解析自動(dòng)駕駛汽車路徑規(guī)劃算法

由于駕駛員的駕駛工作繁重，同時(shí)隨著汽車擁有量的增加，非職業(yè)駕駛員的數(shù)量增多，導(dǎo)致交通事故頻繁發(fā)生。如何提高汽車的主動(dòng)安全性和交通安全性已成為急需解決的社會(huì)性問題。

隨著計(jì)算機(jī)技術(shù)、電子技術(shù)、圖像處理等信息處理技術(shù)研究的發(fā)展，研究人員開始將各種先進(jìn)的技術(shù)應(yīng)用于汽車控制上，輔助駕駛員進(jìn)行汽車的操縱控制。在這些汽車電子控制系統(tǒng)研究的基礎(chǔ)上，結(jié)合蓬勃發(fā)展的智能化信息處理技術(shù)，逐步產(chǎn)生了一個(gè)新興的交叉學(xué)科——車輛的自動(dòng)駕駛（又稱為智能汽車）。未來實(shí)用化的智能汽車將最大限度地減少交通事故、提高運(yùn)輸效率、減輕駕駛員操縱負(fù)擔(dān)，從而提高整個(gè)道路交通的安全性、機(jī)動(dòng)性與汽車行駛的主動(dòng)安全性。科技部于2001年已正式啟動(dòng)實(shí)施了十五計(jì)劃中的國(guó)家科技攻關(guān)計(jì)劃重大項(xiàng)目“智能交通系統(tǒng)關(guān)鍵技術(shù)開發(fā)和示范工程” 來提高我國(guó)整個(gè)運(yùn)輸系統(tǒng)的管理水平和服務(wù)水平，提高效率和安全性，車輛的自主駕駛是實(shí)現(xiàn)ITS（Intelligent Transport System，智能交通系統(tǒng)）的關(guān)鍵。

車輛自主駕駛系統(tǒng)從本質(zhì)上講是一個(gè)智能控制機(jī)器，其研究?jī)?nèi)容大致可分為信息感知、行為決策及操縱控制三個(gè)子系統(tǒng)。路徑規(guī)劃是智能車輛導(dǎo)航和控制的基礎(chǔ)，是從軌跡決策的角度考慮的，可分為局部路徑規(guī)劃和全局路徑規(guī)劃。

全局路徑規(guī)劃的任務(wù)是根據(jù)全局地圖數(shù)據(jù)庫(kù)信息規(guī)劃出自起始點(diǎn)至目標(biāo)點(diǎn)的一條無碰撞、可通過的路徑。目前正在研究的有準(zhǔn)結(jié)構(gòu)化道路環(huán)境多種約束條件下的路徑規(guī)劃技術(shù)，自然地形環(huán)境下的路徑規(guī)劃技術(shù)，以及重規(guī)劃技術(shù)等。由于全局路徑規(guī)劃所生成的路徑只能是從起始點(diǎn)到目標(biāo)點(diǎn)的粗略路徑，并沒有考慮路徑的方向、寬度、曲率、道路交叉以及路障等細(xì)節(jié)信息，加之智能車輛在行駛過程中受局部環(huán)境和自身狀態(tài)的不確定性的影響，會(huì)遇到各種不可測(cè)的情況。因此，在智能車輛的行駛過程中，必須以局部環(huán)境信息和自身狀態(tài)信息為基礎(chǔ)，規(guī)劃出一段無碰撞的理想局部路徑，這就是局部路徑規(guī)劃。通常路徑規(guī)劃的方法有：空間搜索法、層次法、動(dòng)作行為法、勢(shì)場(chǎng)域法、柵格法、模糊邏輯法和神經(jīng)網(wǎng)絡(luò)法等。

汽車自動(dòng)駕駛?cè)蝿?wù)可以分為三層，每層執(zhí)行不同任務(wù)，包括上層路徑規(guī)劃、中層行駛行為規(guī)劃和下層軌跡規(guī)劃。

上層路徑規(guī)劃在已知電子地圖、路網(wǎng)以及宏觀交通信息等先驗(yàn)信息下，根據(jù)某優(yōu)化目標(biāo)得到兩點(diǎn)之間的最優(yōu)路徑，完成路徑規(guī)劃的傳感信息主要來自于GPS定位信息以及電子地圖。中層行駛行為規(guī)劃是指根據(jù)主車感興趣區(qū)域內(nèi)道路、交通車等環(huán)境信息，決策出當(dāng)前時(shí)刻滿足交通法規(guī)、結(jié)構(gòu)化道路約束的最優(yōu)行駛行為，動(dòng)態(tài)規(guī)劃的行駛行為序列組成宏觀路徑。行為規(guī)劃的傳感信息主要來自車載傳感器如雷達(dá)、照相機(jī)等，用以識(shí)別道路障礙、車道線、道路標(biāo)識(shí)信息和交通信號(hào)燈信息等。下層軌跡規(guī)劃是指在當(dāng)前時(shí)刻，以完成當(dāng)前行車行為為目標(biāo)，考慮周圍交通環(huán)境并滿足不同約束條件，根據(jù)最優(yōu)目標(biāo)動(dòng)態(tài)規(guī)劃決策出的最優(yōu)軌跡。同時(shí)，車輛的動(dòng)力學(xué)約束也會(huì)在下層得到體現(xiàn)，下層軌跡規(guī)劃除了必要的外部環(huán)境信息外，還需要對(duì)主車狀態(tài)信息進(jìn)行測(cè)量或估計(jì)。

車輛路徑規(guī)劃問題中的幾個(gè)關(guān)鍵點(diǎn)：路網(wǎng)模型、路徑規(guī)劃算法和交通信息的智能預(yù)測(cè)，涉及的方面較多，本文主要針對(duì)路徑規(guī)劃過程做簡(jiǎn)單的探討。

一。問題引入

我們嘗試解決的問題是把一個(gè)游戲?qū)ο螅╣ame object）從出發(fā)點(diǎn)移動(dòng)到目的地。路徑搜索（Pathfinding）的目標(biāo)是找到一條好的路徑——避免障礙物、敵人，并把代價(jià)（燃料，時(shí)間，距離，裝備，金錢等）最小化。運(yùn)動(dòng)（Movement）的目標(biāo)是找到一條路徑并且沿著它行進(jìn)，當(dāng)游戲?qū)ο箝_始移動(dòng)時(shí)，一個(gè)老練的路徑搜索器（pathfinder）外加一個(gè)瑣細(xì)的運(yùn)動(dòng)算法（movement algorithm）可以找到一條路徑，游戲?qū)ο髮?huì)沿著該路徑移動(dòng)而忽略其它的一切。一個(gè)單純的運(yùn)動(dòng)系統(tǒng)（movement-only system）將不會(huì)搜索一條路徑（最初的“路徑”將被一條直線取代），取而代之的是在每一個(gè)結(jié)點(diǎn)處僅采取一個(gè)步驟，即朝著某個(gè)方向行進(jìn)一段距離，同時(shí)需要考慮周圍的障礙物環(huán)境避免碰撞的產(chǎn)生。顯然，同時(shí)使用路徑搜索（Pathfinding）和運(yùn)動(dòng)算法（movement algorithm）將會(huì)得到最好的效果。

移動(dòng)一個(gè)簡(jiǎn)單的物體（object）看起來是容易的，而路徑搜索是復(fù)雜的，為什么涉及到路徑搜索就產(chǎn)生麻煩了？考慮以下情況：

物體（unit）最初位于地圖的底端并且嘗試向頂部移動(dòng)，物體掃描的區(qū)域中（粉紅色部分）沒有任何東西顯示它不能向上移動(dòng)，因此它持續(xù)向上移動(dòng)。在靠近頂部時(shí)，它探測(cè)到一個(gè)障礙物然后改變移動(dòng)方向，然后它沿著U形障礙物找到它的紅色的路徑。相反的，一個(gè)路徑搜索器（pathfinder）將會(huì)掃描一個(gè)更大的區(qū)域（淡藍(lán)色部分），但是它能做到不讓物體（unit）走向凹形障礙物而找到一條更短的路徑（藍(lán)色路徑）。

針對(duì)以上情形，如圖5所示，可以擴(kuò)展一個(gè)運(yùn)動(dòng)算法，用于對(duì)付上圖所示的障礙物，或者避免制造凹形障礙，或者把凹形出口標(biāo)識(shí)為危險(xiǎn)的（只有當(dāng)目的地在里面時(shí)才進(jìn)去）。比起一直等到最后一刻才發(fā)現(xiàn)問題，路徑搜索器能提前作出規(guī)劃，選擇一條更優(yōu)的運(yùn)動(dòng)路徑。

二、問題描述

汽車軌跡規(guī)劃及智能決策是實(shí)現(xiàn)汽車智能化的關(guān)鍵技術(shù)之一，其主要任務(wù)是依據(jù)環(huán)境感知系統(tǒng)處理后的環(huán)境信號(hào)以及先驗(yàn)地圖信息，在滿足汽車行駛諸多約束的前提下，以某性能指標(biāo)最優(yōu)為目的，規(guī)劃出車輛的運(yùn)動(dòng)軌跡。

智能車的自動(dòng)駕駛行為即是將車從起始位姿“搬運(yùn)”到目標(biāo)位姿，車輛的運(yùn)動(dòng)限制在路面上、同時(shí)其運(yùn)動(dòng)學(xué)及動(dòng)力學(xué)模型使得其不能像空中的無人機(jī)一樣隨意調(diào)整航向角，因此，規(guī)劃的路徑除了考慮路程最短、無碰撞外還需要考慮車輛運(yùn)動(dòng)軌跡的可執(zhí)行性。

三。車輛路徑規(guī)劃算法

根據(jù)車輛導(dǎo)航系統(tǒng)的研究歷程， 車輛路徑規(guī)劃算法可分為靜態(tài)路徑規(guī)劃算法和動(dòng)態(tài)路徑算法。靜態(tài)路徑規(guī)劃是以物理地理信息和交通規(guī)則等條件為約束來尋求最短路徑，靜態(tài)路徑規(guī)劃算法已日趨成熟， 相對(duì)比較簡(jiǎn)單， 但對(duì)于實(shí)際的交通狀況來說，其應(yīng)用意義不大。動(dòng)態(tài)路徑規(guī)劃是在靜態(tài)路徑規(guī)劃的基礎(chǔ)上， 結(jié)合實(shí)時(shí)的交通信息對(duì)預(yù)先規(guī)劃好的最優(yōu)行車路線進(jìn)行適時(shí)的調(diào)整直至到達(dá)目的地最終得到最優(yōu)路徑。下面介紹幾種常見的車輛路徑規(guī)劃算法。

1. Dijkstra算法

Dijkstra（迪杰斯特拉）算法是最短路算法的經(jīng)典算法之一，由E.W.Dijkstra在1959年提出的。該算法適于計(jì)算道路權(quán)值均為非負(fù)的最短路徑問題，可以給出圖中某一節(jié)點(diǎn)到其他所有節(jié)點(diǎn)的最短路徑，以思路清晰，搜索準(zhǔn)確見長(zhǎng)。相對(duì)的，由于輸入為大型稀疏矩陣，又具有耗時(shí)長(zhǎng)，占用空間大的缺點(diǎn)。其算法復(fù)雜度為O（n2），n為節(jié)點(diǎn)個(gè)數(shù)。

2.Lee算法

Lee算法最早用于印刷電路和集成電路的路徑追蹤， 與Dijkstra算法相比更適合用于數(shù)據(jù)隨時(shí)變化的道路路徑規(guī)劃， 而且其運(yùn)行代價(jià)要小于Dijkstra 算法。只要最佳路徑存在， 該算法就能夠找到最佳優(yōu)化路徑。Lee算法的復(fù)雜度很難表示， 而且對(duì)于多圖層的路徑規(guī)劃則需要很大的空間。

3. Floyd算法

Floyd算法是由Floyd于1962年提出的， 是一種計(jì)算圖中任意兩點(diǎn)間的最短距離的算法?？梢哉_處理有向圖或負(fù)權(quán)的最短路徑問題，同時(shí)也被用于計(jì)算有向圖的傳遞閉包，F(xiàn)loyd-Warshall算法的時(shí)間復(fù)雜度為O（n3），空間復(fù)雜度為O（n2），n 為節(jié)點(diǎn)個(gè)數(shù)。與對(duì)每一節(jié)點(diǎn)作一次Dijkstra算法的時(shí)間復(fù)雜度相同，但是實(shí)際的運(yùn)算效果比Dijkstra算法要好。

4.啟發(fā)式搜索算法——A* 算法

啟發(fā)式搜索有很多的算法，如： 局部擇優(yōu)搜索法、最好優(yōu)先搜索法、A* 算法等。其中A* 算法是由Hart、Nilsson、Raphael等人首先提出的，算法通過引入估價(jià)函數(shù)，加快了搜索速度，提高了局部擇優(yōu)算法搜索的精度，從而得到廣泛的應(yīng)用，是當(dāng)前較為流行的最短路算法。A* 算法所占用的存儲(chǔ)空間少于Dijkstra算法。其時(shí)間復(fù)雜度為O（bd），b為節(jié)點(diǎn)的平均出度數(shù)，d為從起點(diǎn)到終點(diǎn)的最短路的搜索深度。

5. 雙向搜索算法

雙向搜索算法由Dantzig提出的基本思想，Nicholson正式提出算法。該算法在從起點(diǎn)開始尋找最短路徑的同時(shí)也從終點(diǎn)開始向前進(jìn)行路徑搜索，最佳效果是二者在中間點(diǎn)匯合，這樣可縮短搜索時(shí)間。但是如果終止規(guī)則不合適，該算法極有可能使搜索時(shí)間增加1倍，即兩個(gè)方向都搜索到最后才終止。

6. 蟻群算法

蟻群算法是由意大利學(xué)者M(jìn).Dorigo等于1991年提出的，它是一種隨機(jī)搜索算法， 是在對(duì)大自然中蟻群集體行為的研究基礎(chǔ)上總結(jié)歸納出的一種優(yōu)化算法，具有較強(qiáng)的魯棒性，而且易于與其他方法相結(jié)合，蟻群算法的算法復(fù)雜度要優(yōu)于Dijkstra算法。

此外， 還有實(shí)時(shí)啟發(fā)式搜索算法、基于分層路網(wǎng)的搜索算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法及模糊理論等，由于實(shí)際需求不同對(duì)算法的要求和側(cè)重點(diǎn)也會(huì)有所不用，所以也出現(xiàn)了許多以上算法的各種改進(jìn)算法。大多數(shù)算法應(yīng)用于求解車輛路徑規(guī)劃問題時(shí)都會(huì)存在一定的缺陷，所以目前的研究側(cè)重于利用多種算法融合來構(gòu)造混合算法。

四?？偨Y(jié)

目前， 投入市場(chǎng)應(yīng)用的成熟車輛導(dǎo)航系統(tǒng)大多基于靜態(tài)的路徑規(guī)劃， 然而面對(duì)存在眾多不穩(wěn)定因素的交通現(xiàn)實(shí)， 用戶并不滿足于現(xiàn)有的系統(tǒng)。尤其是發(fā)生交通事故和交通堵塞時(shí)， 靜態(tài)路徑規(guī)劃不能及時(shí)改變路線。因此， 車輛導(dǎo)航動(dòng)態(tài)路徑規(guī)劃就成為新一代智能車輛導(dǎo)航系統(tǒng)的研究熱點(diǎn)問題。車輛動(dòng)態(tài)路徑規(guī)劃基于歷史的、當(dāng)前的交通信息數(shù)據(jù)對(duì)未來交通流量進(jìn)行預(yù)測(cè)， 并用于及時(shí)調(diào)整和更新最佳行車路線， 從而有效減少道路阻塞和交通事故。

隨著計(jì)算機(jī)科學(xué)技術(shù)、無線通信技術(shù)以及交通運(yùn)輸業(yè)的高速發(fā)展，車輛導(dǎo)航系統(tǒng)的動(dòng)態(tài)路徑規(guī)劃研究趨勢(shì)還將向多導(dǎo)航器相互協(xié)調(diào)規(guī)劃的方向發(fā)展?，F(xiàn)在的車輛導(dǎo)航都是單個(gè)車輛為對(duì)象進(jìn)行路徑引導(dǎo)，而沒有考慮到總體的大局協(xié)調(diào)，這樣容易引起新的交通擁塞等問題，所以多導(dǎo)航器協(xié)調(diào)規(guī)劃將是一種更加符合實(shí)際需求的規(guī)劃方法。
? ? ? ?責(zé)任編輯：tzh