CN109765896A - 一种基于智能停车场多agv的动态路径规划方法 - Google Patents

Abstract

本发明涉及一种基于智能停车场多AGV的动态路径规划方法，属于路径规划技术领域。该方法具体包括：S1：建立A*算法与Yen算法相结合的K最短路径算法，求得从起始站点到目标停车位的最短路径；S2：建立动态时间窗模型；S3：建立多辆AGV冲突类型分析模型，若多辆AGV之间发生冲突，针对不同的冲突类型分析不同的路径规划方法；S4：基于所述动态时间窗模型与多辆AGV冲突类型分析模型，建立多辆AGV的路径规划算法。本发明提高了传统停车场的位置利用率并且提高了停车效率，并且提高了AGV小车的运行效率，减小了AGV小车耗能，为智能停车场的实现提供了有利途径。

Description

一种基于智能停车场多AGV的动态路径规划方法

技术领域

本发明属于路径规划技术领域，涉及一种基于智能停车场多AGV的动态路径规划方法。

背景技术

当今世界经济飞速发展，城市道路上的车辆越来越多，但是停车位的数量有限。因此会导致停车越来越困难，交通也会变得越来越拥堵。如何在有限的停车空间内存取更多的车辆已经成为交通的突出问题。自动引导小车(Automated Guided Vehicle,AGV)的出现，有效地改善了这一问题。只需要将车辆停到指定位置，由AGV自动的停放车辆，所以停车场中AGV的路径规划能够提高停车效率。与其它场所中路径灵活且空间大相比，停车场中的路径相对固定且大多为纵横交错，因此一般路径规划算法不能很好的满足要求。因此本发明应用K最短路径算法与动态时间窗为AGV小车提供K条路径，在发生多AGV冲突时，从备选的K条路径中选择最优的一条路径进行行驶。

发明内容

有鉴于此，本发明的目的在于提供一种基于智能停车场多AGV的动态路径规划方法，用于提高传统停车场的位置利用率并且提高了停车效率，并且提高了AGV小车的运行效率，减小了AGV小车耗能，为智能停车场的实现提供了有利途径。

为达到上述目的，本发明提供如下技术方案：

一种基于智能停车场多AGV的动态路径规划方法，具体包括以下步骤：

S1：建立A*算法与Yen算法相结合的K最短路径算法，求得从起始站点到目标停车位的最短路径；

S2：建立动态时间窗模型；

S3：建立多辆AGV冲突类型分析模型，若多辆AGV之间发生冲突，针对不同的冲突类型分析不同的路径规划方法；

S4：基于所述动态时间窗模型与多辆AGV冲突类型分析模型，建立多辆AGV的路径规划算法，若多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多辆AGV路径冲突情况，若没有冲突，则AGV按照K条路径中最优的一条路径行驶。

进一步，步骤S1中，所述建立A*算法与Yen算法相结合的K最短路径算法具体包括以下步骤：

S11：采用A*算法求得从起始站点到目标停车位的最短路径，在最短路径的基础上求解剩余的K-1条路径：在求第i条路径时，除了其目标停车位节点以外，将第i-1条上的路径上所有的节点都看作偏离节点；

S12：，采用A*算法求解每个偏离节点到目标节点的最短路径，然后与之前路径上起始站点到偏离节点的路径结合起来，构成一条候选路径，比较所有的候选路径，选择代价最少的一条路径，进而求得第i条最短路径。

进一步，步骤S2中，所述时间窗是指AGV在执行停放车辆、取车辆时，从进入某个交叉路口或路径到离开共计花费的时间。

进一步，步骤S3中，所述建立多辆AGV冲突类型分析模型具体包括以下步骤：

S31：令N[i][j]表示m个任务对应的最短路径节点，其中i＝1,2,3,...,m；j＝1,2,3,...为第i个任务最短路径的节点个数；

S32：根据多辆AGV冲突类型建立多辆AGV冲突类型分析模型，具体包括以下三种类型：

(1)节点冲突：指两辆或多辆AGV同时到达某一个道路节点；当同时满足以下关系时为节点冲突：

N[a][s]＝N[b][t],a≠b,a,b≤m，

t_in[s]＜t_out[t],t_out[s]＞t_in[t]

其中，a,b表示两辆AGV的行驶路径中有相同的道路节点，t_in[]、t_out[]表示AGV进入、离开节点的时刻，s、t表示节点；

(2)相向冲突：指两辆行驶方向相反的AGV同时在某一路径上行驶；当同时满足以下关系式为相向冲突：

N[a][s+1]＝N[b][t+c],...,N[a][s+c]＝N[b][t+1],a≠b,a,b≤m

t_in[s+1]＜t_out[t+c],t_out[s+c]＞t_in[t+1]

(3)同向冲突：指两辆AGV的行驶方向相同，但由于前方行驶的AGV需要转向，需要一定的时间，因此后方的AGV和前方的AGV会发生碰撞；当同时满足以下关系式时为同向冲突：

N[a][s-c]＝N[b][t],...,N[a][s]＝N[b][t+c],a≠b,a,b≤m

t_in[s]＜t_out[t+c],t_out[s]＞t_in[t+c]。

进一步，步骤S4中，所述多辆AGV的路径规划算法具体为：基于多辆AGV冲突类型分析，首先采用K最短路径算法求取最短路径，再基于动态时间窗模型进行多辆AGV路径冲突分析，分析步骤具体为：

(1)无冲突：若多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多辆AGV后没有冲突，则AGV按照K条路径中最优的一条路径行驶；

(2)有冲突：当多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析后发现多辆AGV存在冲突，在冲突下的AGV路径规划分为两种方法。

进一步，所述在冲突下的AGV路径规划分为两种方法，具体为：定义最先给AGV分配任务的优先级较高，

方法一：在发生冲突时，优先级较低的AGV停止运行并等待，等待时间为t_w＝t_out[s]-t_in[t]，其中t_in[]、t_out[]表示AGV进入、离开节点的时刻，s、t表示节点；

方法二：在发生冲突时，优先级较低的AGV进行路径更改，根据之前求得的K条最短路径，在冲突节点处查找恰当的路径；若没有查找到，则对优先级较高的AGV进行路径更改；若优先级较高和较低的AGV都没有查找到恰当的路径，则优先级较低的AGV寻找最近且无冲突的空闲停车位进行躲避。

进一步，采用所述方法一和方法二进行路径规划后，还需要进行冲突检测，直到不出现冲突为止；

若冲突类型为节点冲突和同向冲突，则选择方法一或方法二，如果方法一到达目标停车位的时间为t₁，方法二到达目标停车位的时间为t₂，如果t₁≤t₂则选择方法一，反之选择方法二；若冲突类型为相向冲突，则选择方法二。

本发明的有益效果在于：

(1)本发明将A*算法与Yen算法相结合实现K最短路径算法，算法高效且可靠。

(2)本发明将K最短路径算法与动态时间窗相结合来设计智能停车场，实现了对多辆AGV提供路径规划的同时防止AGV之间的碰撞发生。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明所述动态路径规划方法的流程示意图；

图2为本A*算法流程示意图；

图3为K最短路径算法流程示意图；

图4为AGV的时间窗模型图；

图5为节点冲突示意图；

图6为相向冲突示意图；

图7为同向冲突示意图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

如图1所示，本发明所述的一种基于智能停车场多AGV的动态路径规划方法，具体包括以下步骤：

步骤1)：建立A*算法与Yen算法相结合的K最短路径算法，求得从起始站点到目标停车位的最短路径、次短路径、…、第K短路径的方法为：

(1)A*算法：是一种高效的求解两点间路径的高效启发式算法。构建目标函数F(n)如下：

F(n)＝G(n)+H(n) (1)

其中，n代表第n个节点，G(n)代表从出发点到节点n的实际时间，H(n)代表从节点n到目标节点的估计时间，可根据F值的大小来决定路径节点的移动的方向。因此，如图2所示，A*算法的计算步骤如下：

①从起点S开始，查找与原始起点A相邻的4个节点，把其中可行或可到达的节点加入到开放表(Open)中，并把S设置为这些节点的父节点，然后把A从Open表中移除，并把A加入到闭合表(Close)中。

②在Open表中查找F值最小作为当前处理的节点，将当前处理节点相邻的四个节点加入到Open表中，并把当前处理的节点作为相邻节点的父节点。

③当目标停车节点加入到Open表中，此时最优路径已经找到，或者Open表中为空时，此时没有寻找到目标停车位的路径，出现以上两种情况时，算法停止搜索，否则重复步骤②。

④当找到最优路径时，从目标停车节点开始，沿着它的父节点移动直到起点S为止，从而形成最优路径。

(2)Yen算法

根据以上分析，需要求出从起点到终点的最短路径、次短路径、…、第K短路径，因此采用Yen算法实现。

Yen算法分为两部分：首先算出第1条最短路径，然后在此基础上依次算出其他的K-1条最短路径。在求P(i+1)时，将P(i)上除了终止节点外的所有节点都视为偏离节点，并计算每个偏离节点到终止节点的最短路径，再与之前的P(i)上起始节点到偏离节点的路径拼接，构成候选路径，进而求得最短偏离路径。

(3)A*算法与Yen算法相结合的K最短路径算法，如图3所示：

基于以上分析，采用A*算法与Yen算法相结合方法实现K最短路径算法如下：

首先采用A*算法求得从起始站点到目标停车位的最短路径，然后在最短路径的基础上求解剩余的K-1条路径，在求第i条路径时，除了其目标停车位节点以外，将第i-1条上的路径上所有的节点都看作偏离节点，并用A*算法求解每个偏离节点到目标节点的最短路径，然后与之前路径上起始站点到偏离节点的路径结合起来，构成一条候选路径，比较所有的候选路径，选择代价最少的一条路径，进而求得第i条短路径。

步骤2)：建立动态时间窗模型，具体步骤如下：

对多辆AGV进行路径规划可以分为两种情况，一是在对每辆AGV小车运用上述的K最短路径算法后，各AGV之间不会发生冲突，即各AGV之间按照其K最短路径中最优的一条路径到达目标停车位。但是由于停车场这个狭小的空间内再加上多辆AGV频繁的停车、取车，因此在大多情况下各AGV之间存在着路径冲突，因此如何动态的对多辆AGV进行路径规划已成为一个较突出的问题。

动态时间窗模型：时间窗是指AGV在执行停放车辆、取车辆时，从进入某个交叉路口或路径到离开共计花费的时间。如图4所示为多台AGV通过某些路径或路径交叉口的时间窗模型，其中白色区域为当前路径或交叉口的空闲时间段，AGV在通行时不会发生碰撞；而黑色区域为当前路径或交叉口被占用的时间段，此时该路径不能被其它AGV占用，其它AGV只能等待或重新规划路径行驶，否则会发生碰撞。

步骤3)：建立多辆AGV冲突类型分析模型，若多辆AGV之间发生冲突，针对不同的冲突类型分析不同的路径规划方法；

所述多AGV冲突类型分析模型的建立步骤如下：针对AGV之间不同的冲突类型，有不同的路径规划方法，从而提高智能停车场的效率。N[i][j]表示m个任务对应的最短路径节点，其中i＝1,2,3,...,m；j＝1,2,3,...为第i个任务最短路径的节点个数。

冲突类型具体有：

(1)节点冲突

如图5所示为节点冲突示意图，节点冲突是指两辆或多辆AGV同时到达某一个道路节点。当同时满足以下关系时为节点冲突：

N[a][s]＝N[b][t],a≠b,a,b≤m (2)

t_in[s]＜t_out[t],t_out[s]＞t_in[t] (3)

其中，N[i][j]表示m个任务对应的最短路径节点，i＝1,2,3,...,m；j＝1,2,3,...为第i个任务最短路径的节点个数；a,b表示两辆AGV的行驶路径中有相同的道路节点；t_in[]、t_out[]表示AGV进入、离开节点的时刻；s、t表示节点。

(2)相向冲突

如图6所示为相向冲突示意图，相向冲突表示两辆行驶方向相反的AGV同时在某一路径上行驶。当同时满足以下关系式为相向冲突：

[a][s+1]＝N[b][t+c],...,N[a][s+c]＝N[b][t+1],a≠b,a,b≤m (4)

t_in[s+1]＜t_out[t+c],t_out[s+c]＞t_in[t+1] (5)

(3)同向冲突

如图7所示为同向冲突示意图，同向冲突为两辆AGV的行驶方向相同，但由于前方行驶的AGV需要转向，需要一定的时间，因此后方的AGV和前方的AGV会发生碰撞。当同时满足以下关系式时为同向冲突：

N[a][s-c]＝N[b][t],...,N[a][s]＝N[b][t+c],a≠b,a,b≤m (6)

t_in[s]＜t_out[t+c],t_out[s]＞t_in[t+c] (7)

步骤4)：基于所述动态时间窗模型与多辆AGV冲突类型分析模型，建立多辆AGV的路径规划算法，若多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多辆AGV路径冲突情况，若没有冲突，则AGV按照K条路径中最优的一条路径行驶。

所述多AGV的路径规划的具体步骤如下：

基于以上分析，首先采用K最短路径算法求取最短路径，再基于动态时间窗模型进行多AGV路径冲突分析，分析步骤如下所示：

(1)无冲突

若多台AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多台AGV后没有冲突。AGV按照K条路径中最优的一条路径行驶。

(2)有冲突

当多台AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析后发现多台AGV存在冲突。在冲突下的AGV路径规划主要有两种方法：

方法一：在发生冲突时，优先级较低的AGV(定义最先给AGV分配任务的优先级较高)停止运行并等待，等待时间为t_w＝t_out[s]-t_in[t]。

其中，t_in[]、t_out[]表示AGV进入、离开节点的时刻；s、t表示节点。

方法二：在发生冲突时，优先级较低的AGV进行路径更改，根据之前求得的K条最短路径，在冲突节点处查找恰当的路径。若没有查找到，则对优先级较高的AGV进行路径更改。若优先级较高和较低的AGV都没有查找到恰当的路径，则优先级较低的AGV寻找最近且无冲突的空闲停车位进行躲避。

方法一和方法二进行规划后，还需要进行冲突检测，直到不出现冲突为止。

若冲突类型为节点冲突和同向冲突，则可以选择方法一或方法二，如果方法一到达目标停车位的时间为t₁，方法二到达目标停车位的时间为t₂，如果t₁≤t₂则选择方法一，反之选择方法二。若冲突类型为相向冲突，则选择方法二。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (7)

1.一种基于智能停车场多AGV的动态路径规划方法，其特征在于，该方法具体包括以下步骤：

S1：建立A*算法与Yen算法相结合的K最短路径算法，求得从起始站点到目标停车位的最短路径；

S2：建立动态时间窗模型；

S3：建立多辆AGV冲突类型分析模型，若多辆AGV之间发生冲突，针对不同的冲突类型分析不同的路径规划方法；

S4：基于所述动态时间窗模型与多辆AGV冲突类型分析模型，建立多辆AGV的路径规划算法，若多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多辆AGV路径冲突情况，若没有冲突，则AGV按照K条路径中最优的一条路径行驶。

2.根据权利要求1所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，步骤S1中，所述建立A*算法与Yen算法相结合的K最短路径算法具体包括以下步骤：

S11：采用A*算法求得从起始站点到目标停车位的最短路径，在最短路径的基础上求解剩余的K-1条路径：在求第i条路径时，除了其目标停车位节点以外，将第i-1条上的路径上所有的节点都看作偏离节点；

S12：采用A*算法求解每个偏离节点到目标节点的最短路径，然后与之前路径上起始站点到偏离节点的路径结合起来，构成一条候选路径，比较所有的候选路径，选择代价最少的一条路径，进而求得第i条最短路径。

3.根据权利要求1所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，步骤S2中，所述时间窗是指AGV在执行停放车辆、取车辆时，从进入某个交叉路口或路径到离开共计花费的时间。

4.根据权利要求1所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，步骤S3中，所述建立多辆AGV冲突类型分析模型具体包括以下步骤：

S31：令N[i][j]表示m个任务对应的最短路径节点，其中i＝1,2,3,...,m；j＝1,2,3,...为第i个任务最短路径的节点个数；

S32：根据多辆AGV冲突类型建立多辆AGV冲突类型分析模型，具体包括以下三种类型：

(1)节点冲突：指两辆或多辆AGV同时到达某一个道路节点；当同时满足以下关系时为节点冲突：

N[a][s]＝N[b][t],a≠b,a,b≤m，

t_in[s]＜t_out[t],t_out[s]＞t_in[t]

其中，a,b表示两辆AGV的行驶路径中有相同的道路节点，t_in[]、t_out[]表示AGV进入、离开节点的时刻，s、t表示节点；

(2)相向冲突：指两辆行驶方向相反的AGV同时在某一路径上行驶；当同时满足以下关系式为相向冲突：

N[a][s+1]＝N[b][t+c],...,N[a][s+c]＝N[b][t+1],a≠b,a,b≤m

t_in[s+1]＜t_out[t+c],t_out[s+c]＞t_in[t+1]

(3)同向冲突：指两辆AGV的行驶方向相同，但由于前方行驶的AGV需要转向，需要一定的时间，因此后方的AGV和前方的AGV会发生碰撞；当同时满足以下关系式时为同向冲突：

N[a][s-c]＝N[b][t],...,N[a][s]＝N[b][t+c],a≠b,a,b≤m

t_in[s]＜t_out[t+c],t_out[s]＞t_in[t+c]。

5.根据权利要求4所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，步骤S4中，所述多辆AGV的路径规划算法具体为：基于多辆AGV冲突类型分析，首先采用K最短路径算法求取最短路径，再基于动态时间窗模型进行多辆AGV路径冲突分析，分析步骤具体为：

(1)无冲突：若多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析多辆AGV后没有冲突，则AGV按照K条路径中最优的一条路径行驶；

(2)有冲突：当多辆AGV运用K最短路径算法规划的一条最优路径，且运用动态时间窗模型分析后发现多辆AGV存在冲突，在冲突下的AGV路径规划分为两种方法。

6.根据权利要求5所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，所述在冲突下的AGV路径规划分为两种方法，具体为：定义最先给AGV分配任务的优先级较高，

方法一：在发生冲突时，优先级较低的AGV停止运行并等待，等待时间为t_w＝t_out[s]-t_in[t]，其中t_in[]、t_out[]表示AGV进入、离开节点的时刻，s、t表示节点；

方法二：在发生冲突时，优先级较低的AGV进行路径更改，根据之前求得的K条最短路径，在冲突节点处查找恰当的路径；若没有查找到，则对优先级较高的AGV进行路径更改；若优先级较高和较低的AGV都没有查找到恰当的路径，则优先级较低的AGV寻找最近且无冲突的空闲停车位进行躲避。

7.根据权利要求6所述的基于智能停车场多AGV的动态路径规划方法，其特征在于，采用所述方法一和方法二进行路径规划后，还需要进行冲突检测，直到不出现冲突为止；

若冲突类型为节点冲突和同向冲突，则选择方法一或方法二，如果方法一到达目标停车位的时间为t₁，方法二到达目标停车位的时间为t₂，如果t₁≤t₂则选择方法一，反之选择方法二；若冲突类型为相向冲突，则选择方法二。