摘要
路径规划作为当前智能车行驶控制领域的研究热点之一，其目的是在搜索空间内，找到一条连接起点到终点，安全无碰撞，且能量损耗低的车辆行驶路径。目前车辆路径规划的相关研究成果大多都是对车辆路径规划算法进行调整和改进得来的，本文将麻雀搜索算法应用于求解此类问题，然后解决应用过程中存在的问题，主要的研究内容如下： （1）首先对当前较为常用的群智能优化算法进行分析，结果显示麻雀搜索算法的综合性能较强，但是存在收敛能力弱和跳出局部最优能力不足的问题。首先，为了提高算法的收敛能力，引入ICMIC映射函数来进行种群初始化，提高算法的遍历能力；其次，改进麻雀位置更新公式，优化种群冗余操作，来增强算法跳出局部最优的能力。最后，使用基准测试函数来对改进后的麻雀搜索算法进行性能测试。 （2）使用改进算法求解路径规划问题时，为了模拟智能车在复杂环境中的路径规划过程，构建空间大小不同的两组环境，每组分别设置三个障碍物数量依次递增的地图，在此基础上进行试验。结果显示：在不同大小的地图中，改进后的麻雀搜索算法相较于原始算法，最优路径长度、最优路径的拐点数目和收敛速度均有所改善，说明在求解路径规划问题中也有更好的表现。 （3）在进一步考虑几何约束条件对路径规划造成的影响时，发现最优路径并不足以满足车辆几何尺寸和行驶特征的要求，为了解决上述问题，提出了一种融合优化算法的路径规划方法，使用贝赛尔曲线来对路径进行优化，来保证最优路径可以满足车辆的几何约束条件。设置两组不同的试验来验证平滑策略的可行性，结果表明：经过平滑处理过后的行驶轨迹无论是节点数量还是曲率都要优于之前，更加符合车辆的运行规律，可以有效的保证行驶安全。
NETL