CN114971473A - 一种无人机与无人车协同配送方法、设备以及存储介质 - Google Patents

Abstract

本申请提供了一种无人机与无人车协同配送方法、设备以及存储介质，该方法包括：通过接收货物配送信息，所述货物配送信息包括货物数量、货物起点、货物终点、货物重量以及货物体积；获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；对货物数量、货物起点、货物终点、货物重量、货物体积以及若干目标无人机和目标无人车对应配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案，实现综合无人机与无人车的优点完成多个货物的配送，提高作业性价比与作业效率。

Description

一种无人机与无人车协同配送方法、设备以及存储介质

技术领域

本发明涉及智能配送领域，特别涉及一种无人机与无人车协同配送方法、设备以及存储介质。

背景技术

在配送货物时，无人机和无人车分别具有各自的优势与缺点，例如，无人机飞行速度快但成本高且落地位置具有很大局限性，无人车成本低而且位置局限性小但速度较慢。在实际应用场景中，一次配送任务中包含的若干个配送子任务，不同的货物可能需要配送至不同的地点，这就意味着每个子任务都需要做一次配送方案甄别，因此，如何充分发挥无人机和无人车各自的优点，利用二者协同完成货物配送任务是当前亟待解决的技术问题。

发明内容

为了解决上述现有技术中的技术问题，本申请提供了一种无人机与无人车协同配送方法、设备以及存储介质。

第一方面，本申请提供了一种无人机与无人车协同配送方法，所述方法包括：

接收货物配送信息，所述货物配送信息包括货物数量、货物起点、货物终点、货物重量以及货物体积；

获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；

对所述货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应的配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案。

进一步地，对所述货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应的配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案的步骤，包括：

根据所述货物起点和货物终点确定路径成本和时间成本；

当所述货物数量大于1时，根据所述货物重量、货物体积以及若干无人机和无人车对应的配置信息计算配送货物所需的无人机数量与无人车数量；

根据所述货物数量、路径成本、时间成本、无人机数量以及无人车数量确定多个配送拟案，其中每个配送拟案均是以单件货物为粒度进行方案配送规划得到；

设置保障协同配送方案实施的多个限制条件；

基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案。

进一步地，所述多个限制条件包括：配送逻辑限制条件、载重限制条件、容积限制条件，所述表达式如下：

配送逻辑限制条件：

其中，a_x表示第x个货物，i_y表示无人车y，j_z表示无人机z；

载重限制条件：

其中，W_a表示货物重量，W_y表示无人车载重阈值，W_z表示无人机载重阈值；

容积限制条件：

其中，V_a表示货物体积，V_y表示无人车载货容积，V_z表示无人机载货容积。

进一步地，基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案的步骤，包括：

构建用于确定所述协同配送方案的目标函数；

将所述多个配送拟案带入所述目标函数求解，得到所述协同配送方案，其中所述目标函数的解满足所述逻辑限制条件、载重限制条件以及容积限制条件。

进一步地，所述目标函数表达式如下：

其中，n表示货物数量，α₁表示惩罚系数，用于限制无法配送的货物数量过大，α₂表示时间成本系数，T(a_x,i_y,j_z)表示货物配送的时间成本，α₃表示路径成本系数，D(a_x,i_y,j_z)表示货物配送的路径成本；α₄表示无人车数量系数，

表示无人车数量；α₅表示无人机数量系数，

表示无人机数量，f表示配送方案的评分。

进一步地，还包括：

获取配送路径、无人车速度、无人机速度、以及与所述配送路径对应的无人车配合无人机配送成本，以确定所述时间成本和所述路径成本。

进一步地，还包括：

若协同配送方案中对应的无人机或无人车无法配送，重新执行将所述多个配送拟案带入对所述目标函数求解，得到所述协同配送方案的步骤，直至所述协同配送方案可实施。

进一步地，还包括：

若协同配送方案中对应的无人机或无人车无法配送，则选取配置信息相同的无人机或无人车协同配送。

第二方面，本申请提供了一种电子设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如第一方面任一项所述的无人机与无人车协同配送方法。

第三方面，本申请提供一种计算机存储介质，存储有计算机程序，所述计算程序被计算机执行时，实现如第一方面任一项所述的无人机与无人车协同配送方法。

采用上述技术方案，相比于现有技术，本申请的技术效果有：

本申请通过接收货物配送信息，货物配送信息包括货物数量、货物起点，货物终点以及货物体积；获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；对货物数量、货物起点、货物终点、货物体积以及若干目标无人机和目标无人车对应配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案，实现综合无人机与无人车的优点完成多个货物的配送，提高作业性价比与作业效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，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无人机与无人车协同配送方法的流程图；

图2为步骤S103的流程示意图；

图3为本发明实施例提供的无人机与无人车协同配送装置模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

目前，在配送货物时，无人机和无人车分别具有各自的优势与缺点，例如，无人机飞行速度快但成本高且落地位置具有很大局限性，无人车成本低而且位置局限性小但速度较慢。而本申请技术方案则充分发挥无人机和无人车各自的优点，利用二者协同完成货物配送任务，以保证配送成本最小化和配送效率最大化，下面将结合实施例具体展开。

首先，本发明实施例提了一种无人机与无人车协同配送方法，如图1所示，该方法包括：

步骤S101，接收货物配送信息；

在该步骤中，货物配送信息包括货物数量、货物起点、货物终点、货物重量以及货物体积。

在本实施例中，执行主体可以是中心后台处理服务器，用于协调无人机与无人车的调度工作，因此中心后台处理服务器作为数据处理后台在实际应用过程中，可以收到若干货物配送信息。

步骤S102，获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；

在该步骤中，因为无人机与无人车可能在配送工作中，也可以能充电状态，或者亏电状态下，因此需要确定空闲状态的无人机与空闲状态的无人车，即可以参与该次配送任务的无人机与无人车。然后再根据其配置信息(包括载重，容积)，确定可配送货物的若干无人机和无人车。

步骤S103，对货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案。

由于现阶段无人机与无人车各自具备优势与缺点，例如无人机飞行速度快但成本高且落地位置具有很大局限性，无人车成本低而且位置局限性小但速度较慢，所以本实施例充分考虑货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应配置信息以进行协同规划，得到最佳的协同配送方案，以保证配送成本低且配送效率最大化。

具体地，在本申请提供的又一实施例中，将展开说明步骤S103，对所述货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应的配置信息进行协同规划，得到协同配送方案以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案的步骤，如图2所示，包括：

步骤S201，根据货物起点和货物终点确定路径成本和时间成本；

在该步骤中，同一批货物中，不同货物的配送路径可以是不同的，这里的配送路径不同指的是货物的起点和/或终点不同，本方案暂不考虑在起点和终点相同的情况下因路径规划导致配送路径不同的情况，因此根据货物的起点和货物的终点确定路径成本和时间成本的步骤需要视情况而定，例如在仓储配送过程，全部采用统一路径规划，即可从后台调取无人机或无人机由货物起点到货物终点的路径成本与时间成本。

步骤S202，当货物数量大于1时，根据货物重量、货物体积以及若干无人机和无人车对应的配置信息计算配送货物所需的无人机数量与无人车数量；

在该步骤中，货物配送任务指的是将一批货物(货物数量不小于1)从起点运输到终点的任务，其中，本实施例以单件货物为粒度进行配送方案的规划，因此需要计算配送该批货物时，需要的无人机和无人车总量。

步骤S203，根据所述货物数量、路径成本、时间成本、无人机数量以及无人车数量确定多个配送拟案；

在实际应用过程中需要考虑货物体积、货物重量、配送路径、配送成本及时间成本，因此在无人机与无人车的使用上会出现多种适配方案，所以在该步骤中需要先确定所有可行的配送拟案，然后再从多个配送拟案中筛选出最佳配送方案，实现协同配送，需要注意的是，本发明实施例中，每个配送拟案均是以单件货物为粒度进行方案配送规划得到，即货物的配送可以是由无人机单独完成，也可以是由无人车单独完成。

步骤S204，设置保障协同配送方案实施的多个限制条件；

本实施例协同规划的目的在于先确定货物配送任务中每件货物对应的配送方案，每件货物可选的配送方案包括以下三种：

(1)全程由无人车配送；

(2)全程由无人机配送；

(3)无法配送。

具体实现过程如下：

货物记为a₁,a₂,...,a_n，a_x∈{a₁,a₂,...,a_n}

无人车记为i₁,i₂,...,i_m，i_y∈{0,i₁,i₂,...,i_m}

无人机记为j₁,j₂,...,j_k，j_z∈{0,j₁,j₂,...,j_k}

但不同的配送方案影响着配送成本，效率等方方面面，因此需要通过一定的评分规则筛选出最佳协同方案，但在此之间首先需要排除不能够执行配送任务的无人机或无人车，例如：在实际应用过程中无人机与无人车具有预设的容积与载重，因此需要筛选出适配的无人机与无人车作为备选才可以避免更大的计算量，与此同时还需要设置约束条件，确定配送方案的可行性，所以在本实施例中，设置的多个限制条件包括：配送逻辑限制条件、载重限制条件、容积限制条件，上述的各限制条件表达式如下：

配送逻辑限制条件：

其中，a_x表示第x个货物，i_y表示无人车y，j_z表示无人机z。

在i_y和j_z均不为0时，ε(a_x,i_y,j_z)必然等于0。理由如下：

需要说明的是，因为本方案不考虑一件货物通过两种配送方案共同完成配送的情况，在ε(a_x,i_y,j_z)＝1时，只存在以下三种情况：

(1)若i_y为0，且j_z不为0，表示货物a_x由无人机j_z单独完成配送；

(2)若i_y不为0，且j_z为0，表示货物a_x由无人车i_y单独完成配送；

(3)若i_y和j_z均为0，则表示货物a_x无法配送。相应的，在i_y和j_z均不为0时，ε(a_x,i_y,j_z)必然等于0，表示货物a_x不可能由无人车i_y和无人机j_z共同完成配送，与此同时，本方案分别为每件货物规划配送方案，所以最终每件货物存在唯一的配送方案，即：要么通过一辆无人车配送，要么通过一架无人机配送，要么无法配送。

载重限制条件：

其中，W_a表示货物重量，W_y表示无人车载重阈值，W_z表示无人机载重阈值，在该载重限制条件下，保证了筛选出能够满足载重条件的无人机或者无人车搭载货物。

容积限制条件：

其中，V_a表示货物体积，V_y表示无人车载货容积，V_z表示无人机载货容积，在该容积限制条件的限制下，保证了无人机或者无人车能够搭载一定体积的货物。

步骤S205，基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案；

在实际应用过程中无人机与无人车有预设的容积与载重，因此需要筛选出适配的无人机与无人车作为备选才可以避免更大的计算量，同时也保证了配送方案的可实施，在必要的配送逻辑约束下即可设计一套配送方案评价规则，具体地，

步骤S205，基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案的步骤，包括：

构建用于确定所述协同配送方案的目标函数，然后将所述多个配送拟案带入所述目标函数求解，得到所述协同配送方案。

在该步骤中，所述目标函数的解满足所述逻辑限制条件、载重限制条件以及容积限制条件，才可以确保筛选出的协同配送方案的可行性。

具体地，协同配送方案可以通过计算评分的方式确定，例如：目标函数的解需要满足配送逻辑限制条件、载重限制条件以及容积限制条件，然后对目标函数求解以计算各配送方案的分值，其中，分值越低表示方案优先级越高，然后将分值最低的配送方案确定为协同配送方案。

具体地，所述目标函数表达式如下：

其中，n表示货物数量，α₁表示惩罚系数，用于限制无法配送的货物数量过大，α₂表示时间成本系数，T(a_x,i_y,j_z)表示货物配送的时间成本，α₃表示路径成本系数，D(a_x,i_y,j_z)表示货物配送的路径成本；α₄表示无人车数量系数，

表示无人车数量；α₅表示无人机数量系数，

表示无人机数量，f表示配送方案的评分。

在该步骤中，系数的设置可以根据实际情况而定，例如在重视配送效率的情况下，可以将α₂时间成本系数值下降，降低时间成本在公式中的比重，从而保证对总和影响度的降低。

需要说明的是：

由于货物a_x的配送路径、无人车速度、无人机速度、无人车成本和无人机成本都是后台预先录入的，所以

和

可以认为是常量，即考虑时间成本与路径成本即可，所以本实施例可以通过接收货物配送信息，物配送信息包括货物数量、货物起点，货物终点，货物重量以及货物体积；获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；对货物数量、货物起点、货物终点、货物重量、货物体积以及若干目标无人机和目标无人车对应配置信息进行协同规划，得到协同配送方案，综合无人机与无人车的优缺点，进而实现保证成本低的同时，也能够保证配送效率最大化。

在本实施例中，最终通过最小化分值f，得到协同配送方案，即得到每件货物的配送方案，但，如果最小化分值f对应的协同配送方案因突发情况等原因无法实施，针对该无法实施的情况，本申请还提供了一种实施方式，包括：

若协同配送方案中对应的无人机或无人车无法配送，重新执行将所述多个配送拟案带入对所述目标函数求解，得到所述协同配送方案的步骤，直至所述协同配送方案可实施。

因为上述发明实施例中设置的多个限制条件中并未考虑无人机或者无人车无法出勤的原因，因此作为补充条件，在无人机或者无人车无法配送的情况下，可以选择将其他可执行配送任务的无人机或者无人车对应的配送拟案带入目标函数中求解，然后选择最优方案作为协同配送方案，具体评分规则可以参照上述实施例，此处便不再赘述，直至所述协同配送方案中使用的无人机、无人车或者无人机与无人车均可执行配送任务时，即可不再重复计算。

另外，针对于如果遇到配送过程无人机无法完成配送的紧急情况，可呼叫无人车或其他无人机进行对接，继续配送；反之，如果遇到无人车无法完成配送的紧急情况，可呼叫无人机或其他无人车进行对接，直至完成配送任务。

所以，本发明还提供了一种实施方式，包括：

若协同配送方案中对应的无人机或无人车无法配送，则选取配置信息相同的无人机或无人车协同配送，以保证货物配送周期的稳定。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

在一个可能的设计中，图3所示实施例的无人机与无人车协同配送装置可以实现为一计算设备，实际应用程序中，如图3中所示，该计算设备可以包括存储组件801以及处理组件802；

存储组件801中存储有一条或多条计算机指令，其中，一条或多条计算机指令供处理组件802调用执行，以实现图1实施例所述的无人机与无人车协同配送方法。

其中，处理组件802可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用程序专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、刷新控制器、微刷新控制器、微处理器或其他电子元件实现，用于执行上述图1实施例所述的无人机与无人车协同配送方法。

存储组件801被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被计算机执行时可以实现上述图1所示实施例的无人机与无人车协同配送方法。

本发明实施例还提供了一种计算机程序产品，当其在计算机的处理器上运行时，使得计算机的处理器执行上述图1所示实施例的无人机与无人车协同配送方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所描述的装置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的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种无人机与无人车协同配送方法，其特征在于，所述方法包括：

接收货物配送信息，所述货物配送信息包括货物数量、货物起点、货物终点、货物重量以及货物体积；

获取空闲状态的无人机与空闲状态的无人车的配置信息，以确定可配送货物的若干无人机和无人车；

对所述货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应的配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案。

2.根据权利要求1所述的无人机与无人车协同配送方法，其特征在于，对所述货物数量、货物起点、货物终点、货物重量、货物体积以及若干无人机和无人车对应的配置信息进行协同规划，以确定每个待配送货物所采用的配送方案，所述配送方案包括通过无人机进行配送和通过无人车进行配送，得到协同配送方案的步骤，包括：

根据所述货物起点和货物终点确定路径成本和时间成本；

当所述货物数量大于1时，根据所述货物重量、货物体积以及若干无人机和无人车对应的配置信息计算配送货物所需的无人机数量与无人车数量；

根据所述货物数量、路径成本、时间成本、无人机数量以及无人车数量确定多个配送拟案，其中每个配送拟案均是以单件货物为粒度进行方案配送规划得到；

设置保障协同配送方案实施的多个限制条件；

基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案。

3.根据权利要求2所述的无人机与无人车协同配送方法，其特征在于，所述多个限制条件包括：配送逻辑限制条件、载重限制条件、容积限制条件，所述表达式如下：

配送逻辑限制条件：

其中，a_x表示第x个货物，i_y表示无人车y，j_z表示无人机z；

载重限制条件：

其中，W_a表示货物重量，W_y表示无人车载重阈值，W_z表示无人机载重阈值；

容积限制条件：

其中，V_a表示货物体积，V_y表示无人车载货容积，V_z表示无人机载货容积。

4.根据权利要求3所述的无人机与无人车协同配送方法，其特征在于，基于所述多个限制条件和所述多个配送拟案确定所述协同配送方案的步骤，包括：

构建用于确定所述协同配送方案的目标函数；

将所述多个配送拟案带入所述目标函数求解，得到所述协同配送方案，其中所述目标函数的解满足所述逻辑限制条件、载重限制条件以及容积限制条件。

5.根据权利要求4所述的无人机与无人车协同配送方法，其特征在于，所述目标函数表达式如下：

其中，n表示货物数量，α₁表示惩罚系数，用于限制无法配送的货物数量过大，α₂表示时间成本系数，T(a_x,i_y,j_z)表示货物配送的时间成本，α₃表示路径成本系数，D(a_x,i_y,j_z)表示货物配送的路径成本；α₄表示无人车数量系数，

表示无人车数量；α₅表示无人机数量系数，

表示无人机数量，f表示配送方案的评分。

6.根据权利要求5所述的无人机与无人车协同配送方法，其特征在于，还包括：

获取配送路径、无人车速度、无人机速度、以及与所述配送路径对应的无人车配合无人机配送成本，以确定所述时间成本和所述路径成本。

7.根据权利要求4所述的无人机与无人车协同配送方法，其特征在于，还包括：

若协同配送方案中对应的无人机或无人车无法配送，重新执行将所述多个配送拟案带入对所述目标函数求解，得到所述协同配送方案的步骤，直至所述协同配送方案可实施。

8.根据权利要求1所述的无人机与无人车协同配送方法，其特征在于，还包括：

若协同配送方案中对应的无人机或无人车无法配送，则选取配置信息相同的无人机或无人车协同配送。

9.一种电子设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1-8任一项所述的无人机与无人车协同配送方法。

10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算程序被计算机执行时，实现如权利要求1-8任一项所述的无人机与无人车协同配送方法。

Images