CN108919805B - 一种车辆无人驾驶辅助系统 - Google Patents

一种车辆无人驾驶辅助系统 Download PDF

Info

Publication number
CN108919805B
CN108919805B CN201810726779.3A CN201810726779A CN108919805B CN 108919805 B CN108919805 B CN 108919805B CN 201810726779 A CN201810726779 A CN 201810726779A CN 108919805 B CN108919805 B CN 108919805B
Authority
CN
China
Prior art keywords
vehicle
path
nodes
road
colony algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810726779.3A
Other languages
English (en)
Other versions
CN108919805A (zh
Inventor
陈志林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu touzhijia Technology Co.,Ltd.
Original Assignee
Jiangsu Touzhijia Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Touzhijia Technology Co ltd filed Critical Jiangsu Touzhijia Technology Co ltd
Priority to CN201810726779.3A priority Critical patent/CN108919805B/zh
Publication of CN108919805A publication Critical patent/CN108919805A/zh
Application granted granted Critical
Publication of CN108919805B publication Critical patent/CN108919805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Abstract

一种车辆无人驾驶辅助系统，包括信息采集模块、中央控制平台、驾驶辅助模块和车辆控制模块，所述信息采集模块用于通过车载GPS实时获得车辆的位置信息，并将所述位置信息发送至中央控制平台，所述中央控制平台根据所述位置信息将车辆周围各路径的实时交通数据发送至驾驶辅助模块，驾驶辅助模块采用改进的蚁群算法对无人驾驶车辆的最优行驶路径进行搜索，并实时检测所述最优行驶路径上的障碍物，所述车辆控制模块用于控制无人驾驶车辆根据搜索到的最优行驶路径进行行驶，并对检测到的障碍物进行避让。本发明有益效果为：根据车辆的位置、车辆的速度和路况信息的实时采集，进行无人驾驶车辆的路径规划和动态避障，保证了无人驾驶汽车的安全稳定行驶。

Description

一种车辆无人驾驶辅助系统
技术领域
本发明创造涉及无人驾驶车辆领域，具体涉及一种车辆无人驾驶辅助系统。
背景技术
随着计算机科学和机器人技术的发展，无人驾驶车辆在军事、民用和科学研究等诸多方面得到了广泛的应用，它集中了结构学、电子学、控制论和人工智能等多学科的最新研究成果，具有广阔的应用前景。
对无人驾驶车辆来说，路径规划和避障是其关键组成部分，是研究的热点之一。在城区环境中，由于驾驶场景复杂多变，道路环境曲折，高速公路环境车速较快，危险度高，对无人驾驶车辆在复杂环境下进行路径规划以及运动障碍物检测，对于实现无人驾驶车辆有效的行驶具有重要的前景和意义，针对上述问题，本发明提出了一种车辆无人驾驶辅助系统，通过对无人驾驶车辆进行路径规划以及在行驶过程中的障碍物检测，能够快速生成一条安全智能的可行驶路径，保障了无人驾驶车辆的安全行驶。
发明内容
针对上述问题，本发明旨在提供一种车辆无人驾驶辅助系统。
本发明创造的目的通过以下技术方案实现：
一种车辆无人驾驶辅助系统，包括信息采集模块、中央控制平台、驾驶辅助模块和车辆控制模块，所述信息采集模块用于通过车载GPS实时获得车辆的位置信息，并将所述位置信息发送至中央控制平台，所述中央控制平台根据所述位置信息将车辆周围各路径的实时交通数据发送至驾驶辅助模块，所述驾驶辅助模块采用改进的蚁群算法根据所述各路径上的实时交通数据对无人驾驶车辆的最优行驶路径进行搜索，并实时检测所述最优行驶路径上的障碍物，所述车辆控制模块用于控制无人驾驶车辆根据搜索到的最优行驶路径进行行驶，并对检测到的障碍物进行避让。
本发明创造的有益效果：根据车辆的位置获得车辆周围各路径的路况信息，采用蚁群算法根据所述路况信息对无人驾驶车辆的行驶路径进行规划，综合考虑了车辆行驶路径的路况信息和路径距离对路径规划的影响，对蚁群算法中的信息素更新和状态转移规则进行改进，从而实现了无人驾驶车辆行驶的最优路径的搜索，对搜索得到的最优行驶路径进行障碍物检测，实现了无人驾驶车辆的动态避障，保证了无人驾驶汽车的安全稳定行驶。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
附图标记：
信息采集模块1；中央控制平台2；驾驶辅助模块3；车辆控制模块4；路径搜索单元31；动态避障单元32。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种车辆无人驾驶辅助系统，包括信息采集模块1、中央控制平台2、驾驶辅助模块3和车辆控制模块4，所述信息采集模块1用于通过车载GPS实时获得车辆的位置信息，并将所述位置信息发送至中央控制平台2，所述中央控制平台2根据所述位置信息将车辆周围各路径的实时交通数据发送至驾驶辅助模块3，所述驾驶辅助模块3采用改进的蚁群算法根据各路径上的实时交通数据对无人驾驶车辆的最优行驶路径进行搜索，并实时检测所述最优行驶路径上的障碍物，所述车辆控制模块4用于控制无人驾驶车辆根据搜索到的最优行驶路径进行行驶，并对检测到的障碍物进行避让。
优选地，所述信息采集模块1和中央控制平台采用4G或GPRS的通信方式进行通信。
本优选实施例根据车辆的位置获得车辆周围各路径的路况信息，采用蚁群算法根据所述路况信息对无人驾驶车辆的行驶路径进行规划，综合考虑了车辆行驶路径的路况信息和路径距离对路径规划的影响，对蚁群算法中的信息素更新和状态转移规则进行改进，从而实现了无人驾驶车辆行驶的最优路径的搜索，对搜索得到的最优行驶路径进行障碍物检测，实现了无人驾驶车辆的动态避障，保证了无人驾驶汽车的安全稳定行驶。
优选地，所述驾驶辅助模块3包括路径搜索单元31和动态避障单元32，所述路径搜索单元31采用改进的蚁群算法对无人驾驶车辆的最优行驶路径进行搜索，所述动态避障单元32用于实时检测所述最优行驶路径上的障碍物。
优选地，所述路径搜索单元31采用改进的蚁群算法对无人驾驶车辆的行驶路径进行搜索，对蚁群算法全局信息素浓度的更新方式进行改进，具体为：
Figure BDA0001719971060000031
式中，δ为比例参数，Lw为当前循环中最差蚂蚁的路径长度，Lg为全局最优路径的长度，
Figure BDA0001719971060000032
为更新前节点i,j之间道路上的信息素，
Figure BDA0001719971060000033
为更新后节点i,j之间道路上的信息素，(1-ρ)为信息素残留因子；
在每只蚂蚁完成路径搜索后，采用如下方式对局部信息素进行更新，具体为：
Figure BDA0001719971060000034
Figure BDA0001719971060000035
式中，Q是一个比例系数，
Figure BDA0001719971060000039
表示挥发参数，Lk表示一次循环玩成蚂蚁k走过的路径长度，
Figure BDA0001719971060000036
为更新前节点i，j之间道路上的信息素，
Figure BDA0001719971060000037
为更新后节点i，j之间道路上的信息素。
本优选实施例通过对蚁群算法信息素浓度的更新方式进行改进，在对最优解进行更大限度的增强的同时对全局生成的最差解进行削弱，使得蚂蚁能够更易于集中当前代的最短路径邻域内，从而加快了蚁群算法的收敛速度。
优选地，所述路径搜索单元31采用改进的蚁群算法对无人驾驶车辆的行驶路径进行搜索，对蚁群算法中的状态转移规则进行改进，具体为：
Figure BDA0001719971060000038
hj＝fj/n
式中，q0是算法中引入的一个参数，q∈[0，1]是均匀分布的随机数，fj表示节点j所具有的分支数目，n表示所有节点的分支数目之和，hj和hs分别表示节点j和节点s的活跃度，ω表示路径受节点活跃度的影响程度，τij表示节点i,j之间道路上的信息素，τis表示节点i,s之间道路上的信息素，α表示路径选择受信息素的影响程度，β表示路径选择受期望启发函数的影响程度，ηij和ηis是期望启发函数。
本优选实施例的状态转移概率函数综合考虑了节点的信息素、期望启发函数和节点的活跃度，有利于引导蚂蚁选择距离目标节点更近、活跃度更高以及信息素浓度更强的节点，从而增强了蚁群算法的全局搜索能力，加快了蚁群算法的收敛速度。
优选地，蚁群算法中的状态转移规则采用的期望启发函数ηij的计算公式为：
Figure BDA0001719971060000041
式中，ηij为期望启发函数，Vij为节点i,j之间道路允许的最大车速，
Figure BDA0001719971060000042
为节点i,j之间道路上车辆当前的平均车速，Qij为节点i,j之间道路允许的最大每小时交通流量，
Figure BDA0001719971060000043
为节点i,j之间道路的当前平均每小时交通流量，dij为节点i,j之间道路的距离，djs为节点j到目标节点s的距离。
本优选实施例修改的期望启发函数，综合考虑了路况的交通情况和路径的长度，从而能够避开拥堵的路径，同时也兼顾了路程的距离。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (1)

1.一种车辆无人驾驶辅助系统，其特征是，包括信息采集模块、中央控制平台、驾驶辅助模块和车辆控制模块，所述信息采集模块用于通过车载GPS实时获得车辆的位置信息，并将所述位置信息发送至中央控制平台，所述中央控制平台根据所述位置信息将车辆周围各路径的实时交通数据发送至驾驶辅助模块，所述驾驶辅助模块采用改进的蚁群算法根据所述各路径上的实时交通数据对无人驾驶车辆的最优行驶路径进行搜索，并实时检测所述最优行驶路径上的障碍物，所述车辆控制模块用于控制无人驾驶车辆根据搜索到的最优行驶路径进行行驶，并对检测到的障碍物进行避让；
所述信息采集模块和中央控制平台采用4G或GPRS的通信方式进行通信；
所述驾驶辅助模块包括路径搜索单元和动态避障单元，所述路径搜索单元采用改进的蚁群算法对无人驾驶车辆的最优行驶路径进行搜索，所述动态避障单元用于实时检测所述最优行驶路径上的障碍物；
所述路径搜索单元采用改进的蚁群算法对无人驾驶车辆的行驶路径进行搜索，对蚁群算法的全局信息素浓度的更新方式进行改进，具体为：
Figure FDA0002999337830000011
式中，δ为比例参数，Lw为当前循环中最差蚂蚁的路径长度，Lg为全局最优路径的长度，
Figure FDA0002999337830000012
为更新前节点i，j之间道路上的信息素，
Figure FDA0002999337830000013
为更新后节点i，j之间道路上的信息素，(1-ρ)为信息素残留因子；
在每只蚂蚁完成路径搜索后，采用如下方式对局部信息素进行更新，具体为：
Figure FDA0002999337830000014
Figure FDA0002999337830000015
式中，Q是一个比例系数，
Figure FDA0002999337830000016
表示挥发参数，Lk表示一次循环玩成蚂蚁k走过的路径长度，
Figure FDA0002999337830000017
为更新前节点i，j之间道路上的信息素，
Figure FDA0002999337830000018
为更新后节点i，j之间道路上的信息素；
所述路径搜索单元采用改进的蚁群算法对无人驾驶车辆的行驶路径进行搜索，对蚁群算法中的状态转移规则进行改进，具体为：
Figure FDA0002999337830000021
hj＝fj/n
式中，q0是算法中引入的一个参数，q∈[0，1]是均匀分布的随机数，fj表示节点j所具有的分支数目，n表示所有节点的分支数目之和，hj和hs分别表示节点j和节点s的活跃度，ω表示路径受节点活跃度的影响程度，τij表示节点i，j之间道路上的信息素，τis表示节点i，s之间道路上的信息素，α表示路径选择受信息素的影响程度，β表示路径选择受期望启发函数的影响程度，ηij和ηis是期望启发函数；
蚁群算法中的状态转移规则采用的期望启发函数ηij的计算公式为：
Figure FDA0002999337830000022
式中，ηij为期望启发函数，Vij为节点i，j之间道路允许的最大车速，
Figure FDA0002999337830000023
为节点i，j之间道路上车辆当前的平均车速，Qij为节点i，j之间道路允许的最大每小时交通流量，
Figure FDA0002999337830000024
为节点i，j之间道路的当前平均每小时交通流量，dij为节点i，j之间道路的距离，djs为节点j到目标节点s的距离。
CN201810726779.3A 2018-07-04 2018-07-04 一种车辆无人驾驶辅助系统 Active CN108919805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810726779.3A CN108919805B (zh) 2018-07-04 2018-07-04 一种车辆无人驾驶辅助系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810726779.3A CN108919805B (zh) 2018-07-04 2018-07-04 一种车辆无人驾驶辅助系统

Publications (2)

Publication Number Publication Date
CN108919805A CN108919805A (zh) 2018-11-30
CN108919805B true CN108919805B (zh) 2021-09-28

Family

ID=64423954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810726779.3A Active CN108919805B (zh) 2018-07-04 2018-07-04 一种车辆无人驾驶辅助系统

Country Status (1)

Country Link
CN (1) CN108919805B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109667215B (zh) * 2019-01-24 2023-10-20 山东省路桥集团有限公司 就地热再生机组智能驾驶系统
CN109951540B (zh) * 2019-03-07 2020-04-17 北京邮电大学 一种基于内容时效性的数据获取方法、装置及电子设备
CN109945882B (zh) * 2019-03-27 2021-11-02 上海交通大学 一种无人驾驶车辆路径规划与控制系统及方法
CN112348250A (zh) * 2020-11-05 2021-02-09 紫金矿业集团股份有限公司 一种汽车衡无人值守称重系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164550A (zh) * 2011-12-12 2013-06-19 中国人民解放军第二炮兵工程学院 一种虚拟样机拆卸序列规划方法
CN103971530A (zh) * 2014-05-27 2014-08-06 四川汇源吉迅数码科技有限公司 一种实时路径规划方法
CN105589461A (zh) * 2015-11-18 2016-05-18 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
CN105611599A (zh) * 2016-01-08 2016-05-25 昆明理工大学 一种基于剩余能量动态调整前向角度的路由算法
CN105620391A (zh) * 2016-03-16 2016-06-01 宁波市江东精诚自动化设备有限公司 一种车辆智能助理系统
CN105825713A (zh) * 2016-04-08 2016-08-03 重庆大学 车载无人机辅助驾驶系统及运行方式
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
CN107161141A (zh) * 2017-03-08 2017-09-15 深圳市速腾聚创科技有限公司 无人驾驶汽车系统及汽车
CN108225364A (zh) * 2018-01-04 2018-06-29 吉林大学 一种无人驾驶汽车驾驶任务决策系统及方法
US20190118808A1 (en) * 2017-10-19 2019-04-25 Kabushiki Kaisha Toshiba Information processing device, information processing method, and computer program product

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9429946B2 (en) * 2014-12-25 2016-08-30 Automotive Research & Testing Center Driving control system and dynamic decision control method thereof

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164550A (zh) * 2011-12-12 2013-06-19 中国人民解放军第二炮兵工程学院 一种虚拟样机拆卸序列规划方法
CN103971530A (zh) * 2014-05-27 2014-08-06 四川汇源吉迅数码科技有限公司 一种实时路径规划方法
CN105589461A (zh) * 2015-11-18 2016-05-18 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
CN105611599A (zh) * 2016-01-08 2016-05-25 昆明理工大学 一种基于剩余能量动态调整前向角度的路由算法
CN105620391A (zh) * 2016-03-16 2016-06-01 宁波市江东精诚自动化设备有限公司 一种车辆智能助理系统
CN105825713A (zh) * 2016-04-08 2016-08-03 重庆大学 车载无人机辅助驾驶系统及运行方式
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
CN107161141A (zh) * 2017-03-08 2017-09-15 深圳市速腾聚创科技有限公司 无人驾驶汽车系统及汽车
US20190118808A1 (en) * 2017-10-19 2019-04-25 Kabushiki Kaisha Toshiba Information processing device, information processing method, and computer program product
CN108225364A (zh) * 2018-01-04 2018-06-29 吉林大学 一种无人驾驶汽车驾驶任务决策系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于蚁群算法的智能交通最优路径研究;李松江等;《长春理工大学学报（自然科学版）》;20150831;第38卷(第4期);第123页右栏，第124页左栏 *
高精度北斗定位车载终端诱导系统研究;陈俞强;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20180215;第85-86页 *

Also Published As

Publication number Publication date
CN108919805A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108919805B (zh) 一种车辆无人驾驶辅助系统
CN110609557B (zh) 无人车混合路径规划方法
Xia et al. Neural inverse reinforcement learning in autonomous navigation
KR20200096115A (ko) V2x 통신 및 이미지 처리를 이용한 정보 융합을 통해 자율 주행의 단기 경로를 플래닝하기 위한 방법 및 장치
CN110488842B (zh) 一种基于双向内核岭回归的车辆轨迹预测方法
Shah et al. Viking: Vision-based kilometer-scale navigation with geographic hints
JP7330142B2 (ja) 車両のｕターン経路を決定する方法、装置、デバイスおよび媒体
CN109579861B (zh) 一种基于强化学习的路径导航方法及系统
CN113821029A (zh) 一种路径规划方法、装置、设备及存储介质
CN111982142A (zh) 一种基于改进a星算法的智能车全局路径规划方法
US20230131553A1 (en) Environment-aware path planning for a self-driving vehicle using dynamic step-size search
US20220250641A1 (en) System, Method, and Computer Program Product for Topological Planning in Autonomous Driving Using Bounds Representations
US20230236026A1 (en) Terrain-sensitive route planning
CN117120806A (zh) 车道级路线规划器的可解释性与接口设计
EP4298401A1 (en) Learning in lane-level route planner
CN117242315A (zh) 用于探索新道路以改进地图的路线规划器和决策
Zhao Optimal path planning for robot based on ant colony algorithm
CN113778090A (zh) 基于蚁群优化和prm算法的移动机器人路径规划方法
WO2023147769A1 (en) Systems, methods, and computer-readable media for spatio-temporal motion planning
CN110989602A (zh) 医学病理检验实验室内自主引导车路径规划方法及系统
EP3988901A1 (en) Predictive target tracking using trafficability maps
Ren et al. Intelligent path planning and obstacle avoidance algorithms for autonomous vehicles based on enhanced rrt algorithm
Lakshna et al. Smart Traffic: Traffic Congestion Reduction by Shortest Route* Search Algorithm
CN111954149A (zh) 面向车联网定位的非全覆盖场景路边单元部署方法和系统
Shang et al. A Novel Three-layer-architecture based Planning Method and Its Applications for Multi-heterogeneous Autonomous Land Vehicles

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210909

Address after: 210000 1f-10, unit 2, block B, jiangdao smart cube, No. 3, Xiankun Road, Jiangxinzhou, Jianye District, Nanjing, Jiangsu Province

Applicant after: Jiangsu touzhijia Technology Co.,Ltd.

Address before: Room 9213-9215, building 9, No. 200, Yuangang Road, Tianhe District, Guangzhou, Guangdong 510000

Applicant before: GUANGDONG ZHUJIANQIANG INTERNET TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant