004.942: 004.896: 528.8

В статье решается проблема низкой гладкости глобальных путей, генерируемых классическим алгоритмом A, и склонности традиционного метода динамического окна (DWA) к попаданию в локальные оптимумы при обходе препятствий. Целью исследования является повышение эффективности, точности и стабильности планирования траектории для дифференциально-приводных беспилотных наземных транспортных средств. Предложена гибридная методика, в рамках которой алгоритм A модифицирован за счет динамически взвешенной эвристической функции и штрафа за изменение курса. Метод DWA, в свою очередь, дополнен механизмом мультитраекторного прогнозирования (горизонты 1.5, 2.5, 3.5 с), шестимерной системой оценки (согласование с курсом, дистанция до препятствия, скорость, плавность, расстояние до цели, согласованность с глобальным путем) и динамической регулировкой весов. Эксперименты проведены в среде MATLAB на сетке 20x30 м (шаг 0.1 м) при плотности статических препятствий 20% и с двумя равномерно движущимися динамическими препятствиями (0.2 м/с). Научная новизна заключается в системной интеграции улучшенных версий обоих алгоритмов с учетом кинематических ограничений дифференциального привода. Вклад авторов: Бай Цзэцюй - разработка математических моделей и проведение вычислительных экспериментов; Чжан Цзин - адаптация алгоритмов и анализ данных; О.В. Купцова - постановка задачи и обобщение результатов. В статической среде гибридный алгоритм повысил эффективность навигации на 59.5%, точность слежения на 77.6% и стабильность слежения на 94.7% по сравнению с базовым вариантом (традиционный A* + традиционный DWA). В динамическом сценарии за пять независимых запусков не произошло ни одной коллизии, а эффективность навигации возросла на 53%. Разработанный алгоритм рекомендуется для геоинформационной поддержки беспилотных наземных транспортных средств в логистике и экологическом мониторинге.

The paper addresses the problem of low smoothness of global paths generated by the traditional A* algorithm and the tendency of the traditional Dynamic Window Approach (DWA) to fall into local optima during obstacle avoidance. The aim of the study is to increase the efficiency, accuracy, and stability of trajectory planning for differential-drive unmanned ground vehicles. A fusion methodology is proposed, in which the A* algorithm is modified by introducing a dynamically weighted heuristic function and a heading angle penalty. The DWA is enhanced with a multi-trajectory prediction mechanism (1.5 s, 2.5 s, 3.5 s horizons), a six-dimensional evaluation system (heading, obstacle distance, velocity, smoothness, goal distance, path consistency), and dynamic weight adjustment. Experiments are conducted in MATLAB on a 20x30 m grid (0.1 m/cell) with 20% static obstacles and, separately, with two uniformly moving dynamic obstacles (0.2 m/s). The scientific novelty lies in the systematic integration of the improved versions of both algorithms while respecting the kinematic constraints of differential drive. Author contributions: Bai Zexu - development of mathematical models and computational experiments; Zhang Jing - algorithm adaptation and data analysis; Olesya V. Kuptsova - problem formulation and generalization of results. In the static environment, the fusion algorithm improved navigation efficiency by 59.5%, tracking accuracy by 77.6%, and tracking stability by 94.7% compared to the baseline (traditional A* + traditional DWA). In the dynamic scenario, no collisions occurred in any of the five runs, and navigation efficiency increased by 53%. The developed algorithm can be recommended for GIS-based support of unmanned ground vehicles in logistics and environmental monitoring.

преподаватель, Институт естественных наук, Хэйхэский университет

аспирант, Хэйхэский университет

кандидат технических наук, доцент кафедры безопасности жизнедеятельности Института естественных наук и техносферной безопасности, Сахалинский государственный университет

Dai J., Chai Y., Xiong P. Path Planning of Underground Robots via Improved A* and Dynamic Window Approach. Applied Sciences. 2025. V. 15. No. 13. Article 6953. DOI: 10.3390/app15136953.

Dong Y.W., Yang J.W., Zhang B.F. Mobile Robot Path Planning with Improved Neighbourhood Expansion A* Algorithm. Mechanical Design and Manufacturing. 2025. No. 1. Pp. 291-295. (in Chinese).

Fox D., Burgard W., Thrun S. The Dynamic Window Approach to Collision Avoidance. IEEE Robotics & Automation Magazine. 1997. V. 4. No. 1. Pp. 23-33. DOI: 10.1109/100.580977.

Gong P., Li W.B., Ma Q.S. Path Planning of Unmanned Vehicles Based on Improved A* Algorithm. Modular Machine Tool and Automatic Processing Technology. 2023. No. 3. Pp. 17-24. (in Chinese).

Guo J.G., Yu J.Q., Feng C.Y. Global Path Planning for Robots on Uneven Terrain Based on Improved A* Algorithm. Computer Engineering and Applications. 2025. V. 61. No. 5. Pp. 309-322. (in Chinese).

Guo T., Sun Y., Liu Y. An Automated Guided Vehicle Path Planning Algorithm Based on Improved A* and Dynamic Window Approach Fusion. Applied Sciences. 2023. V. 13. No. 18. Article 10199. DOI: 10.3390/app131810199.

Hart P.E., Nilsson N.J., Raphael B. A Formal Basis for the Heuristic Determination of Minimum Cost Paths. IEEE Transactions on Systems Science and Cybernetics. 1968. V. 4. No. 2. Pp. 100-107. DOI: 10.1109/TSSC.1968.300136.

Liu J.J., Xue L.Q., Zhang H.J. Dynamic Path Planning for Robots by Integrating Improved A* and DWA Algorithms. Computer Engineering and Applications. 2021. V. 57. No. 15. Pp. 73-81. (in Chinese).

Shen D., Li L.Q., Cao M. Robot Path Planning Integrating Improved A* Algorithm and Dynamic Window Approach. Journal of Aerospace Early Warning Research. 2025. V. 39. No. 6. Pp. 445-451. (in Chinese).

Wang R.M., Ling M. Unmanned Vehicle Path Planning with Improved A* and DWA Fusion Algorithm. Modern Electronics Technology. 2025. V. 48. No. 14. Pp. 143-146. (in Chinese).

Yao M., Feng X., Deng H. A Dynamically Hybrid Path Planning and Obstacle Avoidance Algorithm for Mobile Robots Based on Improved A-star and Dynamic Windows Approach. Results in Engineering. 2026. V. 29. Article 108924. DOI: 10.1016/j. rineng.2025.108924.

Zhang J.M., Dong F. Mobile Robot Path Planning Based on Gravity Search Algorithm Fused with DWA. Sensors and Microsystems. 2025. V. 44. No. 8. Pp. 110-119. (in Chinese).