论文总字数：29585字

摘 要

当前无人驾驶汽车已经成为汽车业和互联网业的最前沿和热门的研究方向之一。世界各大汽车企业和互联网企业都在致力于推进无人驾驶汽车相关技术的发展。成熟的无人驾驶汽车将会为人们的生活提供诸多便利，可在减轻驾驶者工作负担、保障交通安全、节能减排等方面发挥重要作用。基于车道级路网地图的无人驾驶汽车路由寻径是指根据无人驾驶汽车的行驶任务以及先验路网信息规划出车辆的最优行驶序列，是无人驾驶汽车中的关键技术。

首先，本文对路由寻径的研究现状进行了分析，并在路由寻径模块所属的无人驾驶汽车控制规划模块、车道级路网地图以及寻径算法A*算法三方面进行了阐述分析，为后续研究打好理论基础。

其次，作为实现路由寻径的基础和输入，本文基于湖北省天门市主城区实际场景构建车道级路网地图模型，研究了路由寻径的所需信息的标定和存储。使用地图软件Locaspace Viewer对天门主城区实际场景进行路点和路由片段的标定。为方便后续寻径算法设计，使用高斯-克鲁格投影法将地图中的路点的坐标从WSG-84大地坐标系坐标转换成WSG-84平面坐标系坐标。以邻接表为路网信息的储存结构，编写了相应的储存程序。本文构建的车道级路网地图模型相比于道路级路网地图模型，标定的路由片段精确到具体车道，更适用于无人驾驶汽车路由寻径的相关研究。

最后，基于构建的天门主城区路网地图模型，设计了基于A*算法的寻径程序。寻径程序使用曼哈顿距离用于设计估值函数，选用优先队列作为中间结点的储存结构。为验证路由寻径算法的有效性，将路由寻径的实验结果和百度地图的最短路径导航结果进行了对比分析，得出本文基于天门市主城区构建的车道级路网地图模型和寻径程序具有较高的精确度和可行性，可以将其应用至实际程序开发中，同时本文实验所搭建的算法模型具有一定的广泛性。

本文提出的基于A*算法的路由寻径方案具有良好的路径规划能力，为实际场景下的无人驾驶路由寻径研究提供了新的模型、新的思路和方法。

关键词：无人驾驶汽车；路由寻径；A*算法；车道级地图

Abstract

At present, driverless cars have become one of the most cutting-edge and popular research directions in the automotive industry and the Internet industry. The world's major automobile companies and Internet companies are committed to promoting the development of driverless car-related technologies. Mature driverless cars will provide many conveniences for people's lives, and can play an important role in reducing drivers' workload, ensuring traffic safety, and saving energy and reducing emissions. Driverless car routing based on lane-level road network maps refers to planning the optimal driving sequence of vehicles based on the driving tasks of driverless cars and prior road network information, and is a key technology in driverless cars.

First of all, this paper analyzes the current status of routing research, and describes and analyzes the autonomous vehicle control planning module, lane-level road network map and the routing algorithm A* algorithm to which the routing module belongs. Subsequent research lays a good theoretical foundation.

Secondly, as the basis and input for implementing routing, this paper builds a lane-level road network map model based on the actual scene of the main urban area of ​​Tianmen City, Hubei Province, and studies the calibration and storage of the required information for routing. Use the mapping software Locaspace Viewer to calibrate the waypoints and routing fragments of the actual scene in the main urban area of ​​Tianmen. To facilitate the design of subsequent pathfinding algorithms, the Gauss-Kruger projection method is used to convert the coordinates of waypoints on the map from WSG-84 geodetic coordinate system coordinates to WSG-84 planar coordinate system coordinates. Using the adjacency list as the storage structure of the road network information, the corresponding storage program was written. The lane-level road network map model constructed in this paper is more accurate than the road-level road network map model in that the calibrated route segments are accurate to specific lanes, and is more suitable for the research of driverless car routing.

Finally, based on the constructed road network map model of the main urban area of ​​Tianmen, a path finding program based on the A* algorithm is designed. The pathfinding program uses the Manhattan distance to design the evaluation function, and selects the priority queue as the storage structure of the intermediate nodes. In order to verify the effectiveness of the routing algorithm, the experimental results of routing and the shortest path navigation results of Baidu map are compared and analyzed. It has high accuracy and feasibility, and it can be applied to actual program development. At the same time, the algorithm model built by the experiment in this paper has a certain breadth.

The route-finding scheme based on A* algorithm proposed in this paper has good path planning capabilities, and provides new models, new ideas and methods for the research of driverless route-finding in practical scenarios.

Key Words：driverless cars；route searching；A * algorithm；lane-level maps

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 无人驾驶汽车研究现状 2

1.3 路由寻径研究现状 4

1.3.1 路由寻径算法研究现状 4

1.3.2 路由寻径的分类 6

1.4 主要研究内容与章节安排 7

1.4.1 研究内容 7

1.4.2 章节安排 8

1.4.3 技术路线 8

第2章 无人驾驶关键技术及相关理论研究 9

2.1 无人驾驶控制规划模块 9

2.1.1 路由寻径模块 9

2.1.2 行为决策模块 10

2.1.3 动作规划模块 11

2.1.4 反馈控制模块 11

2.2 车道级路网地图 12

2.3 A*算法 14

2.3.1 A*算法的启发值函数 14

2.3.2 A*算法的基本流程 15

2.4 本章小结 16

第3章天门市主城区车道级路网地图构建 18

3.1 图的概念 18

3.2 地图信息获取 19

3.3 权重标定 20

3.4 坐标转换 22

3.5 路网地图的储存设计 23

3.6 本章小结 25

第4章 天门市主城区路由寻径研究 26

4.1 基于A*算法的寻径程序设计 26

4.1.1 优先队列 26

4.1.2 寻径基本流程 27

4.1.3 程序输出设计 28

4.2 路由寻径实验结果分析 32

4.3 本章小结 35

第5章 结论 37

5.1 研究结论 37

5.2 研究展望 37

参考文献 39

附录A 邻接表存储程序代码 41

附录B 基于A*算法的寻径程序代码 44

致谢 46

第1章 绪论

1.1 研究背景及意义

随着我国社会的不断发展和人民生活水平的不断提高，汽车在人们生产生活中越来越不可或缺。根据中国国家统计局发布的统计公报，全国的汽车保有量在2019年年末为2.65亿辆^[1]。但与此同时由于有限的交通资源和驾驶员参差不齐的驾驶水平，交通拥堵和行车安全已成为有待解决的关键问题。表1.1列出了过去五年中国交通事故的统计数据。

表1.1 最近五年中国交通事故数据统计^[1]

由于难以保持长时间注意力高度集中、反应时间等因素，作为车辆驾驶员的人类不能完全避免他们的驾驶操作错误。而无人驾驶汽车是指配备先进的传感器、控制器、执行器等设备，拥有自动决策、智能控制、网联交互、交通环境感知等功能，实现保障行车安全、提高交通效率、节能的新型汽车^[2]。《中国制造2025》做出评估：装备智能辅助驾驶系统的汽车，即具备如LDW（车道预警偏离系统）、ACC(自适应巡航系统)等至少两项辅助驾驶功能的汽车，将能有效减少30%以上的交通事故，将减少10%以上的交通事故死亡人数；装备自动驾驶系统的无人驾驶汽车，即配备可在结构化道路和其他交通道路上能自动监测交通环境并有效执行完整的关键驾驶控制功能的自动驾驶系统，实现完全自动驾驶的汽车，其无人驾驶的最高安全车速将达到120km/h，与传统汽车相比综合能耗将降低10%以上，排放降低20%以上^[3]。无人驾驶汽车不仅能够解决当前出现的道路交通问题，同时也是我国的汽车工业能否弯道超车，从汽车大国转变为汽车强国的关键之一。波士顿咨询公司(Boston consulting group)预测，“无人驾驶汽车的全球市场份额将在15-30年内达到25%。如果2021年市场推出无人驾驶汽车，预计到2035年至2050年，无人驾驶汽车将占全球汽车市场的25%^[4]。”

1.2无人驾驶汽车研究现状

在无人驾驶车的定级标准上，SAE（美国机动车工程师研究学会）将无人驾驶汽车划分为六个等级，NHTSA（美国公路安全管理局）则将其划分为四个等级。当前SAE的定级标准得到更广泛的采用。下图1.1为SAE颁布的自动驾驶定级标准SAEJ3016。

请支付后下载全文，论文总字数：29585字