[发明专利]基于仿生群体智能的移动车辆实时定位导航、运动控制方法与系统

摘要

发明公开了一种基于仿生群体智能的移动车辆实时定位导航、运动控制方法，用于解决现有移动车辆实时定位导航、运动控制方法可靠性较低的技术问题。技术方案是首先选取复杂道路中已知坐标的车辆和信息节点作为定位参考节点，将求解定位方程组问题转化为极值优化问题，并采用仿生蜂群算法求解定位坐标。对于多车辆间行驶的控制，通过建立生物群体行为建立仿生群体运动模型控制车辆间的运动，提高了移动车辆实时定位导航、运动控制的可控性。基于仿生群体智能的移动车辆实时定位导航、运动控制系统由车载控制终端模块、道路信息节点模块和道路交通控制中心模块组成。三个模块协同工作，实现了移动车辆的实时定位导航和运动控制。

主权项

一种基于仿生群体智能的移动车辆实时定位导航、运动控制方法，其特征在于包括以下步骤：步骤1：在时刻t，车辆与其邻近的车辆和信息节点组成无线通信网络，每个已知位置坐标的车辆通过无线网络以广播发送的方式发送自身的位置坐标；步骤2：待定位车辆接收邻居车辆和信息节点发送的位置坐标信息，同时通过电磁波信号到达时间原理测量自身与邻居车辆、信息节点间的相对距离didi＝cti，i＝1，2，…，n    （1）式中，c为电磁波信号在空气中的传播速度，ti为电磁波信号从待定位车辆到邻居车辆i的传播时间，n为接收到信号的个数；选取di值最小的m个车辆或信息节点作为待定位车辆的定位参考节点；步骤3：待定位车辆根据与参考节点间的相对距离di和参考节点的位置坐标建立定位方程，其定位方程表示为 ( x 1 t - x t ) 2 + ( y 1 t - y t ) 2 - ( x 2 t - x t ) 2 + ( y 2 t - y t ) 2 = d 2 - d 1 . . . ( x 1 t - x t ) 2 + ( y 1 t - y t ) 2 - ( x mt - x t ) 2 + ( y mt - y t ) 2 = d m - d 1 - - - ( 2 ) 式中，(xt,yt)为待定位车辆在t时刻坐标，(xit,yit)为参考节点在t时刻位置坐标；步骤4：将式（2）的定位方程转化为求极小值问题，其表达式为 f 1 = [ ( x 1 t - x t ) 2 + ( y 1 t - y t ) 2 - ( x 2 t - x t ) 2 + ( y 2 t - y t ) 2 ] 2 - ( d 2 - d 1 ) 2 = 0 . . . f m = [ ( x 1 t - x t ) 2 + ( y 1 t - y t ) 2 - ( x mt - x t ) 2 + ( y mt - y t ) 2 ] 2 - ( d m - d 1 ) 2 = 0 - - - ( 3 ) f 1 2 + f 2 2 + . . . + f m 2 = 0 - - - ( 4 ) 对于式（4）极小值方程，采用人工蜂群智能计算方法对其求解，求解的最小值(xt,yt)即为待定位车辆的位置坐标；步骤5：待定位车辆在其半径R领域内，选取领域内群体邻居车辆，选取标准为Nit＝{i:[xt‑xit]2+[yt‑yit]2+[zt‑zit]2≤R2}    （5）式中，zi为车辆i在垂直方向轴上的位置值；步骤6：车辆k的运动方向为其邻居车辆运动方向的平均值； α kt = 1 n kt - 1 Σ i ∈ Nt α it - 1 β kt = 1 n kt - 1 Σ i ∈ Nt β it - 1 γ kt = 1 n kt - 1 Σ i ∈ Nt γ it - 1 - - - ( 6 ) 式中，αit、βit、γit为车辆在t时刻的沿三坐标轴的运动方向，nt为t时刻邻居车辆个数；则车辆k的位置公式为： x kt = x kt - 1 + v k cos α kt y kt = y kt - 1 + v k cos β kt z kt = z kt - 1 + v k cos γ kt - - - ( 7 ) 式中，vk为车辆k的行驶速度；每个车辆根据式（7）的位置方程不断调整自己的位置。