智能自动驾驶汽车的轨迹优化摘要：智能自动化驾驶技术是一门新兴的技术，在汽车自动驾驶的过程中，如何让汽车避开障碍物并以最短的路径到达指定的位置，是智能自动化驾驶汽车的关键性问题。本文通过模拟智能自动驾驶汽车的运行环境，利用遗传算法对汽车的运行轨迹进行研究，实验证明可以获得较好的结果。Abstract：Intelligentautomationdrivingtechnologyisanemergingtechnology.Intheprocessofvehicleautomateddriving，howtoletthecartoavoidobstaclesandtoreachthelocationspecifiedintheshortestpathiskeyproblemofintelligentautomationvehicledriving.Inthispaper，throughthesimulationoftherunningenvironmentofintelligentautomaticvehicledriving，thegeneticalgorithmisusedforvehicletrajectorystudy，andtheexperimentsshowgoodresultscanbeobtained.关键词：智能自动驾驶汽车；遗传算法；轨迹优化Keywords：intelligentautomationvehicledriving；geneticalgorithm；trajectoryoptimization中图分类号：U471.1文献标识码：A文章编号：1006-4311（2017）21-0129-020引言自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车技术的研发，在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。全局路径规划是指在环境信息全部已知的情况下，为智能自动驾驶汽车规划一条无碰最优路径。由于常用路径规划方法均存在一定的局限性，因此，目前智能自动驾驶汽车路径规划问题的研究重点在于寻求一些更加有效的求解方法或者在已有方法的基础上进行改进，以使其能够更好地解决路径规划问题。1遗传算法的基本理论遗传算法的核心思想是借用遗传学中的思想以及达尔文进化论的“物竞天择，适者生存”，最早由美国密歇根大学的JohnHolland教授于1975年提出的，***年，Goldberg在其著作中对遗传算法进行了更为全面和系统的总结，并由此奠定了遗传算法的基础。遗传算法是从某一初始解集出发，采用一个评价函数（也称为适应度函数）来评价每个个体的优劣，即个体对环境的适应程度，用作以后遗传操作的依据，经过选择、交叉和变异等遗传操作产生新一代的种群，然后对新的一代重复遗传操作，经过一定次数的迭代之后，最终收敛到问题的最优解或次优解。2自动驾驶汽车路径规划方法2.1环境模型的建立环境建模是实现路径规划的基础，其目的是将实际的物理空间映射成算法能够处理的抽象空间。合理的环境模型有利于计算机存储、处理和更新以及减少搜索量。目前常用的环境建模方法主要包括：可视图法、栅格法、自由空间法和拓扑法，其中栅格法是使用较为成功的一种环境建模方法，本文将采用栅格法建立环境模型。在A中建立直角坐标系XOY，其中坐标原点设在A区域的左下角，且和分别是在Xmax、Ymax轴上的最大值，对X，Y以智能自动驾驶汽车能自由运动的最大活动范围Ra为步长分别进行划分，由此形成工作栅格，其中每行的栅格数m=ceil（Xmax/Ra），每列的栅格数n=ceil（Ymax/Ra），最终构成一个m×n的栅格矩阵。假设环境中存在k个障碍物，则每个障碍物obi（i=1，2…，k）占一个或多个栅格，当不满一个栅格时，按一个栅格计算。目前关于栅格的标识方法主要有以下两种：①直角坐标法。把（0，0）设为坐标原点，规定水平向右为X轴正方向，竖直向上为Y轴正方向，坐标轴上的单位长度为栅格大小，因此，任意一个栅格都可以用直角坐标（x，y）表示。②序号法。在建立的栅格模型中，定义从左上角开始的第一个栅格A（1，1）的序号为1，A（1，2）的序号为2，…，依次类推。对于任意一个栅格A（a，b），其中a为在A中的行号，b为在A中的列号，都有确定的坐标（x，y）及相应的序号S与之一一对应，在n×n的栅格环境中，栅格序号S和坐标（x，y）的关系为：x=mod（S-1，n）+0.5y=n+0.5-ceil（S/n）（1）式（1）中，mod为求余运算，ceil?橄蛏先≌?运算。另外，对智能自动驾驶汽车运行环境和智...