CN109765896A - 一种基于智能停车场多agv的动态路径规划方法 - Google Patents
一种基于智能停车场多agv的动态路径规划方法 Download PDFInfo
- Publication number
- CN109765896A CN109765896A CN201910087358.5A CN201910087358A CN109765896A CN 109765896 A CN109765896 A CN 109765896A CN 201910087358 A CN201910087358 A CN 201910087358A CN 109765896 A CN109765896 A CN 109765896A
- Authority
- CN
- China
- Prior art keywords
- agv
- path
- conflict
- node
- algorithm
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
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
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,
tin[s]<tout[t],tout[s]>tin[t]
其中,a,b表示两辆AGV的行驶路径中有相同的道路节点,tin[]、tout[]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
tin[s+1]<tout[t+c],tout[s+c]>tin[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
tin[s]<tout[t+c],tout[s]>tin[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tw=tout[s]-tin[t],其中tin[]、tout[]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)
tin[s]<tout[t],tout[s]>tin[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;tin[]、tout[]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)
tin[s+1]<tout[t+c],tout[s+c]>tin[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)
tin[s]<tout[t+c],tout[s]>tin[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tw=tout[s]-tin[t]。
其中,tin[]、tout[]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,
tin[s]<tout[t],tout[s]>tin[t]
其中,a,b表示两辆AGV的行驶路径中有相同的道路节点,tin[]、tout[]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
tin[s+1]<tout[t+c],tout[s+c]>tin[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
tin[s]<tout[t+c],tout[s]>tin[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tw=tout[s]-tin[t],其中tin[]、tout[]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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087358.5A CN109765896A (zh) | 2019-01-29 | 2019-01-29 | 一种基于智能停车场多agv的动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087358.5A CN109765896A (zh) | 2019-01-29 | 2019-01-29 | 一种基于智能停车场多agv的动态路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109765896A true CN109765896A (zh) | 2019-05-17 |
Family
ID=66455681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910087358.5A Pending CN109765896A (zh) | 2019-01-29 | 2019-01-29 | 一种基于智能停车场多agv的动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109765896A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211414A (zh) * | 2019-05-28 | 2019-09-06 | 昆明理工大学 | 一种共享车位智能管理与导引系统及其方法 |
CN110285821A (zh) * | 2019-06-20 | 2019-09-27 | 南京农业大学 | 一种基于智能停车场的agv存取车路径优化方法 |
CN110488826A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN111007862A (zh) * | 2019-12-27 | 2020-04-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种多agv协同工作的路径规划方法 |
CN111210065A (zh) * | 2020-01-03 | 2020-05-29 | 武汉大学 | 一种基于重优化技术的物流网络高效k最短路径算法 |
CN111721297A (zh) * | 2020-06-19 | 2020-09-29 | 重庆大学 | 一种智能车库多agv的路径规划方法 |
CN111915923A (zh) * | 2020-07-14 | 2020-11-10 | 宝胜系统集成科技股份有限公司 | 一种多模态高密度的智能停车场系统及存取车方法 |
CN112099502A (zh) * | 2020-09-15 | 2020-12-18 | 广东弓叶科技有限公司 | 一种智能垃圾车自主导航路径方向冲突调控方法及装置 |
CN112099492A (zh) * | 2020-08-24 | 2020-12-18 | 成都四威高科技产业园有限公司 | 含避让点的管制区内agv动态交通管制方法及系统 |
CN113625716A (zh) * | 2021-08-12 | 2021-11-09 | 西安电子科技大学 | 一种多智能体动态路径规划方法 |
CN113780633A (zh) * | 2021-08-20 | 2021-12-10 | 西安电子科技大学广州研究院 | 面向复杂环境的带实时冲突消解的多agv智能协同调度方法 |
CN113821039A (zh) * | 2021-09-27 | 2021-12-21 | 歌尔股份有限公司 | 基于时间窗的路径规划方法、装置、设备及存储介质 |
CN113870602A (zh) * | 2021-09-28 | 2021-12-31 | 湖南大学 | 一种多agv泊车调度的方法和系统 |
CN113963562A (zh) * | 2021-12-21 | 2022-01-21 | 北京慧拓无限科技有限公司 | 作业区多车辆的避让方法以及装置 |
CN114207690A (zh) * | 2019-07-26 | 2022-03-18 | 株式会社电装 | 停车辅助装置以及停车辅助方法 |
CN115752491A (zh) * | 2022-10-21 | 2023-03-07 | 盈合(深圳)机器人与自动化科技有限公司 | 一种路径规划方法、终端及计算机存储介质 |
CN116125921A (zh) * | 2023-01-06 | 2023-05-16 | 工业富联(杭州)数据科技有限公司 | 物料调度方法、计算机装置及存储介质 |
CN117114215A (zh) * | 2023-06-27 | 2023-11-24 | 上海师范大学 | 一种基于栅格地图自适应时间窗的多车冲突避免算法 |
-
2019
- 2019-01-29 CN CN201910087358.5A patent/CN109765896A/zh active Pending
Non-Patent Citations (3)
Title |
---|
徐涛: "K最短路径算法综述", 《计算机工程与设计》 * |
杨雅琴: "《组合数学》", 31 August 2013 * |
郑海丽: "基于AGV的智能停车场路径规划与调度算法研究", 《现代计算机》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211414A (zh) * | 2019-05-28 | 2019-09-06 | 昆明理工大学 | 一种共享车位智能管理与导引系统及其方法 |
CN110285821A (zh) * | 2019-06-20 | 2019-09-27 | 南京农业大学 | 一种基于智能停车场的agv存取车路径优化方法 |
CN114207690A (zh) * | 2019-07-26 | 2022-03-18 | 株式会社电装 | 停车辅助装置以及停车辅助方法 |
CN110488826A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN110488826B (zh) * | 2019-08-20 | 2022-09-20 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN111007862A (zh) * | 2019-12-27 | 2020-04-14 | 芜湖哈特机器人产业技术研究院有限公司 | 一种多agv协同工作的路径规划方法 |
CN111007862B (zh) * | 2019-12-27 | 2022-07-26 | 芜湖哈特机器人产业技术研究院有限公司 | 一种多agv协同工作的路径规划方法 |
CN111210065A (zh) * | 2020-01-03 | 2020-05-29 | 武汉大学 | 一种基于重优化技术的物流网络高效k最短路径算法 |
CN111721297A (zh) * | 2020-06-19 | 2020-09-29 | 重庆大学 | 一种智能车库多agv的路径规划方法 |
CN111915923A (zh) * | 2020-07-14 | 2020-11-10 | 宝胜系统集成科技股份有限公司 | 一种多模态高密度的智能停车场系统及存取车方法 |
CN112099492A (zh) * | 2020-08-24 | 2020-12-18 | 成都四威高科技产业园有限公司 | 含避让点的管制区内agv动态交通管制方法及系统 |
CN112099502A (zh) * | 2020-09-15 | 2020-12-18 | 广东弓叶科技有限公司 | 一种智能垃圾车自主导航路径方向冲突调控方法及装置 |
CN112099502B (zh) * | 2020-09-15 | 2024-04-16 | 广东弓叶科技有限公司 | 一种智能垃圾车自主导航路径方向冲突调控方法及装置 |
CN113625716A (zh) * | 2021-08-12 | 2021-11-09 | 西安电子科技大学 | 一种多智能体动态路径规划方法 |
CN113780633A (zh) * | 2021-08-20 | 2021-12-10 | 西安电子科技大学广州研究院 | 面向复杂环境的带实时冲突消解的多agv智能协同调度方法 |
CN113821039A (zh) * | 2021-09-27 | 2021-12-21 | 歌尔股份有限公司 | 基于时间窗的路径规划方法、装置、设备及存储介质 |
CN113870602A (zh) * | 2021-09-28 | 2021-12-31 | 湖南大学 | 一种多agv泊车调度的方法和系统 |
CN113870602B (zh) * | 2021-09-28 | 2022-07-29 | 湖南大学 | 一种多agv泊车调度的方法和系统 |
CN113963562A (zh) * | 2021-12-21 | 2022-01-21 | 北京慧拓无限科技有限公司 | 作业区多车辆的避让方法以及装置 |
CN115752491A (zh) * | 2022-10-21 | 2023-03-07 | 盈合(深圳)机器人与自动化科技有限公司 | 一种路径规划方法、终端及计算机存储介质 |
CN116125921A (zh) * | 2023-01-06 | 2023-05-16 | 工业富联(杭州)数据科技有限公司 | 物料调度方法、计算机装置及存储介质 |
CN116125921B (zh) * | 2023-01-06 | 2024-01-26 | 工业富联(杭州)数据科技有限公司 | 物料调度方法、计算机装置及存储介质 |
CN117114215A (zh) * | 2023-06-27 | 2023-11-24 | 上海师范大学 | 一种基于栅格地图自适应时间窗的多车冲突避免算法 |
CN117114215B (zh) * | 2023-06-27 | 2024-05-24 | 上海师范大学 | 一种基于栅格地图自适应时间窗的多车冲突避免方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765896A (zh) | 一种基于智能停车场多agv的动态路径规划方法 | |
CN105938572B (zh) | 一种物流存储系统预防干涉的多自动导引车路径规划方法 | |
CN106225791B (zh) | 一种基于网格划分的gps定位与道路匹配方法 | |
Sharma et al. | Traffic light priority control for emergency vehicle using RFID | |
CN102810118B (zh) | 一种变权网k近邻搜索方法 | |
CN108151751A (zh) | 一种基于高精度地图和传统地图结合的路径规划方法及装置 | |
CN107958302B (zh) | 基于虚拟拓扑交通网络的经验路径规划方法 | |
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
CN107730975A (zh) | 超市停车引导反向寻车和出场引导的系统和方法 | |
CN109636049A (zh) | 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法 | |
CN111007862B (zh) | 一种多agv协同工作的路径规划方法 | |
CN111721297A (zh) | 一种智能车库多agv的路径规划方法 | |
CN112435498B (zh) | 一种基于方向性诱导的城市路网最短路径获取方法 | |
CN110516702B (zh) | 一种基于流数据的离散路径规划方法 | |
CN109345823A (zh) | 一种基于大数据的智能交通数据分析系统 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
CN109115220B (zh) | 一种用于停车场系统路径规划的方法 | |
CN102622370A (zh) | 一种获取路线描述的方法及装置、电子地图服务器 | |
CN110285821A (zh) | 一种基于智能停车场的agv存取车路径优化方法 | |
CN110472999A (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
CN107085620A (zh) | 一种出租车和地铁接驳出行线路的查询方法及系统 | |
CN106017492A (zh) | 一种景区内智能导航方法 | |
CN111932915A (zh) | 一种基于到达时间步进式预测的公交右转合乘信号优先方法 | |
Xu et al. | GreenSwirl: Combining traffic signal control and route guidance for reducing traffic congestion |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |