在现代军事行动与应急救灾中，地面车辆面临着无人机等空中移动侦察力量的极大威胁。传统路径规划算法难以应对动态侦察，且在复杂越野环境下的平滑性较差。本文提出一种融合自适应地形势场与双向流场的智能隐蔽路径规划方法，旨在保障车辆在复杂地形中的通行效率、地形通过性以及对动态侦察的绝对隐蔽性。
传统算法在应对空中动态侦察时存在暴露风险高、路径不平滑及易陷入局部最优等局限性。
主要关注静态障碍物规避、路径长度和能耗优化，难以应对动态侦察威胁，且在复杂越野环境下的平滑性较差。
虽然数学形式简洁，但存在“局部最小值”问题，且规划路径容易出现抖动和不必要的转折，增加暴露风险。
传统流函数处理动态障碍时绕行方向固定，可能导致车辆与侦察机“迎面相遇”，增加被发现概率。
通过量化地形影响构建自适应势场，并创新性地引入双向流场机制实现动态隐蔽避障。
综合考虑高程和坡度，设计自适应权重函数（随接近目标点衰减）与坡度惩罚函数（超过 30° 施加指数级惩罚），确保目标吸引力占主导并规避陡坡。
在移动障碍物（侦察机）前方设置负源，后方设置正源；采用五点差分格式离散拉普拉斯算子求解泊松方程生成流线，确保速度场满足无散度条件。
实时判断车辆、侦察机与目标点的相对位置：侦察机在左侧时启用逆时针流场，在右侧时启用顺时针流场。确保车辆始终从侦察机“后侧”绕避。
高度权重 α_1=0.3，坡度权重 α_2=0.5，坡度惩罚权重 α_3=0.2。
通过求解泊松方程生成流线，引导车辆产生平滑的绕行轨迹。
在模拟山区地形与多种侦察模式下，本文算法在隐蔽性、平滑度及运行效率上均表现卓越。
| 性能指标 | 改进 A* | 改进 RRT* | 改进 APF | 本文算法 |
|---|---|---|---|---|
| 隐蔽性 | 差 (无法规避) | 差 (无法规避) | 差 (无法规避) | 优 (全程零暴露) |
| 路径平滑度 | 较低 (弯曲多) | 较低 (存在抖动) | 差 (锯齿状转折) | 优 (自然平滑) |
| 代码运行耗时 | 较长 | 较短 | 最短 | 适中 (缩减至多28%) |
| 预估通行时间 | 较长 | 最长 | 较短 | 最短 (缩减达11.13%) |
本文方法成功实现了动态侦察环境下的隐蔽路径规划，未来将进一步拓展环境要素与计算效率。
实现了动态侦察环境下的全程零暴露规划；双向流场机制克服了单侧绕障局限；在确保安全的前提下，通行效率优于传统算法，路径更加平滑。
目前主要考虑地形（高程、坡度），未来需纳入植被覆盖、建筑物及土壤属性等更多约束因素，以适应更复杂的真实野外环境。
流函数系数需根据车辆与侦察机的相对速度进行精细动态调整；计划通过预计算或多分辨率网格方法进一步提升流场生成效率。