环境问题一直以来都是人们所关心的热点问题,环保部门会安排清扫车对路网进行清扫服务。而在近期自动驾驶清扫车开始在多个城市落地实行试用。自动驾驶清扫车可以不考虑人工成本,不受驾驶员因素约束其服务时间,不存在疲劳驾驶,减少碳排放。此外,自动驾驶清扫车还可避开高峰期的任意时间段进行服务,解决了因慢速行驶影响主道上正常速度驾驶的车辆引起的拥堵问题。本文以自动驾驶清扫车路径规划为研究对象,通过分析将该问题分为自动驾驶清扫车的全局路径规划和局部路径规划。全局路径规划中分为封闭式多车场自动驾驶清扫车全局路径规划和开放式多车场自动驾驶清扫车全局路径规划。局部路径规划分为自动驾驶清扫车局部绕行路径规划和自动驾驶清扫车的局部绕行路径仿真。本文根据封闭式多车场自动驾驶清扫车路径规划的特点建立数学模型。根据封闭式多车场需要自动驾驶清扫车在完成清扫任务后返回原出发车场的特点,制定返回车场策略,并且对所服务的车道及车辆行驶方向进行约束。通过设计两阶段法对模型进行求解,首先通过对全局路网进行聚类分析将路径划分至各个车场。然后使用实数编码的方式对染色体进行编码,设计竞标赛选择算子以及多片段交叉算子和基因对换变异算子,并制定边走边服务策略、返程不服务的策略和路径分割策略进行解码。通过算例分析可以发现两个区域中第一辆派出的自动驾驶清扫车在行驶过程中的有效工作行驶时间均达到90%左右。而第二辆车服务的剩余需求弧的分布比较零散,因此造成第二辆车的工作时间占比下降,但是均高于60%。本文根据开放式多车场自动驾驶清扫车路径规划的特点建立数学模型。根据开放式多车场在自动驾驶清扫车完成服务后无需返回出发车场的特点制定充电选择策略。在路网中设有车场以及充电车位,自动驾驶清扫车在服务过程中面对电量不足时可以选择就近前往设有充电桩的停车位或者返回就近车场。因此在算法的解码部分中采用封闭式多车场的选择、交叉、变异算子外,增加出发车场和返回车场或充电桩的随机性,保持了染色体的多样性。最后通过一阶段法直接对每辆自动驾驶清扫车所需要服务的路径进行求解。通过算例分析可以发现在多次结果对比中,迭代次数为6000时平均最优行驶总时间比初始染色体的最优平均时间节约了56%。本文中自动驾驶清扫车躲避静态障碍物的绕行轨迹进行了研究,根据自动驾驶清扫车的特点分别建立车辆安全风险最小化和未清扫面积最小化多目标模型对自动驾驶清扫车的局部绕行路径进行研究。使用遗传算法生成绕行轨迹的随机节点,使用改进的距离度量函数对初始节点进行筛选并提高轨迹的平滑性,并构造非支配排序法和拥挤度计算对该问题进行求解。基于轨迹规划方法的优缺点选用五次多项式轨迹规划和基于改进NSGAⅡ算法分别进行轨迹仿真。根据自动驾驶清扫车的特点分别对两种方法进行改进,在五次多项式中增加换道终点的随机性,增加换道结束点的可能性;在NSGAⅡ算法中加入修剪函数优化轨迹的平滑性并且采用B-样条函数进行轨迹拟合。最后通过求得的Pareto解集选择合适的路径轨迹,并针对两种仿真方法进行比较和分析。