评估函数来计 算当前点的估计值，通过对车道线，道路边界，障碍物，车辆速度，任务规划等因素对当前栅 格产生的危险进行评估，最终确定每个栅格的危险估计值；最后利用启发式的搜索方法，寻 找一条从车辆当前栅格到目的地区域的危险值最小的栅格路径作为智能车当前的可行驶 路径。
[0065] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，栅 格的危险评估值的计算公式为f(n) =g(n)+h(n)+i(n) +j(n)+k(n)，其中，f(n)是待计算危 险评估值的栅格的危险评估值，g(n)是障碍物危险评估值，h(n)是车速危险评估值，i(n) 是车道线危险评估值，j(n)是任务危险评估值，k(n)是其他危险评估值。
[0066] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，所 述g(n) =W-S?u，其中，W为预设的第二阈值，S为待计算危险评估值的栅格到最近障碍栅 格的栅格距离，U为预设的单位栅格距离的第一危险值。
[0067] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，所
，其中，a为车辆行驶到待计算危险评 估值的栅格需要转向的栅格角度，v为车辆当前速度，k为一常数系数。
[0068] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，所 述i(n) =p?q，其中，p为待计算危险评估值的栅格到最近车道虚拟中心线的栅格距离，q 为预设的单位栅格距离的第二危险值。
[0069] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，当 车辆正常行驶时，所述j(n)的值为0,当车辆执行特殊任务时，所述j(n)的值为常数。 [0070] 可选地，在本发明基于道路危险评估的智能车路径搜索方法的另一实施例中，当 车辆正常行驶时，所述k(n)的值为0,当车辆遇到特殊情况时，所述k(n)的值为常数。 [0071] 如图7所示，本实施例公开一种基于道路危险评估的智能车路径搜索系统，包括：
[0072] 模型建立单元1，用于将车辆行驶的道路环境建模成由边长相同的多个正方形栅 格组成的二维模型；
[0073] 路径搜索单元2,用于以栅格的危险评估值最小为原则，采用启发式搜索算法搜索 从车辆车头中心位置所处栅格至目的区域栅格的最优栅格路径；其中，栅格的危险评估值 根据车辆传感器感知的环境信息计算得到。
[0074] 本发明实施例的基于道路危险评估的智能车路径搜索系统，将车辆行驶的道路环 境建模成由边长相同的多个正方形栅格组成的二维模型，并以栅格的危险评估值最小为原 贝1J，采用启发式搜索算法搜索从车辆车头中心位置所处栅格至目的区域栅格的最优栅格路 径，而栅格的危险评估值根据车辆传感器感知的环境信息计算得到，这就使得相较于现有 技术，当只具备一类或几类环境信息时，仍然能够利用已感知到的环境信息生成一条当前 感知能力条件下的最佳行驶路径，从而能够克服现有技术寻路算法失效的缺陷，同时，本发 明属于实时寻路算法，相较于现有的非实时寻路算法，能够克服现有的非实时寻路算法因 只进行一次路径搜索所产生的不能根据实时道路环境信息进行实时路径修正、更新的缺 陷，即本发明能够解决现有的智能车路径搜索方法在许多情况下不能实现路径搜索，或者 不能实现准确的路径搜索的问题。
[0075] 可选地，在本发明基于道路危险评估的智能车路径搜索系统的另一实施例中，所 述路径搜索单元包括：
[0076] 第一栅格搜索子单元，用于在启发式搜索算法开始时，将车辆车头中心位置所处 栅格作为第一级父栅格，并将所述第一级父栅格存入预先建立的已搜索列表中，计算所述 第一级父栅格搜索范围内的三个栅格的危险评估值，确定出此次计算出的危险评估值中的 最小值，判断该最小值是否小于预设的第一阈值，若小于所述第一阈值，则确定该最小值对 应的栅格为此次搜索的第二级父栅格，将此次搜索的第二级父栅格存入所述已搜索列表 中，并将所述第一级父栅格作为此次搜索的第二级父栅格的父栅格，将此次搜索的第二级 父栅格作为所述第一级父栅格的子栅格，建立所述第一级父栅格和此次搜索的第二级父栅 格的父子关系；其中栅格搜索范围内的三个栅格为沿车头方向位于栅格前方的三个栅格；
[0077] 第一路径搜索子单元，用于对于所述已搜索列表中作为父子链终端的第i级父栅 格，判断该第i级父栅格是否是所述第一级父栅格，若不是所述第一级父栅格，则判断该第i级父栅格搜索范围内的三个栅格是否为目的区域栅格，若该三个栅格均不是目的区域栅 格，则判断该三个栅格是否均存在于所述已搜索列表中，若该三个栅格中存在不存在于所 述已搜索列表中的栅格，则计算该三个栅格中不存在于所述已搜索列表中的栅格的危险评 估值，确定出此次计算出的危险评估值中的最小值，判断该最小值是否小于所述第一阈值， 若小于所述第一阈值，则确定该最小值对应的栅格为此次搜索的第i+1级父栅格，将此次 搜索的第i+1级父栅格存入所述已搜索列表中，并将所述第i级父栅格作为此次搜索的第 i+1级父栅格的父栅格，将此次搜索的第i+1级父栅格作为所述第i级父栅格的子栅格，建 立所述第i级父栅格和此次搜索的第i+1级父栅格的父子关系，否则，若该最小值不小于 所述第一阈值，或者该三个栅格均存在于所述已搜索列表中，则取消所述已搜索列表中与 所述第i级父栅格存在父子关系的第i-1级父栅格和所述第i级父栅格之间的父子关系， 重新搜索所述第i-1级父栅格的子栅格，或者若该三个栅格中的一个栅格是目的区域栅 格，则将从所述第一级父栅格开始至所述第i级父栅格的父子链以及目的区域栅格相应的 路径确定为从车辆车头中心位置所处栅格至目的区域栅格的最优路径，或者若该第i级父 栅格是所述第一级父栅格，则判断该第一级父栅格搜索范围内的三个栅格是否均存在于所 述已搜索列表中，若该三个栅格中存在不存在于所述已搜索列表中的栅格，则计算该三个 栅格中不存在于所述已搜索列表中的栅格的危险评估值，确定出此次计算出的危险评估值 中的最小值，判断该最小值是否小于所述第一阈值，若小于所述第一阈值，则确定该最小值 对应的栅格为此次搜索的第二级父栅格，将此次搜索的第二级父栅格存入所述已搜索列表 中，并将所述第一级父栅格作为此次搜索的第二级父栅格的父栅格，将此次搜索的第二级 父栅格作为所述第一级父栅格的子栅格，建立所述第一级父栅格和此次搜索的第二级父栅 格的父子关系，否则，若该最小值不小于所述第一阈值，或者该三个栅格均存在于所述已搜 索列表中，则将所述已搜索列表中的历史父子关系链中第一次距离目的区域栅格最近的历 史父子关系链相应的路径确定为从车辆车头中心位置所处栅格至目的区域栅格所能达到 的最远路径，i为正整数。
[0078] 本发明采用一套危险评估体系，根据当前感知的结果，形成可行驶区域中各部分 的危险系数，从而搜索最佳行驶路径。与现有的技术比较，本发明的优点是：
[0079]一、有效融合了多传感器数据。
[0080] 由于智能车使用的传感器种类并不相同，数据各有特点，融合十分困难。本算法提 出了危险评估的层面，使得多种传感器数据能够在此层面得到统一，并且形成量化指标写 入对应栅格图；同时，人为因素的影响也可以统一到栅格图，作为对环境的危险评估之一， 从而指导最优路径的生成。
[0081] 二、当环境信息不全时，也可以实现SRA搜索算法。
[0082] 在智能车环境感知的过程中，经常会碰到由于环境复杂，无法识别道路中障碍物， 车道线，交通标志等信息。当只具备一类或几类环境信息时，我们可以令未知信息的危险估 计值为〇,仅用已知信息来评价道路各区域的危险评估值，这样SRA搜索算法仍然能够实现 当前感知条件下的较优路径的搜索。
[0083] 三、目的区域不可到达时，SRA搜索算法可以给出最远路径。
[0084] 当车辆前方的目的区域被堵死以至于无法到达时，现有的搜索算法一般会失效， 而该算法会记录在深度优先搜索过程中最接近目的区域的位置，从而提供一条能够行驶得 最靠近目的区域的较优路径。
[0085] 虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发 明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求 所限定的范围之内。
【主权项】
1. 一种基于道路危险评估的智能车路径搜索方法，其特征在于，包括如下步骤： 51、 将车辆行驶的道路环境建模成由边长相同的多个正方形栅格组成的二维模型； 52、 以栅格的危险评估值最小为原则，采用启发式搜索算法搜索从车辆车头中心位置 所处栅格至目的区域栅格的最优栅格路径；其中，栅格的危险评估值根据车辆传感器感知 的环境信息计算得到。2. 根据权利要求1所述的基于道路危险评估的智能车路径搜索方法，其特征在于，所 述S2包括： 520、 在启发式搜索算法开始时，将车辆车头中心位置所处栅格作为第一级父栅格，并 将所述第一级父栅格存入预先建立的已搜索列表中，计算所述第一级父栅格搜索范围内的 三个栅格的危险评估值，确定出此次计算出的危险评估值