針對車聯(lián)網(wǎng)環(huán)境下若干典型車輛軌跡規(guī)劃方法存在車速與軌跡波動性較大的問題，提出一種基于改進(jìn)人工魚群算法的車輛軌跡規(guī)劃方法。該方法以短程通信（ DSRC）的車聯(lián)網(wǎng)應(yīng)用場景為設(shè)計(jì)平臺，以車輛的最優(yōu)行車速度為核心計(jì)算基礎(chǔ)，分析得到了車輛的最佳軌跡。首先，對人工魚群算法在車聯(lián)網(wǎng)應(yīng)用場景的優(yōu)勢和不足進(jìn)行分析，引入萬有引力力學(xué)模型與避障模式控制，提出一種改進(jìn)的人工魚群算法；然后，分析車輛在車聯(lián)網(wǎng)應(yīng)用場景中的受力約束，利用網(wǎng)聯(lián)車輛的自組織行為控制策略推導(dǎo)最優(yōu)行車速度；最后，基于最優(yōu)行車速度實(shí)現(xiàn)對車輛的實(shí)時(shí)軌跡誘導(dǎo)和軌跡避障控制規(guī)劃。仿真測試結(jié)果表明，在運(yùn)用了基于改進(jìn)人工魚群算法的軌跡規(guī)劃模型后，車輛的駕駛速度更加平穩(wěn)，軌跡波動性較小，對障礙物可實(shí)現(xiàn)零失誤避撞；在多車相遇情況下，測試車輛為2~40時(shí)，相對于原人工魚群算法和螢火蟲算法，運(yùn)用改進(jìn)人工魚群算法后車速的平均迭代次數(shù)減少，迭代效率提高3～7、4~8倍，且隨著車輛數(shù)目越多，迭代效率提升越明顯。

?

　　近年來，車聯(lián)網(wǎng)的研究熱潮推動了交通行業(yè)的推陳革新，現(xiàn)代交通逐漸向高效、安全、環(huán)保方向發(fā)展。中提出軌跡規(guī)劃作為車聯(lián)網(wǎng)環(huán)境中的一項(xiàng)重要技術(shù)，被廣泛地應(yīng)用到智能車的軌跡選擇、智能機(jī)器人等領(lǐng)域。中提出一種對于交通路網(wǎng)中車輛軌跡規(guī)劃算法是建立在非線性預(yù)測算法的基礎(chǔ)上的觀點(diǎn)。中應(yīng)用模糊邏輯控制方法來提高“智能繩”系統(tǒng)，實(shí)現(xiàn)區(qū)分小的非自愿力量和預(yù)定的航行運(yùn)動，利用智能手機(jī)攝像頭作為機(jī)器人視覺，完成導(dǎo)盲犬機(jī)器人的跟蹤、導(dǎo)航和避障。中提出了一種基于向前預(yù)測的局部路徑規(guī)劃算法，在不依賴全局定位的情況下實(shí)現(xiàn)規(guī)劃時(shí)間的一致性，同時(shí)用通行區(qū)域取代原有不具有寬度的路徑規(guī)劃進(jìn)行避障分析。中提出了一種利用時(shí)間狀態(tài)。

　　控制形式的車輛的新軌跡控制方法，并進(jìn)行了旋轉(zhuǎn)和擴(kuò)張坐標(biāo)變換，進(jìn)而實(shí)現(xiàn)任意期望的曲線軌跡的控制方法。中利用時(shí)間尺度變換和精確的線性化設(shè)計(jì)一個(gè)鉸接式車輛的軌跡跟蹤控制器，該控制器沿著任意軌跡運(yùn)動，實(shí)現(xiàn)車輛的軌跡跟蹤。中根據(jù)車輛換道時(shí)的期望橫擺角、橫擺角速度和橫擺角加速度，利用車輛側(cè)向動力學(xué)模型，提出了一種彎道上車輛換道軌跡的規(guī)劃方法。中提出一種根據(jù)泊車終點(diǎn)環(huán)境障礙約束、泊車終點(diǎn)位置約束等，以泊車終點(diǎn)車輛與車位夾角最小為目標(biāo)建立多約束的車輛泊車軌跡函數(shù)中基于彈性帶理論的軌跡規(guī)劃方法，提出了一種自主車輛緊急機(jī)動的軌跡規(guī)劃方法。中提出了一種最大最小螢光素值人工螢火蟲算法，通過對熒光素的變化范圍加以限定，給出最大最小螢光素值范圍，從而避免算法陷入局部最優(yōu)。中在人工魚群算法的尋優(yōu)策略上提出了適時(shí)調(diào)整自身視野和步長的優(yōu)化改進(jìn)，對魚群的收斂速度和局部極值方面均有所提高。關(guān)于車輛軌跡規(guī)劃的研究在車輛軌跡規(guī)劃中對周圍車輛的信息利用較少，導(dǎo)致為車輛規(guī)劃的軌跡并不適用于道路車輛數(shù)目較多的場景。在多車軌跡融合的場景，車輛很容易陷入自身軌跡最優(yōu)．而個(gè)體之間軌跡最優(yōu)值差異較大的情況，導(dǎo)致車輛的安全性以及道路整體通行效率降低。