一種基于改進(jìn)蟻群算法的泊車系統(tǒng)路徑規(guī)劃方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于AGV路徑規(guī)劃技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)蟻群算法的泊車系統(tǒng) 路徑規(guī)劃方法。
【背景技術(shù)】
[0002] 進(jìn)入21世紀(jì)以來，我國(guó)汽車工業(yè)和汽車消費(fèi)市場(chǎng)得到迅猛的發(fā)展，私家車不再是 普通人民生活中的奢侈品，轉(zhuǎn)而逐漸走進(jìn)人們的日常生活，人均擁有汽車的數(shù)量在逐年的 上升，以家庭為單位的私人汽車保有量持續(xù)顯著增長(zhǎng)，從而導(dǎo)致一些城市，已經(jīng)車多為患， 停車設(shè)備嚴(yán)重不足。
[0003] 為了解決停車問題，現(xiàn)加大了停車場(chǎng)的建造，停車場(chǎng)的建造分為以下兩種:傳統(tǒng)平 面車庫(kù)和機(jī)械式車庫(kù);傳統(tǒng)平面車庫(kù)占地面積過大，在寸土寸金的城市里，通過大量建造平 面車庫(kù)來解決停車問題是不現(xiàn)實(shí)的；機(jī)械式車庫(kù)能夠有效合理的利用空間面積，實(shí)現(xiàn)在同 一空間，停多輛車，能夠在一定程度上減緩?fù)＼噯栴}，但是，機(jī)械式車庫(kù)必須有人操作使用， 設(shè)備結(jié)構(gòu)復(fù)雜，沒有完善的閉鎖和監(jiān)測(cè)系統(tǒng)，故障率高，取車也較為麻煩，實(shí)用性差?；诂F(xiàn) 有車庫(kù)存在的問題，現(xiàn)提出一種基于AGV的平面移動(dòng)式智能停車庫(kù)，研究基于AGV的平面移 動(dòng)式智能停車庫(kù)的關(guān)鍵問題就在于解決AGV的路徑規(guī)劃。
[0004] AGV路徑規(guī)劃是提高小車運(yùn)行效率和體現(xiàn)小車"智能化"的關(guān)鍵問題，針對(duì)AGV路徑 規(guī)劃提出的常見算法有A*算法、動(dòng)態(tài)規(guī)劃法、Voronoi圖算法、Di jkstra算法和蟻群算法;A* 算法算法簡(jiǎn)單，容易實(shí)現(xiàn)，但啟發(fā)函數(shù)的選取限制了解的全局最優(yōu)性;動(dòng)態(tài)規(guī)劃法可以得到 問題的最優(yōu)解，但具有維數(shù)爆炸的特性;Voronoi圖算法一般應(yīng)用于低維數(shù)路徑規(guī)劃中； D i j k s t r a算法是從一個(gè)頂點(diǎn)到其余各頂點(diǎn)的最短路徑算法，解決的是有向圖中最短路徑問 題，Dijkstra算法主要特點(diǎn)是以起始點(diǎn)為中心向外層擴(kuò)展，直到擴(kuò)展到終點(diǎn)為止，所以得到 的最短路徑的成功率高，魯棒性好;蟻群算法的想法來自于對(duì)蟻群覓食行為的探索，每只螞 蟻覓食時(shí)都會(huì)在走過的道路上留下一定濃度的信息素，相同時(shí)間內(nèi)最短的路徑上由于螞蟻 遍歷的次數(shù)多而信息素濃度高，起到了正反饋的作用，因此信息素濃度高的最短路徑很快 就被發(fā)現(xiàn)，算法通過迭代來模擬蟻群覓食的行為達(dá)到目的，具有良好的全局優(yōu)化能力，本質(zhì) 上的并行性，易于用計(jì)算機(jī)實(shí)現(xiàn)等優(yōu)點(diǎn)。為了解決智能停車庫(kù)AGV路徑規(guī)劃問題，增強(qiáng)算法 全局搜索能力，加快算法收斂速度，縮短搜索路徑長(zhǎng)度，改善搜索路徑質(zhì)量，現(xiàn)提出一種基 于蟻群算法的泊車系統(tǒng)路徑規(guī)劃方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于研究基于AGV的平面移動(dòng)式智能停車庫(kù)，現(xiàn)提供一種占地面積 小、有效停車量大并且實(shí)現(xiàn)無人自動(dòng)存取、智能化程度高的基于改進(jìn)蟻群算法的泊車系統(tǒng) 路徑規(guī)劃方法。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于改進(jìn)蟻群算法的泊車系統(tǒng)路徑 規(guī)劃方法，其創(chuàng)新點(diǎn)在于：首先利用鏈接可視圖法創(chuàng)建AGV運(yùn)行環(huán)境模型，然后基于 Di jkstra算法規(guī)劃出一條AGV從起點(diǎn)至終點(diǎn)的初始路徑，在此基礎(chǔ)上通過引入節(jié)點(diǎn)隨機(jī)選 擇機(jī)制、最大最小螞蟻系統(tǒng)以及變更信息素更新方式對(duì)基本蟻群算法進(jìn)行了優(yōu)化改進(jìn)，最 后選用改進(jìn)蟻群算法對(duì)初始路徑進(jìn)行優(yōu)化，完成了泊車系統(tǒng)路徑規(guī)劃方法。
[0007] 進(jìn)一步的，所述利用鏈接可視圖法創(chuàng)建AGV運(yùn)行環(huán)境模型，具體步驟如下： (1) 對(duì)AGV運(yùn)行環(huán)境進(jìn)行處理； (2) 利用AGV自帶的攝像頭、雷達(dá)傳感器以及紅外線傳感器等設(shè)備采集AGV運(yùn)行環(huán)境信 息，所述信息包括AGV的起始車位、目標(biāo)車位、障礙物以及AGV待充電位置信息，并通過鏈接 可視圖法創(chuàng)建AGV運(yùn)行環(huán)境模型； (3) 確定各自由鏈接線上的中點(diǎn)坐標(biāo)，以起點(diǎn)、終點(diǎn)及各鏈接線上的中點(diǎn)為基準(zhǔn)，描繪 出AGV的可行路徑線。
[0008] 進(jìn)一步的，所述步驟（1)中的對(duì)AGV運(yùn)行環(huán)境進(jìn)行處理，包括如下處理:a、AGV運(yùn)行 環(huán)境為二維有限空間；b、圖中障礙物已知，位置確定，以不規(guī)則多邊形表示，且忽略其高度 方向；c、AGV在運(yùn)行環(huán)境中勻速行駛，忽略AGV的啟動(dòng)、轉(zhuǎn)向、制動(dòng)以及液壓系統(tǒng)的舉升操作 等因素;d、以AGV實(shí)際尺寸為基準(zhǔn)，適當(dāng)擴(kuò)大障礙范圍，將AGV視為質(zhì)點(diǎn)。
[0009] 進(jìn)一步的，所述基于Di jkstra算法規(guī)劃出AGV從起點(diǎn)至終點(diǎn)的初始路徑，具體步驟 如下： (A) 根據(jù)AGV的可行路徑線，利用歐式距離公式計(jì)算出可行路徑上各節(jié)點(diǎn)間的距離，并 建立權(quán)值鄰接矩陣D，對(duì)于不連通節(jié)點(diǎn)間的權(quán)值可賦值無窮大，距離計(jì)算公式為：
式中，D(i, j)表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的歐氏距離；（xi, yi)和(xj, yj)分別表示i、j兩節(jié)點(diǎn) 的橫坐標(biāo)和縱坐標(biāo)； (B) 初始化參數(shù)，令D(Vi) = 0，D(Vj) = Wlj (j = 2, 3, 4， ，1〇，建立空表1?和0， 并把可行路徑上的節(jié)點(diǎn)分別放入R和Q中，R = {VihQ = {V2, V3, V4， , Vn}; (C) 在Q中尋找一頂點(diǎn)Vk，使得:D(Vk) = min{D(Vj)}，VjlQ，將Vk加入到R中；判斷Q = φ，若是，則算法終止，否則算法轉(zhuǎn)入步驟(D); (D) 根據(jù)節(jié)點(diǎn)k修正D(Vj)，令D(Vj) =min{D(Vj)，D(Vk) +wkj}，然后轉(zhuǎn)入步驟(C); (E) 重復(fù)步驟(C)和步驟(D)操作，即可計(jì)算出AGV從起點(diǎn)到其他各節(jié)點(diǎn)間的路徑長(zhǎng)度， 然后反向追蹤即可得到起點(diǎn)至目標(biāo)點(diǎn)的最短路徑； (F) 對(duì)初始路徑所經(jīng)過的各鏈接線進(jìn)行定長(zhǎng)分段處理，各條鏈接線上的分段數(shù)可由下 式確定：
式中，K表示鏈接線U的劃分段數(shù);U表示當(dāng)前的鏈接線;δ為劃分定長(zhǎng)； (G) 各條鏈接線上節(jié)點(diǎn)坐標(biāo)需滿足下式方程：
式中，分別代表鏈接線1^的兩端點(diǎn)，\表示鏈接線比例參數(shù)，d表示鏈接線劃 分節(jié)點(diǎn)數(shù)。
[0010]進(jìn)一步的，所述通過引入節(jié)點(diǎn)隨機(jī)選擇機(jī)制、最大最小螞蟻系統(tǒng)以及變更信息素 更新方式對(duì)基本蟻群算法進(jìn)行了優(yōu)化改進(jìn)，具體步驟如下： Stepl:節(jié)點(diǎn)選擇隨機(jī)選擇機(jī)制，具體公式如下：
式中，i表示鏈接線上所有點(diǎn)的集合;ilk表示鏈接線（i，k)上的信息素;q為隨機(jī)變量 (qI[0, 1]) ;q〇為可調(diào)參數(shù)(q〇I[0, 1]) ;Pij表示螞蟻由節(jié)點(diǎn)i向節(jié)點(diǎn)j轉(zhuǎn)移的概率；Tij表示 路徑（i，j)上的信息素;allowecU表示下一步允許選擇的節(jié)點(diǎn)集合;a為螞蟻信息素軌跡的 相對(duì)重要性因子;b為啟發(fā)函數(shù)的相對(duì)重要性因子。
[0011] Step2:局部信息素更新，更新公式如下：
式中，Δτ^表示在全局更新中螞蟻留在路徑（i，j)上的信息素增量;p為信息素?fù)]發(fā) 系數(shù)，τ 〇為初始條件下的信息素； Step3:通過控制信息素濃度的高低來改進(jìn)全局信息素更新方式，縮小路徑搜索范圍， 更好地指引螞蟻在最優(yōu)路徑附近進(jìn)行搜索，改進(jìn)的全局信息素更新公式如下：
式中，Δτ^表示在全局更新中螞蟻留在路徑（i，j)上的信息素增量;Lc表示本次迭代 中所有螞蟻搜索到的最優(yōu)路徑長(zhǎng)度； Step4:通過在蟻群算法中引入最大最小蟻群系統(tǒng)，可以解決蟻群算法的早熟問題，最 大最小蟻群系統(tǒng)采用區(qū)間限制信息素取值范圍，限定公式為：
式中，1_和1_分別表示信息素的最小值和最大值。
[0012]進(jìn)一步的，所述基于改進(jìn)蟻群算法對(duì)初始路徑進(jìn)行優(yōu)化，具體步驟如下： (?)初始化各參數(shù)，包括螞蟻種群數(shù)量m，初始迭代值iter;最大迭代次數(shù)iter_MAX，信 息素軌跡的相對(duì)重要性因子a，啟發(fā)函數(shù)的相對(duì)重要性因子b，初始信息素信息素?fù)]發(fā)系 數(shù)Ρ等參數(shù)； (II)蟻群算法開始搜索，螞蟻根據(jù)當(dāng)前節(jié)點(diǎn)i位置按照下列三個(gè)式子確定下一節(jié)點(diǎn)j:
式中，i表示鏈接線上所有點(diǎn)的集合;Tlk表示鏈接線（i，k)上的信息素;q為隨機(jī)變量 (ql[0, l]);q〇為可調(diào)參數(shù)(q〇I[0, 1]); 當(dāng)q < qo時(shí)，下一節(jié)點(diǎn)j按照下式確定：
當(dāng)q>qo時(shí)，應(yīng)先計(jì)算當(dāng)前鏈接線節(jié)點(diǎn)i到下條鏈接線節(jié)點(diǎn)j的轉(zhuǎn)移概率Pij，然后根據(jù)