自动驾驶车辆避障路径规划研究综述

2018(5)_____________________E 4n u lf r 汽车工 |j 师 APPLICATIO ■技E3应

摘要：避障作为自动驾驶车辆在行驶过程中非常重要的部分，对发展自动驾驶车辆具有重要意义?

介绍了车辆避障技术;概括了自动驾驶车辆避障所采用的传统算法和智能算法，分析了各种算法的优缺点以及改进方法。综合考虑车辆在进行避障过程中采用单一算法的优缺点，得出利用多种算法联合求解而进行避障规划，是未来自动驾驶车辆领域的研究重点与难点。

关键词：自动驾驶车辆;避障;路径规划;智能算法

Research on Obstacle Avoidance Path Planning of Automatic Driving Vehicle^

Abstract ： Obstacle avoidance, as a very important part of the automatic driving vehicle in driving process, is of great

significance to the development of driverless vehicles. This paper firstly introduces and analyzes the obstacle avoidance technology of vehicles, summarizes the traditional algorithms and intelligent algorithms used in obstacle avoidance of autopilot vehicles, and analyzes the advantages and disadvantages of various algorithms and their improvement methods. Considering the advantages and disadvantages of using a single algorithm in the process of obstacle avoidance, it is concluded that using multiple algorithms to jointly solve and plan for obstacle avoidance is the focus and difficulty in the field of driverless vehicles in the future.

Key words ： Automatic driving vehicle ; Avoidance ; Path planning ; Intelligent algorithm

随着人工智能技术的兴起，以自动驾驶车辆为研究对象的运动路径规划问题越来越受到重视。而避障路径规划是自动驾驶车辆的关键部分，对自动驾驶车辆的研究具有重大意义。在自动驾驶汽车行驶过程中，准确地避开障碍物是智能车辆的基本要求。一个好的避障路径规划算法可以安全实时地避开障碍物，且具有较高的乘坐舒适性，从而提高出行效率。文章总结了目前文献中经常出现的各种适用于自动驾驶车辆路径规划的算法，分别从算法路径寻优能力、算法实时性及算法复杂度等方面分析比较了它们在理论上的优势和缺点，为今后的深人研究提供参考。1

避障技术分析

自动汽车避障技术主要是利用先进的传感器技术

来增强汽车对行驶环境的感知能力，将感知系统获取的车速、位置等实时信息反馈给系统，同时根据路况与车流的综合信息判断和分析潜在的安全隐患，并在紧急情况下自动采取报警提示、制动或转向等措施协助和控制汽车主动避开障碍，保证车辆安全、高效和稳定地行驶[1]。采用人工势场法的智能车辆避障原理，如图

=基金项目：重庆市特种车辆动力传动系统关键零部件设计与测试工程技术研究中心开放基金项目支持(csct 2015yfpt -zd sys 30001)

1所示。

环境感知

传车感载器

定位信息处理

控制执行操稳性实际车辆

工车襲型论工执行机构

路径跟随

—?

图1

智能车辆避障原理图

文献[2将避障问题看成有约束的多目标优化问

题，而避障问题的处理前提就在于如何根据当前障碍物信息以及自身状态信息决策出该采取何种基本驾驶

子操作(分为左换道、

右换道、跟随巡航及制动）。2局部危险避障算法研究2.1智能车局部危险避障概述自动驾驶车辆作为一种具有自主决策能力的智能机器人，需要从外部环境获取信息并根据信息做出决

策，

从而进行全局路径规划和局部危险状况下的避障。

APPLICATION

自动驾驶车辆的全局路径规划为车辆规划出了一条在已知环境地图信息下的最优路径。车辆在前进过程中，处在不可预测和高度动态的城市道路环境中，障碍物很可能出现在已经规划好的全局路径上，也有可能在前进的过程中一些障碍(行人或车辆等)动态地出现在路径上。自动驾驶车辆必须对这些不可预测的事件以某种方式做出反应，进行局部避障，使之仍然能够顺利到达目的地、完成任务。因此，局部避障必须速度快、实时性好和效率高，而可靠的避障算法正是保证自动驾驶车辆成功避障的主要方法。因此，在全局路径规划的基础上，还需要进行实时的局部危险避障。目前，对于自动驾驶车辆动态目标及城市道路区域的相关避障方法的研究，正是智能驾驶车辆研究的热点和重要方向，也是一项实现车辆智能化的关键技术。

2.2传统避障算法

目前局部避障算法也有很多成熟的算法，每个算法的优缺点也不一样。目前所采用的方法主要有人工势场法（Artificial Potential Field，APF)和虚拟力场法 (Virtual Force Field,VFF)等。

人工势场法是一种虚拟力法，它的基本思想是把车辆在周围环境中的运动视为车辆在人工建立的虚拟力场中的运动。目标点产生引力，引导车辆向目标点运动。障碍物产生斥力，避免车辆与障碍物发生碰撞，车辆在二者的合力下运动。根据引力和斥力的合力来控制车辆的运动，即车辆搜索沿着势场下降的方向运动，产生一条无碰撞的最优路径。

应用人工势场法规划出来的路径一般比较平滑且安全，算法简明，实时性良好，适合无人驾驶智能车领域。但是该算法也存在一些缺点，如当目标点附近有障碍物时，斥力远远大于引力，车辆将很难到达目的地；当智能车辆在某一点的引力和斥力刚好大小相等时，智能车将会陷人局部最优点；传统的人工势场只考虑了障碍物与目标点静止不动的静态环境，而车辆实际是在运动的环境中，因此在动态环境无法取得良好的效果。

针对传统人工势场的改进，大量学者展开研究，文献[利用高斯组合隶属函数建立引力的目标点函数，在引力点函数中考虑障碍物约束和车辆约束，并引人调节因子，建立了改进的无人驾驶汽车人工势场模型，消除了传统人工势场法容易陷人局部极小的问题。文献[通过调整势力场范围、改进斥力势函数和动态调整斥力场系数，解决了陷人局部极小值的情况。文献[

在人工势场中加人速度元素，能够规划出同时避开静

2018年5月

态和动态障碍物且能到达目标点的理想路径。文献[

解决了传统APF算法在无人车避障应用中虚拟势场作用域固定、避障角度过大的问题。

虚拟力场法是珊格法和人工势场法结合的一种移动机器人实时避障算法。V FF算法是使用栅格来表示环境，同时使用力场法对无人车进行控制的局部避障算法。

2.3智能优化算法

智能优化算法一般都是建立在生物智能或物理现象基础上的随机搜索算法，包括模糊逻辑算法(Fuzzy Logic Algorithm,FLA)、遗传算法(Genetic Algorithms, GA)、快速扩展随机树（Rapidly Random-exploring Trees，RRT)、蚁群算法[]、水滴算法、触须算法[及粒子群算法[1°](Particle Swarm Optimization，PSO)等。

模糊逻辑算法主要是根据人类驾驶经验，设计出一个模糊控制规则库。将传感器获得的信息作为输人，经过模糊推理后得出车辆所需要的输出，一般输出为速度和导航角。因为智能车辆的运动学模型具有非线性和强耦合性的特点，而模糊控制避障算法不依赖受控对象的精确运动模型，因此采用模糊控制避障算法也是研究中经常采用的方法之一。但模糊规则往往是人们通过经验预先制定的，所以存在无法学习和灵活性差的缺点，且模糊规则数量随着输人的增多呈指数倍增长。

文献[11]针对移动机器人设计了一个模糊控制器，将通过安装在机器人前方18°范围内的超声波和红外传感器采集的障碍物距离信息以及电子罗盘获取的目标方位角作为模糊控制器的输人，机器人左右轮的速度作为输出。在隶属度函数的选择上，采用高斯型隶属度函数，因为高斯型隶属度函数曲线较为平滑，具有较好的准确性和简洁性。

文献[12]采用分层分级的思想，将避障过程分为车辆绕开障碍物过程和车辆趋向目标过程的新方法，分别设计了一个避障行为控制器和目标趋向控制器，减少了算法的计算量和提高了运算速度。模糊控制系统分层结构图，如图2所示。

图2模糊控制系统分层结构图

遗传算法[13

是模拟了生物界的进化论原理(适者生

第5期

=汽车工g 师

APPLICATION 技术应用

存，优胜劣汰)演化和遗传变异达到物种进化的一种智能算法。遗传算法把路径点作为一个种群，并按照一定的规则对每一个路径点进行编码，然后根据适应度函数选择路径点，借助遗传算子进行组合交叉和变异，逐渐演化产生出越来越优化的近似解。遗传算法具有并行计算能力、群体搜索特性与可扩展性，一般不需要辅助信息，但是效率比其他智能优化算法低，而且在利用选择交叉算子时，会丢失一些优秀的基因片段，从而导致过早收敛。此外，在编码环境中会有较长的计算时间与很大的数据存储空间需求。

文献[14]对传统遗传算法提出了一系列的改进措施，包括可见空间的概念、新的矩阵编码形式和新的变异算子。通过使用新的变异算子可使快速收敛到全局最优，且在静态环境和动态环境中都可以快速收敛。

快速扩展随机树(RRT )算法是以状态空间中的一个初始点作为根节点，通过随机采样扩展，逐渐增加

叶节点，生成一个随机扩展树，当随机树的叶节点中包含了目标点或者目标区域中的点时，从初始点到目标点之间的一条以随机树的叶节点组成的线段就是规划出的一条路径。由于算法在进行路径规划时是随机采样，不需要对状态空间进行预处理，因此有着很快的搜索速度，而且还考虑了车辆在运动过程的动力学约束和运动学约束，该算法也非常适用于智能车辆的运动规划问题。但RRT 算法存在一些不足：

1) 度量函数(最近邻算法)的合理选取决定算法的

合理性和效率；

2) 算法的随机性使得规划出的路径曲率变化过大，甚至出现小范围的直角变化，导致路径不平滑，不符合车辆运动学；

采样点在整个可行域内随机采样的搜索方式存

在很多不必要的运算，影响算法速度，降低搜索效率。

针对传统RRT 算法的改进，一些学者也提出了不同的方法。文献[16]根据驾驶经验丰富的驾驶员，设计直道和弯道模型的期望避障路径模型，最后为了使随机采样点分布在期望路径模型周围，利用高斯分布函数生成的点集中在均值周围的特点，再结合设计好的期望路径函数，则实现满足汽车安全稳定行驶的路径。

文献[17]利用A *算法进行路径规划，根据规划结果生成引导域来修改R R T 随机采样过程中的采样策

略，将目标偏向米样策略和引导域偏向米样策略相结合，使得随机采样点朝着目标点区域方向靠近，并在最近邻搜索过程中加人角度约束，因为智能车辆在行驶过程中有最大转向角限制。文献[1]提出动态步长并引

人目标引力思想，在传统RRT 算法基础上，添加动态步长特性，减少R R T 的随机性，让路径朝着目标方向扩展，改善了 R R T 的不确定性，提高了避障能力。

文献[19]提出一种连续曲率RRT 算法，该算法在

RRT 框架中结合了环境约束以及车辆自身的约束。它

首先采用了目标偏向采样策略以及合理的度量函数，

保证了算法随机性的同时也加快了向目标点收敛的速度，大大地提高了规划速度和质量。最后针对智能车辆的实际应用提出基于最大曲率的约束的剪枝函数对树进行后处理，删除不必要的节点并插人必要的节点，接着使用3次B 样条曲线对剩余的节点进行平滑处理以

生成平滑且曲率连续的可执行轨迹。文献[20]采用简单有效的3次B 样条曲线平滑算法，对路径点进行曲率连续的拟合以生成平滑且曲率连续的智能车可执行的平滑路径。

此外，还有 RRT GoalBias，RRT GoalZoom ，RRT *，

RRT -C onect 等改进方法。2.4多种算法结合在车辆的实际避障过程中，往往会采用2种或多种算法相结合，通过互补来提高算法效率。

文献[21]利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划算法。以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输人量，智能车辆的速度、转角为输出量，分别建立避障行为模糊规则表和趋向目标模糊规则表，设计模糊控制器，如图3所示。最后利用遗传算法对避障行为模糊规

则表进行优化，从而实现避障。

目标方位信息(A e )<

图3

避障模糊控制器结构图文献[22]将RRT 算法与基于滚动窗口的路径规划

相结合。采用反复的局部路径规划代替一次性的全局路径规划，保证了算法的实时性。同时以概率来实现随机采样取点，并引人启发式估价函数，使随机树易于朝着目标点方向生长。

-57-

APPLICATION

文献[23]为了避免经典人工势场法(APF)的局部最小值冋题，提出一^种基于修正APF算法与模糊逻辑相结合的新方法。该算法克服了局部极小值问题，提高了算法在复杂环境中的有效性。并使用粒子群优化 (PSO)算法优化模糊逻辑算法的隶属度函数。在静态和动态的环境中响应速度快，并能有效避开障碍物。

文献[4]在移动机器人上结合蚁群算法和人工势场法的优缺点进行路径规划。提出一种以栅格地图为环境模型，在蚁群算法搜索过程中加人针对具体问题的人工势场局部搜索寻优算法，将人工势场法中力因素转换为局部扩散信息素，使蚁群倾向于具有高适应值的子空间搜索，减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁“迷失”数量，提高了蚁群对障碍物的预避障能力。随着自动驾驶技术的发展，车辆避障路径规划算法与其他方法结合，从而更快地优化其规划过程，将能更准确和迅速地进行避障。

3结语

文章主要分析了在局部危险避障环境中的优化算法，对传统算法和智能算法及其改进算法的优缺点做出了分析以及多种算法的联合求解。传统算法和智能算法都可在一定程度上解决自动驾驶车辆避障的问题，每种算法都有其优点和局限性。人工势场法算法简明，实时性良好，规划的路径轨迹圆滑，适合自动驾驶智能车领域，但存在容易进人局部最小点、目标不可达及碰撞障碍物问题;智能算法在传统算法的基础上，引人了更加智能化的计算，如遗传算法可以同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷人局部最优解的风险，同时算法本身容易实现并行化。因此在实际情况下，要进行精确、安全和快速的避障仅仅依靠单一算法是有限的。车辆进行局部避障时，可以依靠2种或多种算法进行求解，得出避障路径，将多种算法的优缺点相互融合，产生更加完美的算法将是未来该领域研究的重点与难点。

参考文献

[1]宋晓琳，冯广刚，杨济匡.汽车主动避撞系统的发展现状及趋势[J].

汽车工程，2008,30( 4):285-290.

[&]贾瑞.基于滚动优化的自主驾驶车辆避障控制[D].吉林:吉林大学，2014:1-7.

[3]修彩靖，陈慧.基于改进人工势场法的无人驾驶车辆局部路径规划

的研究[J].汽车工程,2013,35(9):808-811.

[4]王凯，宋星秀,张一闻.利用改进人工势场法的智能车避障路径规划

2018年5月

[J].辽宁工程技术大学学报（自然科学版）,2014,33(9):1236-1239. [5]杜龚，郭达,张新锋.智能车避障路径规划方法研究[J].交通节能与

环保，2016,12(3): 17-22.

[6]谭宝成,崔佳超.改进人工势场法在无人车避障中的应用[J].西安工

业大学学报,2014,34(12): 1007-1011$

[7]刘建华，杨建国，刘华平，等.基于势场蚁群算法的移动机器人全局

路径规划方法[J].农业机械学报,2015,46(9):18-27$

[8]宋晓琳,潘鲁彬，曹昊天.基于改进智能水滴算法的汽车避障局部路

径规划[J].汽车工程,2016,38(2): 185-191.

[9]张明环，张科.智能车避障触须算法中的障碍物探测研究[J].西北工

业大学学报,2012,30(5):763-767.

[10] 李擎，徐银梅,张德政，等.基于粒子群算法的移动机器人全局路径

规划策略[J].北京科技大学学报,2010,32(3):397-402.

[11] 杨小菊，张伟,高宏伟，等.基于模糊控制的移动机器人避障研究[J].

传感器与微系统,2017,36( 3):51-54.

[12] 张艳溶，马戎，张俊楠.基于分层模糊控制的自主车辆避障仿真[J].

测控技术,2012,31 (9):67-70.

[13] 雷艳敏，王帅.基于遗传算法的机器人路径规划的仿真研究[J].长春

大学学报,2017,27(2): 1-3.

[14] ZHANG X L,ZHAO Y,DENG N M,et al.Dynamic Path Planning A l-

gorithm for a Mobile Robot Based on Visible Space and an Improved Genetic Algorithm[J].International Journal of Advanced Robotic Sys-tems, 2016, 13(3): 1.

[15] 余卓平,李奕姗，熊璐.无人车运动规划算法综述[J].同济大学学报

(自然科学版）,2017,45( 8):1150-1159.

[16] 宋晓琳，周南,黄正瑜，等.改进R R T在汽车避障局部路径规划中的

应用[J].湖南大学学报（自然科学版）,2017,44(4):30-37.

[17] 冯来春，梁华为,杜明博，等.基于A*引导域的R R T智能车辆路径

规划算法[J].计算机系统应用,2017,26(8):127-133.

[18] 王道威,朱明富，刘慧.动态步长的R R T路径规划算法[J].计算机技

术与发展,2016,26(3): 105-107.

[19] 杜明博，梅涛,陈佳佳，等.复杂环境下基于R R T的智能车辆运动规

划算法[J].机器人,2015,37(4):443-450.

[20] ELBANH AW I M,SIMIC M.Randomised kinodynamic motion planning

for an autonomous vehicle in semi-structured agricultural areas[J].

Biosystems Engineering, 2014, 126(39): 30-44.

[21] 胡永仕，张阳.基于遗传模糊算法的智能车辆避障路径规划研究[J].

福州大学学报（自然科学版）,2015,42(2):219-224.

[22] 康亮,赵春霞，郭剑辉.基于模糊滚动R R T算法的移动机器人路径

规划[J].南京理工大学学报（自然科学版）,2010,34(5):642-648. [23] ABD A LLA T Y,ABED A A,AHMED A A,et al.Mobile robot naviga-

tion using PSO-optimized fuzzy artificial potential field with fuzzy con- trol[J].Journal of Intelligent &Fuzzy Systems, 2017, 32(6): 3893-3908. [24] 刘建华，杨建国，刘华平，等.基于势场蚁群算法的移动机器人全局

路径规划方法[J].农业机械学报,2015,46(9):18-27.

(收稿日期：018-03-16)

-58-

自动驾驶汽车硬件系统概述

自动驾驶汽车硬件系统概述自动驾驶汽车的硬件架构、传感器、线控等硬件系统如果说人工智能技术将是自动驾驶汽车的大脑，那么硬件系统就是它的神经与四肢。从自动驾驶汽车周边环境信息的采集、传导、处理、反应再到各种复杂情景的解析，硬件系统的构造与升级对于自动驾驶汽车至关重要。自动驾驶汽车硬件系统概述从五个方面为大家做自动驾驶汽车硬件系统概述的内容分享，希望大家可以通过我的分享，对硬件系统的基础有个全面的了解：一、自动驾驶系统的硬件架构二、自动驾驶的传感器三、自动驾驶传感器的产品定义四、自动驾驶的大脑五、自动驾驶汽车的线控系统

自动驾驶事故分析根据美国国家运输安全委员会的调查报告，当时涉事Uber汽车——一辆沃尔沃SUV系统上的传感器在撞击发生6s前就检测到了受害者，而且在事故发生前1.3秒，原车自动驾驶系统确定有必要采取紧急刹车，此时车辆处于计算机控制下时，原车的紧急刹车功能无法启用。于是刹车的责任由司机负责，但司机在事故发生前0.5s低头观看视频未能抬头看路。从事故视频和后续调查报告可以看出，事故的主要原因是车辆不在环和司机不在环造成的。Uber在改造原车加装自动驾驶系统时，将原车自带的AEB功能执行部分截断造成原车ADAS功能失效。自动驾驶系统感知到受害者确定要执行应急制动时，并没有声音或图像警报，此时司机正低头看手机也没有及时接管刹车。

目前绝大多数自动驾驶研发车都是改装车辆，相关传感器加装到车顶，改变车辆的动力学模型；改装车辆的刹车和转向系统，也缺乏不同的工况和两冬一夏的测试。图中Uber研发用车是SUV车型自身重心就较高，车顶加装的设备进一步造成重心上移，在避让转向的过程中转向过急过度，发生碰撞时都会比原车更容易侧翻。自动驾驶研发仿真测试流程所以在自动驾驶中，安全是自动驾驶技术开发的第一天条。为了降低和避免实际道路测试中的风险，在实际道路测试前要做好充分的仿真、台架、封闭场地的测试验证。软件在环（Software in loop），通过软件仿真来构建自动驾驶所需的各类场景，复现真实世界道路交通环境，从而进行自动驾驶技术的开发测试工作。软件在环效率取决于仿真软件可复现场景的程度。对交通环境与场景的模拟，包括复杂交通场景、真实交通流、自然天气（雨、雪、雾、夜晚、灯光等）各种交通参与者（汽车、摩托车、自行车、行人等）。采用软件对交通场景、道路、以及传感器模拟仿

车辆路径问题

第14章车辆路径问题 14.1 物流配送车辆优化调度概述 14.1.1 概述车辆路径问题：对一系列装货点和（或）卸货点，组织适当的行车路线，使车辆有序地通过它们，在满足一定的约束条件（如货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等）下，达到一定的目标（如路程最短、费用最少、时间尽量少，使用车辆数尽量少等）。又称运输调度问题，包括两部分：一是行车路线的设计；二是出行时间表的安排。最基本的车辆路径问题，是客户需求位置已知的情况下，确定车辆在各个客户之间的行程路线，使得运输路线最短或运输成本最低，通过研究车辆路径问题，可以合理使用运输工具，优化运输路线，降低企业物流成本。 14.1.2 路径特性（1）地址特性：车场数目、需求类型、作业要求（2）车辆特性：车辆数量、载重量约束、可运载品种约束、运行路线约束、工作时间约束（3）问题的其他特性：道路网络可能是有向的，或者是无向的；单项作业是否可以分割完成；每一辆车是否可以承担多条线路，是否完成作业后必须回到出发点。（4）目标函数可能是总成本极小化，或者极小化最大作业成本，或者最大化准时作业。 14.1.3 常见的基本问题（1）旅行商问题在一个配送中心p有一辆容量为q的货车，现有m个需求点的货运任务需要完成，已知需求点i的货运量为gi（i=1,2,…,m)，且Σgi≤q，求在满足各收点需求的约束条件下，总发送距离最短的货车送货路线。在运筹学中，旅行商问题是这样解释的：有一个推销员，要到n个城市去推销商品，当各个城市间的距离已知，并规定每个城市只访问一次，问按什么样的顺序访问，其距离最短。（2）带容量约束的车辆路线问题在一个配送中心p，有一个车队Qj(j=1,2,…,n)，这个车队每辆车容量均为q，且有足够的运力保证任务的完成，需求点i的货运量gi满足：nq≥Σgi≥q。这样一来，配送中心需要派出若干的车辆来完成配送任务，每个车可能要为多个需求点服务然后返回配送中心。该问题包括两个要解决的小问题：一是哪些用户要被分配到一条路线上；二是每条路线上的用户的绕行次序。可以将这个问题看作是一个广义分配问题和多个旅行商问题的结合。（3）带时间窗的车辆路线问题由于客户会提出配送的时间要求，因此在上述的问题基础上，要增加时间约束。假设一组有n个需求点要求送货，并表示为1,…,i,…,n，需求点i有一个固定的完成时间Ti，一个服务时间Si，在任何两个需求点i和j之间的运输时间为DH(i,j)，距离用dij表示。这个问题首先在无圈有向网络中寻找i到j，并经过所有节点的路径的最小条数（用最大流或最小费用最大流算法来解），它的解为完成所有需求点运输任务所必需的最小车辆数，然后固定车辆数或求解有关的最小费用流问题，这个解保证最小车队规模的同时，使路线运行费用最小。（4）收集和分发问题这是对以上问题的推广，假设有多个配送中心，或是允许车辆从需求点发车，问题就升级为有几个封闭循环线路的旅行商问题的组合，这是一个组合优化问题。车辆调度的目标是以最少的车辆通过最经济的线路完成所有的运输任务。（5）多车型车辆路线问题（6）优先约束车辆路线问题（7）相容性约束车辆路线问题（8）随机需求车辆路线问题 14.1.4 车辆路径问题的求解方法（1）数学解析法如动态规划法、整数规划法、树状搜寻法等。对于配送点的问题，可以求得一个最优的解，但若求解的节点数增加，其结果相对变差，与实际配送的情况相差较大。（2）人机互动法提供使用者人机互动的方式，结合使用者过去的经验，调整该模型的参数，以作为配送路线规划决策的依据。（3）先分组再排路线法先将所有的配送点分成若干的群组，再分别对各个群组进行路线规划，如扫描法。（4）先排路线再分组法

自动驾驶核心技术之三：环境感知

自动驾驶核心技术之三：环境感知自动驾驶四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。环境感知是其中被研究最多的部分，不过基于视觉的环境感知是无法满足无人驾驶要求的。环境感知主要包括三个方面，路面、静态物体和动态物体。对于动态物体，不仅要检测还要对其轨迹进行追踪，并根据追踪结果，预测该物体下一步的轨迹（位置）。这在市区，尤其中国市区必不可少，最典型场景就是北京五道口：如果你见到行人就停，那你就永远无法通过五道口，行人几乎是从不停歇地从车前走过。人类驾驶员会根据行人的移动轨迹大概评估其下一步的位置，然后根据车速，计算出安全空间（路径规划），公交司机最擅长此道。无人车同样要能做到。要注意这是多个移动物体的轨迹的追踪与预测，难度比单一物体要高得多。这就是MODAT(Moving Object Detection and Tracking)。也是无人车最具难度的技术。图：无人车环境感知框架这是基于激光雷达的环境感知模型，搞视觉环境感知模型研究的人远多于激光雷达。不过很遗憾地讲，在无人车这件事上，视觉不够靠谱。让我们来看计算机视觉的发展历程，神经网络的历史可追述到上世纪四十年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理，解决各种

机器学习的问题。1986 年Rumelhart，Hinton 和Williams 在《自然》发表了著名的反向传播算法用于训练神经网络，直到今天仍被广泛应用。不过深度学习自80年代后沉寂了许久。神经网络有大量的参数，经常发生过拟合问题，即往往在训练集上准确率很高，而在测试集上效果差。这部分归因于当时的训练数据集规模都较小，而且计算资源有限，即便是训练一个较小的网络也需要很长的时间。神经网络与其它模型相比并未在识别的准确率上体现出明显的优势，而且难于训练。因此更多的学者开始采用诸如支持向量机（SVM）、Boosting、最近邻等分类器。这些分类器可以用具有一个或两个隐含层的神经网络模拟，因此被称作浅层机器学习模型。它们不再模拟大脑的认知机理；相反，针对不同的任务设计不同的系统，并采用不同的手工设计的特征。例如语音识别采用高斯混合模型和隐马尔可夫模型，物体识别采用SIFT 特征，人脸识别采用LBP 特征，行人检测采用HOG 特征。2006年以后，得益于电脑游戏爱好者对性能的追求，GPU性能飞速增长。同时，互联网很容易获得海量训练数据。两者结合，深度学习或者说神经网络焕发了第二春。2012 年，Hinton 的研究小组采用深度学习赢得了ImageNet 图像分类的比赛。从此深度学习开始席卷全球，到今天，你不说深度学习都不好出街了。深度学习与传统模式识别方法的最大不同在于它是从大数据中自动学习特征，而非采用手工设

汽车车牌识别系统的设计文献综述

计算机图形学课程设计题目名称：汽车车牌识别系统的设计综述班级：学号：学生姓名：

汽车车牌识别系统的设计综述摘要车牌的自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一, 是实现交通管理智能化的重要环节, 主要包括车牌识别、字符预处理和特征提取三个关键环节。车牌识别包括车牌定位、灰度（或彩色）图像二值化、字符切分及字符识别等。图像预处理包括图像灰度变换、图像增强、图像二值化、梯度锐化、噪声去除、倾斜度调整、车牌边框去除、字符分割、尺寸标准归一化、紧缩重排。特征提取本文采用逐象素特征提取法来对支付进行识别。理论上，本系统可以对中国大陆普通汽车车牌的字符进行识别。关键词：车牌识别，图像预处理，特征提取

引言 1.1 问题概述随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种确认，而车牌识别就是其中最有效的确认方法，汽车车牌识别VLPR 是Vehicle License Plate Recognition 的简称，他是智能交通系统(Intelligent Transportation Systems，ITS)的一个重要组成部分。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。车牌识别技术在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。 1.2 目的和意义车牌识别LPR[1]是智能交通系统(ITS)的一个重要组成部分。在社会生活，治安管理等方面有很大的作用。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。由于光照、气候引起的车牌图像上字符光照不均，车牌本身污损造成的字符笔画不清和字符间粘连，汽车行驶速度较快，使拍摄出的车牌字符产生变形、模糊不清，因此图像需要增强。另外又由于拍摄角度及拍摄点的高度、路面的倾斜等情况造成了车牌图像的倾斜，从而需要对车牌进行校正。另外字符的识别也是一个重点问题。 1.3 思路和方法借助数字图像处理和模式识别技术，我们对车牌图像依次进行以下处理：彩色的256 色的BMP 图进行灰度转换－>图像增强－>图像二值化－>梯度锐化（Roberts 梯度算子）->离散点噪声去除->倾斜度调整->边框切除->字符切割->字符尺寸归一化->字符紧缩重排->神经网络的字符识别，最后得出车牌字符。

车辆路径问题

车辆路径问题(vehideRoutingProblem，vRP)是组合优化和运筹学领域研究的热点问题之一，其主要研究满足约束条件的最优车辆使用方案以及最优的车辆路径方案。基于基本车辆路径问题的框架，研究满足生产经营和运作需要的各种车辆路径问题，并构建具有高质量和高鲁棒性(roubustuess)的问题求解算法对于提高生产经营管理水平和降低运作成木具有重要的理论意义和现实价值。本文以车辆路径问题为研究对象，综合运用组合优化和现代启发式算法等工具，对几类重要的车辆路径问题模型及其优化算法进行了系统的研究，主要研究工作及成果总结如下: 1.综述了车辆路径问题在定义车辆路径问题分类和扩展标准的基础上，给出了车辆路径问题的研究综述。基于不同的分类标准，首先讨论了主要的标准车辆路径问题扩展问题。在此基础上详细地综述了求解标准车辆路径问题的现代启发式算法，系统地描述了各种算法的实现机理以及各种算法的性能比较结果。 2.综述了求解组合优化问题的现代启发式算法在给出组合优化问题和计算复杂性定义的基础上，综述了求解复杂组合优化问题的各种现代启发式算法。 3.研究了开放式车辆路径问题通过松弛标准车辆路径问题中车辆路线为哈密尔顿巡回(Hamiltoniantour)的假设，研究了车辆路线为哈密尔顿路径(Hamiltonianpath)的开放式车辆路径问题。该问题中车辆在服务完最后一个顾客点后不需要回到车场，若要求回到车场，则必须沿原路返回。在首先给出问题数学模型的基础上，提出了求解开放式车辆路径问题的蚁群优化算法。该算法主体是一个在超立方框架下执行的侧只刃一侧工加尸蚂蚁系统，算法混合了禁忌搜索算法作为局部优化算法，同时集成了一个后优化过程来进一步优化最优解。基于基准测试问题，系统地研究了算法性能。同其它算法的性能比较结果表明本文提出的蚁群优化算法是有效的求解开放式车辆路径问题的方法。 4.研究了带时间窗和带时间期限开放式车辆路径问题通过引入时间约束，研究了两类新的满足时效性要求的开放式车辆路径问题—带时间窗和带时间期限开放式车辆路径问题。首先构建了两类问题的数学模型，同时提出了求解两上海交通大学博十学位论文类问题的基于禁忌搜索的迭代局部搜索算法，该算法集成了不同的解接受标准以及一个基于阂值接受的后优化过程。基于随机产生的测试问题的实验结果表明:基于禁忌搜索的迭代局部搜索算法可以有效地求解带时间窗和带时间期限开放式车辆路径问题。 5.研究了带时间窗和随机旅行时间车辆路径问题通过对标准车辆路径问题的拓展，引入新的边约束条件:时间窗、随机旅行时间和服务时间，研究了一类新的随机车辆路径问题—带时IbJ窗和随机旅行时间车辆路径问题。根据不同的优化标准，分别构建了问题的机会约束规划模型以及带修正随机规划模型。机会约束规划模型是在随机约束以一定的置信水平成立的条件下最小化运输费用。带修正的随机规划模型是一个两阶段优化问题，其确定第一阶段的路线集以最小化第二阶段(随机变量实现后)的期望运输费用。鉴于问题的随机特性，为了有效求解该问题提出了基于随机模拟的禁忌搜索算法。同时基于随机产生的测试问题通过实验检验了算法有效性。 6.研究了固定车辆数异型车辆路径问题在车辆路径问题经典文献中，一般均假设车辆同质目‘车辆数无限。然而在实际运作中，车辆集一般是由具有不同属性(装载能力、固定成本以及单位公里可变费用)的车辆组成，且受运作成本的

车辆路径问题及遗传算法

车辆路径问题优化算法美国物流管理学会(Council of Logistics Management，CLM)对物流所作的定义为：“为符合顾客的需要，对原料、制造过程中的存货与制成品以及相关信息，从其起运点至最终消费点之间，做出的追求效率与成本效果的计划、执行与控制过程。” 而有关资料显示，物流配送过程(包含仓储、分拣、运输等)的成本构成中，运输成本占到52%之多。因此，如何在满足客户适当满意度的前提下，将配送的运输成本合理地降低，成为一个紧迫而重要的研究课题，车辆路径问题正是基于这一需求而产生的。 2.1车辆路径问题的定义车辆路径问题可以描述为：给定一组有容量限制的车辆的集合、一个物流中心（或供货地）、若干有供货需求的客户，组织适当的行车路线，使车辆有序地通过所有的客户，在满足一定的约束条件（如需求量、服务时间限制、车辆容量限制、行驶里程限制等）下，达到一定的目标（如路程最短、费用极小、时间尽量少、使用车辆数尽量少等）。[4] 因此研究车辆的路径问题，就是要研究如何安排运输车辆的行驶路线，使运输车辆依照最短的行驶路径或最短的时间费用，依次服务于每个客户后返回起点，总的运输成本实现最小。车辆路径问题已被证明是NP-Hard问题，因此求解比较困难。然而，由于其在现实生活中应用非常广泛，使得它无论在理论上还是在实践上都有极大的研究价值。 Penousal Machado等人[5]指出车辆路径问题(vehicle routing problem，简称VRP)是一个复杂的组合优化问题，是古老的旅行商问题和背包问题的综合。实际上，车辆路径问题通常可被分解或转化成一个或几个已经研究过的基本问题，再采用相应比较成熟的基本理论和方法，以得到最优解或满意解。这些与车辆路径问题相关的常用基本问题有；旅行商问题、运输问题、背包问题、最短路问题、最小费用最大流问题、中国邮路问题、指派问题等。旅行商问题可被描述为：一个推销员欲到n个城市推销商品，每2个城市之间的距离是已知的。如何选择一条路径使推销员依次又不重复地走遍每个城市后，回到起点且所走的路径最短。运输问题关心的是（确实的或是比喻的）以最低的总配送成本把供应中心（称为出发地，sources）的任何产品运送到每一个接受中心（称为目的地，destinations）。运输问题需要的数据仅仅是供应量、需求量和单位成本。背包问题是指有一只固定容量的背包和若干体积、重量不等的物品，背包的容量不允许装下这所有的物品，那么如何选择适当的物品装入背包，使得背包的装载量（所装物品的重量之和）最大。最短路径问题解决的是在一个网络中，如何寻找两点之间的最短路径。这两点之间通常没有直接的通路可达，但可经由若干中间结点相通。最小费用流问题主要解决如何以最小成本在一个配送网络中运输货物。最小费用流问题又称为网络配送问题。最大流问题和最小费用流问题一样，也与网络中的流有关。但是它们的目标不同，最大流问题不是使得流的成本最小化，而是寻找一个流的方案，使得通过网络的流量最大。中国邮路问题是由我国管梅谷同志在1962年首先提出的，它可描述为：一个邮递员负责某一个地区的信件投递。每天要从邮局出发，走遍该地区所有的街道再返回邮局，问应该怎样安排送信路线可以使所走的路程最短。指派问题解决将n件工作安排给m个人完成的问题。已知不同人完成不同工作的效率（或成本）不同，指派问题要求以最高的效率（或最小的人工成本）完成工作的安排。 2.2车辆路径问题的分类

自动驾驶技术综述

自动驾驶技术综述摘要：本文通过对自动驾驶技术原理和发展的介绍，探讨了汽车将逐步走向自动驾驶的趋势, 同时指出了科技发展对各路交通发展的重要性。 Abstract: This paper introduces the principle and development of automatic driving technology, discusses the cars will be gradually moving towards the automated driving, and points out the trend of technological development for each of the importance of traffic development. 关键词：自动驾驶技术、分类、趋势 1 概述：谷歌近日宣布，正在开发能让汽车自动驾驶的技术。这种技术可使全球因交通事故死亡的人数减少一半，每年挽救约60万条生命，同时还希望能减少二氧化碳的排放量。谷歌工程师和斯坦福大学机器人及人工智能研究实验室教授塞巴斯蒂安·史伦（Sebastian Thrun）表示，该公司研发的自动驾驶汽车已经在金门大桥-洛杉矶-太浩湖之间累计行驶了14万英里。他称：“我们认为这开创了机器人研究的先例”。自动驾驶汽车的操作是：由受过训练的驾驶员用“摄像机、雷达传感器和激光测距仪来…看?其他车辆，并通过详细的地图指引汽车在路上行驶”。史伦称，这种软件可以识别像车道线及交通信号等信息。车辆收集的数据将发送到谷歌的数据中心处理。谷歌表示，地方警察部门已对该项目进行了了解。参加这个“实

配送运输中车辆路径问题研究综述

????????? ?仈?ウ?? ??????????? ?仈а? ?? 亶 ??ウ???а? ???? ?仈? ?? ? ? ?? 学?仈 ??????ウ? ? ? ??? ?? ??????????? ?仈??? ?????? The Current Situation and Development Trends on Vehicle Routing Problems of distribution management Abstract: Vehicle routing problem is one of the attractive research area in the circles of operations research. In this paper, on the basis of introducing briefly the application background, the research classified the vehicle routing problem, analyzed and summarized the progress of different type of problems and solution algorithms. Furthermore, the research progress of the problems is also discussed. It is expected to provide inference for relevant research work. Key words: distribution management; vehicle routing problem; heuristics; overview.

无人驾驶汽车概述

无人驾驶汽车概述公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]

通信工程学院2013级3班 52130323 何怡无人驾驶汽车系统包括哪些传感器及这些传感器的功能无人驾驶汽车又称为全自主自控驾驶汽车，也可以称之为轮式移动机器人，它一般是利用车载传感器传感器的供应商来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。它是集自动控制、体系结构、人工智能、视觉计算、程序设计、组合导航、信息融合等多种高科技为一体，是当代计算机科学、模式识别、控制技术的高度结合和发展的产物。自动控制系统：自适应巡航控制系统是一种智能化的自动控制系统，它是在早已存在的巡航控制技术的基础上发展而来的。在车辆行驶过程中，安装在车辆前部的车距传感器（雷达）持续扫描车辆前方道路，同时轮速传感器采集车速信号。当与前车之间的距离过小时，ACC 控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前方车辆始终保持安全距离。自动紧急制动（AEB）是一种汽车主动安全技术，主要由 3 大模块构成，其中测距模块的核心包括微波雷达、激光雷达和视频系统等，它可以提供前方道路安全、准确、实时的图像和路况信息。AEB系统采用雷达测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于警报距离时就进行警报提示，而小

于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下，AEB 系统也会启动，使汽车自动制动，从而为安全出行保驾护航。盲点检测系统，通过车辆周围排布的防撞雷达、多普勒雷达、红外雷达等传感器、盲点探测器等设施。由计算机进行控制，在超车、倒车、换道、大雾、雨天等易发生危险的情况下自动采取措施，有效防止事故发生。泊车系统通过安装在车身上的摄像头，超声波传感器，以及红外传感器，探测停车位置，绘制停车地图，并实时动态规划泊车路径，直接操控方向盘驶入停车位置。行人检测系统(PDS)车辆行驶途中可以利用摄像头雷达，和激光雷达来探测到四面行人，在安全距离内及时控速。视觉计算系统：激光雷达传感器和图像传感器。 24GHz雷达传感器它能通过发射与接收频率为24.125GHz左右的微波来感应物体的存在，运动速度，静止距离，物体所处角度等，采用平面微带天线技术，具有体积小.集成化程度高.感应灵敏等特点。24GHz雷达传感器是一种可以将微波回波信号转换为一种电信号的装换装置，是雷达测速仪，水位计，汽车ACC辅助巡航系统，自动门感应器等的核心芯片。激光测距传感器：先由激光二极管对准目标发射激光脉冲。经目标反射后激光向各方向散射。部分散射光返回到传感器接收器，被光学系统接收后成像到雪崩光电二极管上。雪崩光电二极管是一种内部具有放大功能的光学传感器，因此它能检测极其微弱的光信号。记录并处理从光

浅析自动驾驶核心技术的路径规划

浅析自动驾驶核心技术的路径规划无人车的技术路线实际早已确定，那就是轮式机器人的技术路线。这已经从 2007年的DARPA大赛到谷歌福特百度的无人车，超过十年的验证，轮式机器人技术完全适用于无人车。目前所有无人车基础算法的研究都源自机器人技术。首先来说明三个概念，路径规划、避障规划、轨迹规划。路径规划通常指全局的路径规划，也可以叫全局导航规划，从出发点到目标点之间的纯几何路径规划，无关时间序列，无关车辆动力学。避障规划又叫局部路径规划，又可叫动态路径规划，也可以叫即时导航规划。主要是探测障碍物，并对障碍物的移动轨迹跟踪（ Moving Object Detection and Tracking ，一般缩写为MODAT）做出下一步可能位置的推算，最终绘制出一幅包含现存碰撞风险和潜在碰撞风险的障碍物地图，这个潜在的风险提示是100毫秒级，未来需要进一步提高，这对传感器、算法的效率和处理器的运算能力都是极大的挑战，避障规划不仅考虑空间还考虑时间序列，在复杂的市区运算量惊人，可能超过30TFLOPS，这是无人车难度最高的环节。未来还要加入V2X地图，避障规划会更复杂，加入V2X地图，基本可确保无人车不会发生任何形式的主动碰撞。轨迹规划则源自机器人研究，通常是说机械臂的路径规划。在无人车领域，轨迹规划的定义感觉不统一。有人将避障规划与轨迹规划混淆了。轨迹规划应该是在路径规划和避障规划的基础上，考虑时间序列和车辆动力学对车辆运行轨迹的规划，主要是车纵向加速度和车横向角速度的设定。将设定交给执行系统，转向、油门、刹车。如果有主动悬挂，那么轨迹规划可能还要考虑地形因素。三大规划是无人车最复杂的部分，算法多不胜数，让人眼花缭乱，这也是百度、谷歌和苹果科技巨头要切入无人车领域的主要原因，这些科技巨头最擅长的就是算法的优化整合。当然传统车厂如福特和丰田，拥有对车辆动力学的绝对优势，在此领域实力并不比科技巨头要差，尤其是丰田，从开源 SLAM到KITTI，软件实力丝毫不次于谷歌。全局型路径规划不算复杂，前提是有拓扑级地图，这对地图厂家来说很容易的。对于非地

人工智能在自动驾驶技术中的的应用

人工智能在自动驾驶技术中的应用摘要：随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能等术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。关键词：人工智能；自动驾驶；智能汽车；图像识别 0. 引言人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 1. 人工智能在自动驾驶技术中的应用概述人工智能发展六十年，几起几落，如今迎来又一次热潮，深度学习、计算机

自动驾驶高速路上的路径规划算法

如何安全有效的规划行驶路线，是自动驾驶汽车需解决的最大的难题之一。事实上，路径规划技术，现阶段是一个非常活跃的研究领域。路径规划之所以如此复杂，是因为其涵盖了自动驾驶的所有技术领域，从最基础的制动器，到感知周围环境的传感器，再到定位及预测模型等等。准确的路径规划，要求汽车要理解我们所处的位置以及周边的物体（其他车辆、行人、动物等）会在接下来的几秒钟内采取什么样的行为。另一项关键技术是轨迹生成器（trajectory generator），其产生输入路径规划算法的参考轨迹。本期重点介绍一种基于C++开发的高速公路路径规划算法。该算法利用jerk minimisation技术，可在模拟器中生成安全且高效的行驶路径。 ·本算法的一些假设如下： ·任何情况下，不会与其他车辆发生事故 ·最大行驶速度为80KMH ·最大加速度为10m/s2 ·最大jerk为10m/s3 ·车辆在不同车道之间不超过3s ·车辆不能超出高速的3条车道 ·车辆不能逆向行驶本算法的开发难度非常之大 1.自动驾驶汽车的功能层首先，我们来详细的研究下自动驾驶汽车的功能层（Functional laxxxxyers）。

路径规划需要自动驾驶汽车不同功能层之间的合作、协调。上图给出了一个自动驾驶系统的功能层的配置形式： ·动作控制层：负责控制汽车，使其尽可能的按照“设定的”轨迹形式。该层需要最快的反应速度； ·传感器融合层：负责合并个传感器的输出（如雷达和激光雷达） ·定位层：负责尽可能准确的在地图上定位车辆的位置，并计算其他物体相对于车辆的位置·预测层：负责识别传感器检测到的物体的性质(又名感知)，并根据汽车当前的轨迹、其他车辆的轨迹和场景中的各种元素(如交通灯)预测场景中近未来的变化。这个层的一个重要任务是预测冲突。 ·行为层：该层的主要作用是协调。根据底层的输入信息来决定如何调整行车轨迹 ·轨迹层：负责计算既定条件（速度、距离、车道、jerk等等）下的行车轨迹生成行车轨迹的方法很多，这里我们采用了Frenet Coordiante System方法。 2.传感器融合层的意义我们在模拟器中为车辆设置了一系列传感器，它们的输出融合在一起以产生更精确的测量结果。大多数在Level4上的自动驾驶汽车公司在他们的传感器套件中使用雷达、激光雷达和照相机。拥有多种不同类型的传感器至关重要，因为每种传感器都有各自的优缺点。此外，对于同种传感器进行冗余设计，可以减轻传感器故障带来的影响。在本算法中，模拟器可以提供以下传感器融合功能： ·车辆的位置、速度和方向 ·其他车辆的位置和速度 ·上次提交的车辆行驶轨迹通过以上信息，我们可以计算车辆与其他车辆的准确距离，并通过行车轨迹来预测与其他车辆的碰撞可能性。下面我们详细介绍轨迹生成器（Trajectory Generation）。

在线车辆租赁系统-文献综述

一、中外文献资料目录 [1] 方兴东，王俊秀．博客：e时代的盗火者．机械工业出版社，2003年8月． [2] 萨师煊，王珊．数据库系统概论[M]．北京：高等教育出版社，2000年2月，247-249． [3] Julia Case Bradley, Anita https://www.360docs.net/doc/868702263.html,spaugh.C#.NET 程序设计[M].北京：清华大学出版社,2005年1月， 50-123. [4] 微软公司．Web应用开发——https://www.360docs.net/doc/868702263.html, 2.0．高等教育出版社，2007年7月． [5] 刘锦楠万云龙.HTML语言务实[M].北京：机械工业出版社，2005年6月，50-112. [6] 微软公司．SQL Server 2005 数据库开发与实现．高等教育出版社，2009年8月． [7] 微软公司．.NET Framework 2.0 程序设计．高等教育出版社，2007年7月． [8] 微软公司．Visual C# 2005 程序设计语言．高等教育出版社，2008年2月． [9] Stephen Walther. https://www.360docs.net/doc/868702263.html, 3.5 Unleashed. Sams, January 7, 2008. [10] 胡海璐，彭接文，胡智宇等.XML Web Services高级编程范例,北京:电子工业出版社,2003:36-37. [11] 韩小良等编著.Excel＋SQL Server数据库管理技术详解.机械工业出版社,2008-6-1. [12] 慕西亚诺（Musciano，C.），肯尼迪（Kennedy，B.）著，技桥译. HTML和XHTML权威指南.清华大学出版社,2004-6-1.

人工智能在自动驾驶应用中的5大关键技术分析

人工智能在自动驾驶应用中的5大关键技术分析随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能技术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。 1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。人工智能在自动驾驶技术中的应用概述人工智能发展六十年，几起几落，如今迎来又一次

智能交通控制系统文献综述

智能交通控制系统发展概述随着城市的发展和车辆的增加，实行有效的交通控制以保证交通的通畅，已日益成为交通管理部门所面临的重要问题。简单的控制方式如定时控制、感应控制、单路口的孤立控制等已不能满足城市交通控制的需要，为了提高交通网络的运行效率，必须要建立一个智能的交通控制系统，能够根据车流量的变化自动调节红绿灯的时间长度，最大限度地减少十字路口的车辆滞流现象，有效的缓解交通拥挤、实现交通控制系统的最优控制，大大的提高了交通控制系统的效率。随着我国道路交通拥挤的问题日益突出，可以预见，智能交通控制系统将具有广大的应用前景。 1 国外智能交通控制系统的研究现状 20世纪80年代以后，世界各国的交通控制出现了前所未有的发展热潮，随着计算机技术和自动控制技术的发展，以及交通流理论的不断发展完善，交通运输组织与优化理论的不断提高，城市交通控制开始向信息化、智能化方向发展[1]。在20世纪90年代，发达国家已开始出现智能交通控制系统，并将城市交通控制系统纳入智能交通运输系统中，成为先进交通管理系统的重要子系统[2]。世界各国解决城市交通存在的问题，主要采用先进的交通控制方法。当今世界各国广泛使用的最有代表性且有成效的交通控制系统有澳大利亚的SCAT系统、英国的TRANSYT系统和SCOOT系统[3-5]。（1）TRANSYT(Traffic Network Study Tools)系统自1968年问世以来，经历不断的改进，已经发展成为先进的TRAN-SYT/9型。该系统采用静态模式，以绿信比和相位差为控制参数，优化方法为爬山法。作为最成功的静态智能交通控制系统，虽然已经被世界400多个城市所使用，但是由于其计算量较大，很难获得整体最优的配时方案，同时需要大量的路网几何尺寸和交通流数据。（2）SCOOT(Split、Cyele and Offset Optimization Technique)系统采用联机实时控制的动态模式，对周期、绿信比和相位差进行控制，采用小步长寻优方法，相对TRANSYT 而言具有相当大的优势。但是SCOOT相位不能自动改变，现场安装调试时相当繁琐等也急需改进。

车辆路径问题研究综述

摘要：作为现代物流领域的研究前沿，车辆路径问题的求解算法及应用领域一直是学者研究的重点。本文在研读大量文献的基础上介绍了遗传算法的研究现状及其应用情况，并对车辆路径优化在生鲜农产品配送上的应用进行了简单的综述。关键词：车辆路径问题；遗传算法；生鲜农场品；研究综述一、引言车辆路径问题最早在60年代被提出，dantzig和ramser首次在交通领域提出该问题就立即引起了社会的广泛关注。发展到现如今，车辆路径问题的应用已经跳出了交通领域，在别的很多领域被使用，如：通讯、工业管理、航空等。二、遗传算法 1.遗传算法简介达尔文的生物进化论自被提出以来就一直被科学家们广泛应用到各个领域。60年代时美国科学家结合进化论，提出了遗传算法。跟大自然中生物优胜劣汰的进化过程类似，遗传算法在计算过程中模拟了自然界各种群由简单到复杂，由低级到高级的进化过程，不断进化种群，直至使种群达到包含最优解或接近最优解的状态。 2.遗传算法研究现状遗传算法作为一种群体随机搜索方法，在车辆路径问题研究中运用很多。很多国内外的研究学者对基础的遗传算法进行了改良，以期达到求解不同约束条件下车辆路径优化问题的目的。通过研究撰写遗传算法的文献发现，研究学者们分别用各种改进遗传算法对车辆路径问题进行了求解，如：免疫遗传算法、小生境遗传算法，以及遗传算法与爬山算法、禁忌搜索算法、蚁群算法相结合的混合算法。将基础的遗传算法与改进的遗传算法进行对比仿真实验，可以发现经过改良的遗传算法，其各方面能力都更优。罗勇等为了求解更优的物流配送路线，就采用了针对性改进的遗传算法。通过研究发现，改良后的算法不仅收敛速度变快，而且全方位寻优的能力也有很大提高。由此可见改进的遗传算法是能更好的处理物流配送路径问题。基础的遗传算法有容易陷入局部最优和早熟的缺点，为了解决这个问题，周艳聪等设计了基于小生境技术的改进遗传算法，还在改进的遗传算法的基础上求解了物流配送路径的优化问题。不仅如此，还通过对物流配送过程的研究，建立了不带时间窗约束的物流配送优化模型。大规模车场的车辆路径问题是车辆路径优化问题中的一个难点，一直是学者们研究的重点。李波等引入了双层模糊聚类方法，针对基础的遗传算法进行了改进，得到了求解该问题的基本框架。通过随机的实验算例证明，所提出的方法是有效可行的。三、车辆路径问题在生鲜农产品配送中的应用对近年来，针对生鲜农产品配送路径问题的研究已经越来越多，人们对绿色食品的质量要求不断提高，是导致该问题备受关注的根本原因。容易腐烂变质，存放不易是大多数生鲜农产品的特点。而在整个销售过程中，生鲜农产品需要经历从农户手中到经销商手中这样一个配送过程，尽可能在配送过程中选择合适的路径，节约时间，保证生鲜农产品的质量，从而保证农户、经销商、消费者的利益就变得越来越重要。为了保证生鲜农产品的质量、安全，生鲜农产品配送过程中的时效性一直是各个学者研究的关注点，大多数相关文献的模型建立都是以配送时间最短和配送成本最低为目标。王红玲等学者的研究考虑了生鲜农产品的特点构建了以生鲜农产品在途时间最短、配送成本最低为优化目标的农产品配送模型，并采用经过改进后的粒子群算法进行求解。由于生鲜农产品的时效性强的特点，对带时间窗的车辆路径问题的研究也相当多。邱荣祖等在分析了农产品的物流配送模式的基础上，建立了有时限的物流配送路径优化模型，并应用gis于禁忌搜索算法集成技术进行求解。文献中还选用了具体的数据进行了实验的验证，进行了初步的应用

小区车辆管理系统文献综述

小区车辆管理系统文献综述毕业设计(论文)文献综摘要小区车辆管理系统是一款对小区内车辆进行管理的软件，旨在提高车辆管理的效率、减少管理费用。本文首先介绍小区车辆管理系统的研究背景和意义;通过当前停车场的发展趋势和其它相关软件产品的不足，两个方面阐明本软件的价值，分析讨论开发车辆管理软件的意义和主要功能;并从软件的安全性、易用性、稳定性等方面分析软件开发过程中应该注意的问题，指出小区车辆管理系统能提高小区的管理效率和节省资金。然后，针对小区车辆管理系统中的具体应用，划分了该系统的几个功能模块，并结合实际情况分析数据的设计方法。最后针对小区车辆管理系统运行过程中可能出现的问题提出了解决方案，并从管理思想、软件、系统三个概念层次对小区车辆管理系统的开发与维护作了概括。本软件采用Java语言和Structured Query Language Server 2005数据库开发而成。关键词: 车辆管理软件系统 1 Abstract Residence community vehicles management system is a software which manage residential community vehicles. Seek to improve management efficiency and reduce management costs. This paper introduces Residence community Vehicle Management System research background and significance.Analyze the shortage of the current trend of development in car parking and other relevant software products , Clarify the software value From two aspects. Discussed the development of vehicle management