设定行车路线实验matlab,避障最优路径系统研究

摘 要：运用MATLAB建立车道障碍模型，通过各种算法，在MATLAB环境下设计车辆避障预警系统早已成为各大汽车厂商和研究所的核心，其规划路径的算法却大相径庭。通过对比3种常用算法在相同环境下路径规划，对其时间和空间上的特性进一步分析，得出规划算法是否最优。通过对比算法，可最大程度上减少路径规划的时间，得出最优的规划路径。最后通过对群智能算法的设置参数进行改进，从而优化传统算法，并通过设定函数验证论证结果。

TN966；TP202.7

A

10.16157/j.issn.0258-7998.166484

中文引用格式：唐焱，肖蓬勃，李发琴，等. 避障最优路径系统研究[J].电子技术应用，2017，43(11)：128-131，135.

英文引用格式：Tang Yan，Xiao Pengbo，Li Faqin，et al. Research of urban traffic obstacle avoidance and early warning system[J].Application of Electronic Technique，2017，43(11)：128-131，135.

0 引言

随着城市繁华区域车辆行驶密度的增加，行车过程车道上阻碍行车的各类移动、固定障碍物出现频数不断增多，严重影响行车速度，这是导致区域交通拥堵的主要因素之一。有关研究表明：驾驶者从观测、判断到驾驶动作的执行，以及车辆控制系统的反应，所需总时间在1.87 s以上，其中人员生理反应时间约占60%～70%[1]。因此在一定车速条件下，人工操作避障极易发生车辆与障碍物之间的碰撞，导致在车道障碍物较多的交通环境中难以实现自动驾驶。利用安装于车辆前方的超声波等探测系统进行路障信息采集，由车载电脑作数字化处理并及时反馈和视频预警[2]，将有效保证繁华市区行车安全和提高行车速度。

1 避障系统核心算法

1.1 人工势场法

车辆行驶速度受行驶目的地、车道障碍物两方面的因素影响。在繁华城区的行驶要求所有车辆能安全、迅速通过，从而对交通环境影响程度达到最小。人工势场法原理表明，动态物体在设定的空间按预期目的地运动时，存在两种物理势场的影响，即预期目的地吸引力和运动过程沿途障碍物的排斥力。运用多目标优化处理的方法，合理解决上述吸引和排斥的矛盾，能获得安全高效的运动方案[3]。

1.2 A*搜寻算法

A*搜寻算法是一种探测性的算法，其是一种在平面图形中求出最低成本的算法。规划合理的行车路径，减少拥堵，降低运营成本是A*搜寻算法应用的重要领域之一。A*算法基本思想是通过划分网格，计算起点到当前点的距离G和目标点到当前点的距离H的和，通过比较大小，把可能通过的点储存进open列表，而不会考虑的点则储存进closed列表。

1.3 粒子群算法(ACO)

粒子群算法(PSO)是一种群智能算法，其基本思想是模拟鸟群觅食的行为，通过鸟类之间的集体协作使群体飞行路线最优的算法[4]。在粒子群算法中，用无质量无体积的粒子作个体，并且为每个粒子规定一定的运动规则，从而使整个群体表现出一定的复杂特性。PSO概念简明，无需复杂的调整、收敛速度快，收敛准确、设置参数少、实现简单，且其数学基础相对薄弱，没有系统的数学基础。

1.4 矩阵实验室(MATLAB)

MATLAB是适用于数值计算、数据分析及可视化、算法开发等场合的高