CN102800189A - 一种物联网环境下智能泊车路径优化方法 - Google Patents
一种物联网环境下智能泊车路径优化方法 Download PDFInfo
- Publication number
- CN102800189A CN102800189A CN2012102616860A CN201210261686A CN102800189A CN 102800189 A CN102800189 A CN 102800189A CN 2012102616860 A CN2012102616860 A CN 2012102616860A CN 201210261686 A CN201210261686 A CN 201210261686A CN 102800189 A CN102800189 A CN 102800189A
- Authority
- CN
- China
- Prior art keywords
- parking
- index
- things
- weighting
- internet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种物联网环境下智能泊车路径优化方法,该方法应用凸优化理论,综合考虑障碍物避碰、变车速、安全距离及最短泊车时间指标,将泊车路径优化问题转化为多指标加权的凸优化问题;采用多智能节点的异步协同计算方法,求解多指标加权凸优化问题。凸优化问题具有数值解求取速度快,解具有唯一性与全局最优性的优点,可以弥补物联网环境下低成本的智能节点计算能力与存储能力不足的问题,多智能节点之间的异步协同计算求解对于不确定的网络连接、网络通信延迟和偶发丢包情况具有较强的容错能力,不需要同步求解算法中的大量同步通信开销,可以弥补物联网环境下的低成本无线网络的通信能力的不足问题。
Description
技术领域
本发明涉及物联网环境下智能泊车领域,特别涉及一种物联网环境下智能泊车路径优化方法。
背景技术
近年来,随着控制、通信与计算机技术的迅猛发展,物联网的概念从无到有,经历了盲目发展期、健康发展期以及加速应用转化阶段,并已被列入我国《十二五发展纲要》、美国的《经济复苏与再投资法案》以及欧盟的《物联网行动计划》。物联网是以无线传感网为基础,通过物-物相联、协同优化与智能决策,从而把没有智能的运算节点打造为智能化的物体(即智能节点),这一理念将主导新一代信息技术的发展方向,将使人们的生活质量得到极大提高,并最终将实现IBM公司倡导的“智慧地球”与“泛在计算”的目标,也就是说,在不为人们查觉的过程中,物联网悄然地感知着环境信息,并依照更宜人的方式智能地改变着环境,无处不在地提高着人们的生活舒适度。物联网终将使人拥有强大的“注意力资源”,即替人们智能地过滤信息垃圾、完成生活中的锁碎事情,并将成为人们依赖的高效私人秘书。由此,基于物联网构建的智能泊车***是今后的发展趋势,能完全代替人泊车和取车。
目前,制约物联网应用于智能泊车***的根源在于物联网的实现成本要求严格,限于物联网低成本的智能节点和无线网络,仅仅配备了较弱的计算能力、存储能力及通信能力,但与此矛盾的是:其一,物联网中的传感器众多,数据融合以及泊车路径的优化都引入密集的计算负担;其二,在物联网环境下,无线网络连接关系和网络延迟具有不确定性,信息传输时数据包丢失现象也不可忽略,路径优化方法必须具有较强的可靠性与容错能力。因此,只有提出高效的路径优化方法,才能很好地弥补低成本智能节点的计算能力和存储能力、以及低成本无线网络的通信能力的不足问题。
发明内容
针对上述问题,本发明提出了一种物联网环境下智能泊车路径优化方法,该方法能够很好地弥补低成本智能节点的计算能力和存储能力的不足问题、以及低成本无线网络的通信能力的不足问题。
本发明提出的一种物联网环境下智能泊车路径优化方法为:
1)应用凸优化理论,根据泊车路径优化指标,将泊车路径优化问题转化为多指标加权的凸优化问题;
2)采用多智能节点的异步协同计算方法,求解多指标加权凸优化问题,得到最优的泊车路径。
优选地,所述的泊车路径优化指标包括:障碍物避碰、变车速、安全距离及最短泊车时间。
优选地,所述的泊车路径优化指标包括障碍物避碰、变车速、安全距离及最短泊车时间,应用凸优化理论,将泊车路径优化问题转化为多指标加权的凸优化问题,包括:
第一步,在考虑泊车时间指标的情况下,将变车速最短泊车时间问题转化为非线性泛函约束极值问题,约束包括以微分方程描述的车辆四自由度运动模型,固定的起、终点位置与姿态,车辆运动速度和车辆前轮转向角上限,以及车辆运动加速度和前轮转向角加速度上限;
第二步,采用坐标变换,将第一步中非线性泛函约束极值问题的最短泊车时间指标项化为积分形式的凸泛函,且将第一步中的约束全部转化为线性约束或凸约束;
第三步,将障碍物避碰指标和安全距离指标分别表示为凸泛函;
第四步,将第二步的最短泊车时间指标的凸泛函与第三步的障碍物避碰指标的凸泛函和安全距离指标的凸泛函进行扩展,得到扩展的加权凸泛函优化指标,从而实现障碍物避碰、变车速、安全距离及最短泊车时间指标的加权凸泛函约束极值问题,实现了将泊车路径优化问题转化为多指标加权的凸优化问题。
优选地,所述坐标变换包括:曲线的弧长坐标变换。
优选地,所述进行扩展包括:若干个凸泛函的加权和方法、或保凸性的线性变换方法、或逐点取上确界操作方法。
优选地,所述方法中的采用多智能节点的异步协同计算方法,包括逐次迭代的求解模式。
有益效果:本发明提出的一种物联网环境下智能泊车路径优化方法,该方法将泊车路径优化问题转化为多指标加权的凸优化问题,凸优化问题具有数值解求取速度快,解具有唯一性与全局最优性的优点,可以弥补物联网环境下低成本的智能节点计算能力与存储能力不足的问题;采用多智能节点的异步协同计算求解多指标加权凸优化问题,多智能节点之间的异步协同计算求解具有很强的优势:求解过程对于不确定的网络连接、网络通信延迟和偶发丢包情况具有较强的容错能力,且不需要同步求解算法中的大量同步通信开销,适合低速网络,可以弥补物联网环境下的低成本无线网络的通信能力的不足问题。
具体实施方式
本发明提出的一种物联网环境下智能泊车路径优化方法为,该方法将泊车路径优化问题转化为多指标加权的凸优化问题;可以弥补物联网环境下低成本的智能节点计算能力与存储能力不足的问题,采用多智能节点的异步协同计算求解,可以弥补物联网环境下的低成本无线网络的通信能力的不足问题。下面给出本发明的优选具体实施方式:
步骤11:应用凸优化理论,根据泊车路径优化指标,将泊车路径优化问题转化为多指标加权的凸优化问题:
步骤12:采用多智能节点的异步协同计算方法,求解多指标加权凸优化问题,得到最优的泊车路径。
步骤11中的泊车路径优化指标包括:障碍物避碰、变车速、安全距离及最短泊车时间。
根据选取的泊车路径优化指标为障碍物避碰、变车速、安全距离及最短泊车时间,应用凸优化理论,将泊车路径优化问题转化为多指标加权的凸优化问题,包括:
第一步,在考虑泊车时间指标的情况下,将变车速最短泊车时间问题转化为非线性泛函约束极值问题,约束包括以微分方程描述的车辆四自由度运动模型,固定的起、终点位置与姿态,车辆运动速度和车辆前轮转向角上限,以及车辆运动加速度和前轮转向角加速度上限。
第二步,采用坐标变换,该实施例采用曲线的弧长坐标变换,将第一步中的最短泊车时间指标项化为积分形式的凸泛函,且将第一步中的约束全部转化为线性约束或凸约束,而不再含有微分项。
第三步,将障碍物避碰指标和安全距离指标分别表示为凸泛函,
第四步,将第二步的最短泊车时间指标的凸泛函与第三步中的障碍物避碰指标的凸泛函和安全距离指标的凸泛函进行扩展,进行扩展包括若干个凸泛函的加权和方法、或保凸性的线性变换方法、或逐点取上确界操作方法等,该实施例采用若干个凸泛函的加权和方法(即第四步所述的三个指标的凸泛函的加权和),得到扩展的加权凸泛函优化指标。从而实现障碍物避碰、变车速、安全距离及最短泊车时间指标的加权凸泛函约束极值问题,实现了将泊车路径优化问题转化为多指标加权的凸优化问题。作为车辆运动控制的输入信号,车的加速度和前轮转向的加速度采用分段常值信号,因此凸泛函约束极值问题的最优解必是分段常值函数,它属于有限维的向量空间,从而优化问题可从无穷维降为有限维,容易求解。
步骤12中所述的采用多智能节点的异步协同计算方法,求解多指标加权凸优化问题,得到最优的泊车路径。该实施例求解过程如下:
对第四步得到的障碍物避碰、变车速、安全距离及最短泊车时间指标的有限维加权凸泛函约束极值问题,采用多智能节点的异步协同计算方法(例如:无线网络环境下的基于consensus原理的次梯度方法或交替投影方法)进行求解,每个智能节点负责计算其辖区内的局部路径的指标,智能节点之间通过异步通信实现异步协同计算求解,最终协同完成全局最优泊车路径的求取。
特别地,多智能节点的异步协同计算方法包括逐次迭代的求解模式,该实施例的求解模式过程为:
在上述第四步得到的障碍物避碰、变车速、安全距离及最短泊车时间指标的加权凸泛函优化指标中加入一项“加速收敛项”,构成整体优化指标。加速收敛项选取为优化指标的某个函数或是随机项,该项选择得当,可以大幅度改进异步协同计算方法的收敛速度,通过分析求解计算的迭代次数和路径优化的结果精度的关系,可得到保证路径优化结果精度下的迭代次数的上限。
Claims (5)
1.一种物联网环境下智能泊车路径优化方法,其特征在于:包括:
应用凸优化理论,根据泊车路径优化指标,将泊车路径优化问题转化为多指标加权的凸优化问题;
采用多智能节点的异步协同计算方法,求解多指标加权凸优化问题,得到最优的泊车路径。
2.根据权利要求1所述的方法,其特征在于,所述的泊车路径优化指标包括:障碍物避碰、变车速、安全距离及最短泊车时间。
3.根据权利要求2所述的方法,其特征在于,所述的泊车路径优化指标包括障碍物避碰、变车速、安全距离及最短泊车时间,应用凸优化理论,将泊车路径优化问题转化为多指标加权的凸优化问题,包括:
第一步,在考虑泊车时间指标的情况下,将变车速最短泊车时间问题转化为非线性泛函约束极值问题,约束包括以微分方程描述的车辆四自由度运动模型,固定的起、终点位置与姿态,车辆运动速度和车辆前轮转向角上限,以及车辆运动加速度和前轮转向角加速度上限;
第二步,采用坐标变换,将第一步中的非线性泛函约束极值问题的最短泊车时间指标项化为积分形式的凸泛函,且将第一步中的约束全部转化为线性约束或凸约束;
第三步,将障碍物避碰指标和安全距离指标分别表示为凸泛函;
第四步,将第二步的最短泊车时间指标的凸泛函与第三步中的障碍物避碰指标的凸泛函和安全距离指标的凸泛函进行扩展,得到扩展的加权凸泛函优化指标,从而实现障碍物避碰、变车速、安全距离及最短泊车时间指标的加权凸泛函约束极值问题,实现了将泊车路径优化问题转化为多指标加权的凸优化问题。
4.根据权利要求1所述的方法,其特征在于,所述的多智能节点的异步协同计算方法包括:逐次迭代的求解模式。
5.根据权利要求3所述的方法,其特征在于,所述的进行扩展包括:若干个凸泛函的加权和方法、或保凸性的线性变换方法、或逐点取上确界操作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210261686.0A CN102800189B (zh) | 2012-07-22 | 2012-07-22 | 一种物联网环境下智能泊车路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210261686.0A CN102800189B (zh) | 2012-07-22 | 2012-07-22 | 一种物联网环境下智能泊车路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102800189A true CN102800189A (zh) | 2012-11-28 |
CN102800189B CN102800189B (zh) | 2014-12-10 |
Family
ID=47199282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210261686.0A Active CN102800189B (zh) | 2012-07-22 | 2012-07-22 | 一种物联网环境下智能泊车路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102800189B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104401324A (zh) * | 2014-11-05 | 2015-03-11 | 江苏大学 | 一种基于多目标优化的辅助泊车***及方法 |
CN105929844A (zh) * | 2016-04-26 | 2016-09-07 | 哈尔滨工业大学 | 一种地外天体软着陆多障碍约束环境下避障方法 |
CN108805314A (zh) * | 2017-04-27 | 2018-11-13 | 纵目科技(上海)股份有限公司 | 一种泊车最优路径选择方法及***、车载终端 |
CN112435504A (zh) * | 2020-11-11 | 2021-03-02 | 清华大学 | 一种车路协同环境下的集中式协同轨迹规划方法和装置 |
CN115035724A (zh) * | 2022-07-13 | 2022-09-09 | 吉林大学 | 一种基于生态编队的物流车准时化运输车路协同管控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050288997A1 (en) * | 2002-07-31 | 2005-12-29 | Thierry Machicoane | User guidance system in a pay point network |
US20090024430A1 (en) * | 2007-07-12 | 2009-01-22 | Cooper Marcus | Method for optimizing routes for vehicle parking enforcement |
DE102007059761A1 (de) * | 2007-12-12 | 2009-06-18 | Daimler Ag | Verfahren und Fahrerassistenzsystem zur Routenplanung und Zielführung |
CN101937619A (zh) * | 2010-09-28 | 2011-01-05 | 无锡市天业智能科技有限公司 | 基于物联网无线传感及视频感知的停车导航和找寻*** |
CN102522002A (zh) * | 2011-12-31 | 2012-06-27 | 南京九竹科技实业有限公司 | 一种大型停车场的全方位智能引导***及方法 |
CN102592287A (zh) * | 2011-12-31 | 2012-07-18 | 浙江大学 | 基于3d视频的时空域运动分割与估计模型的凸优化方法 |
-
2012
- 2012-07-22 CN CN201210261686.0A patent/CN102800189B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050288997A1 (en) * | 2002-07-31 | 2005-12-29 | Thierry Machicoane | User guidance system in a pay point network |
US20090024430A1 (en) * | 2007-07-12 | 2009-01-22 | Cooper Marcus | Method for optimizing routes for vehicle parking enforcement |
DE102007059761A1 (de) * | 2007-12-12 | 2009-06-18 | Daimler Ag | Verfahren und Fahrerassistenzsystem zur Routenplanung und Zielführung |
CN101937619A (zh) * | 2010-09-28 | 2011-01-05 | 无锡市天业智能科技有限公司 | 基于物联网无线传感及视频感知的停车导航和找寻*** |
CN102522002A (zh) * | 2011-12-31 | 2012-06-27 | 南京九竹科技实业有限公司 | 一种大型停车场的全方位智能引导***及方法 |
CN102592287A (zh) * | 2011-12-31 | 2012-07-18 | 浙江大学 | 基于3d视频的时空域运动分割与估计模型的凸优化方法 |
Non-Patent Citations (1)
Title |
---|
于德新,杨兆升,刘雪杰: "基于停车场选择的停车诱导路径优化方法研究", 《交通运输***工程与信息》, vol. 6, no. 6, 31 December 2006 (2006-12-31), pages 41 - 48 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104401324A (zh) * | 2014-11-05 | 2015-03-11 | 江苏大学 | 一种基于多目标优化的辅助泊车***及方法 |
CN104401324B (zh) * | 2014-11-05 | 2017-06-27 | 江苏大学 | 一种基于多目标优化的辅助泊车***及方法 |
CN105929844A (zh) * | 2016-04-26 | 2016-09-07 | 哈尔滨工业大学 | 一种地外天体软着陆多障碍约束环境下避障方法 |
CN105929844B (zh) * | 2016-04-26 | 2019-01-08 | 哈尔滨工业大学 | 一种地外天体软着陆多障碍约束环境下避障方法 |
CN108805314A (zh) * | 2017-04-27 | 2018-11-13 | 纵目科技(上海)股份有限公司 | 一种泊车最优路径选择方法及***、车载终端 |
CN108805314B (zh) * | 2017-04-27 | 2021-12-14 | 纵目科技(上海)股份有限公司 | 一种泊车最优路径选择方法及***、车载终端 |
CN112435504A (zh) * | 2020-11-11 | 2021-03-02 | 清华大学 | 一种车路协同环境下的集中式协同轨迹规划方法和装置 |
CN112435504B (zh) * | 2020-11-11 | 2022-07-08 | 清华大学 | 一种车路协同环境下的集中式协同轨迹规划方法和装置 |
CN115035724A (zh) * | 2022-07-13 | 2022-09-09 | 吉林大学 | 一种基于生态编队的物流车准时化运输车路协同管控方法 |
CN115035724B (zh) * | 2022-07-13 | 2022-12-02 | 吉林大学 | 一种基于生态编队的物流车准时化运输车路协同管控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102800189B (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102800189B (zh) | 一种物联网环境下智能泊车路径优化方法 | |
US11460311B2 (en) | Path planning method, system and device for autonomous driving | |
CN107063280B (zh) | 一种基于控制采样的智能车辆路径规划***及方法 | |
López-González et al. | Multi robot distance based formation using Parallel Genetic Algorithm | |
CN102215260B (zh) | 一种具有连通性保持的多智能体***协同控制方法 | |
CN104898148A (zh) | 一种基于数据压缩和神经网络的低成本ins/gps无缝导航方法 | |
Pan et al. | Multi-robot obstacle avoidance based on the improved artificial potential field and PID adaptive tracking control algorithm | |
Minh et al. | Feasible path planning for autonomous vehicles | |
CN110032182A (zh) | 一种融合可视图法和稳定稀疏随机快速树机器人规划算法 | |
Ge et al. | A control method for congested traffic in the car-following model | |
CN116734856A (zh) | 一种考虑洋流影响的水下机器人路径规划方法 | |
Chen et al. | Path Planning for Autonomous Vehicle Based on a Two‐Layered Planning Model in Complex Environment | |
Gu et al. | Reactive locomotion decision-making and robust motion planning for real-time perturbation recovery | |
CN109556623B (zh) | 融合触须算法与切线图法的迭代式路径规划算法 | |
Yuan et al. | Research on robot path planning based on smooth A* algorithm for different grid scale obstacle environment | |
EP3822806A1 (en) | Internet of vehicles knowledge base representation method, device, and system | |
Bai et al. | Motion Planning and Tracking Control of Autonomous Vehicle Based on Improved A∗ Algorithm | |
Yu et al. | RDT-RRT: Real-time double-tree rapidly-exploring random tree path planning for autonomous vehicles | |
Ma et al. | Path planning of mobile robot based on improved PRM based on cubic spline | |
Ye et al. | A study of the novel vision guided IV trajectory tracking control system based on expected yaw velocity | |
Li et al. | Adaptive robust control of wheeled mobile robot with uncertainties | |
CN108267950A (zh) | 简单的分数阶复杂网络外部混合同步方法 | |
Sprodowski et al. | Stability of distributed MPC in an intersection scenario | |
CN112945254B (zh) | 一种基于快速拓展随机树的无人车曲率连续路径规划方法 | |
Fan et al. | Hierarchical path planner combining probabilistic roadmap and deep deterministic policy gradient for unmanned ground vehicles with non-holonomic constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhou Liming Inventor after: Wang Xiaofeng Inventor after: Wang Xin Inventor after: Zhao Hongchang Inventor after: Zhou Guangchao Inventor before: Zhou Liming |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: ZHOU LIMING TO: ZHOU LIMING WANG XIAOFENG WANG XIN ZHAO HONGCHANG ZHOU GUANGCHAO |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |