前言：中文期刊網精心挑選了路徑規劃范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
路徑規劃范文1
0引言
路徑規劃是車載導航系統最重要的功能之一[1]。根據圖論中最短路徑理論，不管是最短路徑規劃、最短時間規劃還是最低消費規劃，都可以通過賦予圖中的邊以相應的權值來滿足用戶的不同需求。
通常情況下，路徑搜索可以分為平面搜索和分層搜索兩大類。平面搜索算法中最經典的是20世紀60年代初期由Dijkstra提出的Dijkstra算法，非常適合在帶權有向圖中解決最短路徑問題。但是該算法的時間復雜度為O（n2），效率比較低，因此在實際應用時受到了很大的限制。后來許多學者在存儲結構和排序算法上對Dijkstra算法進行了改進[2-3]，通常改進算法的時間復雜度與節點數成正比，如O（mlbn）或O（m+nlbn）[4]。也有學者通過引入啟發函數的方式進行改進，啟發式搜索以1968年Hart等提出的A*算法為代表，現在仍被廣泛應用，但這些改進算法的效率會隨節點數的增加而急劇下降。此外，平面搜索算法計算出的“最短”路徑并不一定是“最優”路徑，最短路徑中可能存在大量的窄小擁擠的小巷，而最優路徑要盡可能多地包括主干道等快速路段[5]，這就有了分層思想。文獻[6]首先提出了層次空間的推理過程，文獻[7]又將層次空間推理法則引入到行車最優路徑搜索中，但這兩篇文獻均沒有給出具體的路網層次拓撲結構的表達方法[8]。有代表性的分層算法有最近E節點法[9]和最佳E節點法[10]，其中最近E節點法簡單但準確率不高，最佳E節點法能夠得到最優解，但效率低[11]。
本文試圖設計一種實用的分層路徑規劃算法。首先建立分層路網的拓撲結構，然后從搜索空間、搜索策略和數據結構三個方面進行研究，采用啟發式的A*算法作為主搜索方式，引入優先隊列二叉堆作為數據存儲結構，最后通過實驗驗證每項措施的改善效果。
1分層路網拓撲結構提取
路徑規劃范文2
關鍵詞：企業物資；配送；車輛路徑問題；路徑規劃；里程節約法
一、前言
隨著信息技術在現代企業中的廣泛應用和高速發展，企業信息化程度大幅提高，企業的許多革命性的創新成果得益于此。在激烈的市場競爭中，倉儲配送和信息技術的有機結合為企業帶來了新的機遇，建設智慧倉儲網絡的理念應運而生。而配送作為銜接各個物流節點的關鍵流程，使倉儲網絡形成為一個系統性的整體，保證了物資的正常供應。優化配送車輛路徑能提高配送效率，降低配送成本，并提升配送準確性。
物資公司作為公司的專業分公司，負責管理在上海區域所有工程及運維檢修物資的供應。工程項目物資的供應分為供應商直送現場和倉庫供應現場兩種類型。其中，供應商直送現場為一次配送，關鍵點在于供應計劃與供應商的有效銜接與調度協同；而利用公司倉儲配送網絡，通過中心庫向各周轉庫配送以供應現場物資需求的過程為二次配送。合理二次配送車輛路徑規劃與實施，能提高后續工程建設、運維檢修及應急搶修的需求響應速度，增強物資供應的計劃性和準確性，可有效提升物資供應管理水平。
二、車輛路徑問題定義
車輛路徑問題是指存在幾個物資需求方，各有一定數量的物資需求，由一個配送中心提供物資，并安排一個車隊配送物資。為此需要規劃合理的行車路線以使他們的物資需求得到滿足，且能在一定的約束條件下，達到路程最短或耗時最少的目標。
公司有十二個周轉庫，當周轉庫內某種物資數量低于安全庫存時，由中心庫提供物資進行補庫。由于工程項目對響應速度要求較高，當需要對多個周轉庫進行補庫時，必須綜合周轉庫的地理位置、物資需求量、車輛的運載量、配送次數等，設計出合理的車輛配送路徑。
三、配送路徑規劃意義
1.避免交叉運輸
中心庫車輛配送路徑規劃，將原先零散配送的物資進行整合后，以合理的配送路徑集中配送，避免了交叉運輸的情況，縮短了總配送距離，降低了運輸成本。
2.推進節能環保
車輛配送路徑優化在滿足各周轉庫的物資需求的前提下，以縮短配送車輛的總行駛距離為目標，能提高能源利用效率，推動公司更積極地承擔節能環保的社會責任。
四、配送路徑規劃過程
1.組織結構
物資公司倉儲配送網絡包括了集中的物資調配中心、一個中心庫以及十二個周轉庫。
（1）物資調配中心作為信息匯集、指令的中心，實時獲取中心庫和周轉庫內庫存物資數量、物資需求數量等信息，并根據這些信息判斷是否需要補庫。
（2）如果周轉庫需要補庫，物資調配中心發送補庫指令給中心庫。
（3）中心庫綜合需補庫的周轉庫數量、地理位置及物資需求量等，規劃所需的車輛數、配送路徑等信息，將物資配送至周轉庫。
2.車輛路徑問題描述
對于物資倉儲配送網絡，配送車輛路徑問題可以描述為，十二個周轉庫的位置固定且各有一定的需求量，中心庫用多輛載重量固定的汽車進行配送，要求合理安排汽車路線以使總距離最短，并能滿足以下條件：
（1）每個周轉庫的物資需求到能滿足；
（2）每個周轉庫的物資必須由盡可能少的車輛配送，例如在周轉庫的需求能由一輛汽車滿足的情況下，必須只由一輛汽車配送；
（3）每條配送路徑上各周轉庫的需求量總和不能超過汽車載重量。
3.車輛路徑規劃
將中心庫及十二個周轉庫構成的13個的節點兩兩連線，共有C132=78種組合，即這13個倉庫中任意兩個倉庫間的路徑共計78條。利用Google、百度等電子地圖軟件，將兩個倉庫分別作為起點和終點，搜索出這78條路線以及之間的行駛距離。以字母O表示中心庫，字母A至L表示十二個周轉庫。當有多個周轉庫需要補庫時，配送路徑確定步驟如下：
（1）確定各個周轉庫需要的物資數量；
（2）與汽車載重量進行比較，確定需要的汽車數量；
（3）根據各周轉庫的需求量，運用里程節約法，就近的倉庫由同一汽車配送，同時避免交叉運輸的情況，形成配送路徑；
（4）根據實時路況，對配送路徑進行一定調整，避免高峰期路段擁堵導致無法及時配送。
由于從實際情況考慮，為減少最后配送到的幾個倉庫的等待時間，在12個周轉庫中按地理位置分為兩塊區域，在郊環附近的7個倉庫為一個配送區域，郊環線以內的4個倉庫和崇明區域為一個配送區域。
以郊環線附近7個倉庫的配送為例，如下圖所示，每汽車載重量為5噸，A至G共7個周轉庫需中心庫O配送物資，直線上的數字為距離，括號內的為對應的周轉庫的物資需求量。
4.路徑信息
配送路徑規劃完畢后，將行車路線信息給對應的汽車司機。車輛出發后，利用短信在途跟蹤獲取車輛實時的位置信息，并將實時路況信息傳遞給司機，減少因交通擁堵造成的配送延誤。
五、結語
本文綜合各周轉庫地理位置、需求數量、汽車運載量等方面，運用里程節約法規劃出車輛配送路徑。車輛配送路徑規劃將對原先粗放式的配送方式進行優化，積極配合政府及上級公司對節能環保提出的要求，在滿足各倉庫需求的前提下縮短總配送距離，提高物資配送效率，降低配送成本。物資公司后續將逐步加強自動化和信息化建設，推進倉儲網絡各類信息的實時共享、獲取、分析和處理，運用先進信息技術提高配送準確性和效率效益，確保智慧倉儲網絡的配送脈絡高效穩定，構建一個現代化、智慧化、特色化的倉儲配送體系。
參考文獻：
[1]張玲，王朝霞.物流配送路徑優化的模型與求解[J].商場現代化，2006.11.
路徑規劃范文3
【關鍵詞】虛擬場景；路經規劃；八叉樹；A*算法
中圖分類號：TP39文獻標識碼A文章編號1006-0278（2013）06-172-01
一、引言
隨著虛擬現實技術的日益成熟，只有景色、建筑物等一般視景信息的虛擬場景已不能滿足人們的視覺需求，迫切需求一個有生命的對象引入到虛擬場景中，增加瀏覽者的沉浸感。虛擬場景中虛擬人的路徑規劃是虛擬現實研究中的一項關鍵技術。目前，研究者們已經把研究的重心放在如何為虛擬人規劃出一條行走的最優路徑，使虛擬人的路徑導航更具有真實感和可信度。
由于虛擬環境中的模型多由三角面網格組成，通過使用基于空間多層次劃分的八叉樹方法，充分發揮了其空間劃分的優勢，加快了場景的渲染速度，減少了確定對象的處理時間以及存儲空間①。
文章采用八叉樹和A*算法相結合的方法，對路徑進行規劃，并對A*算法做了改進，以適應八叉樹的存儲結構。
二、密集型區域八叉樹劃分算法
八叉樹是由四叉樹推廣到三維空間而形成的一種三維柵格數據結構，它作為一種場景組織方法，廣泛應用于虛擬現實系統，可顯著減少對場景中多邊形進行排序的時間。
由于傳統八叉樹對空間的劃分是均勻的，導致了最終生成一個結構不平衡的八叉樹，從而增加整個八叉樹的存儲空間以及各結點的遍歷時間。文章采用了對傳統八叉樹算法進行改進，采用基于密集型區域八叉樹劃分方法。密集型區域八叉樹的網格劃分算法是對每一子空間重新建立最小包圍盒，這樣避免了在建立頂點樹時，由于該部分頂點在空間上分布不均勻而導致樹的深度的增加，進而減少了存儲空間，加快了網格模型數據的讀取速度。另外，由于建立了頂點的最小包圍盒，在誤差較小時，只有空間距離比較近的頂點才會聚合在一起；而相距較遠的頂點只有在深層次簡化時才會聚合，這些特點在一定程度上保證了簡化時網格模型的逼真度。
密集型區域八叉樹劃分方法的算法描述如下：
步驟1使用OBB包圍盒方法建立模型的最小包圍盒。
步驟2以包圍盒的X軸、Y軸、Z軸方向的中分面作為分割基準，將包圍盒平均劃分為八個子包圍盒。
步驟3如果每個子空間內存在物體的屬性不相同或未達到規定的限差，則重新從步驟1開始進行劃分。否則，劃分結束，并對劃分后的每一個結點記錄下結點編號、劃分標志、結點在頂點樹中的深度以及它所含的景物面片表的入口指針。
三、A*算法
A*算法是建立在典型的Dijkstra算法上的，是由Hart，Nilsson，Raphael等人首先提出的。該算法的創新之處在于選擇下一個被檢查的節點時引入了已知的全局信息，對當前節點距終點的距離做出估計，作為評價該節點處于最優路線上的可能性的量度，這樣就可以首先搜索可能性較大的節點，從而提高了搜索過程的效率。
下面是對A*算法的介紹，我們首先來介紹一下啟發式搜索中的估計函數。因為在啟發式搜索中，對位置的估價是十分重要的。估價函數的表示如下：
其中是節點的估價函數，是已知的，指在狀態空間中從初始節點到節點的實際代價；是從結點到目標節點最佳路徑的估計代價，它體現了搜索的啟發信息，啟發信息決定著算法的啟發能力。啟發信息越多，估價函數就越好，即約束條件越多，則排除的節點就越多，說明這個算法越好。這種做法存在一個平衡的問題，也會使算法的準確性下降。具體的說，代表了搜索的廣度優先趨勢，當時，可以省略，這樣就提高了搜索效率。
A*算法是一個可采納的最好優先算法。A*算法的估價函數可表示為：
這里，是估價函數，是起點到終點的最短路徑值，是到目標的最短路經啟發值。由于這個其實是無法預先知道的，所以我們用前面的估價函數做近似。代替，但需要滿足（在大多數情況下都滿足時，可以不用考慮）。代替，并滿足?？梢宰C明應用這樣的估價函數是可以找到最短路徑的。
四、基于密集型區域八叉樹的A*算法改進
由于使用八叉樹存儲結構存儲的環境地圖擴展步長不一致，采用傳統的A*算法效率較低，因此對A*算法做了改進，以適應八叉樹結構的搜索。改進的辦法是從葉節點開始搜索并為Open表設置兩個優先隊列，命名為隊列1和隊列2（隊列1中存放的節點總是高于隊列2），在兩個隊列中分別存放相鄰層次的全部節點，層次越高的優先級越高。通過這種分層次的搜索，也大大縮小了搜索的空間并縮短了搜索時間，這樣一來大大提高了搜索效率。
五、結束語
針對于復雜的3D環境，文章根據八叉樹適合虛擬場景劃分的特點，采用了一種適合密集型區域的八叉樹劃分方法，進行場景劃分。為適合八叉樹的存儲結構，對A*算法做了改進，引入優先級隊列并采用了分層結構，采用了從葉節點到根節點的搜索方法，規劃出了虛擬人行走的最優路徑。
路徑規劃范文4
Abstract: This paper guide the roadmapping of industrial integration with the use of frame structure of Technology Roadmapping (Technology Roadmapping, as TRM). Then a conceptual framework with three layers is established, including regional economic development, competitive advantage and bearing capacity. At the same time, each layer of the framework is elaborated. Based on the analysis, with method of TRM, the roadmapping process of industrial integration which includes three main stages is developed. At last, we structure the typical roadmap of industrial integration.
關鍵詞: 產業集成;路徑規劃;技術路徑規劃(TRM)
Key words: industrial integration;roadmapping;Technology Roadmapping(TRM)
中圖分類號:F062?9 文獻標識碼:A 文章編號:1006-4311(2009)10-0009-05
0引言
近年來,隨著技術路徑規劃方法使用頻率的提高和使用范圍的擴大,該方法成為企業或行業為其未來發展識別關鍵要素(包括技術、組織能力、產業政策等)、從而規劃發展路徑的有效工具。其應用范圍主要體現在如下六類:①產品-技術規劃;②業務重組;③流程開發;④戰略評價;⑤研究網絡的開發;⑥部門預測,并體現出應用領域不斷拓展的趨勢[1]。值得一提的是,TRM方法在新領域的每一次大膽嘗試,都為該領域提供了新的發展契機,甚至引發了本領域管理思想中的文化變革[2]。盡管TRM方法的應用背景千差萬別,但是均依托于包含多個層次的概念性框架,經過科學合理的篩選,將各層次的核心要素和指示要素演變的時間軸納入最終的路徑圖,從而引導具體實踐。這一思想可被產業集成的路徑規劃所借鑒,用于制定對地方乃至國家產業集成進程有指導意義的路徑圖。
我國目前對產業集成路徑的研究主要在于集成路徑的關鍵點提煉上,對產業集成的研究則側重于其內涵和特性,以及對該理論的經濟學解釋[3-6],缺乏可用于路徑規劃的概念性框架和規劃流程。本文以TRM的結構框架為基礎,建立指導產業集成路徑規劃的概念性框架和規劃流程,以期為特定產業的路徑規劃提供理論基礎和實踐指導。
1TRM的結構框架
技術路徑規劃的過程就是技術路徑圖的構建過程。技術路徑圖有很多形式,最普通的一種是描繪目標如何與資源、能力聯系起來的多層圖示,并輔之以時間軸,以指示特殊事件發生的時間節點。例如用于新產品開發的技術路徑圖中,會使用時間軸指示新產品開發過程中的階段付成果。特定應用領域的概念性框架是技術路徑圖的構建基礎,然而概念框架的建立除了依賴所應用領域的特定知識體系外,在組成部分、以及各部分間關系上還依賴技術路徑規劃本身的結構框架,表現為技術路徑圖的層次及層次間關系。
技術路徑圖的頂層用于代表路徑規劃要取得的成果或要滿足的狀態,包括外部市場和產業趨勢與驅動(社會的、技術的、環境的、經濟的、政治的、和基礎設施的),以及內部商業趨勢和驅動、里程碑、目標等,根據評價標準識別目標是技術路徑規劃的第一步。中層代表對頂層的趨勢和驅動做出反應所借助的方式、手段、途徑等,例如隨著時間將要交付的產品、服務或能力,這常常直接與產品(特征和績效)的演進相關。商業視角和技術視角通過中層得以溝通。底層通常與對趨勢和驅動做出反應所需的資源相關,包括基于知識的資源,例如技術、技能和能力,以及其他資源,例如財政、伙伴關系和設施,用于支持中層的方式、手段、途徑等。為了使技術路徑圖盡可能完整的反映路徑規劃的各個階段,可根據實際需要把每一層擴充為多層。技術路徑圖一般指明了兩個方向的路徑:水平方向的路徑指的是市場、產品、技術隨著時間的變化過程;豎直方向的路徑反映的是研發計劃、技術、產品和市場的關系路徑。技術路徑圖就是由這兩個維度縱橫交錯而成的[7]。
2產業集成的概念性框架
產業集成是當產業集群發展到高級階段時,由主導產業、相關性產業和支持性產業緊密聯系所形成的具有整體競爭優勢的創新集合體,其實質是具有開放性、創新性、動態性和網絡特征的復雜系統。
產業集成的概念性框架是基于技術路徑圖的層次結構構建的。技術路徑圖的頂層用于代表路徑規劃要取得的成果或要滿足的狀態,鑒于產業集成是依托所在地域而發展起來的,其目的是要以產業集成為載體實現區域經濟的持續穩定發展,因此,應把區域經濟發展作為產業集成概念性框架的頂層。技術路徑圖的中層代表對頂層趨勢和驅動做出反應所借助的方式、手段、途徑等,援引至產業集成中,即是為實現區域經濟發展產業集成要具備的能力,表現為產業集成的競爭優勢。技術路徑圖的底層代表對趨勢和驅動做出反應所需的資源,用于支持中層的方式、手段、途徑等,援引至產業集成中即是區域經濟發展所需的資源,用以獲得中層的競爭優勢,表現為產業集成的承載力。產業集成概念性框架與技術路徑圖結構的對照如表1所示。
2.1 頂層:區域經濟發展
產業集成是實現區域經濟持續穩定發展的載體。首先,產業集成使交易成本從本質上降低,進一步促進集成內外企業及相關機構的合作與創新,強化區域經濟系統的內外經濟聯系,增強區域經濟的開放程度,降低區域產品成本,使市場擴大,區域經濟的比較優勢增強;同時令區域經濟系統的分工與協作愈加明顯和集中,強化其主導產業;再者,產業集成的發展可以增強區域的聚集效應,形成規模經濟,強化區域經濟子系統之間的聯系,使區域主導產業前向、后向擴散的范圍和程度擴大,提高區域經濟的區位優勢,使區域的投資吸引力增強,從而加快新的優勢產業的形成,進一步推動區域經濟發展。
2.2 中層:競爭優勢
競爭優勢的增強是產業集成乃至區域經濟發展的內源動力。產業集成是由產業集群演化形成的,且產業集群的競爭優勢已在理論和實踐兩個層面得到驗證,因此產業集成的競爭優勢也就不言而喻了,只是與一般的產業集群相比,產業集成的競爭優勢有其特殊性。產業集成的競爭優勢以成本優勢、創新優勢和結構優勢為主,輔之以其他優勢。
2.2.1 成本優勢
產業集成的成本優勢體現在成本節約的廣度和深度上。產業集成的成本優勢離不開由于地理位置臨近而引發的成本節約,包括處于同一產品鏈上的企業通過專業化分工降低原材料和產品的運輸成本,節約生產時間與庫存,從而降低生產成本;相同生產領域內企業通過合作和聯盟等形式共同進行原材料采購,使議價能力提高,節約采購成本和運輸成本;產業地理集中能夠共同分享各種基礎設施、服務設施,節約設施的重置成本;企業的經濟活動根植于地方社會網絡,良好信任基礎的形成能夠減少投機行為的發生,從而降低交易成本;企業的集中可引發人才的集中,勞動力的獲取和使用成本也得到降低。產業集成特有的成本優勢體現在兩個方面:一方面,企業通過集成網絡緊密聯系,頻繁的創新活動能夠不斷創造新的市場需求,在產業和服務的分工程度和專業化程度方面產生更高需求,從而形成正反饋,通過生產效率的提高達到成本降低的目的;另一方面,產業集成的網絡特征使得企業間的競爭與合作在更大的空間展開,有利于企業改善官僚制的組織形式,從而通過有效的組織管理從更深層次上節約成本。
2.2.2 創新優勢
產業集成具備長期的創新優勢,體現在如下方面:第一,產業集成內完善的信息交流平臺促進了主體間的資源共享與能力互補。除了群聚使得群內知識和信息不斷累加從而為共享提供可能性外,集成的優勢主要體現在完善的集成網絡使信息的交流壁壘減少甚至消失,加快信息的交流速度,節約企業的學習費用,推動知識創新的增值與擴散,從而提高產業集群的整體技術創新能力。第二,產業集成內的分工協作降低了創新過程中各行為主體需承擔的風險。集群使得風險由于行為主體數量增多而被分散,但更主要的是集成后其應對風險的綜合能力得到加強,使技術創新過程中的不確定性因素減少,并縮短技術研發和商業轉化之間的時間差,從根本上降低了需承擔的風險。第三,產業集成的開放性和動態性便于其長期保持創新優勢。產業集成能夠突破因路徑依賴所導致的集群鎖定效應,保證區域內不斷有新的行為主體加入,使紛繁復雜的信息不斷涌入并得到交流,促進技術創新、管理創新等各類創新活動的發生,為集成企業提供更廣闊的競爭和發展空間。
2.2.3 結構優勢
產業集成內的產業結構雖然也是由主導產業、相關性產業和支持性產業構成,但隨著外部環境變化,產業集成內的企業能夠根據企業自身條件靈活地在主導產業和相關性產業間轉化,同時仍享有其支持性產業所提供的便利,從而不會因主導產業衰落而失去競爭優勢。一方面,主導產業和相關性產業可以互相轉化。當主導產業已經成熟,競爭者之間面臨產能過剩的壓力時,企業內的人員和設備往往隨著內部創業而重新配置,伴之以產業間的技術轉移,促進了新的相關性產業產生。然而,各企業為了滿足自身成長需要,往往是同一時間進入到了同一相關性產業中,由于新的相關性產業是由不同領域的不同企業轉化而來的,因此從其誕生之日起就能汲取各方面新技術,產生活躍的創新活動,使其發展成為新的主導產業。另一方面,主導產業和支持性產業相互融合。為了使產業間信息流通順暢、服務更加完善、應變能力增強,處于主導產業的企業往往和其支持性產業中的供應商互相投資控股,企業與供應商長期合作關系能夠使主導產業衰落企業轉而進入相關性產業時,仍可獲得可靠的產品或服務。上述分析與產業集成的經濟學解釋相一致[5],進一步證實了產業集成的結構優勢能夠使其獲得競爭優勢。
除了上述分析的三個優勢以外,產業集成也具備其他優勢,如營銷優勢、融資優勢、組織優勢等,在進行產業集成路徑規劃時,要根據產業集成的實際情況以及要取得的預期效果選定。
2.3 底層:承載力
“承載力”是從工程地質領域轉借過來的概念,其本意是指地基的強度對建筑物負重的能力,應用到產業集成領域,是指產業集成所在區域對其競爭優勢的支撐能力,是競爭優勢的來源。產業集成的各個競爭優勢是由不同的承載力以及承載力間的相互作用共同支撐的,主要包括環境承載力、行為主體承載力、社會資本承載力、體制政策承載力。
2.3.1 環境承載力
產業集成所在區域的環境承載力是其競爭優勢得以形成的前提條件。地理環境在產業集成早期發揮了重要作用,例如硅谷優美的自然環境與適宜的氣候吸引了先驅企業進入,其持續衍生與裂變又為集成產生了新的進入企業?；ōh境由交通、用水、電力、通信、休閑設施、公共建筑設施共同構成,其中便利的交通與通信條件是影響產業集成的重要因素,特別是信息基礎設施建設,可使企業之間信息資源及時并充分共享,實現企業間業務協作,為整體競爭優勢獲取提供物質保障。同屬于環境承載力的還有市場環境、市場發育程度及發育空間決定了產業集成內資源的轉化能力,直接影響創新成果轉化成產品投入市場的周期,開放的市場環境能夠保持集成行為主體的異質性,從而促進新知識獲取和創新,從而影響其競爭優勢的形成。
2.3.2 行為主體承載力
產業集成的行為主體與產業集群一致,包括企業、高等院校與科研院所、中介服務機構。企業構成了產業集成日常運作的核心,是影響產業集成競爭優勢的關鍵,位于同一價值鏈上的企業通過合作競爭等行為獲取利潤,同時還通過經驗與知識共享等方式實現企業價值的增值。高等院校和科研院所是產業集成保持競爭優勢的動力源泉,其不僅為集成輸入大量的高素質人才,更是通過產學研合作等方式加速了技術創新和管理創新,例如在硅谷地區大學與產業界之間建立了產業聯盟,加強了本地公司與整個地區基于知識的動態競爭優勢。中介服務機構包括行業協會、各種服務中心、事務所和金融機構等,此類組織在形成產業集成競爭優勢過程中的主要作用表現在:縮短行為主體相互之間的搜尋與選擇的過程,通過綜合比較優勢、溝通供求信息和規范企業行為等方式促使其走上協同。
2.3.3 社會資本承載力
社會資本是指行為主體建立在相互信任與合作基礎之上的持續社會關系網絡,以及行為主體在互動過程中所產生的共享知識、規范、合作和信任等各種形式的資源,它能夠給擁有主體帶來利益。例如硅谷內的非正式交流促進了各種隱性經驗類知識的傳播,使其區域內信息和知識得以有效交流和擴散,成為其創新優勢的來源之一。社會資本有利于擁有主體間信息、知識的快速流動,使擁有主體獲取社會稀缺資源,提高創新效率,增強創新能力。產業集成正是這樣一種關系網絡綜合體。值得一提的是,企業與高等院校、中介機構由于特殊的地緣、親緣、學緣和行緣等多重關系,在長期的、頻繁的交互作用中能夠形成基于信任的社會關系網絡,從而使所屬區域具有比大企業等級組織更靈活、比市場效率更高的優勢,從而將生產成本和經營成本降到最低[8],從這一角度來講,社會資本承載力是產業集成競爭優勢的顯著來源之一。
2.3.4 體制政策承載力
體制政策承載力除了包括國家層面的體制政策外,主要是指產業集成所在地區地方政府對產業集成的特定體制政策支持。在我國,大多數高新區都是由政府規劃而產生的,并通過產業政策、稅收政策、外資吸引政策、人才保障機制等來吸引資金、人才、技術等生產要素向區內集聚,特別是吸引那些具備產業帶動優勢和有產業關聯效應的企業進入園區,從而有效推動高新區走向產業集成的進程。新竹科學工業園在規劃伊始為了保證園區的高科技品質,建立了嚴格的高新企業審查機制,確保入園企業均是具有較強創新能力的企業,從而使園區發展迅速,產業特色很快形成。班加羅爾工業園則是借助印度對軟件產業實行的零關稅、零流通稅和零服務稅等措施,成為全球最成功的軟件外包中心。由此可見,源于政府的體制政策支持是產業集成取得競爭優勢的重要推動力。
以上對產業集成概念性框架中各層的分析,如圖1所示。為了盡可能完整地反映整個框架,特在承載力一層下設微觀要素層,作為對承載力層的支撐。
3用TRM進行產業集成路徑規劃的流程
鑒于路徑規劃的演變是由管理實踐引導,而不是源于管理理論,因此,對于該方法的每一次應用都需要根據特定背景和目的進行定制[9]。產業集成路徑規劃的流程由三個核心階段組成,分別是競爭優勢選擇階段、承載力評估階段和規劃制定階段。此外,在路徑規劃正式開始前,還需建立規劃小組、確定規劃目標、制定規劃進度表,在產業集成路徑規劃制定完畢并付諸實施后,還需對實施效果進行動態跟蹤,將其反饋到先前路徑規劃的制定流程中,由此開始新一輪的集成路徑規劃。三個核心階段具體如下。
圖2是按上述方法繪制的典型產業集成路徑規劃圖。規劃圖中的各層與產業集成概念性框架中的層次一致。ME1,ME2,ME3,BP1,BP2,CA1是對應層次中權重較大的要素,各層中的要素個數可根據路徑規劃背景和計算結果選定,通常情況下,要素個數自上而下逐漸增多。水平方向的路徑指明了各要素隨時間推移的預期發展過程,可通過添加字母下腳標的方式區別各時間點的要素狀態。豎直方向的關鍵路徑在圖中用粗箭線表示,即路徑ME2b-BP2a-BP2b-CA1b-REDb。其中ME2是微觀要素層中對區域經濟發展影響權重最大的要素,BP2是使ME-BP路徑權重最大的承載力,CA1是使BP-CA路徑權重最大的競爭優勢。同時,縱向路徑需要指明路徑中各要素的狀態,因此有必要添加字母下腳標對要素狀態進行區分。在圖中,路徑ME1a-ME1b-BP1a-BP1b-CA1a-CA1b-REDb和路徑ME3a-ME3b-BP2b-CA1b-REDb是除關鍵路徑外的另兩條縱向路徑,連接著各層中權重較大的因素,對規劃目標的實現同樣有深遠影響,故不可忽略。
路徑規劃圖本身,盡管概念和結構相對簡單,包含的具體信息也十分有限,但卻基于組織內大量的支持性分析,從不同視角整合了組織內的微觀要素、信息資源、工具和方法,代表著路徑規劃過程的最終精煉產出?？v觀產業集成路徑規劃整個流程不難看出,路徑規劃是一個動態的過程,需要根據環境變化而靈活調整,以維持其生命力,便于其效果的持久發揮。
4結論和展望
將TRM方法應用于產業集成路徑規劃是一種大膽嘗試。該方法的結構框架為產業集成概念性框架構建提供了有益指導,概念性框架中的區域經濟發展、競爭優勢和承載力構成了路徑規劃圖的三個層次。路徑規劃流程很好地整合了各層中的核心要素,通過現有的分析技術和分析工具有效地建立起層級間的聯系,從而為特定產業的路徑規劃提供指導。然而,還需從產業集成路徑規劃實踐中提煉出涉及更多層次、更多方面的新內容,并將其他有效的分析工具與分析方法合理引入到規劃流程中,從而提高此方法的使用效率并拓展其適用范圍,這是后續研究有待深入的方面。
參考文獻:
[1]Robert Phaal, Clare Farrukh, David Probert. Customizing Roadmapping. Research Technology Management, 2004,47(2):26-37.
[2] Alec McMillan. Roadmapping――Agent of Change. Research Technology Management, 2003,46(2):40-47.
[3]王海龍、武春友:《基于產業集成的科技創業企業成長路徑――以路明科技集團為例》[J];《管理學報》2007(5):668-673。
[4]張貴、周立群:《產業集成化:產業組織結構演進新趨勢》[J];《中國工業經濟》2005(7):36-42。
[5]黃建康:《產業集成:基于提升傳統產業競爭力的分析》[J];《宏觀經濟》2004(4):16-18。
[6]張立、王學人:《推進我國產業集成的問題、成因及對策探討》[J];《當代財經》2002(7):56-58。
[7]李雪鳳、仝允桓、談毅:《技術路線圖和技術路線圖思維》[J];《科學學與科學技術管理》2005(8):26-29。
路徑規劃范文5
關鍵詞關鍵詞：自動泊車；反正切函數；泊車軌跡；MATLAB
DOIDOI：10.11907/rjdk.171076
中圖分類號：TP319
文獻標識碼：A文章編號文章編號：16727800（2017）005011305
0引言
隨著汽車保有量的逐年增加，導致泊車位變得越來越緊張。確保每一個駕駛員安全無碰撞地進行泊車，已日益成為當今汽車技術的一個熱門研究方向。本文根據反正切函數對泊車軌跡進行擬合研究，規劃泊車軌跡，使車輛順利進入泊車位。
1平行泊車系y坐標系
把正在泊車的車輛簡化成一個剛體，如圖1所示，是簡化后的泊車運動學模型[1]。
假設車輛從右向左進行泊車，泊車位右上角點D′為坐標原點，A′B′C′D′表示停車位的4個頂點；ABCD表示汽車的4個頂點；abcd代表汽車4個車輪與水平地面的接地點；θ為車身航向角，即汽車中心軸與水平方向的夾角，定義逆時針為正，順時針為負。汽車自動平行泊車系統流程如圖2所示。
2泊車軌跡
如圖3所示，當車輛停在泊車起始位置時，即設計好的泊車軌跡起點，駕駛員開始向右打方向盤，車輛以圓形軌跡行駛，直到點O′為止停車，然后再向左打方向盤，汽車同樣以圓形軌跡行駛，直到車身回正為止，車輛行駛至泊車目標位置。綜上述，可以簡單理解為泊車軌跡是以點O1和O2為圓心，R1和R2為半徑，車輛行駛經過的兩條相交的圓弧組成。
2.1泊車位大小確定
自動泊車實現的難度和泊車位大小直接相關。根據我國實際情況，設定本文研究的泊車車位長為7m，寬為2.5m。假如車輛在泊車過程中都是以最小半徑行駛，所以車輛行駛的路程最短，泊車所需空間也最小。具體估算過程如下：
如圖4所示，A0B0C0D0表示汽車在泊車目標位置時的4個頂點。Rr_min表示向右將方向盤打到底時，汽車后軸中心的最小半徑；Rl_min表示向左將方向盤打到底時，汽車后軸中心的最小半徑。圖中所示曲線軌跡則為泊車最短路徑，圖中車位即為極限最小車位。根據Ackerman轉向原理，駕駛員向右、向左將轉向盤打到底時的前軸中心轉角分別為：
式中，R1、R2分別表示汽車向左和向右打方向盤時，汽車后軸中心的轉向半徑；S1、S2分別表示汽車向左和向右打方向盤時，汽車后軸中心的行駛路徑；S0表示汽車從泊車出發位置行駛到泊車起始位置的橫向位移；h0表示汽車從泊車起始位置行駛到泊車目標位置的縱向位移；θ′為汽車行駛至O′點時，汽車車身的瞬時航向角。
由式（16）、（17）可得，泊車時如果確定了泊車起始位置，即確定了S0、h0時，R1與R2相加之和即為固定常數。對R1和R2中的任意一個賦值，即可得出泊車軌跡曲線，從而進行平行泊車。但是符合兩半徑和的R1、R2組合太多，無法確定具體泊車軌跡。所以，還要根據碰撞點約束條件確定有效的泊車路徑。
因此，本文對在泊車過程中車輛與周邊障礙物發生碰撞的可能性進行分析，并列出了對應的碰撞約束條件[3]。
（1）汽車已經進入泊車位，泊車后期擺正車身時，車身頂點B和泊車位內側邊界線B′C′可能發生碰撞，如圖6所示。
式中，Lbac為后懸，Lreal是泊車位長，δ是車位安全系數值，將式（20）、（21）進行聯合便可求出R1的最大取值，定義為R1max。
（3）平行泊車初期，車身頂點D距離停車位縱向位置最遠時，車身頂點D和泊車位側向障礙物有可能發生碰撞，如圖8所示。
車身頂點D以O2為圓心，RD1為半徑進行圓周行駛，車身頂點D和側向障礙物發生碰撞時，此時R2為半徑最小極限值。在泊車起始位置，車身處于水平狀態，R2越小，車身轉彎越劇烈，點D對于車位的偏移也越大。根據幾何關系可得：
RD1=（L-Lbac）2+（R2+W2）2（22）
為防止車身頂點D與泊車位側向障礙物發生碰撞，要滿足以下關系：
RD1-R2+Δy+Wreal≤H（23）
式（23）中，y表示汽車后軸中心和車位邊界線A′D′之間的距離，Wreal為實際車位寬，H為車身頂點D能偏移車位邊界線B′C′的最大極限距離，取H=6m。將式（22）和（23）進行聯合便可求出R2的最小值，定義為R2min。
（4）車輛右后輪將要進入泊車位時，兩個后車輪接地點的延長線和汽車右側BC的交點與車位邊界點D′有可能會發生碰撞，如圖9所示。
交點以O2為圓心，Re1為半徑作圓周運動，點D′坐標為（xD′，yD′），圓心O2坐標為（xO2，yO2），當交點和車位邊界點D′發生碰撞時，Re1取最小極限值，所以這時R2也為最小極限值。要避免交點和泊車位邊界點D′發生碰撞，需滿足以下關系式：
R2-W2≥（xo2-xD′）2+（yo2-yD′）2（24）
由式（24）可求得此情況下R2的最小值，然后和R2min比較大小，將最大值作為最終的R2最值。
綜上述，當S0、h0確定時，汽車的泊車出發位置、泊車起始位置、泊車目標位置都會確定。一旦確定泊車起始位置和泊車目標位置，R1、R2兩者之和則是唯一的定值[4]。根據汽車在自動泊車過程中可能發生的碰撞情況，求出了R1的最大值R1max和R2的最小值R2min，又當汽車車型確定后，向右和向左打方向盤時所對應的最小轉彎半徑同樣固定。所以，R1、R2的取值范圍都可求出，這為設計出有效的泊車軌跡奠定了基礎。
泊車軌跡用兩段相切的圓弧表示，可以簡化倒車過程。然而，兩相切圓弧軌跡在相切點處存在曲率不連續性，這就要求駕駛員把方向盤從一個位置反轉到另一個位置，使方向盤轉角發生階躍性變化。如果對S0、h0、R1適當賦值，兩段相切圓弧軌跡和方向盤轉角的階躍變化如圖10、圖11所示。
在兩段圓弧泊車軌跡切點處，轉向盤轉角存在突變問題，此處的曲率不連續，導致平行泊車時會出現中途停車轉向的問題，從而加劇輪胎磨損，增加電機負擔。
3反正切函數擬合平行泊車倒車軌跡
為了解決兩段相切圓弧曲率不連續的問題，本文經過反復仿真驗證，最終確定了最佳反正切函數[5]：
y=a?arctan（bx+c）+dx3+ex2+fx+g（25）
式（25）中，a、b、c、d、e、f、g櫸湊切函數的參數，這些參數對擬合曲線泊車軌跡起到決定形狀的作用。
對圖10中的平行泊車軌跡用式（25）進行逼近擬合，如圖12所示，即運用Matlab中的cftool工具對圓弧軌跡進行擬合的過程。
可以得到擬合參數a、b、c、d、e、f、g取值為：0.535 8、0.635、1.894、-0.004 094、-0.019 85、0.161 6、0.485。此擬合函數可以滿足原兩相切圓弧泊車軌跡形狀的要求，同時可以使泊車車輛在泊車起始位置、泊車目標位置時，車身都可以回正，從而大大降低停車難度。具體擬合情況如圖13所示。
從圖13中可以看出，反正切函數的擬合效果很好，兩條平行泊車軌跡基本處于完全擬合狀態，在泊車起始位置與泊車目標位置時，車身基本上可以滿足回正的要求。根據已搭建好的數學模型，在Matlab Simulink中創建泊車環境，車輛在不同泊車起始位置對平行泊車過程進行動態仿真，結果如圖14、圖15所示。
從泊車過程的仿真圖中可以看出，在這種擬合方法下，車輛不僅可以比較平順地進行倒車，解決了車輛中途需要停車轉向的問題，而且車輛行駛到泊車目標位置時，車身基本實現回正。為驗證仿真結果的可行性，進行了整車實驗。采用榮威作為實驗車，其基本實驗參數如表1所示。
4實驗誤差與分析
經過多次泊車實驗，汽車基本上可以按照仿真結果進行，基本滿足了實車泊車要求，順利泊車到目標位置，說明此反正切函數仿真結果的正確性和可行性，可以進行實用。但是也存在以下問題：①泊車過程中，車輛與車位邊界以及周邊障礙物之間有可能發生碰撞；②泊車結束后，車輛車身不能完全擺正。對以上問題進行分析研究，得出如下幾點可能原因：
（1） 傳感器的探測精度不夠[6]。傳感器感知系統對同樣的停車空間進行掃描，檢測值并不完全固定，存在一些浮動。
（2）在建立車輛運動學模型時，忽略了輪胎側向力的影響，這與實際情況存在一定出入，勢必造成誤差的產生。
參考文獻參考文獻：
[1]王芳成.自動平行泊車系統的研究[D].安徽：中國科學技術大學，2010.
[2]姜輝.自動平行泊車系統轉向控制策略的研究[D].長春：吉林大學，2010.
[3]YANAN ZHAO，EMMANUEL，G COLLINS JR.Robust automatic parallel parking in tight spaces via fuzzy logic[J].Robotics and Autonomous Systems，2005，51（23）：111127.
[4]THIERRY FRAICHARD，CHRISTIAN LAUGIER.Smooth trajectory planning for a carlike vehicle in a structures world[C].IEEE International Conference on Robotics & Automation，1991：318323.
路徑規劃范文6
關鍵詞 路徑規劃;全局規劃;局部規劃
中圖分類號 TP242 文獻標識碼 A 文章編號 1674-6708(2009)10-0067-02
路徑規劃是指機器人從起始點到目標點之間找到一條安全無碰的路徑,是機器人領域的重要課題。移動機器人技術研究中的一個重要領域是路徑規劃技術,它分為基于模型的環境已知的全局路徑規劃和基于傳感器的環境未知的局部路徑規劃。本文綜述了移動機器人路徑規劃的發展狀況,對移動機器人路徑規劃技術的發展趨勢進行了展望。
根據機器人工作環境路徑規劃模型可分為兩種:基于模型的全局路徑規劃,這種情況的作業環境的全部信息為已知;基于傳感器的局部路徑規劃,作業環境信息全部未知或部分未知,又稱動態或在線路徑規劃。
1 全局路徑規劃
全局路徑規劃主要方法有:可視圖法、自由空間法、柵格法、拓撲法、神經網絡法等。
1.1 可視圖法
可視圖法視移動機器人為一點,將機器人、目標點和多邊形障礙物的各頂點進行組合連接,并保證這些直線均不與障礙物相交,這就形成了一張圖,稱為可視圖。由于任意兩直線的頂點都是可見的,從起點沿著這些直線到達目標點的所有路徑均是運動物體的無碰路徑。搜索最優路徑的問題就轉化為從起點到目標點經過這些可視直線的最短距離問題。
1.2 拓撲法
拓撲法將規劃空間分割成具有拓撲特征的子空間,根據彼此連通性建立拓撲網絡,在網絡上尋找起始點到目標點的拓撲路徑,最終由拓撲路徑求出幾何路徑。拓撲法基本思想是降維法,即將在高維幾何空間中求路徑的問題轉化為低維拓撲空間中判別連通性的問題。
1.3 柵格法
柵格法將移動機器人工作環境分解成一系列具有二值信息的網格單元,多采用四叉樹或八叉樹表示,并通過優化算法完成路徑搜索,該法以柵格為單位記錄環境信息,有障礙物的地方累積值比較高,移動機器人就會采用優化算法避開。對柵格的改進采用以障礙物為單位記錄的信息量大大減少,克服了柵格法中環境存儲量大的問題。
1.4 自由空間法
自由空間法應用于移動機器人路徑規劃,采用預先定義的如廣義錐形和凸多邊形等基本形狀構造自由空間,并將自由空間表示為連通圖,通過搜索連通圖來進行路徑規劃。自由空間的構造方法是從障礙物的一個頂點開始,依次作其它頂點的鏈接線,刪除不必要的鏈接線,使得鏈接線與障礙物邊界所圍成的每一個自由空間都是面積最大的凸多邊形。連接各鏈接線的中點形成的網絡圖即為機器人可自由運動的路線。
1.5 神經網絡法
可視圖法缺乏靈活性,且不適用于圓形障礙物的路徑規劃問題。神經網絡法用于全局路徑規劃可以解決以上問題。算法定義了整條路徑的總能量函數,相應于路徑長度部分的能量和相應于碰撞函數部分的能量。由于整個能量是各個路徑點函數,因此通過移動每個路徑點,使其朝著能量減少的方向運動,最終便能獲得總能量最小的路徑。
2 局部路徑規劃
局部路徑規劃包括人工勢場法、模糊邏輯算法、神經網絡法、遺傳算法等。
2.1 人工勢場法
人工勢場法基本思想是將移動機器人在環境中的運動視為一種虛擬人工受力場中的運動。障礙物對移動機器人產生斥力,目標點產生引力,引力和斥力周圍由一定的算法產生相應的勢,機器人在勢場中受到抽象力作用,抽象力使得機器人繞過障礙物。
2.2 模糊邏輯算法
模糊邏輯算法基于對駕駛員的工作過程觀察研究得出。駕駛員避碰動作并非對環境信息精確計算完成的,而是根據模糊的環境信息,通過查表得到規劃出的信息,完成局部路徑規劃。模糊邏輯算法的優點是克服了勢場法易產生的局部極小問題,對處理未知環境下的規劃問題顯示出很大優越性,對于解決用通常的定量方法來說是很復雜的問題或當外界只能提供定性近似的、不確定信息數據時非常有效。
2.3 神經網絡法
模糊控制算法有諸多優點,但也有固有缺陷:人的經驗不一定完備;輸入量增多時,推理規則或模糊表會急劇膨脹。神經網絡法則另辟蹊徑。路徑規劃是感知空間行為空間的一種映射,映射關系可用不同方法實現,很難用精確數學方程表示,但采用神經網絡易于表示,將傳感器數據作為網絡輸入,由人給定相應場合下期望運動方向角增量作為網絡輸出,由多個選定位姿下的一組數據構成原始樣本集,經過剔除重復或沖突樣本等加工處理,得到最終樣本集。
2.4 遺傳算法
遺傳算法以自然遺傳機制和自然選擇等生物進化理論為基礎,構造了一類隨機化搜索算法。利用選擇、交叉和變異編制控制機構的計算程序,在某種程度上對生物進化過程作數學方式的模擬,只要求適應度函數為正,不要求可導或連續,同時作為并行算法,其隱并行性適用于全局搜索。多數優化算法都是單點搜索,易于陷入局部最優,而遺傳算法卻是一種多點搜索算法,故更有可能搜索到全局最優解。
3 移動機器人路徑規劃技術的發展展望
隨著計算機、傳感器及控制技術的發展,特別是各種新算法不斷涌現,移動機器人路徑規劃技術已經取得了豐碩研究成果。從研究成果看,有以下趨勢:首先,移動機器人路徑規劃的性能指標要求不斷提高,這些性能指標包括實時性、安全性和可達性等;其次,多移動機器人系統的路徑規劃。協調路徑規劃已成為新的研究熱點。隨著應用不斷擴大,移動機器人工作環境復雜度和任務的加重,對其要求不再局限于單臺移動機器人。在動態環境中多移動機器人的合作與單個機器人路徑規劃要很好地統一;再次,多傳感器信息融合用于路徑規劃。移動機器人在動態環境中進行路徑規劃所需信息都是從傳感器得來。單傳感器難以保證輸入信息準確與可靠。此外基于功能/行為的移動機器人路徑規劃,這是研究的新動向之一。
總之,移動機器人的路徑規劃技術已經取得了豐碩成果,但各種方法各有優缺點,也沒有一種方法能適用于任何場合。在研究這一領域時,要結合以前的研究成果,把握發展趨勢,以實用性作為最終目的,這樣就能不斷推動其向前發展。
參考文獻
[1]陳陳.優化方法與最優控制[M].北京:機械工業出版社,1993.
