基于Dijkstra算法的动态交通诱导技术及仿真

研究车辆行驶过程中的路径动态诱导问题,针对目前交通导航系统不能实时动态规划行驶路线的不足,结合自主研发的车载终端装置,通过对Dijkstra算法的改进及优化,提出了一个可应用于交通诱导过程的动态实时最优路径算法;基于该路径优化算法,车载终端装置可以通过接受交通控制中心的实时道路信息,不断调整车辆的行驶路线,最终实现行驶路线的全程动态优化;仿真实例证明:在实时交通信息的引导下,动态交通诱导技术保证了行驶路线的全程优化.     

动态多路径选择的混合演化算法

动态路径诱导系统(DRGS)是智能运输系统(ITS)研究的一个重要内容,动态路径诱导算法要考虑到全局最优和实时性问题。因此建立了一种包含实时路网信息而且可以针对时间进行离散化处理的路网模型,同时提出了一种用改进的Ford最短路径算法来初始化种群的演化算法,并设计了一组特定的演化算子(选择、交叉、变异),来求解动态路径诱导系统中的"多准最优路径"。最后,通过数值实验表明了此算法的可行性和有效性。     

动态网络环境下的实时路径评估模型

针对现有研究工作在处理动态网络环境下车辆路径问题时的缺陷,设计了一个动态网络模型,并在此基础上提出了一个实时路径评估模型。该评估模型利用道路条件和实时获得的交通信息对网络中的各条道路进行动态评估,并根据评估结果对未走的路径进行动态调整,已用于解决动态车辆路径问题。仿真实验对3种不同的路径评估模型进行了比较,结果表明,所设计的实时路径评估模型能有效地求得动态网络下车辆路径问题的优化解,是求解该问题的一个好的方案。     

城市动态时间最短路径诱导系统实现研究

就城市路网动态时间最短路径诱导系统的实现展开研究.针对邻接表和邻接矩阵在保存完整的路网信息时出现高冗余并导致算法计算时间成倍增加的现象,以改进的前向关联边结构作为路网的存储结构,并依此对Dijkstra算法进行改进,用于路网节点之间动态时间最短路径的求取.在此基础上,基于市区实时交通流数据和相位配时信息,结合高精度交通电子地图,开发了东莞市动态路径诱导系统进行实验仿真.该系统针对改进后的算法与原算法的差异,设置了静态和动态两种最短路径计算模式,对两种模式的计算时间和计算结果进行了对比.结果表明改进算法能够在不增加时间复杂度的前提下,充分考虑动态交通流状况、交叉口限向和转向延误,有效解决城市路网动态时间最短路径问题.     

动态车辆路径问题中实时信息生成算法

实时信息的产生对动态车辆路径问题仿真器的研究起着非常重要的作用。为此，提出了实时信息的生成算法，包括随机公路网络的生成，实时交通信息的生成和随机客户需求的生成等。实验结果表明，算法所产生的实时信息和现实中的实时信息比较接近，能够满足动态车辆路径问题仿真器的要求。     

基于实时交通信息的车辆路径问题研究

石油化工企业的物流配送越来越成为降低成本、提高效率的1个重要环节,而车辆路径问题是其中的基础性问题。面对各种不确定性,动态随机车辆路径问题越来越成为有价值的研究方向,其关键在于实时交通信息的利用。本文研究了基于实时交通信息的单配送中心、有时间窗口约束的车辆路径问题,建立了混合整数规划模型,提出了利用实时速度估计信息的动态调度策略,并设计了带插入规则的节约算法。通过对标准benchmark问题进行仿真,验证了策略和算法的有效性。     

神经网络和遗传算法在动态路径诱导中的应用*

针对智能交通路径诱导目前存在的实时性差和求解效率低的问题,提出了将神经网络与遗传算法结合的动态路径诱导方法,研究了基于神经网络的交通信息实时预测方法,构造了具有时变性的路阻矩阵,解决了传统静态路阻存在时变性差等的局限性问题;探讨了基于遗传算法的最优路径求解问题,提出了适用于路径优化的编码方式、适应度函数和遗传操作算子,解决了求解效率和求解质量的平衡问题。仿真实验表明,该方法满足路径诱导的准确性、实时性和快速性要求。     

基于GPS/GIS协同的动态车辆调度和路径规划问题研究

从物流行业信息化和智能化发展的需求出发,利用以物联网为代表的现代信息和通信技术,设计了GPS/GIS协同下的智能车辆监控和调度系统。同时,基于该调度系统具有的信息实时获取和智能处理能力,考虑配送车辆及客户需求等相关实时信息对车辆调度和路径规划的影响,构建了基于实时信息且带时间窗的动态车辆路径问题(DVRPTW)混合整数规划(MIP)模型。结合模拟实验,通过混合遗传算法寻优对车辆配送路径进行动态调整和优化,为物流行业降低企业运营成本、提高物流配送效率、改善物流服务质量提供借鉴和参考。     

基于改进蚁群与动态窗口法的AGV动态路径规划

针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划。对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数[A]增大相邻栅格启发信息差异、选择最优路径时考虑转弯次数的影响等改进策略;改进动态窗口法的距离评价子函数和初始航向角;提取改进蚁群算法规划的全局最优路径的转折点作为子目标点来引导动态窗口法沿着全局最优路径方向进行实时动态路径规划。经过不同环境下的仿真实验结果表明,提出的全局动态路径规划算法可以通过实时动态路径规划实现有效躲避动态障碍物的同时规划全局最优路径。     

基于蚂蚁算法的PGIS中动态路径诱导技术研究

停车诱导系统（PGIS）将计算机、信息与多媒体等技术应用于交通管理领域，是智能交通的重要组成部分。首先分析了PGIS中一项关键技术——动态路径诱导的特点和实时诱导技术要求，根据该要求，介绍了一种生物界仿真算法——蚂蚁算法的特点及其应用在最优路径搜索中的基本方法。仿真实验表明该方法搜索效率较高，可用于动态路径诱导技术中。     

双层优化A*算法与动态窗口法的动态路径规划

为满足动态环境中移动机器人既要动态避障抵到终点,又要尽可能地做到全局最优的路径规划需求,提出了一种双层优化A*算法与动态窗口法相结合的移动机器人路径规划算法。在传统A*算法求得的全局路径轨迹基础上,首先通过一层全局优化,计算路径节点间斜率,提取关键转折点,大幅度减少路径转折点数量;再通过二层全局优化,延长路径段求得路径交点,判断交点是否通过障碍物的方法,将路径转折点数降到最低;设计动态窗口法的轨迹评价函数,解决了机器人容易陷入“凹”“C”形障碍物的问题,同时保证了障碍物安全距离并选取全局最优的路径轨迹。最后分别在静态与动态的二维栅格地图中对传统A*算法、一层优化A*、二层优化A*以及融合算法进行仿真实验。实验结果表明一层优化A*算法大幅度降低了转折次数;二层优化A*算法将转折点数降到最低,但是路径长度小幅度增加;融合算法实现了机器人实时动态避障抵到终点,而且在保证安全距离的同时更加贴近全局最优规划。     

动态环境下有时间窗的成套配送车辆路径问题

为解决成套配送车辆路径优化问题,针对配送线路动态变化的特点进行行程时间分析,根据服务时间窗设计满意度函数,在基本VRP模型中增加满意度目标,建立动态环境下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计禁忌搜索算法求解,对已产生的路径进行优化调整;仿真计算验证了模型和算法的有效性与研究的实用价值。     

面向自动驾驶的动态路径规划避障算法

针对自动驾驶中避障的动态路径规划问题,提出一种在已知车辆的初始位置、速度、方向和障碍物位置情况下,实时避开障碍物的动态规划算法。首先,利用三次样条曲线的二阶连续性,结合已知的车道信息产生道路基准线;其次,以车辆的位置方向和道路的曲率构建s-q坐标系,并在s-q坐标系内产生从车辆当前位置到目的位置的一簇平滑曲线,作为候选路径;最后,综合考虑车辆行驶的安全性、平滑性和连贯性准则,设计一种新的代价函数,并且通过使代价函数最小化的方法从候选路径中选择最佳路径。在实验过程中,通过设计多种不同的模拟道路来检验算法的性能。实验结果表明,该方法在多种地形的单车道和多车道道路上都能够规划出安全、平滑的路径,有效避开障碍物,并且具有较好的实时性。     

基于改进粒子群算法的智能机器人路径规划

针对粒子群算法局部寻优能力差的缺点,提出一种非线性动态调整惯性权重的改进粒子群路径规划算法。该算法将栅格法与粒子群算法进行有效结合,在路径长度的基础上引入安全度和平滑度概念,建立动态调整路径长度的适应度函数。与传统的粒子群算法相比,实验结果表明,改进算法具有较强的安全性、实时性及寻优能力。     

无人机三维航路动态规划及导引控制研究

为研究无人机三维航路动态规划,提出了一种工程实用性强的A*三维航路优化算法,将无人机的机动性能、飞行航程、飞行高度等约束条件有效分割到解空间。为了加快搜索速度,引入启发式权重系数对搜索策略进行改进,利用加权值自适应方法对算法的评价函数进行设计,提高航迹点搜索效率,并设计了导引控制律,基于优化算法获取的航路,能够使无人机很好地跟随规划的最优路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明,该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

一种综合高效的实时道路导航方案

根据目前道路导航方案以自主车辆型和局部最短路径选择为主的现实,利用GPS技术、分级路由选择算法、移动主机路由选择算法、动态权值修正算法和Dijkstra算法设计了一个综合的道路导航方案.GPS技术实现车辆定位,分级路由选择算法可降低道路的数据复杂性,提高计算机的检索速度,动态权值修正算法可实时修改道路的权值,Dijkstra算法可实现最短路径查找.该方案可实现全国范围内任意两个地点的实时最短路径选择,并能进行实时道路导航.     

动态不确定环境下移动机器人的在线实时路径规划

提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的动态不确定环境下移动机器人的在线实时路径规划方法。该法通过机器人的传感器系统,实时探测局部环境信息,在每一采样时刻,机器人首先对视野内的动态障碍物的位置进行采样,然后根据所采样的位置信息,利用自回归模型预测出下一采样时刻动态障碍物的位置,再将预测位置上的动态障碍物当作静态障碍物来处理,然后对其规划避碰路径,从而将动态路径规划转化为静态路径规划。仿真和实验结果验证了该方法有效可行,具有实时规划性和良好的避障能力。     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的 机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人 实时测得的局部环境信息，以滚动方式进行在线规划，实现了优化和反馈的合理结合，对动 态环境具有良好的适应性．