CN113870602A - 一种多agv泊车调度的方法和系统 - Google Patents

Abstract

本发明实施例公开了一种多AGV泊车调度的方法和系统，该方法包括：接收停车需求，所述停车需求中包括车辆的预计停车时长；根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务；接收AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候。

Description

一种多AGV泊车调度的方法和系统

技术领域

本发明涉及智能停车技术领域，特别是关于一种多AGV泊车调度的方法和系统。

背景技术

随着经济的快速平稳发展，车辆的数量越来越多，由于停车位供需矛盾尖锐、停车位配比例低、停车难等问题的日益突出，无人智能泊车调度系统的市场需求不断增长。就普通停车场而言，用户寻找车位就要浪费较多时间和精力，同时存在视野盲区造成的安全隐患，而无人智能泊车调度系统采用自动引导小车(Automated Guided Vehicle,AGV)对车辆进行存取，可以很好的解决此类问题。用户仅需将车辆停至特定的停车场入口，调度系统调度AGV赶往停车场入口，同时决策最优的停车位和规划参考路径，AGV自动运输车辆到停车位。

无人智能泊车调度系统作为AGV的指挥者，决定了AGV能否高效运行。无人智能泊车调度系统根据实时任务请求，为每辆AGV匹配最佳任务。无人智能泊车调度系统需要解决多任务分配、多路径冲突问题和处理突发状况等问题，要求调度算法的求解速度快、效率高，能够满足实际运行过程中的动态需求。而现有的调度系统随着任务数量的增多以及空间复杂性的增强，处理多AGV协同作业实时调度问题效率低下，导致AGV单次执行任务时间过高。其次，多个AGV同时执行调度任务，在行驶过程中容易产生冲突，调度系统解决冲突的效率越低，AGV执行调度任务的时间越长。

专利CN109765896“一种基于智能停车场多AGV的动态路径规划方法”公开了基于A*算法与Yen算法相结合的K最短路径算法，能够有效得到AGV从起始点到目标停车位的多条路径，当多辆AGV产生冲突时，选用备选的路径解决冲突，但是该方法未考虑产生冲突的AGV不存在备选路径的情况，一旦出现这种情况AGV会死锁，无法运行，难以确保调度的实时性、可靠性和稳定性。专利CN110471418A“智能停车场中的AGV调度方法”采用广度优先算法选择合适的停车位，并利用改进的Dijkstra算法计算出起点和终点的最优停车路径，该方法没有考虑多个停车需求的情况，仅考虑单停车需求，无法同时调度多辆AGV执行任务。且调度时考虑的因素比较单一，无法兼顾停车场内所有AGV设备资源利用效率的问题，无法使停车场整体的效益达到最优，并且没有考虑多辆AGV产生冲突导致AGV无法运行的情况。

因此，亟待提供一种更加高效的多AGV调度方案。

发明内容

本发明的目的在于提供一种多AGV泊车调度的方法和系统，来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明实施例提供一种多AGV泊车调度的方法，应用于多AGV泊车调度系统，所述多AGV泊车调度系统包括服务器和多个AGV，在所述服务器中预先存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位；该方法包括：

步骤1，接收停车需求，所述停车需求中包括车辆的预计停车时长；

步骤2，根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

步骤3，接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

步骤4，接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候；

其中，当接收到所述AGV遇到障碍无法前行时所发送的解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求，包括：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

优选的，在所述服务器中预先存储停车场的关键节点信息包括：

步骤11，给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

步骤12，存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

优选的，步骤2中根据不同的场景，决策出不同的AGV执行对应的停车需求任务包括：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_ii∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_j表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

优选的，步骤3包括：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

优选的，步骤3包括：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

本发明实施例提供一种多AGV泊车调度系统，包括服务器和多个AGV，所述服务器用于：

存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位；

接收停车需求，所述停车需求中包括车辆的预计停车时长；

根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候；

其中，所述AGV用于：根据所述服务器的指令执行任务，并在遇到障碍无法前行时向所述服务器发送解决冲突请求；

所述服务器用于：收到所述解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

优选的，所述服务器还用于：

给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

所述服务器还用于存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

优选的，所述服务器用于：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_i i∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_i表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

优选的，所述服务器用于：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

优选的，所述服务器用于：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

本发明由于采取以上技术方案，其具有以下优点：

多AGV泊车调度过程中，考虑车辆的预计停车时长，根据记录的还未处理的停车需求和多个AGV的任务信息，判断停车场景，根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并当接收到AGV发送的解决冲突请求时，判断冲突类型，根据冲突类型采用不同的策略解决冲突请求，从而实现任务与AGV的最佳匹配，合理的发挥出AGV的性能，提高AGV的设备资源利用率，提高AGV作业效率，实现无人智能泊车系统高效的运行。

本发明实施例提供的方案中，针对环境较为规整的大型停车场模型，还可以考虑AGV剩余电量、AGV运行状态、任务等待时长以及环境资源等因素制定约束建立多AGV调度模型，进一步实现任务与AGV的最佳匹配，提高AGV作业效率，实现无人智能泊车系统高效的运行。

附图说明

图1为本发明实施例提供的多AGV泊车调度的方法的流程示意图；

图2为本发明另一实施例提供的多AGV泊车调度的方法的流程示意图；

图3为本发明实施例提供的停车场的示意图；

图4为本发明实施例提供的多AGV泊车调度系统的结构示意图。

具体实施方式

在附图中，使用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。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

在不冲突的情况下，本发明各实施例及各实施方式中的技术特征可以相互组合，并不局限于该技术特征所在的实施例或实施方式中。

下面结合附图以及具体实施例对本发明做进一步的说明，需要指出的是，下面仅以一种最优化的技术方案对本发明的技术方案以及设计原理进行详细阐述，但本发明的保护范围并不仅限于此。

本文涉及下列术语，为便于理解，对其含义说明如下。本领域技术人员应当理解，下列术语也可能有其它名称，但在不脱离其含义的情形下，其它任何名称都应当被认为与本文所列术语一致。

本发明实施例提供一种多AGV泊车调度的方法，应用于多AGV泊车调度系统，所述多AGV泊车调度系统包括服务器和多个AGV，在所述服务器中预先存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位。图1示出该方法的流程示意图，包括：

步骤1，接收停车需求，所述停车需求中包括车辆的预计停车时长；

步骤2，根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

步骤3，接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

步骤4，接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候。

其中，当接收到所述AGV遇到障碍无法前行时所发送的解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求，包括：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

其中，在所述服务器中预先存储停车场的关键节点信息包括：

步骤11，给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

步骤12，存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

其中，步骤2中根据不同的场景，决策出不同的AGV执行对应的停车需求任务包括：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_i i∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_i表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B，其中A例如为20％，B例如为10％；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

其中，步骤3包括：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

其中，步骤3包括：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

下面通过一具体实施例介绍本发明提供的多AGV泊车调度的方法。图2示出本发明实施例提供的多AGV泊车调度的方法的流程示意图，图3示出该方法所应用的停车场的示意图。如图2所示，该方法包括：

步骤21，将停车场地形图转换为有向图存储在无人智能泊车调度系统数据库上，同时系统采集各个停车位、各个停车场入口的状态信息以及多个泊车AGV数据信息。

步骤22，用户需将车停至某一停车场入口，并向无人智能泊车调度系统提交停车需求，告知系统预计停车时长。

步骤23，调度系统根据记录的还未处理的停车需求和多辆泊车AGV的状态信息，决策出当前停车场景，根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并规划出泊车AGV到达停车场入口的最优路径。

其中，停车场景包括单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景和多停车需求多AGV场景。系统规划出泊车AGV到达停车场入口的最优路径可以基于例如A*算法。

步骤24，AGV根据规划的最优路径，行驶到停车场入口，在行驶过程中，如果AGV传感器检测到行驶道路有障碍物无法前行，AGV向无人智能泊车调度系统提出解决冲突请求，系统判断冲突类型，并且根据冲突类型采用不同的策略解决冲突。

步骤25，AGV行驶到停车场入口后，向无人智能调度系统发送已就绪信号，调度系统根据该车辆的预计停车时长，决策出最优的预选停车位，规划该AGV从停车场入口到预选停车位的最优路径。其中，可选用Dijkstra算法、A*算法、BFS算法、蚁群算法等多种路径规划算法求解全局最优参考路径。

步骤26，AGV根据步骤25规划的路径行驶到预选停车位，在行驶过程，如果AGV遇到障碍，无法前行，AGV向无人智能泊车调度系统提出解决冲突请求，调度系统判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求。

步骤27，AGV将车辆停至停车位后，向无人智能调度系统发送任务已完成信号，如果有新的停车需求还未处理，采用步骤23的方法决策出该AGV是否执行任务，如果该AGV不执行任务，调度系统根据AGV的电量选择派遣AGV去充电桩充电还是在当前停车位等候。

其中，步骤21中无人智能调度系统存储停车场地形图、道路各个节点、停车位的状态信息以及多个泊车AGV的数据信息的行为分为以下几个步骤，其具体表述为：

步骤211，无人智能调度系统存储停车场地形图。

由于步骤23和步骤25路径规划的先决条件是获取系统环境信息，调度系统需要将停车场的物理空间信息转换为计算机可以识别的电子地图，该电子地图需要包含各个道路节点、停车位、停车场入口、充电位等关键信息。本文假设停车场的入口和出口为同一位置。调度系统给停车场关键节点进行编号，并采用拓扑地图来存储停车场关键节点位置信息和拓扑关系，可用公式1来表示：

G＝(V,E) (1)

V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合。

假设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵。由于停车场道路可以双向行驶，所以停车场的拓扑地图为有向图，其邻接矩阵可由公式2表示：

步骤212，无人智能调度系统存储停车场关键位置节点的状态信息。

其中关键位置节点包括道路各个节点、停车位节点、停车场入口节点、充电位节点等。各个节点的状态可用R_i来表示：

R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态。0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用。

步骤213，无人智能泊车调度系统存储多个泊车AGV的数据信息。

假设AGV的数量为M，编号为j的AGV的数据信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中S_j表示编号为j的AGV当前执行的任务内容。S_j值为0表示编号为j的AGV当前无任务处于空闲状态。S_j值为1表示编号为j的AGV当前任务为停车任务，并且AGV正在前往停车场入口。S_j值为2表示编号为j的AGV当前任务为停车任务，并且AGV正在前往停车位。S_j值为3表示编号为j的AGV当前任务为取车任务，并且AGV正在前往停车位。S_j值为4表示编号为j的AGV当前任务为取车任务，并且AGV正在停车场入口。S_j值为5表示编号为j的AGV当前任务为充电任务。其中B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置。处于空闲状态的AGV任务起点和任务终点为空。

步骤22中用户向无人智能泊车调度系统提交停车需求行为可以分为以下几个步骤，包括：

步骤221，停车场设置固定数量的停车场入口，用户需将车辆停至某一停车场入口。

步骤222，用户提交停车需求，用户选择预计取走车辆的时间，调度系统根据当前时间和预计取走车辆的时间计算停车时长t，调度系统根据停车时长t划分停车需求等级Pi。

其中，停车时长在0～3小时之间为短时间停车，停车需求等级为P1；停车时长在3～6小时之间为中等时间停车，停车需求等级为P2；停车时长在6～10小时之间为中长时间停车，停车需求等级为P3；停车时间为10小时以上为长时间停车，停车需求等级为P4；在步骤25中，停车需求等级为决策出合适的停车位的重要因素，P1>P2>P3>P4。

步骤23中调度系统对任务与AGV进行最佳分配，并规划AGV到达停车场入口的最优路径的行为可以分为以下几个步骤：

步骤231，调度系统判断任务场景。

调度系统查询当前停车需求任务的状态和当前AGV的状态信息，判断任务场景。任务场景分为四类：单任务单AGV、单任务多AGV、多任务单AGV、多任务多AGV；

如果未处理的停车需求任务数量为1,且处于空闲状态的AGV数量为1，则当前任务场景为单任务单AGV；如果当前有多个未处理的停车需求任务并且仅有一辆AGV处于空闲状态，则当前任务场景为多任务单AGV；如果当前有单个停车需求任务未被处理且有多辆AGV处于空闲状态，则当前任务场景为单任务多AGV；如果当前有多个停车需求任务未被处理并且有多辆AGV处于空闲状态，则当前任务场景为多任务多AGV。

步骤232，调度系统对任务与AGV进行最佳分配。

在单任务单AGV场景下，任务数量为1个，AGV数量为1个。系统选择当前唯一空闲的AGV去驶向产生停车需求任务的停车场入口；

在单任务多AGV场景下，任务数量为1个，AGV数量为M个。系统计算每辆空闲状态的AGV到达产生停车需求任务的停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；计算两者的加权和g_j的公式表示为：

其中

的取值位于0.4～0.6之间。距离停车场入口越近，剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行当前唯一的任务。

在多任务单AGV场景下，任务数量为N个，AGV数量为1个。系统计算该AGV到达产生停车需求任务的多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；计算两者的加权和q_i的公式表示为：

q_i＝β*(T_W-t_i)+(1-β)*d_ii∈(1,2,…,N) (7)

T_W为固定值，表示任务最大等待被执行时间，单位为秒，取60～120秒。由于考虑需尽可能减少任务等待执行的时间，任务等待时间权重更高，β的取值位于0.5～0.8之间。AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，优先执行加权和q_i最低的任务。

在多任务多AGV场景下，任务数量为N，AGV数量为M。

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离。

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗。t_i表示编号为i的停车需求任务已等待的时间，单位为秒。目标函数由公式8表示：

其中约束条件：

e_j％>20％ (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中约束9和约束10为任务执行约束，表示一个任务只能分配给一个AGV执行。约束11为能耗约束，w_S为固定值指直行1米所消耗的能量，w_T为固定值指拐弯1米所消耗的能量，

为直行的长度，单位米，

为拐弯的长度，单位米。约束12为距离约束，AGV到达停车场入口的距离为直行距离加上拐弯距离。约束13和14为电量约束，AGV的剩余电量低于20％不能执行任务，AGV执行任务后电量需大于10％，确保其自主去充电桩充电。约束15为AGV状态约束，仅空闲状态的AGV能执行任务。约束16、17、18、19是约束了加权因子δ,ε,μ的取值范围。

步骤233，调度系统规划泊车AGV到达停车场入口的最优路径。

从步骤232可以得到AGV与停车需求任务的最佳匹配，调度系统以AGV当前位置为起点，所选择的停车场入口为终点，采用A*算法规划一条全局最优参考路径。

步骤24中AGV向停车场入口行驶，如遇冲突，调度系统解决冲突的行为分为以下几个步骤，其具体表述为：

步骤241，系统判断冲突类型。

冲突类型主要分为相向冲突、赶超冲突、路口冲突、死锁冲突。相向冲突为两辆AGV在同一道路上，相向行驶，无法避让。赶超冲突指两辆AGV在同一道路上行驶，后面的AGV速度过快可追赶上前面的AGV，由于AGV设置的速度一样，因此在该调度系统中不存在赶超冲突。路口冲突指两辆AGV会在同一时间占用同一路口。死锁冲突指AGV的前方和后方都有障碍物，无法行驶。系统根据冲突类型的定义，判断AGV发生的冲突类型。

步骤242，调度系统根据冲突类型，采用不同的策略解决冲突。

当两辆AGV处于相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级

根据AGV的状态值S_j取不同的固定值，其中

此优先级排序表明执行取车任务的AGV优先级大于执行停车任务的AGV的优先级。采用公式20计算r_i和

的加权和u_j：

其中

取值范围为0.4～0.6之间；选择加权和最小的AGV行驶到最近路口节点主干路，等待另一辆AGV无冲突正常行驶路过该节点后，该AGV重新规划路线。

当两辆AGV产生路口冲突，首先判断两辆AGV的运行方向，如果两者都是直行或都是拐弯，则优先级

低的AGV停车等待，优先级

高的AGV优先通过路口。如果一辆AGV直行，另一辆拐弯，则拐弯让直行，直行的AGV优先通过路口。

死锁冲突指AGV前进和后退方向的道路都有障碍物，死锁冲突多发生在三辆的AGV上。当AGV产生死锁冲突时，使产生冲突的几辆AGV将重新规划路线,选择重新规划路线后距离与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV选择离该AGV最近的停车位进行停车放置并且该AGV在该停车位进行等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

步骤25中AGV行驶到停车场入口后，调度系统选择最优预选停车位，并规划该停车场入口到预选停车位的最优路径的行为分为以下几个步骤，其具体表述为：

步骤251，调度系统选择最优预选停车位。

停车位有三种状态值：未被占用、预占用和已占用；调度系统选择最优预选停车位主要由所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级Pi所决定。根据停车场入口到停车位距离，划分为4个区域。区域1最大距离<区域2最大距离<区域3最大距离<区域4最大距离；任务需求等级为P1时，选择在区域1范围内遍历所有停车位状态，采用平均概率随机选择空闲的停车位作为最优预选停车位，同时将预选停车位的状态标记为预占用。以此类推，任务需求等级为P2时，在区域2范围内选择最优车位，同理如任务需求等级为P3、P4时。

步骤252，调度系统规划AGV从停车场入口到达预选停车位的最优路径。

调度系统选择最优车位以后，以停车场入口为起始点，预选停车位为终点采用A*算法规划一条全局最优参考路径。

步骤26中AGV向停车位行驶，行驶过程中如遇冲突，调度系统解决冲突的行为分为以下几个步骤，其具体表述与步骤24类似，如下所示：

步骤261，调度系统判断冲突类型。冲突类型主要分为相向冲突、赶超冲突、路口冲突、死锁冲突。

步骤262，服务根据冲突类型，采用不同的策略解决冲突。

步骤261和步骤262的详细内容可以参考步骤241和步骤242，此处不再赘述。

步骤7中AGV到达停车位后，调度系统决策AGV去向的行为分为以下几个步骤，其具体表述为：

步骤271，AGV将车辆停至停车位后，向调度系统发送任务已完成信号。同时将AGV状态设置为空闲状态。

步骤272，如果当前未处理任务数量为0，调度系统根据AGV的电量选择派遣AGV去充电桩充电还是在当前停车位等候。

AGV剩余电量大于20％，则在当前停车位等候任务；小于20％，则AGV前往充电桩进行充电。

如果未处理的任务数量大于0，采用步骤23的方法决策出该AGV是否执行任务，如果该AGV未被选中不执行任务。则调度系统根据AGV的剩余电量选择派遣AGV去充电桩充电还是在当前停车位等候任务。

基于与上述多AGV泊车调度的方法相同的技术构思，本发明实施例还提供一种多AGV泊车调度系统，如图4所示，包括服务器41和多个AGV42，所述服务器41用于：

存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位；

接收停车需求，所述停车需求中包括车辆的预计停车时长；

根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候；

其中，所述AGV42用于：根据所述服务器的指令执行任务，并在遇到障碍无法前行时向所述服务器发送解决冲突请求；

所述服务器41用于：收到所述解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

其中，所述服务器可以用于：

给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

所述服务器还用于存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

其中，所述服务器还可以用于：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_i i∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_i表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

其中，所述服务器还可以用于：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

其中，所述服务器还可以用于：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

本发明实施例提供的方案中，多AGV泊车调度过程中，考虑车辆的预计停车时长，根据记录的还未处理的停车需求和多个AGV的任务信息，判断停车场景，根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并当接收到AGV发送的解决冲突请求时，判断冲突类型，根据冲突类型采用不同的策略解决冲突请求，从而实现任务与AGV的最佳匹配，合理的发挥出AGV的性能，提高AGV的设备资源利用率，提高AGV作业效率，实现无人智能泊车系统高效的运行。

本发明实施例提供的方案中，针对环境较为规整的大型停车场模型，还可以考虑AGV剩余电量、AGV运行状态、任务等待时长以及环境资源等因素制定约束建立多AGV调度模型，进一步实现任务与AGV的最佳匹配，提高AGV作业效率，实现无人智能泊车系统高效的运行。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种多AGV泊车调度的方法，应用于多AGV泊车调度系统，所述多AGV泊车调度系统包括服务器和多个AGV，其特征在于，在所述服务器中预先存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位；该方法包括：

步骤1，接收停车需求，所述停车需求中包括车辆的预计停车时长；

步骤2，根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

步骤3，接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

步骤4，接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候；

其中，当接收到所述AGV遇到障碍无法前行时所发送的解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求，包括：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

2.如权利要求1所述的多AGV泊车调度的方法，其特征在于，在所述服务器中预先存储停车场的关键节点信息包括：

步骤11，给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

步骤12，存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

3.如权利要求1所述的多AGV泊车调度的方法，其特征在于，步骤2中根据不同的场景，决策出不同的AGV执行对应的停车需求任务包括：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_ii∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_i表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

4.如权利要求1所述的多AGV泊车调度的方法，其特征在于，步骤3包括：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

5.如权利要求1或4所述的用于停车场的多AGV调度方法，其特征在于，步骤3包括：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

6.一种多AGV泊车调度系统，包括服务器和多个AGV，其特征在于，所述服务器用于：

存储停车场的关键节点信息和所述多个AGV的标识信息和任务信息，所述关键节点包括各个道路节点、停车位、停车场入口和充电位；

接收停车需求，所述停车需求中包括车辆的预计停车时长；

根据记录的还未处理的停车需求和多个AGV的任务信息，判断属于单停车需求单AGV场景、多停车需求单AGV场景、单停车需求多AGV场景或者多停车需求多AGV场景；根据不同的场景，决策出不同的AGV执行对应的停车需求任务，并向所述AGV下发规划出的到达停车场入口的路径；

接收所述AGV在行驶到停车场入口后发送的已就绪信号，根据所述车辆的预计停车时长，决策出预选停车位，并规划所述AGV从停车场入口到预选停车位的路径；

接收所述AGV发送的任务已完成信号，如果所述AGV不继续执行任务，根据所述AGV的电量决定指示所述AGV去充电还是在当前停车位等候；

其中，所述AGV用于：根据所述服务器的指令执行任务，并在遇到障碍无法前行时向所述服务器发送解决冲突请求；

所述服务器用于：收到所述解决冲突请求时，判断冲突类型，并且根据冲突类型采用不同的策略解决冲突请求：

所述冲突类型包括：相向冲突，指两辆AGV在同一道路上相向行驶，无法避让；路口冲突，指两辆AGV在同一时间占用同一路口，无法避让；死锁冲突，指同一AGV的前方和后方都有障碍物，无法行驶；

当判断所述解决冲突请求指示相向冲突时，分别计算两辆AGV可到达的最近的路口节点的距离r_j，以及两辆AGV的优先级，所述优先级由AGV当前任务状态确定；根据所述距离r_j和所述优先级加权选择对应的AGV避让；

当判断所述解决冲突请求指示路口冲突时，判断两辆AGV的运行方向，如果两者运行方向相同，则优先级低的AGV避让；如果一辆AGV直行，另一辆AGV拐弯，则拐弯的AGV避让；

当判断所述解决冲突请求指示死锁冲突时，为产生冲突的多辆AGV重新规划路线，选择重新规划路线后与原规划路线距离最短的AGV按照重新规划的路线行驶，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突；如果所有的AGV都无法重新规划路线，则选择处于前往停车位状态的AGV就近停车等待，剩下的AGV重新判断冲突类型，按照对应的冲突策略解决冲突。

7.如权利要求6所述的多AGV泊车调度系统，其特征在于，所述服务器还用于：

给停车场的关键节点进行编号，采用拓扑地图来存储所述关键节点的位置信息和拓扑关系，用公式1来表示为：

G＝(V,E) (1)

其中，V表示停车场所有关键节点的集合，E表示停车场所有相邻节点之间边的集合；

设停车场有K个关键节点，使用邻接矩阵记录停车场相邻节点之间边的权重Q_ij，则邻接矩阵是一个K*K的方阵，使用公式2表示为：

所述服务器还用于存储所述关键节点的状态信息：

各个节点的状态用R_i来表示：R_i∈{0,1,2} (3)

其中R_i表示节点V_i的状态，0表示节点V_i未被占用，1表示节点V_i已被占用，2表示节点V_i预占用；

其中，在所服务器中存储所述多个AGV的标识信息和任务信息包括：设AGV的数量为M，编号j为所述多个AGV的标识信息，所述多个AGV的任务信息由A_j表示：

A_j＝(S_j,B_j,F_j,L_j) (4)

S_j∈{0,1,2,3,4,5} (5)

其中，S_j表示编号为j的AGV当前执行的任务内容：S_j值为0表示编号为j的AGV当前无任务处于空闲状态；S_j值为1表示编号为j的AGV当前任务为停车任务，并且正在前往停车场入口；S_j值为2表示编号为j的AGV当前任务为停车任务，并且正在前往停车位；S_j值为3表示编号为j的AGV当前任务为取车任务，并且正在前往停车位；S_j值为4表示编号为j的AGV当前任务为取车任务，并且正在前往停车场入口；S_j值为5表示编号为j的AGV当前任务为充电任务；

其中，B_j表示编号为j的AGV的任务起点，F_j表示编号为j的AGV的任务终点，L_j表示编号为j的AGV的当前位置；其中，处于空闲状态的AGV的任务起点和任务终点均为空。

8.如权利要求6所述的多AGV泊车调度系统，其特征在于，所述服务器用于：

在所述单任务单AGV场景下，任务数量为1个，AGV数量为1个，选择当前唯一空闲的AGV执行所述停车需求；

在所述单任务多AGV场景下，任务数量为1个，AGV数量为多个，计算每辆空闲状态的AGV到达停车场入口的最短距离d_j米，并获取每辆处于空闲状态的AGV的电量e_j％；用下式计算两者的加权和g_j：

其中，

的取值位于0.4～0.6之间，距离停车场入口越近、剩余电量越高的AGV的加权和越低，选择加权和g_j最低的AGV来执行所述停车需求；

在所述多任务单AGV场景下，任务数量为多个，AGV数量为1个，计算所述AGV到达多个不同停车场入口的最短距离d_i米，并获取每个停车需求任务已等待的时间t_i秒；用下式计算两者的加权和q_i：

q_i＝β*(T_W-t_i)+(1-β)*d_ii∈(1,2,…,N) (7)

其中，T_W为固定值，表示任务最大等待被执行时间；β的取值位于0.5～0.8之间，AGV距离越短、产生停车需求任务等待时长越长的停车场入口的加权和wdt_i越低，选择执行加权和q_i最低的任务；

在所述多任务多AGV场景下，设任务数量为N，AGV数量为M，

表示编号为j的AGV执行编号为i的停车需求任务所需要行驶的最短距离，

表示编号为j的AGV执行编号为i的停车需求任务所产生的能耗，t_i表示编号为i的停车需求任务已等待的时间，则目标函数由公式8表示：

其中约束条件为：

e_j％>A (13)

S_j＝0 (15)

δ+ε+μ＝1 (16)

δ∈(0,1) (17)

ε∈(0,1) (18)

μ∈(0,1) (19)

其中，约束条件9和约束条件10为任务执行约束，表示一个任务只能分配给一个AGV执行；约束条件11为能耗约束，w_S为固定值，表示直行单位距离所消耗的能量；w_T为固定值，表示拐弯单位距离所消耗的能量；

为直行距离；

为拐弯距离；约束条件12为距离约束，表示AGV到达停车场入口的距离为直行距离加上拐弯距离；约束条件13和14为电量约束，表示AGV的剩余电量低于A不能执行任务，AGV执行任务后电量需大于B；约束条件15为AGV状态约束，表示仅空闲状态的AGV能执行任务；约束条件16、17、18和19用于限定加权因子δ,ε,μ的取值范围；

求解所述目标函数得到其值最小时的任务分配方案，根据所述任务分配方案指示多个AGV执行多个任务。

9.如权利要求1所述的多AGV泊车调度系统，其特征在于，所述服务器用于：

根据所有停车位状态、停车场入口到所选停车位的距离、停车任务需求的等级决策出所述预选停车位；其中，所述停车位状态包括：未被占用、预占用和已占用；根据所述停车场入口到停车位的距离划分为预设数量的停车位区域；根据停车时长确定所述停车任务需求的等级；所述停车任务需求的等级的数量与所述停车位区域的预设数量相等，每一停车任务需求的等级对应一个停车位区域，且停车时长越短对应的停车位区域距离停车位入口越短。

10.如权利要求6或9所述的多AGV泊车调度系统，其特征在于，所述服务器用于：

根据当前时间和所述车辆的预计停车时长计算停车时长t，根据停车时长t划分停车需求等级Pi，包括短时间停车，停车需求等级为P1；中等时间停车，停车需求等级为P2；中长时间停车，停车需求等级为P3；长时间停车，停车需求等级为P4。

Images