导读:本文包含了车辆路径规划算法论文开题报告文献综述及选题提纲参考文献，主要关键词:动态路径规划,改进Dijkstra算法,权值累加,SUMO
车辆路径规划算法论文文献综述
吴奇伦[1]（2019）在《一种基于权值累加的多车辆动态路径规划算法》一文中研究指出分析了交通导航系统中的静、动态路径规划算法,在此基础上提出一种基于权值累加的多车辆动态路径规划算法,该算法在更新道路权值时考虑了道路过去时段对当前时段的累积影响。使用SUMO仿真平台,在广州大学城真实路网上进行仿真实验。实验结果显示,较于改进Dijkstra路径规划算法,提出的算法既缓解了交通拥堵情况,又缩短了所有出行者平均行驶时间。(本文来源于《工业控制计算机》期刊2019年08期）
顾蕾[2]（2019）在《车辆路径规划算法及其应用综述》一文中研究指出随着经济信息化的发展,车辆路径规划算法的发展变得越来越重要。对车辆路径规划算法进行综述,根据算法进行分类,列举了叁种算法,分别是遗传算法、RRT算法和A～*算法。这叁种算法都存在有不同的缺陷,人们根据其求解的具体问题,对算法进行改进,并以仿真验证改进后的算法确实优于标准算法。在此基础上,对求解路径规划问题算法的研究上作了展望。(本文来源于《物流工程与管理》期刊2019年08期）
李永丹,马天力,陈超波,韦宏利,杨琼楠[3]（2019）在《无人驾驶车辆路径规划算法综述》一文中研究指出路径规划作为无人驾驶领域重点研究问题之一,近年来越来越受到人们的关注。在深入研究路径规划的基础上,对现有路径规划算法进行了分析。首先介绍了传统算法、智能优化算法、基于强化学习的算法和混合算法4类路径规划算法;然后,分别从算法的实时性、鲁棒性及时间复杂度叁方面比较分析了各算法的性能;最后,对无人驾驶车辆路径规划算法的未来发展趋势进行了展望。(本文来源于《国外电子测量技术》期刊2019年06期）
冯酉南[4]（2019）在《某无人驾驶车辆路径规划算法设计与实验研究》一文中研究指出随着计算机技术与信息化技术的进步,车辆逐渐向着智能化、无人化的方向发展。路径规划算法是无人驾驶车辆实现智能化的重要基础之一。因此,国内外众多企业与高校对无人驾驶车辆的路径规划算法进行了大量的研究,以满足无人驾驶车辆在复杂交通环境中行驶的需求。本文在考虑了无人驾驶车辆各项性能指标、车辆运动学约束以及计算效率的基础上对无人驾驶车辆的路径规划算法进行了一系列研究。设计了无人驾驶车辆全局参考路径规划算法,建立了局部路径规划行车环境风险模型以及动态局部路径规划算法。依托于某无人驾驶公司提供的实车平台,将本文所研究的相关内容应用于实际的无人驾驶车辆研发中,并取得了一定的成效。本文主要研究内容如下:第一,调研了国内外无人驾驶车辆的研究现状,列举了国内外典型的路径规划算法并分析了各个算法的特点。第二,针对全局路径规划算法存在的运算速度慢且不能兼顾车辆非完整性约束以及车辆各项性能指标的问题。本文设计了基于批信息快速随机树的全局参考路径规划算法,引入距离变换地图以及k-d树数据结构,在不产生大量运算的基础上得到了满足车辆运动学约束并兼顾了行车安全性、高效性以及稳定性的全局参考路径。第叁,针对无人驾驶车辆局部路径规划中行车交通环境描述维度多、建立精确模型困难的问题,将行车交通环境抽象为行车风险模型。根据传感器获取的数据,设计了障碍物风险分布模型以及风险评估函数。根据障碍物的动静态属性将障碍物分别描述为动态风险场和静态风险场。大幅降低了行车交通环境的描述维度,为局部路径规划算法提供了参考。第四,针对无人驾驶车辆横纵向耦合情况下进行局部路径规划问题难以求解,无法满足实时性要求的问题,设计了无人驾驶车辆局部路径规划算法。本文将局部路径规划问题引入到弗勒内坐标系下进行解耦并求解运动备选集合。然后将横纵向运动备选集合再次耦合,删除不满足动力学约束的备选运动,根据损失函数择优输出局部参考路径。最后采用变频率滚动优化策略在满足实时性要求的基础上,实现了无人驾驶车辆动态局部路径规划。第五,依托某公司提供的实车平台,在多种典型工况下对本文所研究的动态局部路径规划算法进行了实车试验并对试验结果进行了分析。同时,对比了其他类型快速随机树全局参考路径规划算法与本文采用的批信息快速随机树全局参考路径规划算法在不同尺寸全局地图下的计算效率。(本文来源于《吉林大学》期刊2019-06-01）
胡林,钟远兴,黄晶,杜荣华,张新[5]（2018）在《考虑信号交叉口延时的最优车辆路径规划算法》一文中研究指出本文中提出了一种考虑信号交叉口等待时间的车辆最优路径规划算法。通过GPS采集的浮动车数据与电子地图进行匹配,实时计算出各路段的车辆平均行驶速度和通行时间。基于马尔科夫链构建信号交叉口红绿灯的概率模型,通过车路协同技术预先获取各路段交叉口信号灯的位置和相位配时信息,并在车辆接近交叉口时对车辆速度进行优化,将车辆加速通过交叉口视为绿灯时间的延长,并以此构建车辆快速通过交叉口的等待时间模型。在此基础上,结合A*算法,提出一种考虑快速通过信号交叉口的改进A*算法。最后选取长沙市区某路网为算例进行仿真分析,结果表明改进A*算法所得路径的通行时间明显短于传统A*算法。(本文来源于《汽车工程》期刊2018年10期）
石立培[6]（2018）在《基于改进Q学习的智能车辆动态路径规划算法的研究》一文中研究指出智能车辆技术的发展不但提高车辆自身的安全性能,还能够有效的避免交通事故的发生,保护人们的生命财产安全。而智能车的路径规划技术一直都是智能车辆技术发展的核心内容,更是社会发展的需求。强化学习是Agent与环境不断进行交互的一种在线学习方式。Q学习是一种重要的强化学习算法,非常适用于智能车在未知环境下进行路径规划,但在面对复杂的环境变化时,该算法学习效率低下,收敛速度慢。蚁群算法是一种群智能优化算法,该算法能够较快的找到局部的最优解,有很强的鲁棒性和适应性,但是寻优过程中收敛速度比较慢,容易陷入局部的最优解,出现停滞现象。针对智能车路径规划问题,本文首先对传统蚁群算法进行改进,制定信息素局部更新规则,用动态函数_0Q(t)取代传统蚁群算法的常数量_0Q,使得蚂蚁在寻优过程中对当前较优路径的搜索更具有导向性,促使蚂蚁去探寻未走过的路径,避免算法陷入局部最优解。其次,本文提出基于改进蚁群与Q学习结合算法。将蚁群算法中的信息素?~?_(ij)加入到Q学习中,智能车在进行路径规划的行为决策时,要综合考虑信息素量?~?_(ij)和Q学习中的Q值。加快了学习效率。运用MATLAB建立了智能车进行路径规划的环境模型和可视化仿真界面,分别在不同的静态环境下进行仿真分析对比,验证了改进蚁群算法与Q学习结合在进行静态路径规划时的有效性。最后,本文提出了基于模糊控制的改进蚁群算法与Q学习结合的动态路径规划方法。建立模糊推理系统实时控制信息素局部更新挥发因子?,减少较优路径和智能车所处状态周围障碍物较少的路径上的信息素挥发量,并通过监测一定范围内的可到达节点的数量的变化来判断动态障碍物的出现及位置,重新规划一条绕过障碍物到达目标点的路径。在仿真环境下对比分析改进蚁群算法与Q学习结合和基于模糊控制的改进蚁群与Q学习结合算法在静态路径规划中的性能,最后验证了该算法在不同情形下进行动态路径规划中的可行性。(本文来源于《燕山大学》期刊2018-05-01）
傅睿[7]（2018）在《基于车辆和无人机协同巡检的路径规划算法的研究》一文中研究指出随着无人机及其相关技术的日渐成熟,搭载多种传感器的专业型无人机被广泛应用于各种各样的领域。在借助无人机进行大规模设施巡检的场景下,选择不同的巡检路线所耗费的作业时间相去甚远。因此,如何规划无人机的路径是本场景下的关键问题。高效的无人机路径规划算法将极大的提升巡检效率、降低巡检成本。然而,受限于电池容量,现有无人机的续航时间十分有限,难以直接胜任较远距离的巡检任务。本文引入装载车充当无人机的移动补给基地,采用车与无人机协同巡检的方案,克服了无人机的服务距离限制。据我们所知,已有的相关研究仅仅关注了无人机的路径规划而忽略了装载车的路径规划。实际上,在装载车和无人机协同巡检场景下,装载车的路线选择将极大影响最后的巡检效率。另外,已有研究均只讨论了车与单无人机的协同巡检。在单无人机巡检场景下,无法同时巡检区域内的多个目标节点,效率十分低下。本文针对现有工作存在的缺陷,设计了一个新颖的单车多无人机路径规划和调度算法。主要贡献和创新点如下:(1)分析了忽略车辆路线的弊端,并首次设计了一个基于目标节点分布的车辆路线选择算法。本算法能得到一条覆盖所有待巡检节点并穿越目标节点密集区域的路线。(2)论证了采用无人机巡点时,异地起降模式相对于本地起降模式的优势。设计了一个能充分发挥异地起降模式特点的目标节点分类算法。(3)首次研究了基于单车多无人机的路径规划和多无人机动态调度算法。本算法能平衡各个无人机的任务,最大化的重迭各个巡检任务的耗时从而降低巡检任务的总完成时间,十分的灵活、高效。(4)通过编程实验仿真证明本文算法相对于已有的单车单无人机协同巡检算法具有明显优势。(本文来源于《华中科技大学》期刊2018-05-01）
吴彬彬,罗峰[8]（2017）在《基于RRT~*的智能车辆路径规划算法》一文中研究指出以自动驾驶清扫车为实际应用背景,提出了一种改进的RRT*路径规划算法。该路径规划算法引入了车辆形状约束,并且采用目标偏向的采样策略,提高安全性的同时也保证了算法的实时性。另外对路径加入了最大曲率约束,并采用B样条曲线对路径进行平滑处理,使规划出的路径能够满足车辆运动学和动力学的约束。仿真和实车试验结果表明,该算法能够满足自动驾驶清扫车的实际应用。(本文来源于《机电一体化》期刊2017年10期）
宋国浩,黄晋英,兰艳亭[9]（2016）在《基于Dubins路径的智能车辆路径规划算法》一文中研究指出路径规划是车辆智能化的核心问题之一,而所有路径均可分解为简单的Dubins路径。在Dubins路径的思想下对智能车辆的行驶路径进行分段研究,并利用经典PID控制对该算法的执行性能进行检验。研究表明:算法能计算出车辆行驶的最短路径,减少了车辆行驶的路径长度,缩短了行驶时间,减少了控制系统的计算量,提高了车辆执行系统的执行力度,降低了执行误差,对最优路径具有较好的选择性。(本文来源于《火力与指挥控制》期刊2016年06期）
刘神[10]（2016）在《自主行驶资源勘探车辆路径规划算法研究》一文中研究指出勘探是人们获得矿产资源的有效手段,但是勘探车辆的行驶条件恶劣,勘探车辆自动化是未来的发展趋势。路径规划是自主行驶车辆的关键技术,是自主车辆感知、规划、控制叁层中必不可少的一层,对路径规划的研究具有重要的理论和现实意义。本文使用了图搜索方法解决路径规划问题。图搜索方法分为两步:一是图的构建,将现实环境抽象成规划地图;二是图的搜索,在规划地图中搜索出符合条件的路径。针对二维环境,本文使用了障碍敏感法进行规划地图的构建,分别提出了基于离散状态的增速A星算法(DCAA*)和基于混合状态的增速A星算法(HCAA*)进行规划地图的搜索。在离散A星算法部分,总结了避障实现的叁种方式并加以比较,限制转向角并使用曲线过渡保证了路径的可行性;在混合A星算法部分,阐述了混合A星算法的子节点扩展方式,给出了代价值体系和已历代价值的计算方法,并解释了通过代价值影响A星算法的原理,阐述了主副启发值的计算方法,并分析了启发值权重的影响。针对叁维环境,本文提出了通行性分级法进行规划地图的构建,调整了混合A星算法进行规划地图的搜索。通行性分级法首先将车辆通过性失效因素分类为阶跃、坡度、连续阶跃和附着力不足,并相应提出了评估环境通行性等级的四种参数:阶跃δ,坡度ψ,崎岖度ω和地质因数τ,然后给出了以这四种参数对环境模型评估分级的计算方法。为了能够快速构建场景测试算法,本文提出了模块化仿真环境的建立方法,环境模型建立后,就可以使用前述通行性分级法进行预处理得到规划地图。混合A星算法的调整主要在代价值体系、已历代价值和启发代价值公式方面,调整后可实现叁维环境的降维规划。最后本文搭建了仿真模型进行了一系列仿真实验,实验结果表明本文提出的算法理论切实有效,能够完成车辆在野外环境中的路径规划。(本文来源于《吉林大学》期刊2016-05-01）
车辆路径规划算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着经济信息化的发展,车辆路径规划算法的发展变得越来越重要。对车辆路径规划算法进行综述,根据算法进行分类,列举了叁种算法,分别是遗传算法、RRT算法和A～*算法。这叁种算法都存在有不同的缺陷,人们根据其求解的具体问题,对算法进行改进,并以仿真验证改进后的算法确实优于标准算法。在此基础上,对求解路径规划问题算法的研究上作了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆路径规划算法论文参考文献
[1].吴奇伦.一种基于权值累加的多车辆动态路径规划算法[J].工业控制计算机.2019
[2].顾蕾.车辆路径规划算法及其应用综述[J].物流工程与管理.2019
[3].李永丹,马天力,陈超波,韦宏利,杨琼楠.无人驾驶车辆路径规划算法综述[J].国外电子测量技术.2019
[4].冯酉南.某无人驾驶车辆路径规划算法设计与实验研究[D].吉林大学.2019
[5].胡林,钟远兴,黄晶,杜荣华,张新.考虑信号交叉口延时的最优车辆路径规划算法[J].汽车工程.2018
[6].石立培.基于改进Q学习的智能车辆动态路径规划算法的研究[D].燕山大学.2018
[7].傅睿.基于车辆和无人机协同巡检的路径规划算法的研究[D].华中科技大学.2018
[8].吴彬彬,罗峰.基于RRT~*的智能车辆路径规划算法[J].机电一体化.2017
[9].宋国浩,黄晋英,兰艳亭.基于Dubins路径的智能车辆路径规划算法[J].火力与指挥控制.2016
[10].刘神.自主行驶资源勘探车辆路径规划算法研究[D].吉林大学.2016
标签：动态路径规划; 改进Dijkstra算法; 权值累加; SUMO;