CN109141398B - 一种用于物流的无人机路径规划方法及装置 - Google Patents
一种用于物流的无人机路径规划方法及装置 Download PDFInfo
- Publication number
- CN109141398B CN109141398B CN201810849490.0A CN201810849490A CN109141398B CN 109141398 B CN109141398 B CN 109141398B CN 201810849490 A CN201810849490 A CN 201810849490A CN 109141398 B CN109141398 B CN 109141398B
- Authority
- CN
- China
- Prior art keywords
- relay station
- unmanned aerial
- aerial vehicle
- flight
- relay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种用于物流的无人机路径规划方法及装置,涉及物流技术领域,能够缓减目前的物流无人机难形成规模化效益及复制推广的问题。本发明包括:根据所述辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度;根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力;根据接收到的配送订单,获取目标地址和配送时效;根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划;将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务。本发明适用于物流无人机的任务规划。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种用于物流的无人机路径规划方法及装置。
背景技术
目前,无人机已经开始被应用在了物流领域,但是由于电池限制、设备成本控制、运输成本和运载量等多方面的限制,导致了各大物流企业的快递无人机始终处于试验阶段,而离大规模投入使用尚有距离。
其中最主要的问题在于,当前无人机设备一直受电池技术的限制,导致续航能力不足以及成本居高不下,难以在偏远山区、农村实现规模化及商业化应用。因此目前主要投入使用的无人机,无人机电力化是无人机发展的趋势。有的运营商则会投入更多的电动无人机,但是电动无人机每次飞行后需要再次充电才能复飞,在无人机设备数量有限的情况下,快递的时效性难以保证,通过增加无人机数量的方式提高时效性,又会增加运营成本。
因此,电动无人机单一航线续航能力不足的问题,极大地影响了无人快递的时效性和成本,难形成规模化效益及复制推广。
发明内容
本发明的实施例提供一种用于物流的无人机路径规划方法及装置,能够缓减目前的物流无人机难形成规模化效益及复制推广的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
一种用于物流的无人机路径规划方法,包括:
根据所述辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度;
根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力;
根据接收到的配送订单,获取目标地址和配送时效;
根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划,其中,所述飞行计划包括了飞行路径和电力补充命令;所述无人机的剩余电量,满足起点至用于所述无人机补充电力的中继站之间的飞行航线的距离;
将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务。
本实施例中,针对无人机自身电量续航能力不足的情况下,既保证无人机能够飞抵目的地,又保证了配送订单的时效性。
通过模型搭建推算规划处最合理的配送路径航线和电力补充方案,实现了控制物流无人机配送成本的目的,助力物流无人机配送场景在其他场区域所进行规模复制及商业推广。
通过整合快递物流配送无人机续航能力的补充方案,将单一充电站功能和单一更换电池的功能设备硬件整合成一体化的中继车,并通过中继车调整中继站的位置,以便于根据具体的应用环境优化中继站的位置,从而进一步提高物流无人机的配送场景在各类区域进行规模复制及商业推广。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1、2为本发明实施例提供的系统架构示意图;
图3为本发明实施例提供的方法流程示意图;
图4为本发明实施例提供的具体实例示意图;
图5为本发明实施例提供的装置结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本实施例的具体方案,可以实现在一种用于物流的无人机路径规划系统上,如图1所示的,该系统包括:管理服务器、设置在中继站的计算机和无人机。其中:
本实施例中所揭示的管理服务器在硬件层面上具体可以是工作站、超级计算机等设备,或者是由多台服务器组成的一种用于数据处理的服务器集群。具体的,管理服务器上可以基于BI(Business Intelligence,商业智能)建设相应的中控系统,其中,BI所指的是用于将企业中现有的数据进行整合,建立企业级数据仓库及数据挖掘产品,帮助企业实现数据的应用价值,并为企业提供决策的数据支持的技术。例如:目前业内一些企业通过BI系统实现对物流运输的全流程监控,可以清楚知道客户的每个包裹所处的运输环节。TMS(Transportation Management System,运输管理系统),用于物流企业实现对运输订单、调度分配、车辆管理、人员管理等模块功能的系统。
本实施例中,中继站可以理解为具有一定占地面积的场地,这个场地在位置信息所标记的区域,那么该位置信息即为该中继站的位置信息,中继站中可以设置有用于无人机停泊的停机坪、电池更换装置和中继站的计算机,中继站的计算机用于与管理服务器进行数据交互,并接受管理服务器的命令控制,以便于管理服务器通过中继站的计算机获取中继站的运营数据。中继站的计算机还用于控制充电桩、电池存储舱和用于为无人机更换电池的机械装置等设备,为无人机充电或者更换电池。
可选的,如图2所示的,本实施例中所提及的所述辖区范围内的中继站,也可以由至少一辆中继车组成,所述中继车上安装有充电桩、电池存储舱和用于为无人机更换电池的机械装置。其中,用于属于一个中继站的中继车,停泊在这一个中继站的位置信息所标记的区域内。所述机械装置为安装在中继车上的机械臂,所述机械臂用于从无人机上拆卸电池,并从所述电池存储舱中抓取电池并安装在被拆卸了电池的无人机上。本实施例中所提及的中继车,可以采用目前市面上已有或者已经研发的无人机搭载工具等,比如:CN206348838U、CN106503954A等方案中所提供的无人机收纳平台。机械装置也可以采用目前已有的电池更换设备,比如:CN206123109U中所提及的无人机电池自动更换装置。
本实施例中所提及的无人机,即为目前开始应用于物流领域中的,用于运输快递包裹的物流无人机。
本发明实施例提供一种用于物流的无人机路径规划方法,如图3所示,包括:
S1、根据所述辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度。
S2、根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力。
本实施例中还提供一种用于调整中继站位置的方案,主要可以用于具有中继车的系统,其中包括:
获取所述辖区范围内的中继站的运营数据,所述运营数据包括了:中继站中的电池和充电桩的使用记录。
根据所述运营数据,获取所述辖区范围内的中继站的运营饱和度,所述运营饱和度包括中继站中的电池和充电桩的使用频率。
根据所获取的运营饱和度,确定运营能力调整数据,并调整所述辖区范围内的中继站的运营能力。
其中,所述调整所述辖区范围内的中继站的运营能力,包括:当根据所获取的运营饱和度,判定出中继站的运营能力已饱和时,向运营能力已饱和的中继站派遣中继车。例如:
基于运营数据筛选出无人机经停的最多的使用率最高的中继站点,系统抽出该中继站点运营数据,结合全局数据分析该中继站点运营饱和度情况,若该站点充电及更换电池资源均处于饱和状态下。且系统全局任务原本计划航线经停该中继站点实现单任务效率最优,但因该中继站运营能力已饱和,需降级计算选择次优航线的任务量占比情况,系统可建议增加该中继站点运营能力;
饱和运营的站点在增加了相应设备提升了相应运营能力之后,系统中该中继站点任务依然处于状态饱和状态下。系统根据全局任务运营情况。运营区域增加相应站点位置,以分流缓解该中继站点任务压力。
进一步的,还包括:
获取被派遣了中继车的中继站的运营饱和度。当判定出所述被派遣了中继车的中继站的运营能力依然饱和时,利用所述被派遣了中继车的中继站的位置信息,在所述辖区范围内增设中继站。例如:
基于运营数据筛选出无人机经停的最少的使用利用率最低的中继站点,并对该中继站点运营数据对标其他站点数据及全局数据进行局部和全局分析可得出该站点利用率低的原因,再结合业务数据评估该站点是否可以进行相应优化;譬如减少该中继站点设备配置或者取消该中继站点;
对于运营情况饱和度比较适中的中继站点,进行流量分析,任务比对等较为全面的全局分析测算得出局部条件微调优化,从而促进全局的配送时效,成本等因素的最优。
本实施例可实现单个无人机在超自身续航能力情况下选择最合理的航线路径前往中继站进行相对应合理的执行动作以完成配送任务订单;且保障配送时效;
本实施例可实现在一定区域范围内实行多个无人机在超自身续航能力情况下选择最合理的航线路径前往中继站进行相对应合理的执行动作以完成配送任务订单;且保障配送时效;
尤其是,本实施例的方案便于扩展无人机配送范围农村偏远山区配送业务,通过中继车的电力补充方式,节省了专门开设中继站的人力成本,并且便于快速调整无人机的运力,从而进一步推动无人机乡镇配送的复制推广及商业化。
S3、根据接收到的配送订单,获取目标地址和配送时效。
其中,管理服务器可以从目前已在使用的订单系统、物流系统接收已生成的物流订单,并根据物流订单中的信息生成配送订单,这一阶段与传统的快递点为快递员生成的配送订单的过程类似,可以采用目前配送订单的生成方式。配送订单的具体内容和传统的快递点为快递员生成的配送订单类似,其中都包含了目标地址和配送时效,目标地址指的就是包裹需要送达的地址,配送时效指的是运输包裹的时间限制。
其中,触发管理服务器查找中继站的状态信息的原因,可以是无人机的电力不足以支撑单次分析,比如:当所选择的无人机的剩余电量不足以满足任务飞行距离,且检测到所述无人机的充电时长不满足所述配送时效时,获取辖区范围内各个中继站当前的状态信息。
具体的,所述任务飞行距离指的是:所述起点至所述目标地址之间的飞行航线的距离。
所述充电时长指的是:通过充电桩充电补充所述无人机的电力缺口,所需的时长,其中,所述电力缺口等于:满足所述任务飞行距离所需的电量,减去所述无人机的剩余电量后的差值。在实际应用中,有起点飞往目标地址的航线不一定是两点之间的直线,无人机在飞行过程中可能需要停靠多个点,比如:无人机先要由起点飞往配送中心装货,之后再飞往中继站,在中继站补充了电力后,继续飞往目标地址,如果电力依然不够,还需飞往下一中继站继续补充电力(即蛙跳式地飞行)。
例如:管理服务器通过扫描件各无人机的工作状态,得知在起点具有一架或者多架无人机,管理服务器同时获取这些无人机的剩余电量,当这些无人机的剩余电量都不足以支撑飞到目标地址时,再检测给无人机充电的情况下,所消耗的总时间(总的飞行时间+充电时间)是否超过配送时效,若超过了配送时效,则说明目前在起点没有一架无人机的剩余电量能够同时满足本次配送订单的航程和配送时效,需要使用中继站。
S4、根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划。
其中,所述飞行计划包括了飞行路径和电力补充命令。所述无人机的剩余电量,满足起点至用于所述无人机补充电力的中继站之间的飞行航线的距离。飞行路径包括了所计划的无人机的飞行航线,以及沿途的站点(中继站、配送中心等),电力补充命令用于通知无人机需要降落的站点(中继站)。
具体的,一个中继站的状态信息包括:这一个中继站的位置信息、剩余电池数量信息和剩余电池余量信息。
例如:接收到配送订单,由起点p执行去目标地k点配送任务,配送时效为x,直线任务距离y;但目前p点仅有一架次飞机甲且剩余电量不足以满足飞行执行飞行距离y,站点充电桩均在执行充电任务,原地等待其他充电任务完成后充电执行任务不能保证配送时效x,系统调用辖区范围内中继站的状态信息(包括但不局限于充换电中继站)站点位置信息、剩余充电桩位置信息、剩余电池数量信息、剩余电池余量信息;剩余电池余量支持飞行距离及时间信息进行计算与任务信息进行匹配。
管理服务器首先需要筛选出满足目标站点距离起始点p的距离是目前当前飞机甲剩余电量能够抵达的点。
S5、将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务。
本实施例中,针对无人机自身电量续航能力不足的情况下,既保证无人机能够飞抵目的地,又保证了配送订单的时效性。
通过模型搭建推算规划处最合理的配送路径航线和电力补充方案,实现了控制物流无人机配送成本的目的,助力物流无人机配送场景在其他场区域所进行规模复制及商业推广。
通过整合快递物流配送无人机续航能力的补充方案,将单一充电站功能和单一更换电池的功能设备硬件整合成一体化的中继车,并通过中继车调整中继站的位置,以便于根据具体的应用环境优化中继站的位置,从而进一步提高物流无人机的配送场景在各类区域进行规模复制及商业推广。
具体的,可以通过更换电池的方式为无人机补充电力,比如在步骤S3中,所述根据所述各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,包括:
根据各个中继站的位置信息,筛选出第一类中继站。
将所选择的第一类中继站确定为用于所述无人机补充电力的中继站。
其中,所述第一类中继站中存在剩余的电池,且至少一块剩余的电池的电量满足所选择的第一类中继站至所述目标地址之间的飞行航线的距离,且飞行总时长满足所述配送时效。
使用第一类中继站情况下的飞行总时长包括:所述起点至所选择的第一类中继站的飞行时间、所述无人机在所述第一类中继站更换电池的时间,和所选择的第一类中继站至所述目标地址之间的飞行时间的总和。
具体的,还可以通过充电桩充电的方式为无人机补充电力,比如在步骤S3中,所述根据所述各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,包括:
根据各个中继站的位置信息,筛选出第二类中继站。
将所选择的第二类中继站确定为用于所述无人机补充电力的中继站。
其中,所述第二类中继站中存在未被占用的充电桩,且飞行总时长满足所述配送时效,其中,使用第二类中继站情况下的飞行总时长包括:所述起点至所选择的第二类中继站的飞行时间、所述无人机在所述第二类中继站充电所需的时间,和所选择的第二类中继站至所述目标地址之间的飞行时间的总和。
其中,一个中继站的状态信息还包括:这一个中继站的位置信息和充电桩工作状态信息。
当同时筛选出至少一个第一类中继站和至少一个第二类中继站时,选择所述无人机的剩余电量能够飞抵的、且距离所述目标地址最近的中继站,作为所述用于所述无人机补充电力的中继站。
管理服务器可以通过条件判断的方式,为无人机确定所要使用的中继站,例如:
a、选择目标站点首要原则,需满足目标站点距离起始点p的距离是目前当前飞机甲剩余电量能够抵达的点,此为必要条件。其中,目标站点指的是一次飞行需要抵达的站点,根据具体情形,这个目标站点可能是用于补充电力的中继站,也可以是用于加载货物的配送中心。
b、满足条件a的前提下,该站点有剩余电池且剩余电池电量能够满足执行剩余任务距离,且在该站点停留充电时间加剩余飞行时间合计时间在配送时效内;
c、满足条件a的前提下,该站点有空余充电桩位置,且充电桩位置充电后飞行到目的地k点飞行时间在配送时效内;
d、若同时满足基础需求(条件a、b、c)目标站点有多个,需择优选择,择优选择依据为:飞机剩余电量能够飞抵的中继站点,距离目标站点k最近;
e、若目标站点内,无同时满足条件(a、b、c)的站点,则降低筛选条件,同时满足(a、b)及(a、c)也可;
f、若同时满足基础需求(条件a、b)及(条件a、c)目标站点有多个,需择优选择,择优选择依据为:优先选择(条件a、b),若同时满足基础需求(条件a、b)目标站点有多个,需择优选择,择优选择依据如下:
g、飞机剩余电量能够飞抵的中继站点,距离目标站点k最近;
h、若目标站点内,无同时满足条件(a、b、c)的站点,降低筛选条件,需满足最低条件(a、c)或者(a、b)中一个;
j、若同时满足基础需求(条件h)目标站点有多个,需择优选择,择优选择依据为:飞机甲剩余电量能够飞抵的中继站点,距离目标站点k最近。
本实施例中,提供一种单机情况下的飞行计划的规划模型,比如在步骤S3中,所述生成所述无人机的飞行计划,包括:
当在所述起点有一架无人机时,加载单机飞行策略模型。
获取所述目标地址、所述配送时效、所述无人机的状态信息和所述辖区范围内各个中继站当前的状态信息各自所对应的参数值,并将所获取的参数值导入所述单机飞行策略模型,得到所述无人机的飞行计划。
具体的,所述单机飞行策略模型,包括:
s.t.
t≥tmp+∑qtpq(∑ixqi+∑jxqj)
∑q(∑ixqiSqi+∑jxqjcqjTq)≥∑q(∑ixqi+∑jxqj)tqk
∑q(∑ixqi+∑jxqj)=1
xqi,xqj=0,1
其中:
P表示配送中心的坐标,m表示所述起点的坐标,q表示中继站的坐标,k表示目标地址的坐标,t表示无人机的剩余电量可飞行的时间。
tab表示从点a到点b的飞行时间,a、b都用于表示坐标点。
Sqi表示第q个中继站的第i个电池剩余电量支持的可飞行时间,若电池被占用则数值为0。
cqj=1时,表示第q个中继站的第j个充电桩空闲,否则为0。
H表示更换电池所需的时间。
Tq=tqk+tmp+tpq-t,表示在中继站q的充电桩的充电时间。
xqi=1时,表示第q个中继站的第i个电池被选中。xqj=1时,表示第q个中继站的第j个充电桩被选中。
s.t.表示约束条件,例如:
约束条件(1):t≥tmp+∑qtpq(∑ixqi+∑jxqj),表示,无人机剩余电量可飞行时间大于从起点到配送中心的时间+配送中心到中继站的时间之和;
约束条件(2):∑q(∑ixqiSqi+∑jxqjcqjTq)≥∑q(∑ixqi+∑jxqj)tqk,表示,无人机在中继站通过更换电池或充电后所得电量的可飞行时间要大于从中继站到目标点的飞行时间;
约束条件(3):∑q(∑ixqi+∑jxqj)=1,表示,在所有中继站中只能选择一种方式(充电或更换电池)。
举例来说,通过上述单机情况下的飞行计划的规划模型,计算得出合理的航线路径及对应操作。比如在只考虑时间,只停留一个中继站,且停留一个中继站不能为起点的情况下,管理服务器生成飞行计划的案例:
如图4所示的,假设某飞机现在p位置,剩余电量50%,现接收到配送任务订单需前往k4目标地址;假设预计配送时效2h(不超过2h),目前p点仅有一架飞机空闲但剩余电池电量不足以满足其执行相应配送任务。管理服务器通过查询各个中继站当前的状态信息,获取如下具体参数:
p-k1=15km
p-k2=16km
p-k3=17km
p-k4=18km
p-q1=7km
p-q2=8km
P-q3=9km
(不带入实际坐标,上为坐标间距离)
t:无人机剩余电量可飞行时间:t=28min;
S:每个村镇或中继站的电池的剩余电量:
k1空0,s1=0%,s2=0%
k2空2,s3=10%,s4=70%
k3空2,s5=50%,s6=60%
k4空1,s7=70%,s8=0%
q1空2,S9=80%,S10=40%
q2空1,S11=70%,S12=0%,
q3空2,S13=60%,S14=90%
C:每个村镇或中继站的充电桩是否空闲(空X,表示有X个空闲):
k1空1:C1忙,C2闲
k2空0:C3忙,C4忙
k3空2:C5闲,C6闲
k4空1:C7闲,C8忙
q1空1:C9忙,C10闲
q2空2:C11闲,C12闲
q3空1:C13忙,C14闲
H:更换电池所需要时间:3min;
无人机选择充电桩时所耗的固定时间(如降落,起飞等):2min;
无人机空载时单位电量可飞行时间:空载行程最大24km,速度30km/H,从100%降到0;约0.8小时,约48分钟;
无人机负载时单位电量可飞行时间:标准载重最大行程18km,速度20km/H,从100%降到0;约0.9小时,约54分钟。
将上述具体参数带入上述模型算出结论如下,经过模型计算得出合理的航线路径及对应操作;
对于单机的情况经过模型计算的结果如下:
选择中继站q2或者q3均可,均用时57分钟;具体如下:
对于q2:从p点到q2距离8km,用时60*8/20=24分钟,耗费电量约45%,
从q2到k4距离10km,用时60*10/20=30分钟,耗费电量约56%,
q2中有一个电池剩余电量70%满足条件。
对于q3:从p点到q3距离9km,用时60*9/20=27分钟,耗费电量约50%,
从q3到k4距离9km,用时60*9/20=27分钟,耗费电量约50%,
q3中有两块电池均超过50%剩余电量
优选的,管理服务器可以选择q2,这样第一步的电量比较充足。
本实施例中,还提供一种多机情况下的飞行计划的规划模型,比如在步骤3中,所述生成所述无人机的飞行计划,包括:
当在所述起点有至少两架无人机时,加载多机飞行策略模型。
获取所述目标地址、所述配送时效、所述无人机的状态信息和所述辖区范围内各个中继站当前的状态信息各自所对应的参数值,并将所获取的参数值导入所述多机飞行策略模型,得到所述无人机的飞行计划。
具体的,所述多机飞行策略模型,包括:
s.t.
∑q(∑ixnqi+∑jxnqj)=1
∑nxnqi≤1
∑nxnqj≤1
xnqi,xnqj=0,1
其中:
P表示配送中心的坐标,k表示目标地址的坐标,N表示无人机的数量,M表示无人机的起点集合,其中mn是指集合M中第n个无人机的起点,n为正整数。
R表示目的地目标地址的坐标的集合,其中rn是指第n个无人机的目标地址的坐标。
Q表示中继站的坐标的集合,其中q∈Q表示中继站的坐标的标识号。
T表示无人机的剩余电量可飞行的时间的集合,其中tn是指第n个无人机的剩余电量可飞行的时间。
tab表示从点a到点b的飞行时间,a、b都用于表示坐标点。
H表示更换电池所需的时间。
Sqi表示第q个中继站的第i个电池剩余电量支持的可飞行时间,若电池被占用则数值为0。
cqj=1则表示第q个中继站的第j个充电桩空闲,否则为0。
xnqi=1时,表示第n个无人机选中第q个中继站的第i个电池。xnqj=1时,表示第n个无人机选中第q个中继站的第j个充电桩。
其中:
s.t.表示约束条件,例如:
∑q(∑ixnqi+∑jxnqj)=1,为约束条件,表示对于每个无人机只选择一个中间点的一个方式(充电或换电池);
∑nxnqi≤1、∑nxnqj≤1,为约束条件,表示每个中间点的充电桩或电池最多被一个无人机选中。
举例来说,通过上述多机情况下的飞行计划的规划模型,计算得出合理的航线路径及对应操作。管理服务器生成飞行计划的案例:
假设4架飞机都需要执行配送任务,配送任务时效均为2h,2架已经在p点,2架分别从k1,q2返回p点途中,k1还有10分钟抵达,q2还有10分钟抵达;。飞机:多机,4架。则管理服务器可以获得具体参数:
飞机1剩余60%电量要执行去k2目标点
飞机2剩余90%电量要执行去k1目标点
飞机3剩余40%电量要执行去k3目标点
飞机4剩余50%电量要执行去k4目标点
p-k1=15km
p-k2=16km
p-k3=17km
p-k4=18km
p-q1=7km
p-q2=8km
P-Q3=9km
(不带入实际坐标,上为坐标间距离)
T:无人机剩余电量可飞行时间集合:
T1=28min,T2=23min,T3=35min,T4=45min
S:每个村镇或中继站的电池的剩余电量:
k1空0,s1=0%,s2=0%
k2空2,s3=10%,s4=70%
k3空2,s5=50%,s6=60%
k4空1,s7=70%,s8=0%
q1空2,S9=80%,S10=40%
q2空1,S11=70%,S12=0%,
q3空2,S13=60%,S14=90%
C:每个村镇或中继站的充电桩是否空闲:
k1空1,C1忙,C2闲
k2空0,C3忙,C4忙
k3空2,C5闲,C6闲
k4空1,C7闲,C8忙
q1空1,C9忙,C10闲
q2空2,C11闲,C12闲
q3空1,C13忙,C14闲
H:更换电池所需要时间:3min
无人机选择充电桩时所耗的固定时间(如降落,起飞等):2min
无人机空载时单位电量可飞行时间:
空载行程最大24km,速度30km/H,从100%降到0;约0.8小时,约48分钟;
无人机负载时单位电量可飞行时间:
标准载重最大行程18km,速度20km/H,从100%降到0;约0.9小时,约54分钟。
将上述具体参数带入多机飞行策略模型算出结论如下:
飞机1通过q2到达目标点k3,使用剩余电池40%的电量,用时39分钟;
飞机2通过q1到达目标点k2,使用剩余电池70%的电量,用时39分钟;
飞机3通过q1到达目标点k1,使用剩余电池80%的电量,用时61分钟;
飞机4通过q3到达目标点k4,使用剩余电池60%的电量,用时67分钟;
通过模型算法得出全局最优结论,四架飞机均在配送任务时效内完成配送。
飞机1从p点到q2距离8km,用时60*8/20=24分钟,少于剩余时间28分钟,从q2到达目标点k3距离4km,用时60*4/20=12分钟,耗费电量约23%,加上换电池所需时间3分钟,共用时39分钟;
飞机2从p点到q1距离7km,用时60*7/20=21分钟,少于剩余时间23分钟,从q1到达目标点k2距离5km,用时60*5/20=15分钟,耗费电量约28%,加上换电池所需时间3分钟,共用时39分钟;
飞机3通过10分钟后到达p点,从p点到q1距离7km,用时60*7/20=21分钟,少于剩余时间35分钟,从q1到达目标点k1距离9km,用时60*9/20=27分钟,耗费电量约50%,加上换电池所需时间3分钟,共用时61分钟;
飞机4通过10分钟后到达p点,从p点到q3距离9km,用时60*9/20=27分钟,少于剩余时间45分钟,从q3到达目标点k4距离4km,用时60*9/20=27分钟,耗费电量约50%,加上换电池所需时间3分钟,共用时67分钟。
本发明实施例还提供一种用于物流的无人机路径规划装置,该装置具体可以应用在如图1、2所示的管理服务器上。如图5所示的,该装置包括:
预处理模块,用于根据所述辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度;并根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力;
通信模块,用于根据接收到的配送订单,获取目标地址和配送时效;
飞行任务管理模块,用于根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划,其中,所述飞行计划包括了飞行路径和电力补充命令;所述无人机的剩余电量,满足起点至用于所述无人机补充电力的中继站之间的飞行航线的距离;
任务下发模块,用于将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务。
进一步的,还包括:分析模块,用于当所选择的无人机的剩余电量不足以满足任务飞行距离,且检测到所述无人机的充电时长不满足所述配送时效时,获取辖区范围内各个中继站的状态信息;
其中,所述起点至所述目标地址之间的飞行航线的距离作为所述任务飞行距离;
所述充电时长为:通过充电桩充电补充所述无人机的电力缺口,所需的时长,所述电力缺口等于:满足所述任务飞行距离所需的电量,减去所述无人机的剩余电量后的差值。
具体的,所述飞行任务管理模块,用于:根据各个中继站的位置信息,筛选出第一类中继站;并将所选择的第一类中继站确定为用于所述无人机补充电力的中继站;
其中,所述第一类中继站中存在剩余的电池,且至少一块剩余的电池的电量满足所选择的第一类中继站至所述目标地址之间的飞行航线的距离,且飞行总时长满足所述配送时效,其中,使用第一类中继站情况下的飞行总时长包括:所述起点至所选择的第一类中继站的飞行时间、所述无人机在所述第一类中继站更换电池的时间,和所选择的第一类中继站至所述目标地址之间的飞行时间的总和;
其中,一个中继站的状态信息包括:这一个中继站的位置信息、剩余电池数量信息和剩余电池余量信息。
进一步的,所述飞行任务管理模块,具体还用于:根据各个中继站的位置信息,筛选出第二类中继站;
将所选择的第二类中继站确定为用于所述无人机补充电力的中继站;
其中,所述第二类中继站中存在未被占用的充电桩,且飞行总时长满足所述配送时效,其中,使用第二类中继站情况下的飞行总时长包括:所述起点至所选择的第二类中继站的飞行时间、所述无人机在所述第二类中继站充电所需的时间,和所选择的第二类中继站至所述目标地址之间的飞行时间的总和;
其中,一个中继站的状态信息还包括:这一个中继站的位置信息和充电桩工作状态信息。
可选的,所述飞行任务管理模块,还用于:当同时筛选出至少一个第一类中继站和至少一个第二类中继站时,选择所述无人机的剩余电量能够飞抵的、且距离所述目标地址最近的中继站,作为所述用于所述无人机补充电力的中继站。
本实施例中,针对无人机自身电量续航能力不足的情况下,既保证无人机能够飞抵目的地,又保证了配送订单的时效性。
通过模型搭建推算规划处最合理的配送路径航线和电力补充方案,实现了控制物流无人机配送成本的目的,助力物流无人机配送场景在其他场区域所进行规模复制及商业推广。
通过整合快递物流配送无人机续航能力的补充方案,将单一充电站功能和单一更换电池的功能设备硬件整合成一体化的中继车,并通过中继车调整中继站的位置,以便于根据具体的应用环境优化中继站的位置,从而进一步提高物流无人机的配送场景在各类区域进行规模复制及商业推广。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种用于物流的无人机路径规划方法,其特征在于,包括:
根据辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度,其中,所述运营数据包括了:中继站中的电池和充电桩的使用记录,所述运营饱和度包括:中继站中的电池和充电桩的使用频率;
根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力;
根据接收到的配送订单,获取目标地址和配送时效;
根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划,其中,所述飞行计划包括了飞行路径和电力补充命令;所述无人机的剩余电量,满足起点至用于所述无人机补充电力的中继站之间的飞行航线的距离;
一个中继站的状态信息包括:这一个中继站的位置信息、剩余电池数量信息和剩余电池余量信息;
将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务;
还包括:当所选择的无人机的剩余电量不足以满足任务飞行距离,且检测到所述无人机的充电时长不满足所述配送时效时,获取辖区范围内各个中继站当前的状态信息;
所述任务飞行距离为:所述起点至所述目标地址之间的飞行航线的距离;所述充电时长为:通过充电桩充电补充所述无人机的电力缺口,所需的时长,所述电力缺口等于:满足所述任务飞行距离所需的电量,减去所述无人机的剩余电量后的差值;
充电时长还包括:无人机等待其它充电任务完成的时长。
2.根据权利要求1所述的方法,其特征在于,所述根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力,包括:
当根据所获取的运营饱和度,判定出中继站的运营能力已饱和时,向运营能力已饱和的中继站派遣中继车。
3.根据权利要求2所述的方法,其特征在于,还包括:
获取被派遣了中继车的中继站的运营饱和度;
当判定出所述被派遣了中继车的中继站的运营能力依然饱和时,利用所述被派遣了中继车的中继站的位置信息,在所述辖区范围内增设中继站。
4.根据权利要求1所述的方法,其特征在于,所述根据所述各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,包括:
根据各个中继站的位置信息,筛选出第一类中继站;
将所选择的第一类中继站确定为用于所述无人机补充电力的中继站;
其中,所述第一类中继站中存在剩余的电池,且至少一块剩余的电池的电量满足所选择的第一类中继站至所述目标地址之间的飞行航线的距离,且飞行总时长满足所述配送时效,其中,使用第一类中继站情况下的飞行总时长包括:所述起点至所选择的第一类中继站的飞行时间、所述无人机在所述第一类中继站更换电池的时间,和所选择的第一类中继站至所述目标地址之间的飞行时间的总和;
其中,一个中继站的状态信息包括:这一个中继站的位置信息、剩余电池数量信息和剩余电池余量信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,包括:
根据各个中继站的位置信息,筛选出第二类中继站;
将所选择的第二类中继站确定为用于所述无人机补充电力的中继站;
其中,所述第二类中继站中存在未被占用的充电桩,且飞行总时长满足所述配送时效,其中,使用第二类中继站情况下的飞行总时长包括:所述起点至所选择的第二类中继站的飞行时间、所述无人机在所述第二类中继站充电所需的时间,和所选择的第二类中继站至所述目标地址之间的飞行时间的总和;
其中,一个中继站的状态信息还包括:这一个中继站的位置信息和充电桩工作状态信息。
6.根据权利要求5所述的方法,其特征在于,还包括:
当同时筛选出至少一个第一类中继站和至少一个第二类中继站时,选择所述无人机的剩余电量能够飞抵的、且距离所述目标地址最近的中继站,作为所述用于所述无人机补充电力的中继站。
7.一种用于物流的无人机路径规划装置,其特征在于,包括:
预处理模块,用于根据辖区范围内的中继站的运营数据,确定所述辖区范围内的中继站的运营饱和度;并根据所获取的运营饱和度,调整所述辖区范围内的中继站的运营能力,其中,所述运营数据包括了:中继站中的电池和充电桩的使用记录,所述运营饱和度包括:中继站中的电池和充电桩的使用频率;
通信模块,用于根据接收到的配送订单,获取目标地址和配送时效;
飞行任务管理模块,用于根据所述辖区范围内各个中继站当前的状态信息,确定用于所述无人机补充电力的中继站,并生成所述无人机的飞行计划,其中,所述飞行计划包括了飞行路径和电力补充命令;所述无人机的剩余电量,满足起点至用于所述无人机补充电力的中继站之间的飞行航线的距离,一个中继站的状态信息包括:这一个中继站的位置信息、剩余电池数量信息和剩余电池余量信息;
任务下发模块,用于将所述飞行计划输入所述无人机,并启动所述无人机执行飞行任务;
还包括:当所选择的无人机的剩余电量不足以满足任务飞行距离,且检测到所述无人机的充电时长不满足所述配送时效时,获取辖区范围内各个中继站当前的状态信息;
所述任务飞行距离为:所述起点至所述目标地址之间的飞行航线的距离;
所述充电时长为:通过充电桩充电补充所述无人机的电力缺口,所需的时长,所述电力缺口等于:满足所述任务飞行距离所需的电量,减去所述无人机的剩余电量后的差值;充电时长还包括:无人机等待其它充电任务完成的时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849490.0A CN109141398B (zh) | 2018-07-28 | 2018-07-28 | 一种用于物流的无人机路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810849490.0A CN109141398B (zh) | 2018-07-28 | 2018-07-28 | 一种用于物流的无人机路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109141398A CN109141398A (zh) | 2019-01-04 |
CN109141398B true CN109141398B (zh) | 2022-03-29 |
Family
ID=64798246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810849490.0A Active CN109141398B (zh) | 2018-07-28 | 2018-07-28 | 一种用于物流的无人机路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109141398B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263983B (zh) * | 2019-05-31 | 2021-09-07 | 中国人民解放军国防科技大学 | 一种车辆与无人机物流配送的双层路径规划方法及系统 |
CN112147994B (zh) * | 2019-06-28 | 2024-06-14 | 深圳市优必选科技股份有限公司 | 一种机器人及其回充控制方法和装置 |
CN110579218B (zh) * | 2019-08-14 | 2022-04-29 | 深圳易马达科技有限公司 | 一种规划更换电池路径的方法及终端 |
CN110619091A (zh) * | 2019-08-14 | 2019-12-27 | 深圳易马达科技有限公司 | 一种推荐换电柜的方法及终端设备 |
CN111463860B (zh) * | 2020-04-10 | 2022-01-07 | 北京京东乾石科技有限公司 | 协作式充电的方法、装置和物流设备 |
CN111915932A (zh) * | 2020-07-29 | 2020-11-10 | 北京航空航天大学 | 一种多目标约束的低空无人机航路规划设计方法 |
CN113359821B (zh) * | 2021-05-28 | 2022-07-05 | 合肥工业大学 | 基于车辆与无人机协同作业的路径规划方法及系统 |
CN113359836B (zh) * | 2021-06-23 | 2022-03-08 | 广东万嘉通通信科技有限公司 | 一种基于智慧杆的授权轨道与无人机协同方法及系统 |
CN113467522B (zh) * | 2021-08-01 | 2022-09-06 | 陈军 | 一种无人机途径无人机机场的方法及系统 |
CN114492981B (zh) * | 2022-01-24 | 2024-04-05 | 浙江维创盈嘉科技有限公司 | 一种基于多无人机协同的物流配送方法及设备 |
CN114462853B (zh) * | 2022-02-08 | 2023-09-05 | 浙江极客桥智能装备股份有限公司 | 一种基于无人机场的运营管理方法、系统、终端及介质 |
CN114706424A (zh) * | 2022-04-12 | 2022-07-05 | 西南交通大学 | 城市低空物流无人机航线智能规划装置 |
CN114881558B (zh) * | 2022-04-29 | 2023-04-18 | 清华大学 | 基于无人机与车辆协同的快递配送方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092083A (zh) * | 2016-05-31 | 2016-11-09 | 夏烬楚 | 一种无人机路径规划管理系统及方法 |
CN106845713A (zh) * | 2017-01-23 | 2017-06-13 | 中南大学 | 一种无人机快递自动充电桩的设置规划方法 |
CN106843270A (zh) * | 2017-01-23 | 2017-06-13 | 中南大学 | 一种无人机快递自动投送路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130112688A (ko) * | 2010-04-22 | 2013-10-14 | 에어로바이론먼트, 인크. | 무인 항공기 및 작동 방법 |
-
2018
- 2018-07-28 CN CN201810849490.0A patent/CN109141398B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092083A (zh) * | 2016-05-31 | 2016-11-09 | 夏烬楚 | 一种无人机路径规划管理系统及方法 |
CN106845713A (zh) * | 2017-01-23 | 2017-06-13 | 中南大学 | 一种无人机快递自动充电桩的设置规划方法 |
CN106843270A (zh) * | 2017-01-23 | 2017-06-13 | 中南大学 | 一种无人机快递自动投送路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于时间窗约束的纯电动汽车路径规划模型分析;刘颖鑫;《物流科技》;20171231;第83-87页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109141398A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109032177B (zh) | 一种优化无人机路径方法及装置 | |
CN109141398B (zh) | 一种用于物流的无人机路径规划方法及装置 | |
CN109118136B (zh) | 一种用于物流无人机的中继站规划方法及系统 | |
Chen et al. | Evolutionary computation for intelligent transportation in smart cities: A survey | |
CN101950479B (zh) | 以乘客出行为导向的智能城市公共交通系统及其实施方法 | |
US20130159208A1 (en) | Shipper-oriented logistics base optimization system | |
CN111105141B (zh) | 一种需求响应型公交调度方法 | |
US20120226624A1 (en) | Optimization system of smart logistics network | |
CN106203900A (zh) | 智能物流管理系统和方法 | |
CN107563683A (zh) | 一种城市内乘客及货物协同运输方法及系统 | |
CN105070044A (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
CN105096231B (zh) | 联合机场的智能管控系统及异地在线托管系统 | |
CN101159048A (zh) | 油品配送槽车调度系统及其方法 | |
CN109934532B (zh) | 双向运输的路线规划方法和相关装置 | |
CN103473659A (zh) | 配送车辆端实时状态信息驱动的物流任务动态优化分配方法 | |
CN108428084A (zh) | 一种基于服务链的多式联运系统及方法 | |
CN104504459A (zh) | 物流运输优化方法及系统 | |
CN106845857A (zh) | 一种智能电表的配送任务排程优化方法 | |
CN106355327A (zh) | 车辆调度系统 | |
CN105489061A (zh) | 公共自行车云端智能泊车及调配系统 | |
Chen et al. | Energy management framework for mobile vehicular electric storage | |
CN102752716A (zh) | 一种链路选择方法和装置 | |
CN110119831A (zh) | 一种物流管理系统的运输路径优化系统及方法 | |
CN109583802B (zh) | 无人配送网络系统及调度方法 | |
CN117294577A (zh) | 一种弹性配电网信息物理协同快速恢复方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |