[发明专利]一种基于汽车油耗的路径规划方法

权利要求书

1.一种基于汽车油耗的路径规划方法，其特征在于，具体过程为：

S1、利用蚁群算法计算起点与终点之间的对角线距离，记为diagonal_pre，并将其作为A星算法参数；具体过程为：

步骤S1的具体过程为：

记蚂蚁在寻路过程中基于当前位置i选择下一位置j的概率为：

其中，allow_p代表蚂蚁下一步可选择的所有位置的集合，ε为信息启发式因子，δ为期望启发式因子，ω_ij(t)为当前路径的信息素浓度，ξ_ij(t)为启发函数，t为时间；

任意两点(x₁,y₁)与(x₂,y₂)间的对角线距离d_diagonal为：

d_min＝min(|x₁-x₂|,|y₁-y₂|)

d_sum＝|x₁-x₂|+|y₁-y₂|

则启发函数ξ_ij(t)为：

其中，diagonal_ij为当前位置i与下一位置j的对角线距离，C_max为搜索过程中允许的最大迭代次数，C_cur代表当前迭代次数；

蚂蚁经过留在道路上的信息素存在着挥发现象，信息素挥发系数vol为：

vol_min＝0.1

相应地，信息素浓度的更新方式为：

其中，h为常数；diagonal_his为历史迭代最优路径长度，diagonal_cur为本次迭代最优路径长度，L_k为蚂蚁k所经过的总路径长度，三者均为对角线距离；Q为当前路径的信息素总量；

利用以上更新规则得到规定起点与终点之间的对角线距离，记为diagonal_pre，并将其作为A星算法中的参数；

S2、计算行驶油耗；

S3、计算总怠速油耗Fuel_idling；

S4、A星算法寻路：

首先把起点放入open表，由于在寻路过程中每次都要寻找F值最小的坐标点，所以open表的结构采用最小堆，最小堆的堆顶即为所求；将初始堆分为两个堆，在堆的排序过程中利用双线程分别对每个堆进行处理，在排序操作结束后再将各自的堆合并；

对于当前坐标点(cur_x,cur_y)，为了快速判断其是否位于open表中，采用哈希函数判断其隶属关系，相应的哈希函数定义为：

f(Num)＝(cur_x+cur_y)％length

其中，f(Num)为当前坐标点对应的哈希值，length为哈希表长度；如果f(Num)为奇数，则该坐标点不在open表中；反之如果f(Num)为偶数，则该坐标点在open表中；与此同时，考虑到可能存在的二次冲突，相应的冲突函数定义为：

f(Num)＝(cur_x+cur_y+p)％length

其中p为偏移量；

重复以下流程：如果open表为空，则寻路失败；反之则利用最小堆寻找open表中F值最小的坐标点，把它作为当前要处理的坐标点，并把其放入close表中；对于当前坐标点可到达的周围的八个坐标点中的每一个坐标点:如果它不可抵达或者已经在close表中，则忽略；如果它不在open表中，把它放入open表中，并把当前坐标点设为它的父节点，并计算该坐标点的F，G以及H值；如果它已经在open表中，检查通过当前坐标点到达该坐标点的G值是否更小，如果是的话，把它的父节点设置为当前坐标点，重新计算其G值以及F值；如果终点已经加入了open表，则从终点开始依次回溯到每一个父节点直至起点，最优路径确定，寻路结束；

其中从起点到当前坐标点的实际代价G即为从起点到当前坐标点的行驶油耗，即：

G＝E(x)*diagonal_sc

其中，E(x)为汽车行驶油耗的数学期望，diagonal_sc为起点到当前坐标点的对角线距离；

从当前坐标点到终点的估计代价H即为当前坐标点到终点的估计油耗，即：

H＝E(x)*diagonal_ce*s(λ)

s(λ)＝log₂(1+e^λ)

其中，diagonal_ce为当前坐标点到终点的对角线距离，diagonal_pre为步骤S1中计算的结果；

总代价F为：

F＝G+H+Fuel_idling；

基于油耗的A星算法在寻路过程中的每一步所选择的即为总代价F最小的坐标点，直至寻路结束，所确定的路径即为最优路径。