[发明专利]蚁群算法启发的多元宇宙电动车辆群体的路径规划方法

说明书

本发明公开一种蚁群算法启发的多元宇宙电动车辆群体的路径规划方法，包括：获取目标区域内适合电动车辆行驶的所有路径，并对获取的所有路径分别进行迁移点设置；相邻两个迁移点之间形成一区段，电动车辆每经过一区段，标记一信息素浓度；通过多元宇宙算法确定最优电动车辆群体行驶路线；获取最优电动车辆群体行驶路线上每个区段的信息素浓度，并根据每个区段的信息素浓度对确定的最优电动车辆群体行驶路线进行局部优化，得到电动车辆群体行驶规划路径。本发明通过实时的路径优化达到减少电动车辆交通事故的目的。

技术领域

本发明涉及电动车辆群体的路径规划技术领域，尤其涉及多元宇宙算法和蚁群算法在电动车全局控制领域上的应用，具体为一种蚁群算法启发的多元宇宙电动车辆群体的路径规划方法。

背景技术

随着优化问题在现实生活中变得越来越复杂，使用传统的基于梯度的方法来解决这类问题变得越来越困难。群智能算法作为一种模拟昆虫、动物、鸟类和鱼类的群体行为的算法，被广泛应用于解决这类问题。由于群智能算法的简单、高效和低计算复杂度，许多研究者提出了很多先进的群智能算法，如多元宇宙优化算法，该算法具有很强的解决最优方案的能力。因此，已经有许多研究者提出了各种多元宇宙优化算法的改进版本，并将其应用到了各个领域。

但是，多元宇宙优化算法有限的搜索能力和较慢的收敛速度，使求解易陷入局部最小值，导致电动车辆群体控制效率较低。同时求解大规模优化问题的性能较差,算法缺乏跳出局部极值的能力,导致无法寻取全局最优解。

现有利用多元宇宙算法确定最优的电动车辆群体行驶路线时，未考虑所选路段是否存在障碍物或受天气影响是否适合实际通行等情况，而外卖用电动车辆因为车辆体积小，行驶速度快，极易受前方路段障碍物或天气因素影响而出现交通事故，因此，需要对现有多元宇宙算法确定的行驶路线进行优化，使得计算出的行驶路径尽可能符合当前的实际路况及天气情况，避免因短期突然出现的障碍物或恶劣天气对依据原规划路径行驶车辆的影响。

发明内容

为克服上述现有技术的不足，本发明提供一种蚁群算法启发的多元宇宙电动车辆群体的路径规划方法，通过实时的路径优化来达到减少电动车辆交通事故的目的。

本发明是通过以下技术方案予以实现的：

蚁群算法启发的多元宇宙电动车辆群体的路径规划方法，包括：

获取目标区域内适合电动车辆行驶的所有路径，并对获取的所有路径分别进行迁移点设置；

相邻两个迁移点之间形成一区段，电动车辆每经过一区段，标记一信息素浓度；

通过多元宇宙算法确定最优电动车辆群体行驶路线；

获取最优电动车辆群体行驶路线上每个区段的信息素浓度，并根据每个区段的信息素浓度对确定的最优电动车辆群体行驶路线进行局部优化，得到电动车辆群体行驶规划路径。

上述技术方案应用于外卖电动车辆的路径规划，在确定目标区域后，获取目标区域内适用于电动车辆行驶的所有路径，对这些路径进行迁移点设置，使每条路径由至少两个迁移点构成；任一电动车辆行驶经过两个迁移点之间的区段时，由电动车辆的骑手进行信息素浓度标记，以便于及时更新每一区段的实时信息素浓度；在通过多元宇宙算法确定最优电动车辆群体行驶路线后，获取该路线上各区段的实时信息素浓度，并根据实时信息素浓度对该路线进行逐区段的优化，以得到符合当前实际路况的电动车辆群体行驶规划路径，从而解决因现有多元宇宙算法确定的最优路径不能跟随实际路况而实时调整的问题，达到根据各区段实时信息素浓度而实时更新规划路径的技术效果，确保能够通过路径优化来达到减少电动车辆交通事故的目的。

由于外卖用电动车辆体积小、易于变道，也易于行驶在容易被障碍物遮挡的较窄路段，因此，针对这类电动车辆的路径规划需要跟随实际路况实时更新，本发明通过信息素浓度标记的方式，由行驶通过路段的电动车辆骑手来实时更新每一区段的实际路况，从而为后面欲行驶经过同一区段的电动车辆提供准确的实时路况，便于后面的电动车辆能够及时优化更新到最佳行驶路径。