本发明属于路径规划，具体涉及基于astar算法与非零和博弈的动态路径规划方法。
背景技术：
1、近年来，随着道路车辆的持续增多，交通拥堵时常发生，为应对加剧的交通拥堵情况，许多研究人员开始研究解决方法。现阶段部分道路规划算法已十分出色，能够表现出较好的性能，例如通过联网获取红绿灯的剩余时长、同步道路拥堵情况等方法，规划出较为合理的行车路径并估算出行时间，但对于道路突发情况的感知和躲避依旧有所欠缺。
2、路径规划算法是用于寻找从起点到终点的最佳路径的算法，被广泛应用于各种领域，如交通运输、物流、机器人导航等。通过考虑不同路径的成本或权重来确定最优路径，以便在特定条件下最大化效率或最小化成本。
3、在路径规划的应用过程中，智能路侧终端rsu(road side unit)是部署在道路边缘或交通设施上的设备，可以收集和处理交通数据，包括道路流量、拥堵情况、交通事故、车辆速度等信息，并进行实时分析和处理，以生成交通报告、统计分析结果，为交通管理和规划提供决策支持。在交通事故或紧急情况下，rsu可以向车辆发送紧急服务信息。无人机uav(unmanned aerial vehicle)功能多种多样、可创造性强，能够在没有人操控的情况下进行飞行任务，通过预先设定的航线、遥控器或者自主飞行来完成各种任务，如监视、勘察、货物运输等。现阶段也被用于道路安全、交通监控和公路基础设施管理等方面。
4、现有路径规划算法的缺陷与不足主要有：现阶段路径规划算法多为静态，即通过指定最短时间或最短路径只返回一次最优行驶路径；道路规划算法基于最短时间或最短路径，可能导致车辆集中驶向最优路段，致使最优路段道路拥堵；行驶中车辆信息传输存在延迟，存在安全隐患；面对车流、人流呈几何倍增长的闹市区，如果突发交通事故，路径规划系统不能实时同步信息，这种信息时延将导致车辆按原规划驶向事故路段，造成事故路段及附近路段的拥堵。
技术实现思路
1、根据以上现有技术中的不足，本发明的目的在于，提供基于astar算法与非零和博弈的动态路径规划方法，能够实现对事故路段的合理利用，实现车辆分流，最大化车辆群体效益，使得车辆合理行驶，保证行车安全，减少出行车辆的拥堵。
2、为达到以上目的，本发明提供了基于astar算法与非零和博弈的动态路径规划方法，包括以下步骤：
3、s1、组建包含无人机、车辆、智能路侧终端rsu和核心控制器（采用公知的核心控制器即可）的路径规划框架，其中：
4、无人机用于监管道路情况，当利用无人机观测到出现道路状况时，无人机立即向核心控制器返回道路信息；
5、车辆在行驶过程中，当自身所在道路发生改变时，向核心控制器返回自身信息；
6、rsu部署在每条道路上，用于计算所在道路的规划因子；
7、核心控制器将接收到的各个信息所对应的位置信息划分到各条道路，计算汇总每条道路的事故规模、施工规模和车辆面积，下发给对应道路的rsu，由rsu对每条道路的规划因子进行计算；
8、对全部道路所在的区域建立笛卡尔坐标系，i代表横轴，j代表纵轴；
9、s2、核心控制器接收来自车辆的路径规划请求，该请求包括起始位置、终点位置；
10、s3、使用astar算法，基于规划因子利用astar算法进行路径规划，向车辆返回推荐行驶路径；此处，采用公知的astar算法（一种常用的路径查找和图形遍历算法）进行路径规划即可；
11、s4、核心控制器实时接收来自无人机的道路状况，将出现状况的道路下发至全体车辆，车辆收到信息后，检测自身行驶路径，如包含出现状况的道路，则向核心控制器返回重新路径规划请求，包括当前位置与终点位置；否则忽略按原推荐行驶路径继续行驶；
12、s5、等待一个单位时间后，将所有返回重新路径规划请求的车辆组成博弈模型，博弈模型中，博弈参与者为请求重新路径规划的n个车辆，策略集合为核心控制器返回给每个参与者的推荐行驶路径的集合，依据非零和博弈，向车辆返回新的推荐行驶路径；
13、s6、车辆到达终点位置，结束路径规划。
14、所述的s1中，道路状况包括发生事故和修路情况，其中：
15、无人机发现事故时，向核心控制器返回事故位置和与事故相关的车辆数量，随后关注事故发生的位置点，事故处理完成后向核心控制器返回信息，由核心控制器将事故信息删除；
16、无人机发现修路情况时，通过观察施工围栏，返回给核心控制器施工信号，并返回施工起点、施工终点及施工所占道路宽度，核心控制器接收到施工信息后，对施工影响进行判断。
17、无人机发现事故时，还向核心控制器返回事故规模，其定义为：
18、（1）；
19、式中，s为事故车辆投影面积；
20、无人机发现修路情况时，对施工影响进行判断的方式为：
21、设定为施工所在道路宽度、为小型车辆宽度、为中型车辆宽度、为大型车辆宽度，若，则将该条道路标记为全型号车辆不可走；若，则将该条道路标记为中、大型车辆不可走；若，则将该条道路标记为大型车辆不可走；若，则计算施工规模、施工起始路段施工规模和施工结束路段施工规模，计算公式分别为：
22、（2）；
23、（3）；
24、（4）；
25、式中，k是施工范围内拐点个数，为施工范围内从施工起点起第1个拐点坐标，为施工范围内从施工起点起最后一个拐点坐标，为施工范围内从施工起点起第u个拐点坐标，为施工范围内从施工起点起第u+1个拐点坐标。
26、所述的s1中，、、取值分别为1.75、1.9、2.5，其中，对于宽度大于等于1.6米且小于等于1.75米的车辆，设定其为小型车辆；对于宽度大于1.75米且小于2.5米的车辆，设定其为中型车辆；对于宽度大于等于2.5米且小于等于3米的车辆，设定其为大型车辆。本部分是基于《gb1589-2016汽车、挂车及汽车列车外廓尺寸、轴荷及质量限值》设定的宽度范围，并为了简化计算设定了、、的取值。
27、所述的s1中，自身信息包括车辆的自身位置及自身投影面积。
28、所述的s1中，设定每条道路的事故规模为，施工规模为，行驶车辆投影面积为，表示为：
29、（5）；
30、（6）；
31、（7）；
32、式中，为道路中心点（此处即代表某一条道路的中心点），为以为中心点的道路上的所有点的集合，为以为中心点的道路上的事故点，代表该道路上各个事故点的事故规模；为以为中心点的道路上的修路点，代表该道路上各个修路点的施工规模；为以为中心点的道路上的车辆位置，代表该道路上各个行驶车辆的投影面积；n1、n2、n3分别为以为中心点的道路上的事故点数量、修路点数量和行驶车辆数量。
33、所述的s1中，规划因子的计算方式为：
34、对于发生事故的道路：
35、（8）；
36、对于正在施工的道路：
37、（9）；
38、对于发生事故且正在施工的道路：
39、（10）；
40、式中，为以为中心点的道路的规划因子，为以为中心点的道路的总面积，为系数且加和为1。
41、所述的s1中，对于整体施工路段，也会涉及到事故点和行驶车辆（主要针对施工车辆等），其规划因子表示为：
42、（11）；
43、其中：
44、（12）；
45、（13）；
46、（14）；
47、式中，为以为中心点的道路的规划因子，为该施工路段的总面积；为施工路段中心点，为以为中心点的道路上的所有点的集合；为以为中心点的施工路段上的事故点，代表该道路上各个事故点的事故规模；为以为中心点的施工路段上的修路点，代表该道路上各个修路点的施工规模；为以为中心点的施工路段上的车辆位置，代表该道路上各个行驶车辆的投影面积；n4、n5、n6分别为以为中心点的道路上的事故点数量、修路点数量和行驶车辆数量。
48、所述的s5中，依据非零和博弈，向车辆返回新的推荐行驶路径的过程为：
49、s51、对于策略集合，第1辆车的策略集合表示为，第d辆车的策略集合表示为，总策略集合表示为；
50、s52、博弈模型的总体收益函数表示为：
51、（15）；
52、式中，表示每辆车的行驶时间；
53、s53、博弈模型的拥堵模型表示为：
54、（16）；
55、式中，是在时刻t的拥堵指数，是在时刻t的交通速度，是在时刻t-1的交通速度，是最大允许速度，是在时刻t的交通密度，是在时刻t-1的交通密度，是最大允许密度，是在时刻t的事故发生情况，是在时刻t的其他影响因素（例如天气情况，早晚高峰，交通管理情况等），为t时刻交通速度的权重系数，为t-1时刻交通速度的权重系数，为t时刻交通密度的权重系数，为t-1时刻交通密度的权重系数，为t时刻交通密度的影响函数的权重系数，为t-1时刻交通密度的影响函数的权重系数，为t时刻事故情况的权重系数，为t时刻其他影响因素的权重系数；
56、博弈模型中，每个车辆的决策可以通过最小化自身行驶时间来表示，假设车辆y选择的行驶路径为，而其他车辆选择的行驶路径集合为，那么车辆y的最优决策表示为：
57、（17）；
58、式中，表示给定其他车辆行驶路径选择的情况下，车辆y通过拥堵模型计算得到的行驶时间；argmin表示使得最小化的行驶路径选择。
59、本发明涉及的算法可以通过电子设备执行，电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，通过处理器执行软件实现上述的算法。
60、本发明所具有的有益效果是：
61、本发明通过核心控制器进行全局规划控制，通过部署rsu传递交通事故信息，进行道路信息收集和传递，同时利用其计算能力分摊计算，进行规划因子的计算；规划因子的设计，能够使车辆分散在道路上，实现车辆合理分流，避免最优路段的集中选择。
62、本发明选取uav对事故信息和路况进行监控和同步，使用uav进行道路监控，缩短同步事故信息时间，进一步缩短因事故信息延迟所造成的交通拥堵。
63、本发明在车辆群体重新规划路径时设计非零和博弈模型，使车辆选择的路径组合效益最优且相互协调稳定，确保每辆车得到合理路径，减少损耗，提高效率。通过博弈模型实现对事故路段的合理利用，并且实现车辆分流，最大化车辆群体效益；通过整体合作运行，实现车辆合理行驶，保证行车安全，减少出行车辆的拥堵。
1.基于astar算法与非零和博弈的动态路径规划方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，道路状况包括发生事故和修路情况，其中：
3.根据权利要求2所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：无人机发现事故时，还向核心控制器返回事故规模，其定义为：
4.根据权利要求3所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，、、取值分别为1.75、1.9、2.5，其中，对于宽度大于等于1.6米且小于等于1.75米的车辆，设定其为小型车辆；对于宽度大于1.75米且小于2.5米的车辆，设定其为中型车辆；对于宽度大于等于2.5米且小于等于3米的车辆，设定其为大型车辆。
5.根据权利要求3所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，自身信息包括车辆的自身位置及自身投影面积。
6.根据权利要求5所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，设定每条道路的事故规模为，施工规模为，行驶车辆投影面积为，表示为：
7.根据权利要求6所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，规划因子的计算方式为：
8.根据权利要求7所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s1中，对于整体施工路段，也会涉及到事故点和行驶车辆，其规划因子表示为：
9.根据权利要求1所述的基于astar算法与非零和博弈的动态路径规划方法，其特征在于：所述的s5中，依据非零和博弈，向车辆返回新的推荐行驶路径的过程为：
