CN116562713A - 一种应用于港口无人集卡的作业仿真测试方法及系统 - Google Patents
一种应用于港口无人集卡的作业仿真测试方法及系统 Download PDFInfo
- Publication number
- CN116562713A CN116562713A CN202310785993.7A CN202310785993A CN116562713A CN 116562713 A CN116562713 A CN 116562713A CN 202310785993 A CN202310785993 A CN 202310785993A CN 116562713 A CN116562713 A CN 116562713A
- Authority
- CN
- China
- Prior art keywords
- simulation
- task
- card
- tmc
- unmanned
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 194
- 238000010998 test method Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000013439 planning Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明一种应用于港口无人集卡的作业仿真测试方法及系统,所述方法包括:L1.选取TOS系统中的历史生产任务数据,基于TMC仿真系统中的仿真模块,将所述历史生产任务数据做成仿真样本数据,输出TMC仿真系统的单次任务订单仿真样本;L2.基于所述TMC仿真系统的单次任务订单仿真样本,以仿真集卡为对象,将单次任务订单拆解为多个的车辆任务序列,输出仿真集卡序列和与之对应的任务状态序列。本发明不仅与实际运营数据相结合,分析无人集卡在港口不同场景下的作业效率与行驶性能,为无人集卡调度算法开发,提供数据支持,并为实际应用提供对比分析结果,而且工程适用面广,方便推广。
Description
技术领域
本发明涉及无人集卡技术领域,尤其是涉及一种应用于港口无人集卡的作业仿真测试方法及系统。
背景技术
港口对现代信息化技术应用能力与智慧化程度,在一定意义上体现了一个国家的科学技术发展水平与现代物流的进步程度,也决定了港口的可持续发展能力和国际市场的竞争地位。
港口物流的高效、快速运作必须以畅通无阻的车辆行驶为基本保证对于提高码头装卸速度、加强车船周转、确保商品按时送达、缩短商品流通时间为前提。而将港口物流高效的问题,与信息化系统、无人集卡有效地结合起来。通过对码头集装箱业务的日常运作管理、运输调度、堆场管理、车辆管理、船舶停靠、起重装卸等业务、结合港口码头和无人集卡的作业特点,挖掘、分析与应用港口数据资产,通过算法优化,大幅提升港口智慧大脑的运筹优化和智能决策水平,真正做到智慧决策,减少对人力的依赖。
目前行业内港口信息化系统已成为研究热点,且有大量的成果发布,但是主要集中在集卡信息管理与分配作业任务应用方面,针于投入集卡运营前的作业测试方案,研究与发布的成果较少。
现有技术一中,《一种基于无人驾驶的港口调度系统及方法》(申请公开号:CN110598987A)该系统包括:1)控制中心模块;用于录入计划,管理协调车调模块、岸桥终端模块、龙吊终端模块、理化终端模块以执行所述计划任务,并与车调模块进行信息交互,实时获取车辆状态信息;2)车调模块:用于接受控制中心模块的控制管理,监控车辆状态,进行行驶线路规划,控制车辆运行;3)岸桥终端模块及龙吊终端模块:用于接收装船及卸船指令,按预定顺序进行装船及卸船作业,并反馈执行状态;4)理货终端模块:用于确认集装箱装车任务或卸车任务执行完毕,记录并校验装箱或卸箱信息。
该发明实施例中,通过1)控制中心分发计划任务,协调控制车辆、3)岸桥终端及龙吊终端进行装船或卸船作业,通过4)理货终端确认任务执行状态及装箱结果,与2)车调模块交互,对车辆在轨迹路线上运行进行监控跟踪,实时获取车辆运行状态,保障集卡车辆的合理调度, 降低集卡调度成本,同时根据3)岸桥终端、龙吊终端及4)理货终端的任务进度反馈信息,协调集卡、堆场资源,实现港口作业自动衔接,但是在实施前缺乏作业仿真过程,实施的调度方案在实际运营进行优化或更改车辆调度安排的成本较大。
现有技术二,《一种基于高精度地图的港口调度仿真系统》(申请公开号:CN114021909 A)该系统包括:1)场景构建模块,用于基于高精度地图获取路网信息、场景信息,并构建港口全要素仿真场景;坐标转换模块,用于将高精度地图中要素坐标转换为Unity仿真场景三维坐标;数据更新模块,用于基于物联网大数据技术实时获取港口调度数据,并进行仿真数据更新;展示分析模块,用于监控车辆、塔吊实时状态,仿真展示港口调度作业,并生成分析报告,该发明是通用型的港口无人集卡仿真系统方案,但是缺乏仿真数据源、仿真操作过程、仿真结果分析及仿真后处理等内容,因此该发明中方案,实际工程适用面有限,难以推广。
发明内容
鉴于以上现有技术的不足,本发明提供了一种应用于港口无人集卡的作业仿真测试方法及系统,不仅与实际运营数据相结合,分析无人集卡在港口不同场景下的作业效率与行驶性能,为无人集卡调度算法开发,提供数据支持,并为实际应用提供对比分析结果,而且工程适用面广,方便推广。
为了实现上述目的及其他相关目的,本发明提供的技术方案如下:
一种应用于港口无人集卡的作业仿真测试方法,所述方法包括:
L1.选取TOS系统中的历史生产任务数据,基于TMC仿真系统中的仿真模块,将所述历史生产任务数据做成仿真样本数据,输出TMC仿真系统的单次任务订单仿真样本;
L2.基于所述TMC仿真系统的单次任务订单仿真样本,以仿真集卡为对象,将单次任务订单拆解为多个的车辆任务序列,输出仿真集卡序列和与之对应的任务状态序列;
L3.基于所述仿真集卡序列和与之对应的任务状态序列,以所述TMC仿真系统中预存的港口地图信息,得出仿真作业路径中的所述仿真集卡序列的位置坐标,根据局部路径规划算法,计算仿真作业路径是否在虚拟墙以内,输出仿真集卡的位置坐标和路径结果状态信息;
L4.基于所述仿真集卡的位置坐标和路径结果状态信息,以单箱运输为仿真工况,校验所述仿真集卡位置坐标与所述路径结果状态信息是否匹配,若匹配则输出仿真集卡序列中的车辆对应数据统计指标;
L5.根据所述仿真序列中的车辆对应数据统计指标,建立综合评价指标函数,输出综合评价指标信息。
进一步的,在步骤L5中,所述综合评价指标函数为E,
,其中ADij为第i辆集卡执行第j个任务的自动驾驶性能评价指标,/>为第i辆集卡执行第j个任务作业调度性能评价指标,m为集卡数量,n为任务数量。
进一步的,所述第i辆集卡执行第j个任务的自动驾驶性能评价指标ADij为
,
其中Mij为第i辆集卡执行第j个任务的自动驾驶稳定性参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Sij为第i辆集卡执行第j个任务的停车位置精度参数,M0为自动驾驶常量参数,RO为偏离车道常量参数,S0为停车位置精度常量参数。
进一步的,所述第i辆集卡执行第j个任务作业调度性能评价指标为
,
其中pij为第i辆集卡执行第j个任务的远控台人工介入参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Jij为第i辆集卡执行第j个任务的路口未能通行次数,Tij为第i辆集卡执行第j个任务的执行时间,p0为人工介入常量参数,R0为偏离车道常量参数,J0为集卡未能通行常量参数,T0为执行时间常量参数。
进一步的,设置预设阈值,若所述综合评价指标信息大于或等于预设阈值,则代表该工况仿真结束,对应自动驾驶与作业调度策略,满足实施要求;若所述综合评价指标信息小于预设阈值,则表示该工况下的路径规划与调度算法,不满足实施要求,需要优化路径规划算法与调度策略。
进一步的,在步骤L4中,所述校验仿真集卡位置坐标与终点是否匹配的停车位置精度函数为:
,其中(xij,yij)为第i辆集卡执行第j个任务的任务结束点坐标,(xj0,yj0)为第j个任务的终点坐标。
进一步的,若Sij等于零,则TMC仿真系统下发任务完成指令,仿真集卡确认该指令,关闭车辆任务信息,车辆状态复位;若Sij不等于零,则TMC仿真系统对远控台下发指令,远控台模拟驾驶仿真集卡驶至终点,关闭车辆任务信息,车辆状态复位。
为了实现上述目的及其他相关目的,本发明还提供了一种应用于港口无人集卡的作业仿真测试系统,所述系统包括TOS系统、TMC仿真系统、TCS系统、远控台和4G/5G移动通信网络;
所述TOS系统为港口的码头任务计划与分配系统,用于管理和控制码头作业各个环节的计算机管理系统,下发码头的货船停泊、装卸任务与集装箱运输装卸任务,与所述TMC仿真系统通信连接,转发无人集卡的作业任务;
所述TMC仿真系统为港口无人集卡信息化系统,集指挥、调度、远程控制、模拟仿真、运维监控、故障处理、大数据分析、网络安全策略设置功能为一体的系统,进行无人集卡的作业仿真测试;
所述TCS系统接收港口路侧传感器信息,以及其它交通参与者信息,通过边缘计算部署,实时计算局部的实时交通信息,转发至所述TMC仿真系统作为车辆作业仿真的局部交通信息依据;
所述远控台为所述TMC仿真系统的终端,对无人自动驾驶设备进行实时监控及远程操作,为所述TMC仿真系统提供人工接管车辆的数据;
所述4G/5G移动通信网络,与所述TOS系统、所述TMC仿真系统、所述TCS系统和所述远控台连接,为各系统各组成部分提供无线通信网络。
进一步的,所述TCS系统与所述TMC仿真系统5G通信连接。
进一步的,所述远控台还包括预警提示模块,用于提示人工接管车辆发出预警信号。
本发明具有以下积极效果:
1.本发明以云后台为仿真系统的基础,与实际运营数据相结合,分析无人集卡在港口不同场景下的作业效率与行驶性能,为无人集卡调度算法开发,提供数据支持,并为实际应用提供对比分析结果。
2.本发明通过综合评价指标函数对港口无人集卡的运输过程进行评价和分析,不仅提高了无人集卡运输货物的精确度,而且降低了无人集卡的出错率,进一步提高了无人集卡的运输效率和安全性。
附图说明
图1为本发明方法流程示意图;
图2为本发明系统框架示意图;
图3为本发明仿真集卡任务执行流程图;
图4为本发明无人集卡作业仿真流程示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例1:如图1所示,一种应用于港口无人集卡的作业仿真测试方法,所述方法包括:
L1.选取TOS系统中的历史生产任务数据,基于TMC仿真系统中的仿真模块,将所述历史生产任务数据做成仿真样本数据,输出TMC仿真系统的单次任务订单仿真样本;
L2.基于所述TMC仿真系统的单次任务订单仿真样本,以仿真集卡为对象,将单次任务订单拆解为多个的车辆任务序列,输出仿真集卡序列和与之对应的任务状态序列;
L3.基于所述仿真集卡序列和与之对应的任务状态序列,以所述TMC仿真系统中预存的港口地图信息,得出仿真作业路径中的所述仿真集卡序列的位置坐标,根据局部路径规划算法,计算仿真作业路径是否在虚拟墙以内,输出仿真集卡的位置坐标和路径结果状态信息;
L4.基于所述仿真集卡的位置坐标和路径结果状态信息,以单箱运输为仿真工况,校验所述仿真集卡位置坐标与所述路径结果状态信息是否匹配,若匹配则输出仿真集卡序列中的车辆对应数据统计指标;
L5.根据所述仿真序列中的车辆对应数据统计指标,建立综合评价指标函数,输出综合评价指标信息。
在本实施例中,在步骤L5中,所述综合评价指标函数为E,
,其中ADij为第i辆集卡执行第j个任务的自动驾驶性能评价指标,/>为第i辆集卡执行第j个任务作业调度性能评价指标,m为集卡数量,n为任务数量。
在本实施例中,所述第i辆集卡执行第j个任务的自动驾驶性能评价指标ADij为
,
其中Mij为第i辆集卡执行第j个任务的自动驾驶稳定性参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Sij为第i辆集卡执行第j个任务的停车位置精度参数,M0为自动驾驶常量参数,R0为偏离车道常量参数,S0为停车位置精度常量参数。
在本实施例中,所述第i辆集卡执行第j个任务作业调度性能评价指标为
,
其中pij为第i辆集卡执行第j个任务的远控台人工介入参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Jij为第i辆集卡执行第j个任务的路口未能通行次数,Tij为第i辆集卡执行第j个任务的执行时间,p0为人工介入常量参数,R0为偏离车道常量参数,J0为集卡未能通行常量参数,T0为执行时间常量参数。
在本实施例中,设置预设阈值,若所述综合评价指标信息大于或等于预设阈值,则代表该工况仿真结束,对应自动驾驶与作业调度策略,满足实施要求;若所述综合评价指标信息小于预设阈值,则表示该工况下的路径规划与调度算法,不满足实施要求,需要优化路径规划算法与调度策略。
在本实施例中,在步骤L4中,所述校验仿真集卡位置坐标与终点是否匹配的停车位置精度函数为:
,其中(xij,yij)为第i辆集卡执行第j个任务的任务结束点坐标,(xj0,yj0)为第j个任务的终点坐标。
在本实施例中,若Sij等于零,则TMC仿真系统下发任务完成指令,仿真集卡确认该指令,关闭车辆任务信息,车辆状态复位;若Sij不等于零,则TMC仿真系统对远控台下发指令,远控台模拟驾驶仿真集卡驶至终点,关闭车辆任务信息,车辆状态复位。
如图2所示,为了实现上述目的及其他相关目的,本发明还提供了一种应用于港口无人集卡的作业仿真测试系统,所述系统包括TOS系统、TMC仿真系统、TCS系统、远控台和4G/5G移动通信网络;
所述TOS系统为港口的码头任务计划与分配系统,用于管理和控制码头作业各个环节的计算机管理系统,下发码头的货船停泊、装卸任务与集装箱运输装卸任务,与所述TMC仿真系统通信连接,转发无人集卡的作业任务;
所述TMC仿真系统为港口无人集卡信息化系统,集指挥、调度、远程控制、模拟仿真、运维监控、故障处理、大数据分析、网络安全策略设置功能为一体的系统,进行无人集卡的作业仿真测试;
所述TCS系统接收港口路侧传感器信息,以及其它交通参与者信息,通过边缘计算部署,实时计算局部的实时交通信息,转发至所述TMC仿真系统作为车辆作业仿真的局部交通信息依据;
所述远控台为所述TMC仿真系统的终端,对无人自动驾驶设备进行实时监控及远程操作,为所述TMC仿真系统提供人工接管车辆的数据;
所述4G/5G移动通信网络,与所述TOS系统、所述TMC仿真系统、所述TCS系统和所述远控台连接,为各系统各组成部分提供无线通信网络。
在本实施例中,所述TCS系统与所述TMC仿真系统5G通信连接,所述远控台还包括预警提示模块,用于提示人工接管车辆发出预警信号。
实施例2:在实施例1的一种应用于港口无人集卡的作业仿真测试方法及系统的基础上,下面对本发明作进一步的描述和说明。
如图1或图3或图4所示,步骤1:选取TOS系统中的历史生产任务数据,通过5G网络传输给TMC仿真系统,TMC仿真系统中的仿真模块将历史生产任务数据,做成仿真样本数据,即TMC仿真系统的单次任务订单仿真样本;
表1 单次任务订单样本
步骤2:TMC仿真系统以仿真集卡为对象,以仿真样本为数据基础,再将任务拆解为多个的车辆任务序列:
,jobi为单次车辆任务信息,具体内容如表2所示:
表2 单次车辆任务信息表
其中jobi=1时,表示第i个任务被仿真集卡执行;jobi=0时,表示第i个任务处未执行状态;
仿真集卡序列:
。
其中vehj=1,表示第j个仿真集卡处于执行任务状态;vehj=0,表示第j个仿真集卡处于空闲状态。
仿真集卡vehi执行jobj时,记Stateij=vehi×jobj
任务以仿真车辆开始移动至车辆停止为执行任务状态,执行任务状态期间,TMC仿真系统下发首次全局路径规划的信息至仿真车辆。
步骤3:vehi从任务jobj中的提取线路ID中的车道ID,通过TMC仿真系统中预存的港口地图信息计算出仿真作业路径的位置坐标,并通过局部路径规划算法,计算路径是否在虚拟墙以内,若在虚拟墙内记Dij=1;若不在虚拟墙内记Dij=0;并将计算结果传输至TMC仿真系统的任务决策模块。
步骤31:当计算结果状态为1时,TMC仿真系统的任务决策模块下发任务给仿真车辆,开始指令,仿真车辆执行任务,直到达到任务终点,驻车后车辆状态信号传输至TMC仿真系统的任务决策模块。
步骤32:当计算结果状态为0时,TMC仿真系统返回步骤3,vehi+1从任务jobj中按步骤3的内容,重新计算Di+1j,直至计算结果状态为1。
步骤4:vehi执行任务jobj,以单箱运输为仿真工况。
步骤41:.仿真集卡vehi=1,行驶至装箱贝位Postion1,与吊桥Crane1配合,装载集装箱Crane1i=1;
步骤42:仿真集卡装载完毕后Crane1i=0,前往卸箱贝位 Postion2,与吊桥 Crane2配合Crane2i=1,卸载集装箱,确认卸载完毕后Crane2i=0。
步骤5:TMC仿真系统的调度决策模块,收到仿真集卡到位信号,校验仿真集卡位置坐标与终点是否匹配,即位置差Sij小于或等于10厘米。
,
其中:Sij为第i辆集卡执行第j个任务任务结束后坐标与终点的距离差值。
步骤51:若匹配,TMC仿真系统的任务决策模块下发任务完成指令,仿真集卡确认该指令,关闭车辆任务信息,车辆状态复位vehi=0;
步骤52:若不匹配,TMC仿真系统的任务决策模块对远控台下发指令,远控台模拟驾驶仿真集卡驶至终点,关闭车辆任务信息,车辆状态复位vehi=0。
步骤6:当job序列中的任务全部被执行后,统计veh序列中的车辆对应数据统计指标,如表3所示。
表3 veh序列中的车辆对应的统计指标
步骤7:建立评价指标模型,如下:
自动驾驶性能评价指标:
;
作业调度性能评价指标:
;
综合评价指标:
。
步骤71:当综合评价指标E大于或等于0.6时,代表该工况仿真结束,对应自动驾驶与作业调度策略,满足实施要求。在实际运营中,更新至TMC系统与无人集卡自动驾驶系统中。
步骤72:当综合评价指标E小于0.6时,表示该工况下的路径规划与调度算法,不满足实施要求,需要优化路径规划算法与调度策略。
综上所述,本发明不仅与实际运营数据相结合,分析无人集卡在港口不同场景下的作业效率与行驶性能,为无人集卡调度算法开发,提供数据支持,并为实际应用提供对比分析结果,而且工程适用面广,方便推广。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种应用于港口无人集卡的作业仿真测试方法,其特征在于,所述方法包括:
L1.选取TOS系统中的历史生产任务数据,基于TMC仿真系统中的仿真模块,将所述历史生产任务数据做成仿真样本数据,输出TMC仿真系统的单次任务订单仿真样本;
L2.基于所述TMC仿真系统的单次任务订单仿真样本,以仿真集卡为对象,将单次任务订单拆解为多个的车辆任务序列,输出仿真集卡序列和与之对应的任务状态序列;
L3.基于所述仿真集卡序列和与之对应的任务状态序列,以所述TMC仿真系统中预存的港口地图信息,得出仿真作业路径中的所述仿真集卡序列的位置坐标,根据局部路径规划算法,计算仿真作业路径是否在虚拟墙以内,输出仿真集卡的位置坐标和路径结果状态信息;
L4.基于所述仿真集卡的位置坐标和路径结果状态信息,以单箱运输为仿真工况,校验所述仿真集卡位置坐标与所述路径结果状态信息是否匹配,若匹配则输出仿真集卡序列中的车辆对应数据统计指标;
L5.根据所述仿真序列中的车辆对应数据统计指标,建立综合评价指标函数,输出综合评价指标信息。
2.根据权利要求1所述的应用于港口无人集卡的作业仿真测试方法,其特征在于,在步骤L5中,所述综合评价指标函数为E,
,
其中ADij为第i辆集卡执行第j个任务的自动驾驶性能评价指标,为第i辆集卡执行第j个任务作业调度性能评价指标,m为集卡数量,n为任务数量。
3.根据权利要求2所述的应用于港口无人集卡的作业仿真测试方法,其特征在于:所述第i辆集卡执行第j个任务的自动驾驶性能评价指标ADij为
,
其中Mij为第i辆集卡执行第j个任务的自动驾驶稳定性参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Sij为第i辆集卡执行第j个任务的停车位置精度参数,M0为自动驾驶常量参数,RO为偏离车道常量参数,S0为停车位置精度常量参数。
4.根据权利要求2所述的应用于港口无人集卡的作业仿真测试方法,其特征在于:所述第i辆集卡执行第j个任务作业调度性能评价指标为
,
其中pij为第i辆集卡执行第j个任务的远控台人工介入参数,Rij为第i辆集卡执行第j个任务的偏离车道压线次数,Jij为第i辆集卡执行第j个任务的路口未能通行次数,Tij为第i辆集卡执行第j个任务的执行时间,p0为人工介入常量参数,R0为偏离车道常量参数,J0为集卡未能通行常量参数,T0为执行时间常量参数。
5.根据权利要求1所述的应用于港口无人集卡的作业仿真测试方法,其特征在于:设置预设阈值,若所述综合评价指标信息大于或等于预设阈值,则代表该工况仿真结束,对应自动驾驶与作业调度策略,满足实施要求;若所述综合评价指标信息小于预设阈值,则表示该工况下的路径规划与调度算法,不满足实施要求,需要优化路径规划算法与调度策略。
6.根据权利要求1所述的应用于港口无人集卡的作业仿真测试方法,其特征在于,在步骤L4中,所述校验仿真集卡位置坐标与终点是否匹配的停车位置精度函数为:
,
其中(xij,yij)为第i辆集卡执行第j个任务的任务结束点坐标,(xj0,yj0)为第j个任务的终点坐标。
7.根据权利要求6所述的应用于港口无人集卡的作业仿真测试方法,其特征在于:若Sij等于零,则TMC仿真系统下发任务完成指令,仿真集卡确认该指令,关闭车辆任务信息,车辆状态复位;若Sij不等于零,则TMC仿真系统对远控台下发指令,远控台模拟驾驶仿真集卡驶至终点,关闭车辆任务信息,车辆状态复位。
8.一种应用于港口无人集卡的作业仿真测试系统,其特征在于,所述系统包括TOS系统、TMC仿真系统、TCS系统、远控台和4G/5G移动通信网络;
所述TOS系统为港口的码头任务计划与分配系统,用于管理和控制码头作业各个环节的计算机管理系统,下发码头的货船停泊、装卸任务与集装箱运输装卸任务,与所述TMC仿真系统通信连接,转发无人集卡的作业任务;
所述TMC仿真系统为港口无人集卡信息化系统,集指挥、调度、远程控制、模拟仿真、运维监控、故障处理、大数据分析、网络安全策略设置功能为一体的系统,进行无人集卡的作业仿真测试;
所述TCS系统接收港口路侧传感器信息,以及其它交通参与者信息,通过边缘计算部署,实时计算局部的实时交通信息,转发至所述TMC仿真系统作为车辆作业仿真的局部交通信息依据;
所述远控台为所述TMC仿真系统的终端,对无人自动驾驶设备进行实时监控及远程操作,为所述TMC仿真系统提供人工接管车辆的数据;
所述4G/5G移动通信网络,与所述TOS系统、所述TMC仿真系统、所述TCS系统和所述远控台连接,为各系统各组成部分提供无线通信网络。
9.根据权利要求8所述的应用于港口无人集卡的作业仿真测试系统,其特征在于:所述TMC系统集成有仿真模块、调度决策模块和任务决策模块。
10.根据权利要求8所述的应用于港口无人集卡的作业仿真测试系统,其特征在于:所述远控台还包括预警提示模块,用于提示人工接管车辆发出预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310785993.7A CN116562713B (zh) | 2023-06-30 | 2023-06-30 | 一种应用于港口无人集卡的作业仿真测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310785993.7A CN116562713B (zh) | 2023-06-30 | 2023-06-30 | 一种应用于港口无人集卡的作业仿真测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116562713A true CN116562713A (zh) | 2023-08-08 |
CN116562713B CN116562713B (zh) | 2023-09-12 |
Family
ID=87500372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310785993.7A Active CN116562713B (zh) | 2023-06-30 | 2023-06-30 | 一种应用于港口无人集卡的作业仿真测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562713B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080001717A (ko) * | 2006-06-29 | 2008-01-04 | (주)토탈소프트뱅크 | 컨테이너터미널 운영개선을 위한 시뮬레이션 방법 |
CN101458788A (zh) * | 2008-12-19 | 2009-06-17 | 天津市市政工程设计研究院 | 集装箱码头物流仿真优化系统 |
CN102799733A (zh) * | 2012-07-19 | 2012-11-28 | 上海海事大学 | 集装箱牵引车资源整合仿真系统及其仿真方法 |
CN110598987A (zh) * | 2019-08-13 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 一种基于无人驾驶的港口调度系统及方法 |
CN112131697A (zh) * | 2019-06-06 | 2020-12-25 | 上海汽车集团股份有限公司 | 一种智能集卡的仿真测试方法、装置及平台 |
CN113743810A (zh) * | 2021-09-10 | 2021-12-03 | 东风悦享科技有限公司 | 一种用于港口无人驾驶车辆的智能管理系统、方法及设备 |
CN113867174A (zh) * | 2021-09-29 | 2021-12-31 | 大连海事大学 | 一种自动化集装箱码头仿真系统及方法 |
CN114021909A (zh) * | 2021-10-18 | 2022-02-08 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的港口调度仿真系统及方法 |
CN114626221A (zh) * | 2022-03-17 | 2022-06-14 | 北京易控智驾科技有限公司 | 面向矿山无人驾驶全流程的仿真方法及分布式仿真系统 |
CN115145796A (zh) * | 2022-05-19 | 2022-10-04 | 无人智境(北京)技术有限公司 | 一种码头操作系统效能的评估方法和码头数字仿真平台 |
CN115374623A (zh) * | 2022-08-15 | 2022-11-22 | 同济大学 | 一种智能集装箱卡车编队驾驶仿真平台系统 |
WO2023284189A1 (zh) * | 2021-07-15 | 2023-01-19 | 青岛港国际股份有限公司 | 一种港口混合交通管控系统 |
US20230072997A1 (en) * | 2021-09-08 | 2023-03-09 | Tianjin Port Second Container Terminal Co., Ltd. | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal |
-
2023
- 2023-06-30 CN CN202310785993.7A patent/CN116562713B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080001717A (ko) * | 2006-06-29 | 2008-01-04 | (주)토탈소프트뱅크 | 컨테이너터미널 운영개선을 위한 시뮬레이션 방법 |
CN101458788A (zh) * | 2008-12-19 | 2009-06-17 | 天津市市政工程设计研究院 | 集装箱码头物流仿真优化系统 |
CN102799733A (zh) * | 2012-07-19 | 2012-11-28 | 上海海事大学 | 集装箱牵引车资源整合仿真系统及其仿真方法 |
CN112131697A (zh) * | 2019-06-06 | 2020-12-25 | 上海汽车集团股份有限公司 | 一种智能集卡的仿真测试方法、装置及平台 |
CN110598987A (zh) * | 2019-08-13 | 2019-12-20 | 武汉中海庭数据技术有限公司 | 一种基于无人驾驶的港口调度系统及方法 |
WO2023284189A1 (zh) * | 2021-07-15 | 2023-01-19 | 青岛港国际股份有限公司 | 一种港口混合交通管控系统 |
US20230072997A1 (en) * | 2021-09-08 | 2023-03-09 | Tianjin Port Second Container Terminal Co., Ltd. | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal |
CN113743810A (zh) * | 2021-09-10 | 2021-12-03 | 东风悦享科技有限公司 | 一种用于港口无人驾驶车辆的智能管理系统、方法及设备 |
CN113867174A (zh) * | 2021-09-29 | 2021-12-31 | 大连海事大学 | 一种自动化集装箱码头仿真系统及方法 |
CN114021909A (zh) * | 2021-10-18 | 2022-02-08 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的港口调度仿真系统及方法 |
CN114626221A (zh) * | 2022-03-17 | 2022-06-14 | 北京易控智驾科技有限公司 | 面向矿山无人驾驶全流程的仿真方法及分布式仿真系统 |
CN115145796A (zh) * | 2022-05-19 | 2022-10-04 | 无人智境(北京)技术有限公司 | 一种码头操作系统效能的评估方法和码头数字仿真平台 |
CN115374623A (zh) * | 2022-08-15 | 2022-11-22 | 同济大学 | 一种智能集装箱卡车编队驾驶仿真平台系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116562713B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570666B (zh) | 一种应用于快递运输装置的智能控制系统 | |
CN111612234B (zh) | 一种集装箱码头水平运输可视化系统 | |
CN113486293A (zh) | 全自动化边装卸集装箱码头的智能水平运输系统及方法 | |
CN109298699A (zh) | 一种智能化矿山系统 | |
CN109669464A (zh) | 实现自动运输货物的系统及相关设备 | |
CN109242379B (zh) | 铁水联运铁路港湾站集装箱卸车和装车运输系统及方法 | |
CN109835375A (zh) | 基于人工智能技术的高速铁路列车自动驾驶系统 | |
CN109685436A (zh) | 自动驾驶车辆跨境运输系统及相关设备 | |
CN109669427A (zh) | 实现自动运输货物的系统及相关设备 | |
CN115145796B (zh) | 一种码头操作系统效能的评估方法和码头数字仿真平台 | |
CN109685433A (zh) | 一种自动驾驶车辆跨境运输系统及相关设备 | |
CN106991519A (zh) | 露天矿山铲运设备智能调度控制方法与系统 | |
CN113867174A (zh) | 一种自动化集装箱码头仿真系统及方法 | |
CN114715228B (zh) | 一种铁路客运站调车计划综合管理方法和系统 | |
JP2024503141A (ja) | 時間推定モデルに基づくagvスケジューリング方法 | |
CN105528644A (zh) | 一种矿山铲、运、排动态台效优化系统及方法 | |
CN108549386A (zh) | Agv小车管控系统及方法 | |
CN115303815A (zh) | 集装箱码头空箱自动化作业系统 | |
CN113093720A (zh) | 重载智能运输车协同控制方法、系统、电子终端及存储介质 | |
CN116562713B (zh) | 一种应用于港口无人集卡的作业仿真测试方法及系统 | |
CN108197879A (zh) | 一种多模式客货共运方法及系统 | |
CN112862320B (zh) | 一种集装箱码头空轨集疏运系统 | |
CN113743739B (zh) | 一种基于混合整数规划、组合优化算法的agv调度方法 | |
CN115586552A (zh) | 一种港口轮胎吊或桥吊下无人集卡精确二次定位方法 | |
CN111292066B (zh) | 一种智能巡检一体化管控平台 |
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 |