统，其特征在于，包括：
路径随机生成模块，用于随机生成多条由起始点到...

【专利技术属性】
技术研发人员：王震坡，王明强，张雷，韩冰，刘建宏，
申请(专利权)人：北京理工大学，北京理工新源信息科技有限公司，
类型：发明
国别省市：北京;11