基于智能終端的車載導(dǎo)航路徑規(guī)劃的研究.pdf

1、隨著智能終端的不斷興起，在傳統(tǒng)地理信息導(dǎo)航系統(tǒng)的基礎(chǔ)上，智能終端擁有無(wú)線互聯(lián)網(wǎng)絡(luò)的無(wú)線通信優(yōu)勢(shì)，正逐漸替代傳統(tǒng)的導(dǎo)航系統(tǒng)。基于智能終端的導(dǎo)航系統(tǒng)不僅能夠?yàn)橛脩籼峁┒鄺l滿足要求最優(yōu)路徑，還可以為用戶提供豐富的交通狀況、定位服務(wù)等相關(guān)信息，為用戶解決了迷路、交通擁堵等一系列難題，從而實(shí)現(xiàn)人、車、路的完美結(jié)合。路徑規(guī)劃作為導(dǎo)航系統(tǒng)的核心技術(shù)，但是傳統(tǒng)的基于圖論的最短路徑算法效率比較低，都會(huì)受到存儲(chǔ)空間和計(jì)算能力的限制，因此很難滿足用戶的需要。

2、因此本文采用解決約束問(wèn)題的粒子群算法來(lái)實(shí)現(xiàn)車載導(dǎo)航路徑規(guī)劃的問(wèn)題，并完成了算法在And ro id平臺(tái)上的實(shí)現(xiàn)。
　　本文首先對(duì)車載導(dǎo)航系統(tǒng)的原理進(jìn)行了簡(jiǎn)要的描述，對(duì)車載導(dǎo)航系統(tǒng)中的路徑規(guī)劃算法進(jìn)行了深入研究，最終選擇將粒子群算法用于車載導(dǎo)航的路徑規(guī)劃中。其次對(duì)PSO算法進(jìn)行了改進(jìn)，提出了適用于路徑規(guī)劃的粒子群算法，簡(jiǎn)稱PSO-VPP（Particle Swarm Optimization–VehiclePath Planning

3、）。PSO-VPP算法中適應(yīng)度函數(shù)的設(shè)計(jì)不僅能夠在靜態(tài)路網(wǎng)中進(jìn)行路徑規(guī)劃，還通過(guò)引入懲罰項(xiàng)使得在交通擁堵的路網(wǎng)中也能夠計(jì)算出最佳路線。為了解決算法陷入局部最優(yōu)問(wèn)題，在算法中引入了變異算子，并采用部分粒子重新初始化的方法，使得部分不滿足要求的粒子進(jìn)行重新尋找最優(yōu)值。采用這樣的方法可以使得種群獲得更高的粒子多樣性，擴(kuò)大搜索范圍，從而大大避免粒子群算法陷入局部最優(yōu)，同時(shí)還能夠增強(qiáng)全局搜索能力。
　　其次，對(duì)現(xiàn)有的智能終端平臺(tái)進(jìn)行了比較，

4、選擇And ro id作為本文算法的實(shí)現(xiàn)平臺(tái)。同時(shí)搭建了開(kāi)發(fā)環(huán)境，選擇Op enS treetMap開(kāi)源地圖作為地圖數(shù)據(jù)的來(lái)源，最終建立了車載導(dǎo)航系統(tǒng)平臺(tái)，并對(duì)本文提出的PSO-VP P算法進(jìn)行驗(yàn)證并分析比較其性能。實(shí)驗(yàn)結(jié)果表明該算法切實(shí)可行，其搜索效率較高，時(shí)間開(kāi)銷隨路網(wǎng)規(guī)模的擴(kuò)大增幅較小，適用于大規(guī)模路網(wǎng)，同時(shí)在實(shí)時(shí)變化的交通路況中更具有實(shí)際意義。
　　最后，本文還列出了一些有待解決和完善的問(wèn)題，因此需要進(jìn)一步的研究，從而引出