1、隨著智能終端的不斷興起，在傳統(tǒng)地理信息導(dǎo)航系統(tǒng)的基礎(chǔ)上，智能終端擁有無線互聯(lián)網(wǎng)絡(luò)的無線通信優(yōu)勢，正逐漸替代傳統(tǒng)的導(dǎo)航系統(tǒng)。基于智能終端的導(dǎo)航系統(tǒng)不僅能夠為用戶提供多條滿足要求最優(yōu)路徑，還可以為用戶提供豐富的交通狀況、定位服務(wù)等相關(guān)信息，為用戶解決了迷路、交通擁堵等一系列難題，從而實現(xiàn)人、車、路的完美結(jié)合。路徑規(guī)劃作為導(dǎo)航系統(tǒng)的核心技術(shù)，但是傳統(tǒng)的基于圖論的最短路徑算法效率比較低，都會受到存儲空間和計算能力的限制，因此很難滿足用戶的需要。

2、因此本文采用解決約束問題的粒子群算法來實現(xiàn)車載導(dǎo)航路徑規(guī)劃的問題，并完成了算法在And ro id平臺上的實現(xiàn)。
　　本文首先對車載導(dǎo)航系統(tǒng)的原理進(jìn)行了簡要的描述，對車載導(dǎo)航系統(tǒng)中的路徑規(guī)劃算法進(jìn)行了深入研究，最終選擇將粒子群算法用于車載導(dǎo)航的路徑規(guī)劃中。其次對PSO算法進(jìn)行了改進(jìn)，提出了適用于路徑規(guī)劃的粒子群算法，簡稱PSO-VPP（Particle Swarm Optimization–VehiclePath Planning

3、）。PSO-VPP算法中適應(yīng)度函數(shù)的設(shè)計不僅能夠在靜態(tài)路網(wǎng)中進(jìn)行路徑規(guī)劃，還通過引入懲罰項使得在交通擁堵的路網(wǎng)中也能夠計算出最佳路線。為了解決算法陷入局部最優(yōu)問題，在算法中引入了變異算子，并采用部分粒子重新初始化的方法，使得部分不滿足要求的粒子進(jìn)行重新尋找最優(yōu)值。采用這樣的方法可以使得種群獲得更高的粒子多樣性，擴(kuò)大搜索范圍，從而大大避免粒子群算法陷入局部最優(yōu)，同時還能夠增強全局搜索能力。
　　其次，對現(xiàn)有的智能終端平臺進(jìn)行了比較，

4、選擇And ro id作為本文算法的實現(xiàn)平臺。同時搭建了開發(fā)環(huán)境，選擇Op enS treetMap開源地圖作為地圖數(shù)據(jù)的來源，最終建立了車載導(dǎo)航系統(tǒng)平臺，并對本文提出的PSO-VP P算法進(jìn)行驗證并分析比較其性能。實驗結(jié)果表明該算法切實可行，其搜索效率較高，時間開銷隨路網(wǎng)規(guī)模的擴(kuò)大增幅較小，適用于大規(guī)模路網(wǎng)，同時在實時變化的交通路況中更具有實際意義。
　　最后，本文還列出了一些有待解決和完善的問題，因此需要進(jìn)一步的研究，從而引出