吴麟麟，杨俊辉

(江苏大学 汽车工程研究院， 江苏 镇江 212013)

智能车辆的路径规划是指根据某一性能指标搜索一条从起始点到目标点的最优或近似最优的无碰路径[1]。路径规划的传统方法主要分为两类[2]：分析法、图形法。而图形法又分为路图法、栅格法等。在搜索算法方面，蚁群算法(GA)[3]、粒子群算法[4]、遗传算法[5]及其混合算法等众多主流算法均被运用在路径规划中。蚁群算法收敛速度慢，在障碍物包围情况下易陷入局部最优问题；粒子群算法计算效率偏低且抗噪能力较差；遗传算法实现比较复杂，同时参数的选择不够精确。上述算法均存在计算效率低、编程复杂等实际问题，而A*算法作为启发式搜索算法的一种，在保留了Dijkstra算法[6]精度高的同时减少了扩展节点数目，具有结构简单、搜索精度高等优点。但在规划路径中A*算法[7]存在扩展节点数目较多，Weighted A*算法存在路径精度不佳等问题。随着智能车辆的不断发展，环境地图日益庞大且复杂，现有的启发式算法[8]无法满足搜索耗时及路径精度的综合需求，致使搜索耗时冗长或者路径规划精度不佳。针对上述问题，本文在原有Anytime Weighted A*算法(AWA*算法)的基础上引入动态优化因子，建立一种基于扩展节点耗时的新型动态AWA*算法估价函数，重点对改进的AWA*算法与AWA*算法在路径规划效率及规划路径的影响进行分析[9]。

1 AWA*算法路径规划

全局路径规划主要分为2个步骤：首先是建立障碍物及自由空间区域的环境地图，其次是在环境地图中选择合适的搜索算法。……