本发明专利技术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。
【技术实现步骤摘要】
本专利技术涉及物联网环境下智能泊车领域，特别涉及。
技术介绍
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系统是今后的发展趋势，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系统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。专利
技术实现思路
针对上述问题，本专利技术提出了，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。本专利技术提出的为I)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。有益效果本专利技术提出的，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。具体实施例方式本专利技术提出的为，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。下面给出本专利技术的优选具体实施例方式步骤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。权利本文档来自技高网...
【技术保护点】
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。
【技术特征摘要】
【专利技术属性】
技术研发人员：周丽明，
申请(专利权)人：江南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。