CN109816225B - 一种基于叉车云平台的任务调度方法 - Google Patents

Abstract

本发明公开了一种基于叉车云平台的任务调度方法，相比于传统的先来先服务的任务调度方式，本发明依托叉车云平台，根据上传至叉车云平台的数据，对场景进行数据建模，客观估测场景内的日平均搬运总量。建立完毕场景模型后，依据场景内的叉车配置情况，参考车辆的吨位与运输便利性设定车辆的搬运优先级，通过优先级算法对车队进行任务调度，实现货物的快速搬运。解决了传统的先来先服务任务调度方式，在搬运的结束阶段，小吨位叉车往复多次的空载而回的情况，使得最后的搬运一次结束，避免出现车队搬运能力不足或搬运能力过剩的情况，提高车队的搬运效率。

Description

一种基于叉车云平台的任务调度方法

技术领域

本发明涉及车联网控制领域，具体为一种基于叉车云平台的任务调度方法。

背景技术

常规电动叉车在设计之初，均在铭牌上标注了车辆的荷载吨数，告知工作人员车辆的最大提升重量。在实际的使用过程中，因没有提前获知场景内搬运货物的总重量，往往采用叉车先来先服务的原则进行货物的搬运，这就使得车队当中部分车辆处于高负荷的工作，而部分车辆却又处于空闲状态。

目前，在叉车的任务调度实现中，采用的方式为先来先服务的方式，又称为先进先出方式，指的是无论哪一个类型、哪一个吨位的叉车过来搬货，率先到达的先开始搬运，这种任务调度方法是目前最常规的方法，但搬运任务的平均完成周期取决于各个车辆完成搬运的时间，搬运至末尾阶段，如果出现后续叉车搬运能力不足的情况，就需要一直等待到搬运能力足够的叉车出现才可顺利完成搬运任务，极大的浪费了时间，影响车队的工作效率。

现有的任务调度方案中，如图1所示，依照叉车Aà叉车Bà叉车Cà叉车…的搬运顺序进行作业。在处于搬运的最后阶段，叉车A在往回的道路上， 剩余货物的重量大于叉车B、叉车C和后续叉车的搬运能力时，叉车B、叉车C和后续叉车往往白跑一趟空载而回，整个搬运的结束必须等待到叉车A来完成，造成了资源配置的不均匀，降低了车队的工作效率。

因此，提供一种能够提高叉车综合工作效率的调度方法，是一个值得研究的问题。

发明内容

为了克服上述现有技术中的不足，本发明提供了一种基于叉车云平台的任务调度方法。

本发明的目的是这样实现的：

一种基于叉车云平台的任务调度方法，包括以下步骤：

步骤1）：登陆到叉车云平台，如果为第一次使用叉车云平台进行任务调度，先输入已有的车辆的基本信息、载重信息以及对场景内搬运总重量的估计值，然后点击平台上的任务调度按钮，则会向绑定的手机号发送建议的车队配置信息；如果非第一次使用叉车云平台，直接点击任务调度按钮，则会向绑定的手机号发送建议的车队配置信息;

步骤2）：在点击任务调度按钮后，平台通过存储在数据库内的场景数据进行数据分析，主要对场景内的搬运重量进行建模。场景内的叉车在每次的作业进行时，都会将所搬运的重量上传至叉车云平台，叉车云平台对上传的所有重量进行数据清洗，保留有效的数据值后进行累加，存储到数据库内。在每一次启动任务调度功能，基于数据库内的数据通过线性回归算法对搬运重量进行预测，得到本次需要搬运货物的估测值。然后依据车辆优先级配置算法对场景内的车辆进行选择，根据车辆的吨数和运行平均速度做选择依据，拣选出符合任务调度的叉车A、叉车B、叉车C等进行任务调度。

步骤3）：依据车辆的吨数和车辆行驶速度对车辆进行优先搬运顺序排序，开始货物的搬运作业;由搬货点至卸货点做往复;

步骤4）：车辆的每一次搬运完成，通过GPRS模块将实际搬运的重量值通过网络协议传输到叉车云平台做下一步计算;

步骤5）：叉车云平台在每次接受到上传的重量值后，用原先的估测值减去上传的重量值后，得到剩余的搬运重量，再次根据车辆优先级配置算法在已经拣选的车辆中再次进行车队的重配置，并重新排列搬运顺序，对资源进行最大化利用;

步骤6）：到搬运作业的末尾时刻，也就是任务调度的最后时刻，叉车云平台不断对剩余的搬运重量进行预测，当搬运重量到达配置车队中最大吨数时，叉车云平台将通知最大吨数叉车再进行一次搬运工作，同时不再给其他叉车分配工作，保证最后只需一次即可完成搬运的任务调度工作，实现叉车资源的最大化利用。

积极有益效果：本发明依托叉车云平台，因叉车云平台实时监控叉车的运行状态、工作时间、搬运重量等核心指标，可对叉车工作场景内的车队配置、日货物搬运量、车队作业时间进行有效的分析，并根据上传至叉车云平台的数据，对场景进行数据建模，客观估测场景内的日平均搬运总量。建立完毕场景模型后，依据场景内的叉车配置情况，参考车辆的吨位与运输便利性设定车辆的搬运优先级，通过优先级算法对车队进行任务调度，实现货物的快速搬运。因在货物搬运之前已经估测出实际所需搬运货物的总重量，在任务调度分配叉车时，可避免出现车队搬运能力不足或搬运能力过剩的情况，避免了资源的浪费，提高车队的搬运效率。

附图说明

图1为现有技术调度流程图；

图2为本发明的调度流程图；

图3为本发明的云平台构架图；

图4为本发明的调度构架图。

具体实施方式

下面结结合附图，对本发明做进一步的说明：

如图2-4所示，一种基于叉车云平台的任务调度方法，包括以下步骤：

步骤1）：登陆到叉车云平台，如果为第一次使用叉车云平台进行任务调度，先输入已有的车辆的基本信息、载重信息以及对场景内搬运总重量的估计值，然后点击平台上的任务调度按钮，则会向绑定的手机号发送建议的车队配置信息；如果非第一次使用叉车云平台，直接点击任务调度按钮，则会向绑定的手机号发送建议的车队配置信息;

步骤2）：在点击任务调度按钮后，平台通过存储在数据库内的场景数据进行数据分析，主要对场景内的搬运重量进行建模。场景内的叉车在每次的作业进行时，都会将所搬运的重量上传至叉车云平台，叉车云平台对上传的所有重量进行数据清洗，保留有效的数据值后进行累加，存储到数据库内。在每一次启动任务调度功能，基于数据库内的数据通过线性回归算法对搬运重量进行预测，得到本次需要搬运货物的估测值。然后依据车辆优先级配置算法对场景内的车辆进行选择，根据车辆的吨数和运行平均速度做选择依据，拣选出符合任务调度的叉车A、叉车B、叉车C等进行任务调度;

步骤3）：依据车辆的吨数和车辆行驶速度对车辆进行优先搬运顺序排序，开始货物的搬运作业;由搬货点至卸货点做往复;

步骤4）：车辆的每一次搬运完成，通过GPRS模块将实际搬运的重量值通过网络协议传输到叉车云平台做下一步计算;

步骤5）：叉车云平台在每次接受到上传的重量值后，用原先的估测值减去上传的重量值后，得到剩余的搬运重量，再次根据车辆优先级配置算法在已经拣选的车辆中再次进行车队的重配置，并重新排列搬运顺序，对资源进行最大化利用。

步骤6）：到搬运作业的末尾时刻，也就是任务调度的最后时刻，叉车云平台不断对剩余的搬运重量进行预测，当搬运重量到达配置车队中最大吨数时，叉车云平台将通知最大吨数叉车再进行一次搬运工作，同时不再给其他叉车分配工作，保证最后只需一次即可完成搬运的任务调度工作，实现叉车资源的最大化利用。

数据采集单元：对叉车实时上传的数据进行采集处理，进行第一步的过滤，剔除明显错误数据，保证上传数据的可靠性，同时将所采集的数据分析分门别类的规整，诸如搬运重量、作业里程、行驶速度、工作时间等，为下一步的数据分析提供数据来源。

数据分析单元：对采集到的数据进行分析归纳，得到一般性的运行规律。通过对庞大数据量的分析运算，获得最靠近真实情况的分析结果，并将分析结果与实际结果不断的进行对比、回归，为下一步的建模运算提供理论支撑。

建模运算单元：通过对分析结果进行深一层次的归纳总结，在平台上对现场的工况、车队的状况、驾驶的习性进行建模，更加真实的反应现场的真实情况。

执行单元：在建模完毕的基础上，对车队进行任务的调度、任务的分发以及远程的监控。

本发明相比于传统的先来先服务的任务调度方式，本发明依托叉车云平台，根据上传至叉车云平台的数据，对场景进行数据建模，客观估测场景内的日平均搬运总量。建立完毕场景模型后，依据场景内的叉车配置情况，参考车辆的吨位与运输便利性设定车辆的搬运优先级，通过优先级算法对车队进行任务调度，实现货物的快速搬运。解决了传统的先来先服务任务调度方式，在搬运的结束阶段，小吨位叉车往复多次的空载而回的情况，使得最后的搬运一次结束，避免出现车队搬运能力不足或搬运能力过剩的情况，提高车队的搬运效率。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (1)

1.一种基于叉车云平台的任务调度方法，其特征在于，包括以下步骤：

步骤1)：登陆到叉车云平台，如果为第一次使用叉车云平台进行任务调度，先输入已有的车辆的基本信息、载重信息以及对场景内搬运总重量的估计值，然后点击平台上的任务调度按钮，则会向绑定的手机号发送建议的车队配置信息；如果非第一次使用叉车云平台，直接点击任务调度按钮，则会向绑定的手机号发送建议的车队配置信息；

步骤2)：在点击任务调度按钮后，平台通过存储在数据库内的场景数据进行数据分析，主要对场景内的搬运重量进行建模，估测场景内的日平均搬运总量；依据场景内的叉车配置情况，参考车辆的吨位与运输便利性设定车辆的搬运优先级，依据车辆优先级配置算法对场景内的车辆进行选择，根据车辆的吨数和运行平均速度做选择依据，拣选出符合任务调度的叉车A、叉车B、叉车C进行任务调度；

步骤3)：依据车辆的吨数和车辆行驶速度对车辆进行优先搬运顺序排序，开始货物的搬运作业；由搬货点至卸货点做往复；

步骤4)：车辆的每一次搬运完成，通过GPRS模块将实际搬运的重量值通过网络协议传输到叉车云平台做下一步计算；

步骤5)：叉车云平台在每次接受到上传的重量值后，用原先的估测值减去上传的重量值后，得到剩余的搬运重量，再次根据车辆优先级配置算法在已经拣选的车辆中再次进行车队的重配置，并重新排列搬运顺序，对资源进行最大化利用；

步骤6)：到搬运作业的末尾时刻，也就是任务调度的最后时刻，叉车云平台不断对剩余的搬运重量进行预测；当搬运重量到达配置车队中最大吨数时，叉车云平台将通知最大吨数叉车再进行一次搬运工作，同时不再给其他叉车分配工作，保证最后只需一次即可完成搬运的任务调度工作，实现叉车资源的最大化利用；

在步骤2)中，场景内的叉车在每次的作业进行时，都会将所搬运的重量上传至叉车云平台，叉车云平台对上传的所有重量进行数据清洗，保留有效的数据值后进行累加，存储到数据库内；在每一次启动任务调度功能，基于数据库内的数据通过线性回归算法对搬运重量进行预测，得到本次需要搬运货物的估测值；

还包括对叉车实时上传的数据进行采集处理，进行第一步的过滤，剔除明显错误数据，保证上传数据的可靠性，同时将所采集的数据分析分门别类的规整。

Images