面向狭窄环境的安全泊车路径规划算法研究.pdfVIP

汽车工程

2025年（第47卷）第5期AutomotiveEngineering2025（Vol.47）No.5

doi：10.19562/j.chinasae.qcgc.2025.05.001

面向狭窄环境的安全泊车路径规划算法研究*

111121

管家意，李斌，周傲，赵治国，林巧，陈广

（1.同济大学，上海201804；2.易控智驾科技有限公司，北京100083）

［摘要］针对自动泊车系统中路径规划的安全性、实时性和可行性问题，本文提出一种基于混合动作空间约束

强化学习的泊车路径规划算法。具体地，该算法利用混合动作空间强化学习框架将离散动作和连续参数相结合实

现参数化轨迹规划，提高了规划路径的可执行性；在此基础上设计一种混合动作空间的约束强化学习算法实现安全

策略优化，确保了泊车路径的安全性。此外，在模型训练过程中引入课程学习机制逐步引导策略探索，增强了模型

训练稳定性和收敛速度。最后，在垂直车位和平行车位进行广泛的对比和消融实验，实验结果表明所提出的泊车路

径规划算法在成功率、安全性和实时性等指标上均表现出色，且综合性能明显优于现有基线算法。

关键词：自动泊车；混合动作空间强化学习；路径规划；安全约束

StudyonSafeParkingPathPlanningAlgorithmforNarrowEnvironment

111121

GuanJiayi，LiBin，ZhouAo，ZhaoZhiguo，LinQiaoChenGuang

1.TongjiUniversity，Shanghai201804；2.EACONTechnologyCo.，Ltd.，Beijing100083

［Abstract］Forsafeandfeasiblepath-planninginrealtimeofautonomousparkingsystem，aparkingpath

planningalgorithmbasedonconstrainedreinforcementlearningwithahybridactionspaceisproposedinthispaper.

Specifically，theproposedalgorithmemploysahybridactionspacereinforcementlearningframeworkthatintegrates

discreteactionswithcontinuousparameterstoachieveparameterizedtrajectoryplanning，therebyenhancingtheex⁃

ecutabilityofplannedpaths.Onthisbasis，aconstrainedreinforcementlearningalgorithmwithinthehybridaction

spaceisdesignedtooptimizesafepolicyexecution，ensuringthesafetyo