基于全局导向的智能车辆路径规划融合算法研究

doi:10.19562/j.chinasae.qcgc.2024.09.002

摘要/Abstract

摘要：

针对曲线道路的路径规划问题，本文提出一种基于全局导向人工势场法的路径规划融合算法。考虑持续转弯的弯曲道路工况，构建基于变形栅格的栅格地图；考虑道路环境中的行车风险，基于行车风险场理论优化A*算法启发函数从而改进A*算法。改进传统人工势场法的局限性及固有缺陷，在局部路径规划中考虑自车、环境车辆及障碍物的轮廓形状，引入全局导向路径进一步改进人工势场法。以改进A*算法规划路径为全局最优导向路径，设计基于改进人工势场法的路径规划融合算法。仿真结果表明，提出的融合算法可以生成有效的行驶路径，与数据集提取的实车路径接近，且在障碍物环境中规划的路径安全高效，满足车辆的行驶要求。

关键词: 路径规划, 栅格地图, A*算法, 人工势场法

Abstract:

For the problems of path planning on curved roads， a path planning fusion algorithm based on global oriented artificial potential field method is proposed in this paper. Considering the curved road conditions， a grid map based on deformed grid is constructed. Considering the driving risk in the road environment， the heuristic function of A* algorithm is optimized based on the driving risk field theory. To improve the limitation and inherent defects of the traditional artificial potential field method， in view of the outline shapes of the subject vehicle， environment vehicles and obstacles， the artificial potential field method is improved as the local path planning method by introducing in the globally guided path. Taking the path planned by the improved A* algorithm as the global optimal guided path， the path planning fusion algorithm is designed based on the improved artificial potential field method. The simulation results show that the proposed fusion algorithm can generate effective and reasonable driving path， which is close to the real vehicle path extracted from the dataset. Moreover， the path planned in the environment with obstacles is safe and efficient， meeting the driving requirements of the vehicle.

Key words: path planning, grid map, A* algorithm, artificial potential field method

张硕,邝士奇,赵轩,陈轶嵩,余强,余曼. 基于全局导向的智能车辆路径规划融合算法研究[J]. 汽车工程, 2024, 46(9): 1546-1555.

Shuo Zhang,Shiqi Kuang,Xuan Zhao,Yisong Chen,Qiang Yu,Man Yu. Research on Global Oriented Path Planning Fusion Algorithm for Intelligent Vehicles[J]. Automotive Engineering, 2024, 46(9): 1546-1555.

图/表 14

图1

图2

图3

图4

图5

图6

图7

图8

表1

表2

表3

图9

图10

图11

参考文献 29

1	LIU Z， ZHANG W， ZHAO F. Impact， challenges and prospect of software-defined vehicles［J］. Automotive Innovation 2022（5）： 180-194.
2	李宝磊，吕丹桔，张钦虎，等. 基于多元优化算法的路径规划［J］. 电子学报， 2016， 44（9）： 2242-2247.
	LI B L， LV D J， ZHANG Q H， et al. Path planning based on multiple optimization algorithm ［J］. Acta Electronica Sinica， 2016， 44（9）： 2242-2247.
3	SARIFF N B， BUNIYAMIN N. An overview of autonomous mobile robot path planning algorithms［C］.Student Conference on Research and Development， Shah Alam： IEEE， 2006： 183-188．
4	MAC T T， COPOT C， TRAN D T， et al. A hierarchical global path planning approach for mobile robots based on multi-objective particle swarm optimization［J］. Applied Soft Computing， 2017， 59：68-76.
5	HAN J， SEO Y. Mobile robot path planning with surrounding point set and path improvement［J］. Applied Soft Computing， 2017， 57： 35-47.
6	HENKEL C， BUBECK A， XU W. Energy efficient dynamic window approach for local path planning in mobile service robotics［J］. IFAC-PapersOnLine， 2016： 32-37.
7	ZHONG S， ZHAO Y， GE L， et al. Vehicle state and bias estimation based on unscented kalman filter with vehicle hybrid kinematics and dynamics models［J］. Automotive Innovation， 2023（6）：571-585.
8	刘军，冯硕，任建华. 移动机器人路径动态规划有向D*算法［J］. 浙江大学学报（工学版）， 2020， 54（2）： 291-300.
	LIU J， FENG S， REN J H. Path dynamic planning of mobile robot based on directed D* algorithm ［J］. Journal of Zhejiang University （Engineering and Technology）， 2020， 54（2）： 291-300.
9	许万，杨晔，余磊涛，等. 一种基于改进RRT*的全局路径规划算法［J］. 控制与决策， 2022， 37（4）： 829-838.
	XU W， YANG Y， YV L T， et al. A global path planning algorithm based on Improved RRT* ［J］. Control and Decision， 2022， 37（4）： 829-838.
10	BOROUJENI Z， GOEHRING D， ULBRICH F， et al. Flexible unit A-star trajectory planning for autonomous vehicles on structured road maps［C］. 2017 IEEE International Conference on Vehicular Electronics and Safety （ICVES）， Vienna： IEEE， 2017： 7-12.
11	聂枝根，王万琼，赵伟强. 基于轨迹预瞄的智能汽车变道动态轨迹规划与跟踪控制［J］. 交通运输工程学报， 2020， 20（2）： 151-164.
	NIE Z G， WANG W Q， ZHAO W Q. Lane change dynamic trajectory planning and tracking control of Intelligent vehicle based on trajectory preview ［J］. Journal of Traffic and Transportation Engineering， 2020， 20（2）： 151-164.
12	CHEN J Y， ZHAN W， TOMIZUKA M. Autonomous driving motion planning with constrained iterative LQR ［J］. IEEE Transactions on Intelligent Vehicles， 2019， 4（2）： 244-254.
13	SANG H Q， YOU Y S， SUN X J， et al. The hybrid path planning algorithm based on improved A* and artificial potential field for unmanned surface vehicle formations［J］. Ocean Engineering， 2021： 108709.
14	YUAN C C， WENG S F， SHEN J， et al. Research on active collision avoidance algorithm for intelligent vehicle based on improved artificial potential field model［J］. International Journal of Advanced Robotic Systems， 2020， 17（3）： 1-10.
15	RENY Y， SONG X R， GAO S. Research on path planning of mobile robot based on improved A* in special environment［C］. Proc. of the 3rd International Symposium on Autonomous Systems. Shanghai： IEEE， 2019： 12-16.
16	SHANG E， DAI B， NIE Y， et al. A guide-line and key-point based A-star path planning algorithm for autonomous land vehicles［C］. Proc. of the 23rd International Conference on Intelligent Transportation Systems. Beijing： IEEE Press， 2020， 17.
17	张韬，项祺，郑婉文，等. 基于改进A*算法的路径规划在海战兵棋推演中的应用［J］. 兵工学报， 2022， 43（4）： 960-968.
	ZHANG T， XIANG Q， ZHENG W W， et al. Application of path planning based on improved A* algorithm in naval battle simulation ［J］. Acta Ordnance Engineering， 2022， 43（4）： 960-968.
18	孔继利，张鹏坤，刘晓平. 双向搜索机制的改进A*算法研究［J］. 计算机工程与应用， 2021， 57（8）： 231-237.
	KONG J L， ZHANG P K， LIU X P. Research on improved A* algorithm of bidirectional search mechanism ［J］. Computer Engineering and Applications， 2021， 57（8）： 231-237.
19	岳高峰，张萌，沈超，等. 移动机器人导航规划的双向平滑A-star算法［J］. 中国科学：技术科学， 2021， 51（4）： 459-468.
	YUE G F， ZHANG M， SHEN C， et al. Bidirectional smoothing A-star algorithm for navigation planning of mobile robots ［J］. Science in China： Technical Sciences， 2019， 51（4）： 459-468.
20	齐款款，李二超，毛玉燕. 改进A*算法融合自适应DWA的移动机器人动态路径规划［J］. 数据采集与处理， 2023， 38（2）： 451-467.
	QI K K， LI E C， MAO Y Y. Dynamic path planning of mobile robot based on improved A* algorithm and adaptive DWA ［J］. Data Acquisition and Processing， 2023， 38（2）： 451-467.
21	迟旭，李花，费继友. 基于改进A*算法与动态窗口法融合的机器人随机避障方法研究［J］. 仪器仪表学报， 2021， 42 （3）： 132-140.
	CHI X， LI H， FEI J Y. Research on robot random obstacle avoidance method based on the fusion of improved A* algorithm and dynamic window method ［J］. Chinese Journal of Scientific Instrument， 2021， 42 （3）： 132-140.
22	刘子豪，赵津，刘畅，等. 基于改进A*算法室内移动机器人路径规划［J］. 计算机工程与应用， 2021， 57 （2）： 186-190.
	LIU Z H， ZHAO J， LIU C， et al. Indoor mobile robot path planning based on improved A* algorithm ［J］. Computer Engineering and Applications， 2021， 57 （2）： 186-190.
23	LI Z， WEI L. Adaptive artificial potential field approach for obstacle avoidance path planning［C］. 2014 Seventh International Symposium on Computational Intelligence and Design. Hangzhou： IEEE， 2014： 429-432.
24	黄开启，王赛赛，叶涛，等. 模糊改进的人工势场法机器人局部路径规划［J］.组合机床与自动化加工技术， 2019 （8）：63-66，70.
	HUANG K Q， WANG S S， YE T， et al. Fuzzy improved artificial potential field method ［J］. Robot Local Path Planning Combination Machine Tools and Automatic Processing Technology， 2019（8）： 63-66， 70.
25	WANG Y， CAO X， HU Y. A trajectory planning method of automatic lane change based on dynamic safety domain［J］. Automotive Innovation， 2023（6）： 466-480.
26	LI G， ZHANG X， GUO H， et al. Real-time optimal trajectory planning for autonomous driving with collision avoidance using convex optimization［J］. Automotive Innovation， 2023（6）： 481-491.
27	LIU T， SHEN Y， WANG K. Path tracking control for autonomous truck with dual modular chassis［J］. Automotive Innovation， 2023（6）： 558-570.
28	REN Y Y， ZHAO H W， LI X S， et al. Study on vehicle track model in road curved section based on vehicle dynamic characteristics［J］. Mathematical Problems in Engineering， 2012： 359-367.
29	BISWAS K， KAR I. On reduction of oscillations in target tracking by artificial potential field method［C］. 2014 9th International Conference on Industrial and Information Systems （ICIIS）. Gwalior： IEEE， 2014：1-6.

项目	路径长度/m	平均行车风险量	最高行车风险量	与实车路径距离均值/m	与实车路径距离方差	航向角偏差均值/（°）	航向角偏差最大值/（°）
传统A*算法	35.952 2	752.481 0	1 137.642 5	1.561 0	2.859 8	8.413 9	36.111 4
改进A*算法	36.260 6	519.658 1	646.313 6	0.219 7	0.024 1	0.085 2	36.876 9
传统APF	37.000 0	493.079 5	641.507 6	0.374 1	0.121 2	5.031 8	21.507 6
融合算法	36.000 0	517.672 6	645.862 3	0.124 3	0.009 3	2.115 0	11.714 7
数据集实车路径	35.785 6	520.762 6	693.205 6			5.052 0	12.646 9

描述	位置坐标	尺寸（长×宽）
智能车辆	（973，1 013）→（1 034，994）	4.13 m×1.75 m
1号环境车	（989.5，1 001.8）	4.27 m×1.76 m
2号环境车	（990.9，991.9）	7.76 m×2.6 m
障碍物	（1 004.9，992.4）	1 m×1 m

项目	路径长度/m	平均行车风险量	最高行车风险量	轮廓-边界距离平均值/m	轮廓-边界距离最小值/m	轮廓-障碍物距离最小值/m	航向角偏差均值/（°）	航向角偏差最大值/（°）
传统A*算法	69.774 2	629.094 9	1 663.706 4	-0.178 1	-1.545 8	-0.275 1	7.029 7	35.530 4
改进A*算法	72.069 0	542.523 5	1 100.907 2	0.585 8	-1.035 7	-1.722 4	4.623 4	44.078 3
传统APF	72.600 0	535.955 2	832.140 1	0.441 3	-1.323 5	0.328 6	11.285 2	58.329 7
融合算法	71.200 0	546.569 1	840.134 6	0.655 7	0.211 3	0.511 3	7.682 0	40.059 2

[1]	范晓临,张旭东,邹渊,尹鑫,刘颖群. 一种基于简化可视图的建图和规划方法[J]. 汽车工程, 2024, 46(7): 1249-1258.
[2]	丁志杰,王亚飞,章翼辰,邬明宇,王亦乐. 基于复合动态采样的自动驾驶矿车节能路径规划方法[J]. 汽车工程, 2024, 46(4): 588-595.
[3]	胡满江,牟斌杰,杨泽宇,边有钢,秦晓辉,徐彪. 基于DBSCAN与二分法的混合A*路径规划方法[J]. 汽车工程, 2023, 45(3): 341-349.
[4]	胡杰,朱琪,陈锐鹏,张敏超,张志豪,刘昊岩. 引入必经点约束的智能汽车全局路径规划[J]. 汽车工程, 2023, 45(3): 350-360.
[5]	任明辉,梁军,陈龙,张春,王云. 基于改进冲突搜索的智能车库多AGV路径规划[J]. 汽车工程, 2023, 45(10): 1933-1943.
[6]	胡杰,朱令磊,陈瑞楠,钟鑫凯,徐文才,张敏超. 狭小车位平行泊车路径规划方法研究[J]. 汽车工程, 2022, 44(7): 1040-1048.
[7]	高强,陆洲,段晨东,徐婷. 汽车垂直泊车路径规划与路径跟踪研究[J]. 汽车工程, 2021, 43(7): 987-994.
[8]	张志勇,龙凯,杜荣华,黄彩霞. 自动驾驶汽车高速超车轨迹跟踪协调控制[J]. 汽车工程, 2021, 43(7): 995-1004.
[9]	张旭东,徐福康,邹渊,郭宁远,张宇. 融合TangentBug与Dubins曲线的智能轮式车辆局部路径规划算法[J]. 汽车工程, 2021, 43(6): 833-841.
[10]	李彩霞,卢少波,张博涵,吴文娟,陆嘉峰. 基于行人位置预测的人车转向避撞路径规划[J]. 汽车工程, 2021, 43(6): 877-884.
[11]	胡林,周登辉,黄晶,杜荣华,张新. 考虑信号灯和能耗的电动车最优路径规划[J]. 汽车工程, 2021, 43(5): 641-649.
[12]	张家旭,王晨,赵健. 基于改进人工势场法的汽车弯道超车路径规划与跟踪控制[J]. 汽车工程, 2021, 43(4): 546-552.
[13]	张家旭,王晨,郭崇,滕飞,李东燃. 基于自适应神经模糊推理系统的平行泊车路径规划[J]. 汽车工程, 2021, 43(3): 323-329.
[14]	朱冰, 韩嘉懿, 赵健, 刘帅, 邓伟文. 基于安全场改进RRT^算法的智能汽车路径规划方法^[J]. 汽车工程, 2020, 42(9): 1145-1150.
[15]	熊莹, 毛雪松. 无人驾驶车通过高速公路闸口区的方法研究[J]. 汽车工程, 2020, 42(9): 1263-1269.