1.一种基于拓扑地图和冲突消除策略的多无人车寻路方法，其特征在于，包括以下步骤：

1)根据真实的地形获取相应的拓扑地图的数据，拓扑地图的数据包含：node(x,y)，track(startNode,endNode,weight)，topoMap（tracks,nodes)；其中，node表示拓扑地图中结点，track表示拓扑地图的边，其由开始顶点startNode、结束顶点endNode和权重weight组成，topoMap表示整个拓扑地图，由边集tracks和顶点集nodes构成；

2)将拓扑地图转化为加权有向图，具体地：将拓扑地图中边集的每条边，加上方向生成有向图，再在其边上等距离插入点，点的数目为边的权重，从而生成加权有向图；

3)输入M，M≥3辆车在加权有向图中的起点与终点，并设无人车的路径集chrome为空,其中，chrome由无人车的动作计划S构成，S表示M辆无人车在一段时间内的动作计划；

4)调用CCBS算法生成无人车的动作计划S，具体地，CCBS算法以无人车的起点与终点为输入，重复调用高级搜索来检查、选择和解决冲突，调用低级搜索来生成新的动作计划S，直到生成合理解或到达最大运行时间，返回S；

5)判断S中是否存在冲突，若不存在，进入步骤11)；

6)若存在，获取S中所有的冲突点，记录下含有冲突最多的结点p及其冲突数nt；

7)分析在p点存在冲突的无人车数量，即：nt≥m‑1,若是，进入步骤8)；若否，进入步骤

9)；

8)调用“中间点冲突消除法”，选择最大冲突点之前的位置作为无人车的目标位置；

9)调用“相邻点冲突消除法”，选择当前位置的相邻位置作为无人车的目标位置；

10)以选择的每辆无人车的目标位置作为其终点，进入步骤4)；

11)将新生成的无人车的动作计划S加入到无人车的路径集chrome中，并判断无人车是否到达输入的终点，若到达，进入步骤12)；若没有到达，以当前位置为无人车的起点，输入终点为无人车的终点，然后进入步骤4)；

12)对多无人车的路径集chrome进行处理，即：将按时间段的路径集chrome＝{S0,S1,…}转化成面向无人车的联合计划π＝{π1,π2,…,πM}，然后返回π；

所述中间点冲突消除法，具体包括：定义了动作计划中每个结点的选择概率，如下所示：

其中，Ni表示无人车i动作计划中顶点的数目， 表示无人车i经过第j个顶点的冲突数目，t表示在无人车i的动作计划中结点的 取最大值时j的值， 表示无人车i到达第t个点时出现的冲突数之和，通过公式计算出无人车经过顶点的选择概率，选择最大冲突点之前的顶点来消除冲突；

所述相邻点冲突消除法，具体包括：

a)针对每辆冲突的无人车建立其所在结点的邻接表，随机地将其未使用的邻居顶点加入到邻接表中；

b)根据无人车的邻接表长度对无人车进行升序排序，从而使邻居少的无人车优先被处理；

c)按顺序对每个冲突的无人车进行分配相邻顶点，并将分配过的顶点从整个邻接表中删除，若无人车没有无冲突的相邻顶点，则无人车的目标为当前位置；

d)重复c)，直到冲突的无人车被重新分配相邻点完毕。