1.一种基于时空环境安全评分模型的智能车辆避障方法,其特征在于,包括:步骤S1,采用扩展卡尔曼滤波对多传感器数据进行融合得到栅格化环境模型,基于栅格化环境模型获取车辆的当前位置、障碍物位置及车辆的目标位置;
步骤S2,通过在蚁群算法中引入非线性调节因子,建立时空环境安全评分模型,以得到每条蚂蚁路径被选中的最终概率;
步骤S3,基于每条蚂蚁路径被选中的最终概率,采用改进的遗传算法适应度公式构建增强后的信息素更新函数,以得到更新后的蚂蚁路径;
步骤S4,根据车辆的当前位置和目标位置建立行车环境模型,并计算目标方向、障碍物方向及综合运动方向向量矩阵;从所有更新后的蚂蚁路径中筛选出满足目标点匹配、无碰撞的可行路径,从而得到初步规划路径;
步骤S5,将步骤S2所建立的时空环境安全评分模型引入人工势场中,得到改进的引力场和斥力场函数,并将改进的引力场和斥力场函数应用于初步规划路径中,再结合行车环境模型,对路径进行调整和更新,最终得到最优的避障路径。
2.根据权利要求1所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S2具体包括:步骤S201,将车辆的速度和车辆与障碍物之间的距离设定为目标参数,通过比较每个目标参数的历史最优值在预设时期内的变化来衡量收敛速度,对每个目标参数计算对应的收敛度,将每个目标参数的收敛度归一化,得到每个目标参数的非线性调节因子;
步骤S202,在蚁群算法中引入非线性调节因子,构建时空环境安全评分模型,并计算蚂蚁路径的时空环境安全评分;
步骤S203,基于时空环境安全评分,计算蚂蚁种群对蚂蚁路径的初选概率,并结合车辆的速度和车辆与障碍物之间的距离,得到蚂蚁种群的实时拥挤度;
步骤S204,在蚁群算法中引入时空环境安全评分,得到增强后的信息素值;
步骤S205,基于增强后的信息素值和蚂蚁种群的实时拥挤度,得到蚂蚁种群的变异概率,并结合蚂蚁种群对蚂蚁路径的初选概率,构建最终选择概率函数,以得到每条蚂蚁路径被选中的最终概率。
3.根据权利要求2所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S201满足以下条件式:其中,为第个目标在时刻的收敛度,为所有目标中最大的收敛度,为第个目标在时刻的最优值,为观测窗口大小,为第个目标在时刻的最优值,为第个目标在时刻的非线性调节因子,为基础调节因子。
4.根据权利要求3所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S202满足以下条件式:其中,为蚂蚁路径在时刻的时空环境安全评分,为速度调节项的非线性调节因子,为距离调节项的非线性调节因子,为归一化后的速度,为归一化后的车辆到障碍物之间的距离,为时刻车辆的速度,为时刻车辆与障碍物之间的距离,为目标速度,为车辆与障碍物之间的安全距离,为车辆的车速最大值,为车辆的传感器能感知到的最远距离。
5.根据权利要求4所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S203满足以下条件式:其中,是蚂蚁路径在时刻被选中的初选概率,为所有候选蚂蚁路径在时刻的最大时空环境安全评分,为第次迭代时蚂蚁种群的实时拥挤度,为第次迭代时蚂蚁路径在蚂蚁种群中的出现次数,为蚂蚁种群中蚂蚁的数量,为最大迭代次数,为避障紧急度的权重系数,为速度敏感性的权重系数,为车辆与最近障碍物之间的距离,为速度调节系数。
6.根据权利要求5所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S204满足以下条件式:其中,为增强后的信息素值,为原始信息素值。
7.根据权利要求6所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S205满足以下条件式:其中,为蚂蚁种群中第个蚂蚁的变异概率,为最大信息素值,为衰减系数,为初选概率的调节因子,为蚂蚁路径被选中的最终概率。
8.根据权利要求7所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S3中,改进的遗传算法适应度公式的表达式为:其中,为遗传算法适应度,为路径长度的权重系数,为舒适性指标的权重系数,为行驶安全性的权重系数,为归一化后的蚂蚁路径长度,为归一化后的车辆加速度,为当前蚂蚁路径长度,和分别为蚂蚁路径长度的最大值和最小值,为当前车辆加速度,和分别为车辆加速度的最大值和最小值;
增强后的信息素更新函数的表达式为:
其中,为第只蚂蚁在障碍物的边上释放的信息素增量,为信息素总量,为第只蚂蚁所走路径的长度,为指示函数,为信息素挥发系数,、为权重系数,为时刻增强后的信息素值。
9.根据权利要求8所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S4中,目标方向向量矩阵的表达式为:其中,为车辆的当前位置,为车辆的目标位置,为航向角,为时间间隔;
障碍物方向向量矩阵的表达式为:
其中,为车辆相对最近障碍物的转向角度;
综合运动方向向量矩阵的表达式为:
其中,为目标因子,为障碍物因子,为障碍物数量。
10.根据权利要求9所述的基于时空环境安全评分模型的智能车辆避障方法,其特征在于,步骤S5中,改进的引力场的表达式为:其中,为时刻的引力场强度,为引力强度系数,为时刻车辆与目标位置之间的距离;
改进的斥力场函数的表达式为:
其中,为时刻斥力场的大小,为斥力强度系数,为势场作用范围。