Автоматическое планирование траектории – актуальная научно-техническая задача, решения которой востребованы во многих областях: беспилотный транспорт, роботизированная логистика, социальная робототехника и т.д. Зачастую при планировании траектории необходимо учитывать тот факт, что агент (робот, беспилотный автомобиль и др.) не может произвольно менять ориентацию при движении, другими словами – необходимо учитывать кинематические ограничения при планировании. Одним из широко-распространенных подходов к решению этой задачи является подход, опирающийся на конструирование траектории из заранее подготовленных фрагментов, примитивов движения, каждый из которых в свою очередь удовлетворяет кинематическим ограничениям. Зачастую, акцент при разработке методов, реализующих этот подход, делается на сокращении перебора вариантов при планировании (эвристический поиск), при этом сам набор доступных примитивов считается заданным извне. В этой же работе, мы наоборот ставим своей целью провести исследование и анализ влияния различных доступных примитивов движения на качество решения задачи планирования при фиксированном алгоритме поиска. В частности, рассматриваются 3 различных набора примитивов движения для колесного робота с дифференциальным приводом. В качестве алгоритма поиска используется известный в искусственном интеллекте и робототехнике алгоритм A*. Качество решения оценивается по 6 метрикам, включая время планирования, длину и кривизну результирующей траектории. На основании проведенного исследования делаются выводы о факторах, оказывающих наибольшее влияние на результат планирования, и даются рекомендации по построению примитивов движения, использование которых позволяет достичь баланса между скоростью работы алгоритма планирования и качеством отыскиваемых траекторий.
Транспортная система является одной из важнейших частей экономики страны. В то же время, рост интенсивности транспортного потока оказывает существенное отрицательное влияние на экономические показатели отрасли. Одним из способов повышения эффективности использования транспортной инфраструктуры является управление транспортными потоками. Решение задачи эффективного управления транспортными потоками в настоящее время часто осуществляется путем применения систем управления сигналами светофоров на регулируемых перекрёстках. В связи с развитием и постепенным внедрением самоорганизующихся автомобильных сетей, позволяющих обмениваться информацией между транспортными средствами и объектами инфраструктуры, а также развитием автономных транспортных средств другим перспективным подходом к решению рассматриваемой задачи является управление траекторией движения беспилотных транспортных средств. Как следствие, становится возможной постановка задачи совместного управления траекториями движения транспортных средств и сигналами светофоров для повышения пропускной способности перекрестков, снижения потребляемого топлива и времени движения. В данной работе представлен метод управления транспортным потоком на перекрестке, заключающийся в совместном управлении сигналами светофоров и траекториями движения подключенных/автономных транспортных средств. Разработанный метод сочетает метод адаптивного управления сигналами светофоров, основанный на детерминированной модели прогнозирования движения транспортных средств, и двухэтапный алгоритм построения траектории движения транспортных средств. Целевая функция оптимизации, используемая для построения оптимальных траекторий, учитывает расход топлива, время движения по дорожной полосе и время ожидания на перекрестке. Экспериментальные исследования разработанного метода проведены в системе микроскопического моделирования движения транспортных средств SUMO с использованием трех сценариев моделирования, включающих синтетические сценарии и сценарий движения в реальной городской среде. Результаты экспериментальных исследований подтверждают эффективность разработанного метода по критериям потребления топлива, времени движения и времени ожидания по сравнению с методом адаптивного управления сигналами светофоров.
1 - 2 из 2 результатов