CAR-FMP: الگوریتم بهبودیافته برنامه‌ریزی حرکت مبتنی بر نیرو برای خودروهای خودران در محیط‌های شهری

نویسندگان

1 دانشجوی کارشناسی دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

2 استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

3 دانشجوی کارشناسی ارشد دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران

doi
10.22034/abmir.2025.23796.1178
چکیده

در سال‌های اخیر، توسعه سامانه‌های هوشمند حمل‌ونقل توجه بسیاری از پژوهشگران را به خود جلب کرده است. یکی از مهم‌ترین چالش‌های این حوزه، ناوبری خودروهای خودران در محیط‌های شهری است که به‌دلیل نیاز به تصمیم‌گیری بلادرنگ در شرایط ترافیکی پویا، تعامل با سایر وسایل نقلیه و واکنش مناسب به موانع غیرقابل پیش‌بینی، پیچیدگی بالایی دارد. در این پژوهش، نسخه‌ای ارتقایافته از الگوریتم برنامه‌ریزی حرکت مبتنی بر نیرو (FMP) با عنوان CAR-FMP برای ناوبری خودروهای خودران شهری ارائه شده است. در الگوریتم پیشنهادی، با معرفی یک نیروی کمکی جدید به‌منظور انجام مانورهای سبقت ایمن، حفظ فاصله مناسب با سایر خودروها و تنظیم پویای سرعت در پیچ‌ها، پایداری و روانی حرکت خودرو به‌صورت محسوسی بهبودیافته است. به‌منظور ارزیابی عملکرد، آزمایش‌ها در محیط شبیه‌سازی CARLA و در دو سناریوی استاندارد CoRL2017 و NoCrash انجام‌شده‌اند. نتایج نشان می‌دهد که روش پیشنهادی نسبت به الگوریتم‌های یادگیری‌محور متداول، به‌طور میانگین موجب افزایش ۶ درصدی نرخ موفقیت در سناریوی CoRL2017 و افزایش ۱۲ درصدی در سناریوی NoCrash با ترافیک متراکم می‌شود. درمجموع، چارچوب CAR-FMP با تکیه بر کنترل توزیع‌شده و عدم وابستگی به مسیرهای ازپیش‌تعیین‌شده، رویکردی مؤثر و مقیاس‌پذیر برای ناوبری ایمن و کارای خودروهای خودران در محیط‌های شهری فراهم می‌سازد.