当前位置:   article > 正文

论文笔记:Improved Hierarchical A-star Algorithm for Optimal Parking Path Planning of the Large Parking_improved hybrid a-star algorithm for path planning

improved hybrid a-star algorithm for path planning in autonomous parking sys

参数解释:

  • P:停车位(节点)

  • C:路口或交差节点   (节点)

  • Dk(i, j):第k条路段从第i个节点到第j个节点的线性距离

  • Vk(i, j):第k条路段车辆从第i个节点到第j个节点的平均速度

问题描述:

  • 在该网络图中(R(P,C,D,V))找到入口(S或e)到停车位(P)的路径(停车引导系统 最优路径规划

算法:

1、车辆的成本

    

    解释:假设该路径包含 n 个路段,车辆在第k个路段的的消耗量记为Fk,该公式意思为:车辆在这条路径上的消耗(消耗:可以描述为通过该路径的最短距离,也可以描述为通过该路径的最短使用时间,也可以是两者的结合。)

  • 最短距离

  • 最短使用时间

  • 最短使用时(评价函数):改进(增加参数:βk)

    • 解释:

      • Vk:统计停车场第k路段的基本平均速度(就不需要和之前一样,每辆车都要测平均速度)

      • βk:样本矩阵m中k路段上检查到的车辆数量;

                

    • 算法效果:

      • 车辆进入停车场的时间是分布的,车辆不会过多地出现在一段道路上,βk 基本上等于1,速度是静态的Vk,它也考虑到拥挤的情况,车辆越多,车速越慢,花费的时间就越多。

2、A-star:启发式搜索算法,求解静态网络中最短路径的最有效方法

  • 评价函数

    • 解释:

      • f(i):当前节点 i 的评价函数;

      • g(i):开始节点到当前节点 i 的最小路径代价;

      • h(i):当前节点 i 到目标节点的最小路径代价;

         

3、 Hierarchical A-star(层次A-star): 将路径搜索分为几个过程,找出每个过程的最优解,然后得到全局最优解

  • 停车场内所有节点分为两层:

    • 第一层:

      • P:停车位

    • 第二层:

      • C:路口或交叉节点

      • S:入口节点

      • e:出口节点

  •  算法流程:

    1. 使用a-star算法搜索出从节点P到C的最优路径

    2. 从上一步得到的节点C搜索出进入或退出的最优路径(关键)

4、 Improved Hierarchical A-star(改进层次A-star)

  • 停车场内所有节点分为两层:

    • 第一层:

      • P:停车位

    • 第二层:

      • C:路口或交叉节点

      • S:入口节点

      • e:出口节点

  • 算法流程:

    • 第一层(评价函数):RT1:

      • 解释:假设停车场(P(i))为目标节点,Dk(i)为P(i)到第k个路段两端其中一端的距离,比较这两个距离,较短的为第一层最优路径,记为:RT1

    • 第二层(评价函数):RT2

      • 解释:

        • 第一块:

          • Ft(i)为起始节点s到当前节点Ci的耗时,是改进版的最短使用时间

        • 第二块:

          • D(Ci+1, C*):紧邻当前节点Ci旁边的节点Ci+1 到目标节点C*的线性距离

          • Vk+1:在 Ci+1的速度

          • FtE(i):Ci+1到目标节点C*的估计时间消耗;

          • 个人理解:其Ci+1不唯一,可以理解为第二块的目的是计算出哪个方向的Ci+1到C*的时间损耗最小

        • 第三块:w

          • 依赖于线性距离D (Ci+1, C*)与D(s, C*),如果D(Ci+1, C*) > D(s, C*), w=Q(常数Q小于1), 否则: 

      • 第二层的算法流程(RT2):走一步,算一步,直到到终点

        • (1)以入口节点s为起始节点,也是当前节点,计算线性距离D(s, C*)。

        • (2)根据当前节点Ci,计算D (Ci+1, C*)和D(s, C*)确定权重系数w。

        • (3)设置上限H和下限L为w值,如果w > H, w = H;如果w < L, w = L。

        • (4)循环步骤(2)和(3),计算当前节点旁边所有节点的加权系数w。

        • (5)根据评价函数f(i)=(1- w)* Ft(i)+ w * FtE(i),选择最小估计损耗的节点作为下一个周期的当前节点。((4)(5)验证我的个人理解)

        • (6)循环步骤(2)-(5),直到i=C*,算法结束,然后输出最优路径的节点信息,记为RT2。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/你好赵伟/article/detail/551534
推荐阅读
相关标签
  

闽ICP备14008679号