基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

动态路径诱导算法及其仿真

引入虚拟路径和拥堵因子,提出实时道路状况对路径规划算法权值影响的关系模型,在Dijkstra算法的基础上实现车辆的动态诱导,并以VB与MapX构建的GIS系统平台对该算法进行仿真,证明算法的有效性．     

超冗余度机械臂的路径安全性优化研究

提出了一个对超冗余度机械臂路径规划进行安全性优化的新方法．采用一般随机路标法得到一个表示机械臂位形空间结构信息的路标，计算机械臂在各个位形下与障碍物之间的最小距离，并把此信息加到随机路标法所求的路标上，从而把路标转化为网格结构．基于此网络，给出了一个对路径进行安全性优化的数学模型，利用其对超冗余度机械臂进行路径规划．仿真结果表明，相对于一般随机路标法所建模型规划的路径安全性大大提高．     

基于遗传算法的汽车式移动机器人路径规划方法

对文题进行了数学描述，提出了一种基于遗传算法的汽车式移动机器人最短距离路径规划新方法，探索了解决非完整系统路径规划问题的新途径．利用经改装的遥控汽车模型进行了路径规划实验，取得了令人满意的实验结果     

切点法在路径规划中的应用

移动机器人研究中的一个重要领域是机器人路径规划方法，它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划，对于环境已知的路径规划，本文提出了基于切点的可视图法，并进行了相关的仿真试验。     

油罐容积检测爬壁机器人的动态路径规划

针对油罐内检测机器人的实际环境——圆柱内表面，提出空间环境下的动态路径规划．应用人工势场法，在圆柱表面建立空间速度－位置相关场，并根据环境信息，对机器人运动进行动态路径规划、控制．计算机仿真结果表明，该方法对实际环境具有良好的适应性及稳定性     

基于两点法的机器人路径规划

采用超声波传感器检测环境,来提供障碍物和目标的距离信息,避免全局建模,并提出了一种机器人路径规划的新算法——两点法,此算法采用局部路径规划,简单易行,规划速度快,可避免传统算法中存在的死锁现象,最后应用该方法进行了避障、道路跟踪等仿真与模拟实验,实验表明,该算法具有很好的灵活性和鲁棒性。     

变电站智能巡检机器人全局路径规划设计

针对国内变电站智能巡检机器人行走路线的特点,建立半结构化的道路模型。提出将改进的Dijkstra算法与模拟退火算法相结合,应用到变电站智能巡检机器人的全局路径规划中,在数据库技术的基础上采用VC++对上述算法进行软件设计与实现,构建具有全局路径规划功能的电子地图系统。该系统已在变电站的智能巡检机器人系统平台下进行实验并投入使用,现场运行结果证明该方法高效可行。     

基于转向限制的改进双向启发式最短路径算法

针对考虑转向限制的单源点单汇点最短路径问题,根据动态对偶图思想,建立道路交通网络对偶图,提出了基于存储对偶图节点的双邻接表存储地图数据;改进传统的A*算法,提出了基于可搜索无限邻域的双向启发式算法。该算法选用基于OSP的地图作为实验数据进行路径规划,并运用于基于SLAM算法的车型机器人上进行实验。结果表明该算法可在栅格地图上找到符合实际交通规则的更优可行路径,效率也可满足路径规划要求。     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

疫情期间应急物资车辆路径优化方法

在新冠肺炎疫情期间，全力保障应急物资流通，是保持生产生活平稳有序运行的先行条件。本文建立基于智慧物流系统的应急物资车辆运输系统架构，实现物流信息透明化。并基于百度地图实时监测道路拥堵情况，结合头脑风暴算法内核，根据实况路网模型求解带时间窗的应急物资车辆调度模型，使用Matlab工具结合隔离点实际地理坐标经纬度对其路径规划方案进行仿真，实现应急物资流通过程的数据交互和车辆调度方案的实时调整。该方法改善了疫情期间应急物资的运输效率。     

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

途径节点不确定的MTSP路轨规划模型及其遗传算法研究

一般的路径规划问题假设道路网络是确定的,并且采用实时优化的方法建立优化路径,这种方法的结果不具有实用性。在高速发展的中国,道路网络实际上变化很快,而路网的电子地图往往无法实时更新;即使实时规划的路径本身是可行的,各配送点也会因为对新道路缺少经验而导致实际行驶时间大大超出预计,尤其对多个司机的情况。根据途径节点,考虑不同途径节点的不确定性,阶段性地产生稳定线路,是可行的方案。能够在路径成本和时间取得综合的平衡,多配送点工作量的相对均衡。利用MTSP问题的解决,提出了具有不确定途径节点的多目标路径规划模型,并且设计了随机遗传算法。仿真研究表明,该模型是有效的,该算法具有良好的求解性能。该成果有望集成在配送或运输决策支持系统中,为阶段性路径规划提供支持。     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS (geographic information system)地图的移动机器人路径规划.该方法应用改进A*算法,较好地实现了移动机器人的最优路径规划.在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹.应用VC++编程进行实验,证明了该方法的有效性.     

基于出行偏好和路径长度的路径规划方法

针对基于最短路径的路径规划方法只关注路径长度,而基于轨迹的路径规划方法过度依赖用户偏好的问题,提出一种同时考虑用户出行偏好和路径长度的路径规划方法.首先,利用长短期记忆模型从历史出行轨迹中提取用户的出行偏好;其次,采用Markov链Monte Carlo采样技术将用户的出行偏好引入启发式搜索算法A*中,在道路网络中搜索...     

半P集合(X~■,X)与■-导航数据的路径匹配

在海上台风预警搜救系统中,存在数据丢失现象,为了能够正确地、实时地显示船舶在电子海图上的当前位置,应用半P-集合,提出■-导航数据与■-匹配度概念,给出辨识■-导航数据的定理、■-导航数据的恢复定理、导航数据的稳态匹配度定理、导航数据在电子海图路径上的匹配准则,最后给出■-导航数据在电子海图上的路径匹配应用。     

计及路网权值时变特性的全局最优路径规划

由于静态路径规划（static path planning,SPP）和滚动路径规划（rolling path planning,RPP）思想无法求解全局最优路径,提出了一种计及路网权值时变特性的全局最优路径规划方法（global optimal path planning,GOPP）。利用Vissim软件对重庆大学城某区域路网进行建模与仿真,采用改进的前向关联边数据结构存储路网拓扑关键要素及行程时间仿真数据,以此作为路径规划数据库。在此基础上,推导跨时段路段的实际权值,提出一种基于Dijkstra算法的GOPP方法。最后基于路径规划数据库,在证明经典Dijkstra算法相比智能启发式算法具有全局最优求解能力的基础上,分别采用SPP、RPP和GOPP方法在MATLAB环境下仿真得到3条规划路径,结果表明GOPP累计行程时间为1 158.7 s,相比SPP和RPP分别减少了212.7 s和57.6 s,有效验证了GOPP在缩短交通出行时间的优越性,对今后智能交通系统的发展具有一定的理论指导意义。