1.一种基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，包括以下步骤：

S1：构建位于导航起点和导航终点之间的栅格地图，其中栅格地图包括可行区域和不可行区域；

S2：以导航起点作为起点，以导航终点为终点，在栅格地图中进行基于蚁群算法进行多代迭代搜索得到导航路径，其中在每代迭代结束后，对陷入死锁状态的蚂蚁，计算当前蚂蚁所处的迭代进度和死锁发生频率，将迭代进度和死锁发生频率输入到模糊控制器中输出惩罚系数，将惩罚系数代入当前蚂蚁的惩罚公式中得到对应当前蚂蚁的最后两步对应的边的死锁信息素惩罚；对未陷入死锁状态的蚂蚁，删除当前蚂蚁的原始路径中的所有冗余节点构建新路径，并基于新路径和原始路径计算添加到新路径上每个边的路径优化信息素奖励；根据每代迭代结束后的所有路径获取精英路径集，并基于精英路径集获取至少两个精英路径共同经过的共识边，计算共识边在精英路径集中的协同权重，基于协同权重计算共识边的精英协同信息素奖励，并将死锁信息素惩罚、精英协同信息素奖励以及路径优化信息素奖励引入对应边的信息素更新公式。

2.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，检查蚂蚁当前所处的栅格的相邻栅格，若相邻栅格均满足预设条件时，则当前蚂蚁陷入死锁状态，其中预设条件为超过栅格地图边界、栅格属性为不可行或已被当前蚂蚁访问过的任一。

3.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，模糊控制器内定义惩罚系数规则，将迭代进度和死锁发生频率输入到模糊控制器中匹配相应的惩罚系数规则得到惩罚系数。

4.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，当前蚂蚁的最后两步的死锁信息素惩罚为：；

其中Q为预设的信息素增强系数， 为发生死锁状态的蚂蚁的路径长度，为惩罚系数，为当前蚂蚁的最后两步的边的死锁信息素惩罚。

5.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，对于每一未陷入死锁状态的蚂蚁的路径，自起点节点起节点顺序依次遍历取原始路径上的三个节点，对每三个节点，根据节点顺序定义为第一节点、第二节点和第三节点，若第一节点同第三节点的连线上存在栅格属性为可行的栅格，则第二节点定义为冗余节点，删除当前蚂蚁的原始路径中的所有冗余节点构建新路径。

6.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，计算新路径相对于原始路径的路径改进率，若路径改进率大于改进率阈值则基于路径改进率计算路径优化信息素奖励。

7.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，路径优化信息素奖励如下： ；

；

其中 为原始路径的长度， 为新路径的长度，R为路径改进率；

其中 为将要添加到新路径中的边的路径优化信息素奖励，为预设的奖励系数，Q为预设的信息素增强系数， 为新路径的长度。

8.根据权利要求1所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法，其特征在于，精英协同信息素奖励的公式如下： ；

其中 为共识边（c,w)的次数，m为精英路径集中的精英路径的数量， 为协同权重，为预设的协同奖励系数，Q为预设的信息素常量， 为精英路径集中的所有精英路径的平均长度， 为添加到共识边上的节点c到节点w的精英协同信息素奖励。

9.一种基于动态信息素惩罚系数的无人驾驶汽车路径规划系统，其特征在于，包括：

地图构建模块，用于构建位于导航起点和导航终点之间的栅格地图，其中栅格地图包括可行区域和不可行区域；

路径规划模块，用于以导航起点作为起点，以导航终点为终点，在栅格地图中进行基于蚁群算法进行多代迭代搜索得到导航路径，其中在每代迭代结束后，对陷入死锁状态的蚂蚁，计算当前蚂蚁所处的迭代进度和死锁发生频率，将迭代进度和死锁发生频率输入到模糊控制器中输出惩罚系数，将惩罚系数代入当前蚂蚁的惩罚公式中得到对应当前蚂蚁的最后两步对应的边的死锁信息素惩罚；对未陷入死锁状态的蚂蚁，删除当前蚂蚁的原始路径中的所有冗余节点构建新路径，并基于新路径和原始路径计算添加到新路径上每个边的路径优化信息素奖励；根据每代迭代结束后的所有路径获取精英路径集，并基于精英路径集获取至少两个精英路径共同经过的共识边，计算共识边在精英路径集中的协同权重，基于协同权重计算共识边的精英协同信息素奖励，并将死锁信息素惩罚、精英协同信息素奖励以及路径优化信息素奖励引入对应边的信息素更新公式。

10.可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至8任一项所述的基于动态信息素惩罚系数的无人驾驶汽车路径规划方法。