CN110471418B - 智能停车场中的agv调度方法 - Google Patents
智能停车场中的agv调度方法 Download PDFInfo
- Publication number
- CN110471418B CN110471418B CN201910779887.1A CN201910779887A CN110471418B CN 110471418 B CN110471418 B CN 110471418B CN 201910779887 A CN201910779887 A CN 201910779887A CN 110471418 B CN110471418 B CN 110471418B
- Authority
- CN
- China
- Prior art keywords
- parking
- node
- agv
- distance
- parking lot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Abstract
本发明提供了一种智能停车场中的AGV调度方法。该方法包括:服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息;当有停车任务到达时,服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择;以停车场的入口处为起点,以最优停车位为终点,服务器采用改进的Dijkstra算法计算出起点和终点之间的最优停车路径;服务器通过无线通信网络将最优停车路径发送给停车场的入口处的AGV,该AGV按照最优停车路径进行停车操作。本发明的方法的复杂度降低,实时性得到显著提高,可以满足实时调度AGV、高效规划AGV路径的实际任务要求。
Description
技术领域
本发明涉及AGV调度技术领域,尤其涉及一种智能停车场中的AGV调度方法。
背景技术
AGV(Automated Guided Vehicle,自动导引运输车)是指装备有电磁或光学等自动导引装置,由计算机控制、轮式移动为特征、并且能够沿规定的导引路径自动行驶的运输车辆。
在自动化物流系统中,AGV的应用相当普遍。AGV系统由三个子系统组成,分别是地面(上位)控制系统、车载(单机)控制系统和导航导引系统。三个系统相互合作,共同控制AGV系统的正常有序运行。
在AGV系统中,在多任务情况下,AGV的调度是实现系统高效运转的关键。现有的AGV调度算法面对的操作场景的特点是,AGV搭载的物体体积和质量较小,且常常是单向行驶,活动范围比较小,所以,相对应的调度算法往往比较简单。在停车场的任务场景下,AGV的活动范围大,运送的物体,即汽车,质量和体积都十分庞大,直接使用已有的算法将导致调度效率低下,所需AGV数量多,且容易造成系统阻塞。
现有技术中的AGV系统的调度算法包括离线调度算法和在线实时调度算法。对于离线调度,系统可以在调度前构建并优化AGV的行驶路径,然而离线调度并不适用于实际应用中物流仓库的工作环境,具有较低的实际应用价值,一般适合于理论研究。对于实时在线调度,则可以根据系统实时状态信息的改变去动态调度AGV,保证AGV在实时环境变化的过程中依然能够顺利运行,实时在线调度方法比较适合于实际的应用场景。
现有技术中的AGV系统的调度算法的缺点为:关于多AGV的实时在线调度算法,现有的算法尽管能够一定程度上处理多AGV的实时调度问题,但因其时间复杂度和空间复杂性方面相对较高,因此仍然无法满足实际物流仓库系统吞吐量的需求。
发明内容
本发明的实施例提供了一种智能停车场中的AGV调度方法,以克服现有技术的问题。
为了实现上述目的,本发明采取了如下技术方案。
一种智能停车场中的AGV调度方法,包括:
服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息;
当有停车任务到达时,所述服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择;
以停车场的入口处为起点,以所述最优停车位为终点,所述服务器采用改进的Dijkstra算法计算出所述起点和所述终点之间的最优停车路径;
所述服务器通过无线通信网络将所述最优停车路径发送给停车场的入口处的AGV,该AGV按照所述最优停车路径进行停车操作。
优选地,所述的服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息,包括:
在停车场范围区域的内部或者一定距离范围内设置服务器,所述服务器存储所述停车场范围区域的地图数据,利用地图数据采集并存储停车场范围区域内的道路信息和停车位的状态信息,并得到停车场区域的节点拓扑图,所述节点为停车位。
所述服务器与停车场范围区域内的各个AGV通过无线通信网络连接。各个AGV按照设定的时间间隔通过无线通信网络向服务器上报自己的行驶状态信息,该行驶状态信息包括速度信息、加速度信息、行驶方向信息、行驶起点位置信息、行驶终点位置信息和当前位置信息,在停车场的起点处必须设置一个AGV。
优选地,所述的当有停车任务到达时,所述服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择,包括:
当有停车任务到达时,服务器根据存储的信息获取停车场范围区域中的节点状态信息,该节点状态信息包括停车位为空闲或者被占用,基于停车场范围区域中的节点状态信息使用广度优先算法进行最优停车位的选择,选择离停车场入口最近的空闲停车位,所述广度优先算法的执行过程包括:根据停车场区域的车位和出入口的相邻关系构成无向图,相邻节点间的权重表示为相邻两点之间的实际距离,从停车场入口开始,就近遍历与停车场入口最近的车位所在的节点,被访问过的节点设置为visited状态,被占用车位所在节点设置为taken状态,即不可访问,如果发现空闲车位,则将该车位设为目的节点,并将其状态设置为taken,并结束遍历;如果未发现空闲车位,则以所述邻近节点为出发点,遍历其邻近节点直至发现空闲车位。整个遍历过程遵循先右后下的原则。
优选地,所述的服务器采用改进的Dijkstra算法计算出所述起点和所述终点之间的最优停车路径,包括:
步骤1、设定起始节点为源点v,终止节点为终点w,初始时,设定路径集合S只包括源点v,候选节点结合U中包含除v外的其它节点,计算出源点v与其它所有节点之间的距离,将源点v与其它所有节点之间的距离存储在节点距离数据表中;
步骤2、根据所述节点距离数据表中存储的距离信息,从U中选取一个到源点v距离最短的节点k,把k加入S中;
步骤3、以节点k为中间节点,基于转弯权重重新计算U中各节点到源点v的距离,将重新计算的源点v与其它所有节点之间的距离更新存储在节点距离数据表中;
步骤4、重复执行上述步骤2和3,直到将终点w添加到S中,流程结束,将S中的所有节点按照添加进S的时间顺序依次连接,得到源点v到终点w的最短路径。
优选地,所述的步骤1中的计算出源点v与其它所有节点之间的距离,包括:
若U中节点u是源点v的出边邻接点,则边v→u有边权值<v,u>,该边权值即为源点v与节点u之间的距离Dv→u,若节点u不是源点v的出边邻接点,则边权值<v,u>为无穷大,即为源点v与节点u之间的距离Dv→u为无穷大。
优选地,所述的步骤3中的以节点k为中间节点,基于转弯权重重新计算U中各节点到源点v的距离,包括:
以结k为中间节点,选取U中节点u,计算经过中间节点k从v到u的距离Dv→k→u,首先判断经过中间节点k从v到u的路径v→k→u中是否存在转弯,如果边v→k与边k→u之间的夹角不为零度,则判断经过中间节点k从v到u的路径v→k→u中存在转弯,则经过中间节点k从v到u的距离:Dv→k→u=<v,k>+<k,u>+2×trunweight,所述trunweight为设定的转弯权重;
如果边v→k与边k→u之间的夹角为零度,则判断经过中间节点k从v到u的路径v→k→u中不存在转弯,则经过中间节点k从v到u的距离为:Dv→k→u=<v,k>+<k,u>;
将计算出的经过中间节点k从v到u的距离Dv→k→u与节点距离数据表中存储的从v到u的距离Dv→u进行比较,如果Dv→k→u≤Dv→u,则将节点距离数据表中存储的v到u的距离更新为Dv→k→u;如果Dv→k→u>Dv→u,则将节点距离数据表中存储的v到u的距离不变。
优选地,所述的方法还包括:
在取车任务中包括AGV到达停车位、AGV将汽车从停车位带到停车场出口两个阶段,AGV到达停车位阶段的起点为AGV所在的位置,终点为汽车所在的停车位,AGV将汽车从停车位带到停车场出口的阶段的起点为汽车所在的停车位,终点为停车场出口。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例在轻量级的调度算法上进行创新,结合停车任务场景下的环境信息,提出了一种高效、实时的AGV调度算法。相对于传统调度算法,本发明提出的算法的复杂度降低,实时性得到显著提高,可以满足实时调度AGV、高效规划AGV路径的实际任务要求。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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他的附图。
图1为本发明实施例提供的一种面向智能停车的AGV调度方法的实现原理图;
图2为本发明实施例提供的一种面向智能停车的AGV调度方法的处理流程图;
图3为本发明实施例提供的一种停车场范围区域中的节点状态示意图;
图4为本发明实施例提供的一种停车场车位无向图;
图5为本发明实施例提供的一种基于权重约束的全向轮AGV最短路径规划方法的实现原理示意图;
图6为本发明实施例提供的一种利用Dijkstra算法求解同时已知起始节点和终止节点时的最短路径方法的处理流程图;
图7本发明实施例提供的一种利用基于转弯权重的Dijkstra算法求解同时已知起始节点和终止节点时的最短路径方法的处理流程图。
具体实施方式
下面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。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例解决停车场环境下,自动停车任务中,以及在智慧仓储场景下,AGV的分配与调度问题,解决AGV分配与调度算法的低效问题。
本发明实施例提供的一种智能停车场中的AGV调度方法的实现原理图如图1所示,具体处理流程如图2所示,包括如下的处理过程:
步骤S1:服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息。
设置用于停取车服务的服务器,上述服务器与停车场范围区域内的各个AGV通过无线通信网络连接。各个AGV按照设定的时间间隔通过无线通信网络向服务器上报自己的行驶状态信息,该行驶状态信息包括速度信息、加速度信息、行驶方向信息、行驶起点位置信息、行驶终点位置信息和当前位置信息等。
上述服务器将接收到的各个AGV的行驶状态信息进行存储,上述服务器还需要存储上述停车场范围区域的地图数据,利用地图数据得到停车场区域的节点拓扑图,采集并存储停车场范围区域内的道路信息和停车位的状态信息。上述地图数据包括道路规划信息、道路位置信息和道路端点坐标信息等,上述节点为停车位。
上述服务器可以设置在停车场范围区域的内部或者一定距离范围内,可以通过电脑终端来实现。在实际应用中,在停车场的起点处必须设置一个AGV。
步骤S2:当有停车任务到达时,服务器基于停车场范围区域中的节点状态信息使用广度优先算法进行最优停车位的选择。
在停车场应用场景下,AGV的主要作用是运送需要停放的车辆到指定的位置或者将指定位置上的车辆运送到停车场的出口处,整个过程是在全自动化的方式下进行的。
当有停车任务到达时,需要进行最优停车位的选择,服务器需要根据存储的信息获取停车场范围区域中的节点状态信息,该节点状态信息包括停车位为空闲或者被占用,图3为本发明实施例提供的一种停车场范围区域中的节点状态示意图。
然后,服务器基于停车场范围区域中的节点状态信息使用广度优先算法进行最优停车位的选择,即尽可能选择离停车场入口最近的空闲停车位。
上述广度优先算法的执行过程如下:对于已经设计完成的停车场,其大小和形状,以及停车场出入口位置是固定的。整个停车场的车位和出入口根据相邻关系,便可构成一张无向图,相邻节点间的权重表示为相邻两点之间的实际距离。
图4为本发明实施例提供的一种停车场车位无向图,三角符号为停车场出入口。当有停车任务来临时,从停车场入口开始,就近遍历与停车场入口最近的车位所在的节点,被访问过的节点设置为visited状态,被占用车位所在节点设置为taken状态,即不可访问。如果发现空闲车位,立即将该车位设为目的节点,并将其状态设置为taken,并结束遍历。如果未发现空闲车位,则以上述邻近节点为出发点,遍历其邻近节点直至发现空闲车位。整个遍历过程遵循先右后下的原则,如上图4所示,虚线所经过的节点应该处于同一次遍历过程当中。
步骤S3:服务器基于确定的起点和终点,采用改进的Dijkstra算法进行路径规划。
在停车任务中,当确定了离停车场入口最近的空闲停车位后,就确定了起点为:停车场入口,终点为:空闲停车位,随后,进入路径规划阶段。
当有取车任务到达时,包括AGV到达停车位、AGV将汽车从停车位带到停车场出口两个阶段。AGV到达停车位阶段的起点为AGV所在的位置,终点为汽车所在的停车位,AGV将汽车从停车位带到停车场出口的阶段的起点为汽车所在的停车位,终点为停车场出口。随后,进入路径规划阶段。
在本发明实施例中,服务器采用的是改进的Dijkstra算法进行路径规划。改进的Dijkstra算法的主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。
本发明实施例提供的一种基于权重约束的全向轮AGV最短路径规划方法的实现原理示意图如图5所示,包括结构图构建和路径规划两个处理过程。其中结构图构建过程包括构建场地结构图(graph)和目标位置(AGV停车位)分配:数据库中场地信息都以站点的坐标形式存储,根据所有站点的坐标构造场地结构图,以站点为节点,生成合适的图节点以及正确的连接边,建立连接关系,此结构图为后续路径计算及行车引导的基础。根据结构图中的边连接的两个端节点的坐标,可以计算出边的长度,该边的长度作为边权重,该边权重也即为边连接的两个端节点之间的距离。
当有相关任务到达,按广度优先策略选择最优空闲目标位,进行任务分配。路径规划过程是基于Dijkstra算法,增加转弯权重设计,同时应用于以下两个任务:1.求解同时已知起始节点和终止节点时的最短路径问题;2.求解图中所有节点间的最短路径的全局最短路径问题。
AGV的路径规划方法的优劣,对于整个AGV停车系统的效率起着至关重要的作用,而AGV路径规划的核心就是数据结构与算法领域的最短路径问题。Dijkstra算法思想为:设D=(V,E)是非负权图,V代表图中节点集合,E代表图中含权重的边集合。将全部节点集合V分成两组,第一组为已求出最短路径的节点集合,用S表示(初始时S中只有一个源点,以后每求得一条最短路径,就将该路径的终止节点加入到集合S中);第二组为其余待确定最短路径的节点集合,用U表示。按最短路径长度的递增次序依次把U集合的节点逐个加入到S集合中,约束条件是保持从源点v到S中各节点的最短路径长度不大于从源点v到U中任何节点的最短路径长度。算法的终止条件是集合U为空集,即集合U的节点全部加入到集合S中。
本发明实施例提供的一种利用Dijkstra算法求解同时已知起始节点和终止节点时的最短路径方法的处理流程如图6所示,包括如下的处理步骤:
1:设定包含多个节点的路径规划区域中的起始节点为源点v,终止节点为终点w,初始时,设定路径集合S只包括源点v,候选节点结合U中包括含除v外的其它节点,即S={v},v的距离为ds=0。U包含除v外的其它节点,即:U={除了v之外的其余节点},若v与U中节点u有边,即u是v的出边邻接点,则边v→u有边权值<v,u>,该边权值即为源点v与节点u之间的距离Dv→u,若u不是v的出边邻接点,则边权值<v,u>为无穷大,源点v与节点u之间的距离Dv→u为无穷大。
将源点v与其它所有节点之间的距离存储在节点距离数据表中。
2:根据节点距离数据表中存储的距离信息,从U中选取一个到源点v距离最短的节点k,把k加入S中,该选定的最短距离Dv→k就是边权值<v,k>。
3:以k为新考虑的中间节点,重新计算U中各节点到源点v的距离,选取U中节点u,计算经过中间节点k从v到u的距离Dv→k→u=<v,k>+<k,u>;
然后,将计算出的经过中间节点k从v到u的距离Dv→k→u与节点距离数据表中存储的从v到u的距离Dv→u进行比较,如果Dv→k→u≤Dv→u,则将节点距离数据表中存储的v到u的距离更新为Dv→k→u;如果Dv→k→u>Dv→u,则将节点距离数据表中存储的v到u的距离不变。
4:重复执行步骤(2)和(3),直到将作为终止节点的终点w添加到S中,流程结束,将S中的所有节点按照添加进S的时间顺序依次连接,得到源点v到终点w的最短路径。
基于转弯权重的Dijkstra算法充分考虑了AGV转弯时占用双向车道,导致其他AGV等待的情况,根据通过路径中父节点到下一节点边的关系来判断是否存在转弯,如果存在,则对边权值添加转弯权重;否则,边权值不变继续运行后续运算。转弯权重trunweight的大小为设定的固定值,单位为长度单位。比如为10。
本发明实施例提供的一种利用基于转弯权重的Dijkstra算法求解同时已知起始节点和终止节点时的最短路径方法的处理流程如图7所示,包括如下的处理步骤:
1:设定包含多个节点的路径规划区域中的起始节点为源点v,终止节点为终点w,初始时,设定路径集合S只包括源点v,候选节点结合U中包括含除v外的其它节点,即S={v},v的距离为ds=0。U包含除v外的其它节点,即:U={除了v之外的其余节点},若v与U中节点u有边,即u是v的出边邻接点,则边v→u有边权值<v,u>,该边权值即为源点v与节点u之间的距离Dv→u,若u不是v的出边邻接点,则边权值<v,u>为无穷大,源点v与节点u之间的距离Dv→u为无穷大。
将源点v与其它所有节点之间的距离存储在节点距离数据表中。
2:根据节点距离数据表中存储的距离信息,从U中选取一个到源点v距离最短的节点k,把k加入S中,该选定的最短距离Dv→k就是边权值<v,k>。
3、以k为新考虑的中间节点,重新计算U中各节点到源点v的距离,选取U中节点u,计算经过中间节点k从v到u的距离Dv→k→u,首先判断经过中间节点k从v到u的路径v→k→u中是否存在转弯,如果边v→k与边k→u之间的夹脚不为零度,则判断经过中间节点k从v到u的路径v→k→u中存在转弯,则经过中间节点k从v到u的距离:Dv→k→u=<v,k>+<k,u>+2×trunweight;
如果边v→k与边k→u之间的夹脚为零度,则判断经过中间节点k从v到u的路径v→k→u中不存在转弯,则经过中间节点k从v到u的距离为:Dv→k→u=<v,k>+<k,u>;
然后,将计算出的经过中间节点k从v到u的距离Dv→k→u与节点距离数据表中存储的从v到u的距离Dv→u进行比较,如果Dv→k→u≤Dv→u,则将节点距离数据表中存储的v到u的距离更新为Dv→k→u;如果Dv→k→u>Dv→u,则将节点距离数据表中存储的v到u的距离不变。
4、重复步骤(2)和(3),直到将作为终止节点的终点w添加到S中,流程结束,将S中的所有节点按照添加进S的时间顺序依次连接,得到源点v到终点w的最短路径。
步骤S4:服务器通过无线通信网络将路径发送给AGV,指导AGV按照规划的路径行驶。
路径规划完成之后,服务器通过无线通信网络将路径发送给AGV,指导AGV按照规划的路径行驶,完成AGV行车引导。
综上所述,本发明实施例在轻量级的调度算法上进行创新,结合停车任务场景下的环境信息,提出了一种高效、实时的AGV调度算法。相对于传统调度算法,本发明提出的算法的复杂度降低,实时性得到显著提高,可以满足实时调度AGV、高效规划AGV路径的实际任务要求。
本发明实施例提供了一种基于权重约束的全向轮AGV最短路径规划方法,涉及智慧停车、智慧仓储等应用及最短路径算法设计等领域,能够实现科学的智慧型停车场服务以及智慧仓储服务,完成相关应用场景内的全向AGV实时最短路径选择。
本发明在有效计算最短路径的同时,结合实际情况,对路口转弯进行权重惩罚,根据新的权重得出的最短路径在道路长度较短的基础上能够尽量避免转弯,避免引起路口和道路交叉口的其他AGV车辆排队和等待,帮助AGV引导车进程有效快速的完成任务。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
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,对于装置或系统实施例而言,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。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,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 (4)
1.一种智能停车场中的AGV调度方法,其特征在于,包括:
服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息;
当有停车任务到达时,所述服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择;
以停车场的入口处为起点,以所述最优停车位为终点,所述服务器采用改进的Dijkstra算法计算出所述起点和所述终点之间的最优停车路径;
所述服务器通过无线通信网络将所述最优停车路径发送给停车场的入口处的AGV,该AGV按照所述最优停车路径进行停车操作;
所述的服务器采用改进的Dijkstra算法计算出所述起点和所述终点之间的最优停车路径,包括:
步骤1、设定起始节点为源点v,终止节点为终点w,初始时,设定路径集合S只包括源点v,候选节点结合U中包含除v外的其它节点,计算出源点v与其它所有节点之间的距离,将源点v与其它所有节点之间的距离存储在节点距离数据表中;
步骤2、根据所述节点距离数据表中存储的距离信息,从U中选取一个到源点v距离最短的节点k,把k加入S中;
步骤3、以节点k为中间节点,基于转弯权重重新计算U中各节点到源点v的距离,将重新计算的源点v与其它所有节点之间的距离更新存储在节点距离数据表中;
步骤4、重复执行上述步骤2和3,直到将终点w添加到S中,流程结束,将S中的所有节点按照添加进S的时间顺序依次连接,得到源点v到终点w的最短路径;
步骤3中的以节点k为中间节点,基于转弯权重重新计算U中各节点到源点v的距离,包括:
以结k为中间节点,选取U中节点u,计算经过中间节点k从v到u的距离Dv→k→u,首先判断经过中间节点k从v到u的路径v→k→u中是否存在转弯,如果边v→k与边k→u之间的夹角不为零度,则判断经过中间节点k从v到u的路径v→k→u中存在转弯,则经过中间节点k从v到u的距离:Dv→k→u=<v,k>+<k,u>+2×trunweight,所述trunweight为设定的转弯权重;
如果边v→k与边k→u之间的夹角为零度,则判断经过中间节点k从v到u的路径v→k→u中不存在转弯,则经过中间节点k从v到u的距离为:Dv→k→n=<v,k>+<k,u>;
将计算出的经过中间节点k从v到u的距离Dv→k→u与节点距离数据表中存储的从v到u的距离Dv→u进行比较,如果Dv→k→u≤Dv→u,则将节点距离数据表中存储的v到u的距离更新为Dv→k→u;如果Dv→k→u>Dv→u,则将节点距离数据表中存储的v到u的距离不变;
所述的当有停车任务到达时,所述服务器基于停车场范围区域中的道路信息和停车位的状态信息使用广度优先算法进行最优停车位的选择,包括:
当有停车任务到达时,服务器根据存储的信息获取停车场范围区域中的节点状态信息,该节点状态信息包括停车位为空闲或者被占用,基于停车场范围区域中的节点状态信息使用广度优先算法进行最优停车位的选择,选择离停车场入口最近的空闲停车位,所述广度优先算法的执行过程包括:根据停车场区域的车位和出入口的相邻关系构成无向图,相邻节点间的权重表示为相邻两点之间的实际距离,从停车场入口开始,就近遍历与停车场入口最近的车位所在的节点,被访问过的节点设置为visited状态,被占用车位所在节点设置为taken状态,即不可访问,如果发现空闲车位,则将该车位设为目的节点,并将其状态设置为taken,并结束遍历;如果未发现空闲车位,则以邻近节点为出发点,遍历其邻近节点直至发现空闲车位,整个遍历过程遵循先右后下的原则。
2.根据权利要求1所述的方法,其特征在于,所述的服务器采集并存储停车场范围区域内的道路信息和停车位的状态信息,包括:
在停车场范围区域的内部或者一定距离范围内设置服务器,所述服务器存储所述停车场范围区域的地图数据,利用地图数据采集并存储停车场范围区域内的道路信息和停车位的状态信息,并得到停车场区域的节点拓扑图,所述节点为停车位;
所述服务器与停车场范围区域内的各个AGV通过无线通信网络连接; 各个AGV按照设定的时间间隔通过无线通信网络向服务器上报自己的行驶状态信息,该行驶状态信息包括速度信息、加速度信息、行驶方向信息、行驶起点位置信息、行驶终点位置信息和当前位置信息,在停车场的起点处必须设置一个AGV。
3.根据权利要求1所述的方法,其特征在于,所述的步骤1中的计算出源点v与其它所有节点之间的距离,包括:
若U中节点u是源点v的出边邻接点,则边v→u有边权值<v,u>,该边权值即为源点v与节点u之间的距离Dv→u,若节点u不是源点v的出边邻接点,则边权值<v,u>为无穷大,即为源点v与节点u之间的距离Dv→u为无穷大。
4.根据权利要求1所述的方法,其特征在于,所述的方法还包括:
在取车任务中包括AGV到达停车位、AGV将汽车从停车位带到停车场出口两个阶段,AGV到达停车位阶段的起点为AGV所在的位置,终点为汽车所在的停车位,AGV将汽车从停车位带到停车场出口的阶段的起点为汽车所在的停车位,终点为停车场出口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779887.1A CN110471418B (zh) | 2019-08-22 | 2019-08-22 | 智能停车场中的agv调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779887.1A CN110471418B (zh) | 2019-08-22 | 2019-08-22 | 智能停车场中的agv调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471418A CN110471418A (zh) | 2019-11-19 |
CN110471418B true CN110471418B (zh) | 2021-06-04 |
Family
ID=68513439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779887.1A Active CN110471418B (zh) | 2019-08-22 | 2019-08-22 | 智能停车场中的agv调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471418B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112925314A (zh) * | 2021-01-25 | 2021-06-08 | 安吉智能物联技术有限公司 | 一种基于智能穿戴设备的车辆移动方法及系统 |
CN113034088A (zh) * | 2021-04-22 | 2021-06-25 | 湖北普罗劳格科技股份有限公司 | 仓库物流任务调度方法、装置、电子设备及存储介质 |
TWI801892B (zh) * | 2021-06-04 | 2023-05-11 | 兆竑智聯股份有限公司 | 機械停車系統及車聯網互動方法 |
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 |
CN114141025B (zh) * | 2021-12-03 | 2022-11-22 | 江苏越捷智能停车系统有限公司 | 一种无人值守智能停车场系统 |
CN114419923A (zh) * | 2022-01-25 | 2022-04-29 | 青岛文达通科技股份有限公司 | 基于图网络的停车位推荐方法及系统 |
CN116205474B (zh) * | 2023-05-06 | 2023-07-18 | 深圳市森歌数据技术有限公司 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107560615A (zh) * | 2017-08-11 | 2018-01-09 | 清华大学苏州汽车研究院(吴江) | 用于停车场自动驾驶系统的停车路径规划方法 |
CN107587759A (zh) * | 2017-09-22 | 2018-01-16 | 昆明市智慧停车建设运营有限公司 | 一种用于密集存储的机器人停车库车位排布和路径规划 |
CN107730975A (zh) * | 2017-09-13 | 2018-02-23 | 浙江大学 | 超市停车引导反向寻车和出场引导的系统和方法 |
CN108762268A (zh) * | 2018-05-29 | 2018-11-06 | 苏州极客嘉智能科技有限公司 | 多agv无碰撞路径规划算法 |
CN109658725A (zh) * | 2017-10-10 | 2019-04-19 | 杭州海康威视系统技术有限公司 | 停车场寻车方法、装置及系统、计算机设备、存储介质 |
CN109949604A (zh) * | 2019-04-01 | 2019-06-28 | 南京邮电大学 | 一种大型停车场调度导航方法、系统以及使用方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107036618A (zh) * | 2017-05-24 | 2017-08-11 | 合肥工业大学(马鞍山)高新技术研究院 | 一种基于最短路径深度优化算法的agv路径规划方法 |
US10753753B2 (en) * | 2017-05-26 | 2020-08-25 | Ford Global Technologies, Llc | Vehicle route navigation |
-
2019
- 2019-08-22 CN CN201910779887.1A patent/CN110471418B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107560615A (zh) * | 2017-08-11 | 2018-01-09 | 清华大学苏州汽车研究院(吴江) | 用于停车场自动驾驶系统的停车路径规划方法 |
CN107730975A (zh) * | 2017-09-13 | 2018-02-23 | 浙江大学 | 超市停车引导反向寻车和出场引导的系统和方法 |
CN107587759A (zh) * | 2017-09-22 | 2018-01-16 | 昆明市智慧停车建设运营有限公司 | 一种用于密集存储的机器人停车库车位排布和路径规划 |
CN109658725A (zh) * | 2017-10-10 | 2019-04-19 | 杭州海康威视系统技术有限公司 | 停车场寻车方法、装置及系统、计算机设备、存储介质 |
CN108762268A (zh) * | 2018-05-29 | 2018-11-06 | 苏州极客嘉智能科技有限公司 | 多agv无碰撞路径规划算法 |
CN109949604A (zh) * | 2019-04-01 | 2019-06-28 | 南京邮电大学 | 一种大型停车场调度导航方法、系统以及使用方法 |
Non-Patent Citations (4)
Title |
---|
AGV系统路径规划技术研究;孙奇;《万方学位论文数据库》;20120531;第3.3.2节第1段,第3.4节第1段 * |
基于改进 Dijkstra 算法的泊车系统路径规划研究;陈亚琳 等;《现代制造工程》;20170831(第8期);第1.1节第1段,第1.2节,及图1-2 * |
我国智慧停车行业发展策略研究;刘凯;《企业科技与发展》;20190630(第6期);全文 * |
运输车辆机器人存取车路径优化算法研究;陈宁 等;《现代计算机》;20190430;引言,第1节,第2.1、2.2、2.4节,第3节,及图4 * |
Also Published As
Publication number | Publication date |
---|---|
CN110471418A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
CN110530369B (zh) | 基于时间窗的agv任务调度方法 | |
CN110515380B (zh) | 基于转弯权重约束的最短路径规划方法 | |
CN108762268B (zh) | 多agv无碰撞路径规划算法 | |
CN109949604B (zh) | 一种大型停车场调度导航方法及系统 | |
CN106556406B (zh) | 多agv调度方法 | |
CN104931063B (zh) | 路径规划方法 | |
RU2589869C2 (ru) | Способ и система для эффективного планирования для множества автоматизированных неголономных транспортных средств с использованием планировщика скоординированных маршрутов | |
CN112461256B (zh) | 路径规划方法和装置 | |
CN111341136A (zh) | 一种基于车路协同的代客泊车方法、系统及存储介质 | |
CN107203190A (zh) | 一种基于复杂路径的惯性导航agv调度方法及系统 | |
CN111735466B (zh) | 一种多车协同轨迹规划方法、装置、设备及存储介质 | |
KR101010718B1 (ko) | 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법 | |
CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
CN114489062A (zh) | 面向车间物流的多自动导引车分布式动态路径规划方法 | |
CN109115220B (zh) | 一种用于停车场系统路径规划的方法 | |
CN114550482A (zh) | 一种基于低碳目标的导航方法及停车场导航方法 | |
CN115328156A (zh) | 路径规划方法及装置、机器人及计算机可读存储介质 | |
CN115547023A (zh) | 一种车辆控制方法、装置及系统 | |
EP4141599A1 (en) | Multi-robot route planning | |
CN115755786A (zh) | 基于流量的多agv全局调度方法 | |
CN113670308B (zh) | 引导车辆行驶的方法及相关系统、存储介质 | |
Li et al. | A Game Theoretic Approach for Parking Spot Search with Limited Parking Lot Information | |
CN112183850B (zh) | 路线规划方法、装置、设备和存储介质 | |
d'Orey et al. | Automated planning and control for high-density parking lots |
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 |