運用人工勢場法與RRT 算法對比智能化路徑規劃

毛悅慈

（天津仁泓電力科技有限公司，天津 300385）

1 研究背景及意義

路徑規劃技術是目前很多技術領域研究的熱點，具有廣闊的應用前景和科研價值，而路徑規劃算法的研究是其中的核心內容。在特高壓線路鋪設領域也得到廣泛的應用，如何將電路鋪設地高效化、合理化，并考慮成本是擺在電力設計人員面前的新課題[1]。隨著人工智能技術快速發展，比較實用的一種辦法就是可以考慮將其用于路徑規劃。實現電路鋪設智能化，從而也促使現有輸電線路三維數字化設計平臺的逐步升級完善[2]。因此，如何在新時代把人工智能技術加入已經比較完善的路徑規劃中，以實現流程化及規范化，是新時代擺在廣大科研工作者面前的新挑戰。從上面的在線路中加入人工智能的相關功能進行輔助的優點不難看出，電網設計領域的智能化發展趨勢不容小覷。從研究的環境來看，路徑規劃可分為全局或局部規劃。根據對路徑規劃分類的研究，為了全面解決環境的規劃問題，需要使用全局規劃，部分路徑問題更實用的就是局部路徑規劃。所以要利用兩種方式的優缺點結合來滿足人們的生產需要[3]。顧名思義，全局規劃全局性好，適用于大范圍，局部規劃在部分環境下會很實用。這兩種方法各有各的優缺點，結合起來就十分完美了[4]。

本次課題主要使用了人工勢場法和RRT 算法兩種算法進行路徑規劃，對企業要求的輸電線路路徑規劃，根據實際情況，選擇了進行仿真實驗，在GIS 系統中選擇了部分有代表性的地理信息要素構成的地圖，使用PyCharm Community Edition 2022.1 先進行算法演示的實驗，隨后對已經獲取的地圖進行路徑規劃算法的使用，并對比兩種方式的優缺點，同時對算法和結果加以改進，使之更加符合企業的實際環境要求。

2 兩種算法的python 實現

2.1 人工勢場算法

作為一種局部的最優化路線規劃算法[5]，人工勢場算法構造簡便，設計工作量較小，實時性好，規劃出的道路均勻平滑而安全，并具備了相應的魯棒性，在路線規劃中獲得了廣泛的運用。路徑規劃的過程中，本研究主要分了三步進行。首先，通過從GIS 系統中獲取的地圖信息來對地理信息進行建模，障礙點、可行點、加權重以及相應的地圖數據參數都需要被保存為可以被計算機識別的數據信息流。其次，選取適當的算法并加以研究，針對所要進行的簡單任務，對計算過程加以實際優化，提升路線規劃效率。最后，通過經過改進的路徑規劃算法找到一個從當前地址到目標點位置的無碰撞最優路線，再按照路徑信息和設置的物理參數進行。然后是使用PyCharm 對人工勢場法進行模擬運行。在進行了多次仿真，并對結果進行分析篩選后，出現了比較滿意的兩次結果。本研究設置四個機器人進行尋路，將引力參數設置為，將斥力參數設置200，最小斥力距離設為2，地圖大小500*500，在地圖中設置三個靜態障礙，標識為長方形，再設置動態障礙，將動態障礙設置成橫縱坐標的變化率在0 到0.03 范圍內，并規定隨機變化的區域，設置8 個動態障礙。三次實驗都取得了成功的結果，但是因為人工勢場法固有的缺陷，程序運行初期調試時出現了震蕩的情況，好在多次實驗可以避免失敗，還可以修改參數，增大斥力場的相關參數，改變受力也能避免這種情況。

圖1 人工勢場法模擬地圖規劃

2.2 RRT 算法

在RRT 算法python 語言實現方面，本研究選擇使用PyCharm 對人工勢場法進行模擬運行。算法的運行相比于原來的RRT 算法有明顯的快慢之分，但是多次的迭代換來的是路徑的優化，有利必有弊。這樣要是想繼續優化，就需要 informed-方法，因為在生成父節點時使用的是在圓內進行尋找，而改進后的方法使用了橢圓的方式，以起點和終點作為橢圓的兩個節點，而不用再使用圓內等距采樣的方式，這樣可以節省算法的工作量，從而提高運算效率。本研究的實驗結果中改進后能節省30%左右的時間。

3 實驗

進行實驗部分，本研究抽取了一張地圖進行部分截取，利用python 語言對地圖中的障礙，主要包括對建筑進行了構造，使用幾何圖形模擬障礙，并運用兩種算法分別進行規劃，得到了兩種算法的規劃結果。在實驗中發現，雖然人工勢場法的程序相對簡單，對于計算機進行大量計算并不是很困難的事情，但是實際效果上來講，使用RRT 算法較為合適。人工勢場法模擬了勢場，帶來的代價是需要大量的運算。而RRT法相對來講設置好步長，讓目標自動尋路，需要的只是反復的尋徑，在一定程度上優化了計算量。而且RRT 算法在近些年的發展十分迅速，也是領域內相對前沿的發展方式，這種算法的未來潛力相對于發展比較完善的人工勢場法更加巨大，適合于進行研究使用。第一次抽象實驗的結果表明，兩種方法都能成功規劃最優路徑，但是速度有快有慢，同時結果也有相對優劣之分。

這是使用人工勢場法的規劃結果，本研究采用了從地圖中截取部分的方法，再使用改進了的人工勢場法進行規劃。為了避免陷入局部最優，采用的方法是構造了拉普拉斯勢場。滿足拉普拉斯方程的實函數在實空間內沒有局部最小點，而且最值只能在邊界上取到，這樣就有效地避免了陷入局部最優。拉普拉斯方程的解，就是所要求的調和函數，而且因為二階可導性，導出的勢場函數還是光滑的。

實現人工勢場后，本研究使用同一張圖片再次使用RRT 算法進行路徑規劃，得到了上面的結果。比較兩種方法，人工勢場法及其改進需要大量的數學計算，而RRT 產生隨機樹后進行判斷尋找距離最近的節點即可，節省了工作量。最后，使用matlab 軟件對一張地圖采用直接黑白化的方式進行直接的規劃。在RRT 的matlab 實驗中，設計思路是先將彩色地圖設置成只有黑白的圖像，初始化地圖，設置起點和終點，設置步長，根據RRT 算法的原理對空間內進行搜索，先查找域內所有滿足距離要求的節點，再將它們存放在一個集合內，使用迭代比較距離父節點的大小，逐個進行選擇直至找到距離最小的節點，作為下一個父節點進行尋路。這樣一個節點一個節點地尋找，就可以找到一條由起點到達終點的路徑。再使用不同顏色將這條路徑進行標注，顯示在黑白圖和原圖上，就可以在原圖里表示出最終的規劃結果了。彩圖處理成黑白圖像，本研究的方法是設定三通道的像素值均大于某一值則為1，否則為0，就能將彩圖轉為黑白。轉為黑白后，再用隨機樹尋路找到結果路徑，最后用原圖表示一下路徑即可。這樣，就成功完成了相關算法在實際地圖中的規劃，而且結果也比較合適。

圖2 RRT 法模擬地圖規劃

4 結論

根據企業的要求，本論文選擇了兩種合適的路徑規劃算法，并將其分別運用于解決企業所給出的實際問題，得到結果后進行比對，驗證了兩種方式分別的優缺點。同時，對利用人工智能技術來規劃輸電線路進行了深入探討，因此對一些用于路徑規劃的方法進行了人工智能實驗。根據兩次成功的實驗，驗證了兩種算法的優缺點。

人工勢場法，由于其優越的數學分析和簡單性，常用于移動機器人的實時避碰和平滑路徑，但其固有缺陷很明顯。

首先，無法到達障礙物附近的目標。當目標點在障礙物影響范圍內時，障礙物斥力增加，重力迅速減小。

其次，存在局部極小問題。機器人在行進過程中，合力方向與規劃路徑的運動方向在同一直線上，機器人無法有效避障，只能在一定范圍內來回振動。

針對這兩種問題，改進方法就是修改對應的函數獲得最終結果。而RRT 算法從程序上來說，實際上編程要比人工勢場法更加復雜一些，對編程工作者的能力要求會更高一些。RRT 法相對來講確實方便了許多，運行速度也可以有很多方式改善，而且作為一門相對新穎的技術，網上也有許多相關的研究文獻，采用和人工智能結合或者數學改進的方式使得算法更加優化，所以如果對企業進行推薦的話，可使用RRT 算法為核心，引入人工勢場的概念，對RRT 算法進行改進，以符合企業的實際要求。