青島恒星科技學(xué)院 李楊楊 吉遠(yuǎn)鏡 趙健

關(guān)鍵字：蟻群；算法；汽車；避障系統(tǒng)；研究

1 前言

現(xiàn)在國(guó)內(nèi)是非常的支持交通的發(fā)展，所以汽車行業(yè)發(fā)展也非常的快速。在智能汽車這個(gè)領(lǐng)域當(dāng)中，路徑的規(guī)劃和避障系統(tǒng)的研究是非常的透徹，尤其是避障系統(tǒng)，該系統(tǒng)現(xiàn)目前是整個(gè)智能汽車領(lǐng)域的研究熱點(diǎn)。而在研究的過(guò)程當(dāng)中使用最多的算法就是蟻群的算法，這樣才能準(zhǔn)確地將避障系統(tǒng)做到最好。

2 智能車避障系統(tǒng)的算法

智能車現(xiàn)在的熱度一直是呈現(xiàn)上升的趨勢(shì)，所以對(duì)這個(gè)領(lǐng)域的研究也是非常的多，而在這么多領(lǐng)域當(dāng)中避障路徑這一方面一直是熱門。對(duì)于避障路徑規(guī)劃，現(xiàn)在市面上常見的規(guī)劃計(jì)算方法有人工勢(shì)場(chǎng)法、A*算法、遺傳算法、智能水滴算法、蟻群算法等等。這些算法雖然都是用于避障路徑，但是這些方法都有各自的優(yōu)點(diǎn)，例如人工勢(shì)場(chǎng)法主要是通過(guò)對(duì)力場(chǎng)進(jìn)行模擬，然后規(guī)劃處一條平滑的路徑，但是這種計(jì)算方法是非常容易陷入局部的最優(yōu)解。A*計(jì)算法主要是一種啟發(fā)式的路徑搜索方法，它主要是利用函數(shù)中的一些信息進(jìn)行估價(jià)，然后得到一些啟發(fā)性的信息，快速鎖定目標(biāo)方向，這樣就能夠在復(fù)雜的環(huán)境之中快速規(guī)劃出一條路徑，但是所規(guī)劃出來(lái)的路徑不是非常的理想，會(huì)給車主增加很多沒(méi)有必要的麻煩。而遺傳算法的使用，一般是不會(huì)單獨(dú)存在的，是需要與其他的算法儀器使用，然后才能進(jìn)行路徑的規(guī)劃，但是這種方法的運(yùn)算效率太低了，而且在實(shí)際的運(yùn)用過(guò)程當(dāng)中也存在著一些問(wèn)題。智能水滴算法，是因?yàn)楸旧淼膯l(fā)性不是非常的強(qiáng)，所以在進(jìn)行規(guī)劃的時(shí)候所給出的規(guī)劃路徑和方法不夠理想。而在這些算法當(dāng)中蟻群算法是近代才提出來(lái)的一種算法，這種算法的來(lái)源就是現(xiàn)實(shí)中的螞蟻，人們對(duì)螞蟻進(jìn)行了研究。其實(shí)蟻群算法最主要的特點(diǎn)就是具有啟發(fā)性、并行性、強(qiáng)魯棒性，對(duì)于現(xiàn)實(shí)生活中那些復(fù)雜的問(wèn)題的適應(yīng)性是非常強(qiáng)的，對(duì)于現(xiàn)在社會(huì)的路況而言，這種算法所計(jì)算出來(lái)的路徑是最符合當(dāng)前的環(huán)境情況。因?yàn)楝F(xiàn)在國(guó)內(nèi)的交通變得復(fù)雜，旅游或者是商業(yè)出行等都需要去到很多的地方或者是城市，如果說(shuō)對(duì)于這個(gè)地方是非常的不熟悉，那么就需要利用到各種各樣的軟件來(lái)進(jìn)行路線的規(guī)劃，而這些軟件所采用的算法就是蟻群算法?，F(xiàn)在的國(guó)家經(jīng)濟(jì)不斷的進(jìn)步，雖然算法層出不窮，但是蟻群算法仍適用。因?yàn)楝F(xiàn)在的智能車輛是需要利用算法在路徑的規(guī)劃當(dāng)中需要考慮到車輛的運(yùn)動(dòng)學(xué)的約束，規(guī)劃出的路徑不一定可追蹤，雖然蟻群的算法還適用很多汽車避障系統(tǒng)，但是該算法還是有很多不足之處，要對(duì)這些算法進(jìn)行研究和提高。通過(guò)對(duì)傳統(tǒng)蟻群算法加入的約束條件，對(duì)智能車輛的路徑進(jìn)行規(guī)劃，這樣的算法能夠建立出車輛-駕駛員閉環(huán)系統(tǒng)模型，最主要的是，智能車輛算法能夠根據(jù)汽車的主動(dòng)安全評(píng)價(jià)指標(biāo)評(píng)判車輛的路徑跟隨效果和穩(wěn)定性的情況，這對(duì)于智能車輛而言是非常重要的，因?yàn)槟軌驕?zhǔn)確地判斷現(xiàn)在車輛的狀況。

3 蟻群算法汽車避障路徑的規(guī)劃

現(xiàn)在的交通狀況已經(jīng)變得非常的復(fù)雜，所以現(xiàn)在生活當(dāng)中就存在著很多的算法來(lái)進(jìn)行路徑規(guī)劃，其實(shí)避障路徑規(guī)劃就是在道路上有障礙物的情況下進(jìn)行搜索，搜索想要到的目的地，也就是從自己的起點(diǎn)到自己的終點(diǎn)，而所選擇的路徑是需要繞過(guò)所有的障礙物，這樣對(duì)于所有的智能車輛而言是非常方便的。但是該方法首先就是需要對(duì)障礙物進(jìn)行識(shí)別，只有識(shí)別出前方有障礙物才能進(jìn)行路徑的規(guī)劃。所以在進(jìn)行路徑規(guī)劃的系統(tǒng)當(dāng)中是采用的MAKLINK圖論法建立帶有虛擬障礙物的二維環(huán)境模型，該方法就能將路段上的障礙物進(jìn)行識(shí)別，識(shí)別之后系統(tǒng)就會(huì)利用Dijkstra算法的蟻群算法在地圖上進(jìn)行搜索，計(jì)算出一條最優(yōu)的避障路徑，這樣就能夠?qū)φ麄€(gè)路障進(jìn)行避免。簡(jiǎn)單的對(duì)整個(gè)避障路徑的流程進(jìn)行復(fù)述：首先就是對(duì)道路周圍的環(huán)境進(jìn)行建模，看看周圍的環(huán)境是否出現(xiàn)了障礙物或者是在道路上出現(xiàn)事故等等，該環(huán)節(jié)是采用的MAKLINK圖論法，接下來(lái)判斷出道路上的障礙物，在利用Dijkstra算法在道路中進(jìn)行計(jì)算，規(guī)劃出最佳的路徑，該路徑上是不會(huì)存在障礙物的。但是在進(jìn)行算法規(guī)劃的時(shí)候是加上一些約束的條件，如要最短時(shí)間到達(dá)終點(diǎn)或者是從路徑之中要先到達(dá)某個(gè)地點(diǎn)，從這一點(diǎn)在重新到達(dá)終點(diǎn)等等。但是這些算法現(xiàn)在都是基于蟻群的算法進(jìn)行規(guī)劃，但是蟻群還是存在著一些的問(wèn)題，所以要對(duì)現(xiàn)在的蟻群算法進(jìn)行改進(jìn)，這樣才能更好的服務(wù)智能汽車。最后就是建立了駕駛員-車輛的模型，這樣整個(gè)具體的路徑規(guī)劃路程，雖然看上去是非常簡(jiǎn)單，但是整個(gè)過(guò)程的計(jì)算是極其復(fù)雜，尤其是蟻群的算法。

其實(shí)在整個(gè)路徑規(guī)劃中環(huán)境建模是非常重要的，因?yàn)樾枰獙?duì)周圍的環(huán)境進(jìn)行了解，所以需要利用計(jì)算方法進(jìn)行建模處理。而常規(guī)的環(huán)境建模方法就有MAKLIK圖論法、可視圖法、柵格法等等，這些方法就是為了智能車輛建立環(huán)境模型而設(shè)立的。在這些方法之中MAKLINK圖論法又被稱為自由空間法，該方法主要是通過(guò)生成二維路徑來(lái)進(jìn)行模擬的，而二維路徑是由MAKLIK線所構(gòu)成的，所需要的路徑也是可行的空間。其中MAKLINK圖論中的MAKLINK線就是兩個(gè)障礙物之間不與障礙物相交的頂點(diǎn)之間的連線，還有就是障礙物頂點(diǎn)與邊界相交的連線，現(xiàn)在的智能車輛很多都是采用這種方式來(lái)進(jìn)行環(huán)境模型的建立。最主要的就是該方法在汽車實(shí)際的運(yùn)行的過(guò)程當(dāng)中環(huán)境也不會(huì)出現(xiàn)太大的差距。因?yàn)樵谲囕v運(yùn)行的過(guò)程當(dāng)中周圍的環(huán)境變化是非常大，所以需要有專門的方法來(lái)對(duì)周圍的環(huán)境進(jìn)行感知，需要及時(shí)的更新真實(shí)障礙物和該路況上的車道線的信息，在根據(jù)這些信息進(jìn)行決策，對(duì)自己現(xiàn)在現(xiàn)有的路線進(jìn)行調(diào)整。因?yàn)樵撀窙r是隨時(shí)在發(fā)生的變化，如果說(shuō)車輛前方兩米處有一個(gè)障礙物，車輛沒(méi)有及時(shí)進(jìn)行信息的更新，那么車輛就非常容易出現(xiàn)追尾或者是碰撞的現(xiàn)象。如果車輛及時(shí)將障礙物進(jìn)行模擬，那么車輛就會(huì)自動(dòng)進(jìn)行路徑的規(guī)劃，那么就可以非常準(zhǔn)確的避免事故的發(fā)生。

對(duì)于環(huán)境的模擬之后就是對(duì)路徑的規(guī)劃，而路徑的規(guī)劃之中所采用的s及時(shí)Dijkstra算法，該算法是能夠考慮到路徑中所有的節(jié)點(diǎn)，同時(shí)利用這些節(jié)點(diǎn)計(jì)算出最短的路徑。而最短的路徑其實(shí)也不一定是最優(yōu)的路徑，所以該算法還會(huì)提供一條最優(yōu)的路徑。

4 仿真實(shí)驗(yàn)

建立車道在行駛過(guò)程當(dāng)中的路徑規(guī)劃實(shí)驗(yàn)，這對(duì)于現(xiàn)在的交通環(huán)境是有很高的要求的，首先就是需要周圍的環(huán)境不能過(guò)于復(fù)雜，但是國(guó)內(nèi)現(xiàn)在的經(jīng)濟(jì)不斷在進(jìn)步，所以對(duì)于車道的建設(shè)和環(huán)境的建設(shè)都變得非常復(fù)雜，過(guò)于復(fù)雜的車道環(huán)境，在建模的時(shí)候就存在一定的困難。現(xiàn)在的智能車輛在進(jìn)行建模的時(shí)候條件是非常有限的，是沒(méi)有辦法在車輛運(yùn)行的過(guò)程當(dāng)中進(jìn)行路徑規(guī)劃的實(shí)驗(yàn)驗(yàn)證的，所以想要驗(yàn)證該建模是否是真實(shí)有效的，就需要采用虛擬的樣車來(lái)進(jìn)行實(shí)驗(yàn)，同時(shí)在實(shí)驗(yàn)之后還需要對(duì)規(guī)劃路徑的有效性和可行性進(jìn)行相應(yīng)的評(píng)估。

4.1 路徑跟隨驗(yàn)證

因?yàn)槊恳惠v車所需要出行的路徑是不一樣的，所以在進(jìn)行蟻群算法規(guī)劃出來(lái)的避障路徑的實(shí)驗(yàn)過(guò)程當(dāng)中就需要將車輛所進(jìn)行的路徑進(jìn)行跟隨。在改進(jìn)的蟻群算法的規(guī)劃之中，進(jìn)行避障路徑的輸入，而輸入的內(nèi)容就是車輛-駕駛員系統(tǒng)模型。一般在進(jìn)行路徑規(guī)劃的時(shí)候是會(huì)考慮最優(yōu)的規(guī)劃路徑的，同時(shí)還會(huì)進(jìn)行跟蹤路徑，之后會(huì)將兩者進(jìn)行對(duì)比，而對(duì)比之后的結(jié)果就會(huì)說(shuō)明改進(jìn)蟻群算法所規(guī)劃的路徑是否是最佳的，還有就是跟隨的效果是不是比較好。

4.2 動(dòng)態(tài)跟隨仿真

因?yàn)橹悄苘囕v一般是在運(yùn)行的過(guò)程當(dāng)中，所以在研究車輛的避障路徑的時(shí)候也是需要結(jié)合這一特性，要研究車輛在跟蹤規(guī)劃路徑過(guò)程當(dāng)中的運(yùn)動(dòng)特性。車輛本身也是具有一定特點(diǎn)的，而這些特點(diǎn)都是會(huì)影響車輛的整個(gè)運(yùn)行的狀態(tài)，所以在進(jìn)行避障系統(tǒng)的研究過(guò)程當(dāng)中也是需要考慮到車輛自身的特點(diǎn)?，F(xiàn)在一般的智能車輛在動(dòng)力學(xué)這一方面都是采用Carsim軟件來(lái)進(jìn)行車輛的模擬，在這個(gè)軟件之中能夠?qū)ΜF(xiàn)在市面上的一些車輛的參數(shù)進(jìn)行調(diào)整，這樣也就能夠模擬出大部分的車輛利用蟻群算法避障路徑的規(guī)劃。該軟件還不僅僅能夠?qū)囕v的特點(diǎn)參數(shù)進(jìn)行研究和設(shè)定，還能夠?qū)嚨乐車沫h(huán)境進(jìn)行建模，雖然整體的建模效果不是非常好，但是這一點(diǎn)可以對(duì)車輛進(jìn)行粗略的模擬。而模擬結(jié)束之后就可以對(duì)該車輛進(jìn)行路徑跟隨，而跟隨之后的數(shù)據(jù)又可以對(duì)其進(jìn)行分析，也可以對(duì)蟻群算法進(jìn)行進(jìn)行改進(jìn)。

5 結(jié)語(yǔ)

在進(jìn)行蟻群算法的汽車的避障系統(tǒng)研究當(dāng)中，主要是對(duì)蟻群算法進(jìn)行改進(jìn)，而改進(jìn)的方面就是在蟻群算法之中添加約束條件，這樣能夠規(guī)劃出來(lái)的路徑更加適合車輛行駛，同時(shí)還可以根據(jù)車輛在形式過(guò)程中所發(fā)生的突發(fā)狀況進(jìn)行路徑的調(diào)整，因?yàn)楝F(xiàn)在的交通是非常復(fù)雜的，所以要對(duì)信息進(jìn)行及時(shí)的反饋，并且還能夠及時(shí)地調(diào)整障礙物的布局和規(guī)劃，這樣才能更好地避免出現(xiàn)車禍或者是車輛與障礙物發(fā)生碰撞的現(xiàn)象。同時(shí)還對(duì)改進(jìn)后的蟻群算法進(jìn)行了規(guī)劃路徑的跟蹤，因?yàn)楦櫤蟮穆窂綌?shù)據(jù)需要進(jìn)行對(duì)比，如果兩者之間的對(duì)比差距是非常小的，就說(shuō)明該算法是得到改進(jìn)的，如果說(shuō)差距是非常大的，那么說(shuō)明蟻群算法的改進(jìn)并沒(méi)有得到很好的提升。