CN116755401A - 包含路径规划和车辆通行策略的多无人叉车调度控制方法 - Google Patents

Abstract

本发明提供一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，包括步骤：S1：构建仓库地图；S2：由离线路径规划算法获取路径集、对应路径时间和拥堵度；S3：从任务池拉取待更新的任务集；S4：建立以最小化任务最大完工时间为目标的任务分配模型和路径规划模型并求解；S5：更新车辆任务序列和相应执行路径；S6：更新车辆实时位置、运动状态和未执行的任务路径；S7：计算各叉车的最近连续共享路径作为潜在死锁路径；S8：根据权限申请策略决策各叉车实时控制指令。本发明的一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，综合利用了基于规则和基于模型的方法，并通过精心设计的规则使得系统运行效率大幅提高。

Description

包含路径规划和车辆通行策略的多无人叉车调度控制方法

技术领域

本发明涉及无人叉车调度控制技术领域，尤其涉及一种包含路径规划和车辆通行策略的多无人叉车调度控制方法。

背景技术

当前仓储物流中无人叉车正在发挥重要作用。在实际叉车运行过程中，通常仓库内因为通道狭窄、允许双向通行且无人叉车体积大而冲突关系复杂，车辆运行时会因为速度波动而产生误差，任务调度指令需要实时发出，对响应时间有着较高的要求。其中冲突关系复杂是无人叉车系统相比其他仓储AGV系统所不同的。目前大多数的多无人叉车调度方法都是基于启发式的调度规则，例如“先到先服务”和全时间窗预约，在多车辆同时规划的情况下可能造成更多冲突，影响系统整体运行效率。

“无人叉车”又称“无人驾驶叉车”或“叉车AGV”(AGV指自动导引车，AutomatedGuided Vehicle)，是一种智能工业车辆机器人，它融合了叉车技术和AGV技术，与普通AGV相比，它还可以完成高位仓库的作业。通过无人叉车的应用，可以解决工业生产和仓储物流作业过程中物流量大、人工搬运劳动强度高等问题。无人叉车的调度主要指为多辆叉车分配不同任务，确定这些任务的执行路径，并让它们分别去执行任务；无人叉车的控制主要指在任务执行过程中决策车辆的移动、转向或暂停。调度与控制需要考虑叉车之间共享部分路径存在的资源竞争，例如两辆叉车在前后直行或通过交叉路口时可能发生碰撞，在车辆拥堵区域可能出现多辆车的路线形成环形从而造成死锁等。这样的资源竞争存在，会使得常规的调度方案在实际执行时，任务最大完成时间会大大增加，因为叉车需要通过等待来实现避让。

目前暂时没有公开的针对无人叉车系统的调度技术。最相关的技术主要集中在AGV调度与控制领域，现有的AGV调度与控制技术主要分为两类：基于规则的方法和基于模型的方法。

基于规则的调度与控制方法：调度中最典型的是先到先服务，将距离最近的AGV与任务匹配去执行任务，并用A*等启发式算法为AGV规划路径。有的专利联合了调度与控制，都用基于规则的方法对二者进行决策，如在调度时根据任务优先级分配执行的AGV，在控制时利用时间窗计算潜在冲突，可参考【宋丽梅.一种应用于双向路径下柔性制造车间的多AGV调度方法:201910315819.X[P].2023-04-07】。

基于数学模型的调度与控制方法：使用数学规划模型，例如设置目标函数为最小化任务完成时间或其他关注的指标，设置决策变量为由哪一辆AGV执行哪一辆任务以及相应任务路径，设置约束条件保证车辆在执行完上一个任务以后，能够回到出发点或前往下一任务起始点开始执行等，可参考文献【Singh N,Dang Q V,Akcay A,et al.Amatheuristic for AGV scheduling with battery constraints[J].European Journalof Operational Research,2022,298(3):855-873】。控制方法因为高度灵活、问题复杂度高等原因，暂时没有成熟的基于模型求解的方法。

现有的基于规则的调度与控制方法难以得到在全局范围来看的较优解，只是对局部进行优化。例如“先到先服务”利用贪心的思想，给任务匹配当前最近的车辆，但是可能会导致后续任务匹配到更差的车辆，全局效率反而更低；而其他利用规则的方法，如利用时间窗计算潜在冲突，难以应对车辆运行的不确定性带来的误差，总体并不灵活，且需要一定的计算时间，难以做到车辆的实时响应。

现有的基于数学模型的调度与控制方法，整体太过复杂，计算时间会随着任务数量、AGV数量的增加呈指数级增长，难以适应实际工业应用中的大规模场景，一旦任务信息发生改变或者出现车辆故障等意外情况，需要重新计算调度方案时，需要等待很长时间。因此纯粹依靠数学模型的在线求解计算，无法满足车辆实时控制的响应时间需求。

发明内容

针对上述现有技术中的不足，本发明提供一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，同时考虑了任务分配、路径规划和车辆通行策略，综合利用了基于规则和基于模型的方法，并通过精心设计的规则使得系统运行效率大幅提高。

为了实现上述目的，本发明提供一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，包括步骤：

S1：构建仓库地图；

S2：由离线路径规划算法获取路径集、对应路径时间和拥堵度；

S3：根据叉车实时任务状态从任务池拉取待更新的任务集；

S4：考虑各路径拥堵程度，建立以最小化任务最大完工时间为目标的任务分配模型和路径规划模型并求解；

S5：利用求解结果更新车辆任务序列和相应执行路径；

S6：更新车辆实时位置、运动状态和未执行的任务路径；

S7：分别计算各叉车的最近连续共享路径CS_i作为潜在死锁路径；

S8：根据权限申请策略决策各叉车实时控制指令；

S9：判断所有任务是否结束，如是结束流程，否则继续步骤S10；

S10：判断是否达到任务更新间隔，如是返回步骤S3,，如否返回步骤S6。

优选地，所述S1步骤中：

读取自动化无人仓库的地图数据和任务数据，所述地图数据包括所述无人仓库的停靠区、流水线卸货区、中转库、储货区位置、可容纳货物信息、叉车可通行的卸货节点、取货节点和路径节点；所述任务数据包括任务的起点节点、任务的终点节点和任务到达时间。

优选地，所述S2步骤中：

所述路径时间的计算考虑转弯时叉车需进行加减速产生的额外时间；所述拥堵度根据路径上各节点拥堵值的平均值计算而得到，所述节点拥堵值由各叉车路径中可能出现该节点的次数定义。

优选地，所述S3步骤中：

建立所述任务池并设定固定时间间隔作为任务更新的间隔；从所述任务池拉取待规划任务，为所述待规划任务匹配相应叉车并规划相应路径，对于流水线到达的在线任务同时对任务终点节点进行库位分配和更新。

优选地，所述S4步骤中：

在建立所述任务分配模型和所述路径规划模型过程中，对各路径的通行时间乘以该路径拥堵程度用以折算。

优选地，所述S7步骤中：

所述潜在死锁路径的确定包括步骤：

S71：针对某一辆特定叉车i，遍历其上的节点，获得叉车与其他车辆的共享路径节点S_i：

S_i＝{a|a∈R_i，a∈R_j，j∈A/{i}}

其中R_i是叉车i的未执行路径，A是所有叉车的集合，S_i是叉车i的共享路径节点，a表示路径节点，R_j是叉车j的未执行路径，j表示除了叉车i以外的叉车；

S72：定义最近连续共享路径的起点g_i：

a_i，k是路径R_i上第k个节点，r(a，b)表示路径节点a与b是否相邻，相邻为1，不相邻为0；a_i，l是路径R_i上第l个节点；

S73：定义最近连续共享路径CS_i作为所述潜在死锁路径：

优选地，所述S8步骤中：

所述权限申请策略包括两种策略条件：

第一策略条件：叉车路径上下一节点且/>

第二策略条件：叉车路径上下一节点ai，1∈CSi，且

其中，其中s(i，a)代表节点a是否被叉车i预定，预定为1，未预定为0；

叉车i满足第一策略条件和第二策略条件中的任一条件即可前进，申请下一资源点的权限，否则叉车停留在当前节点。

本发明由于采用了以上技术方案，使其具有以下有益效果：

在无人叉车调度与控制领域，使用建模和规则结合的方法，综合两种方法的优点；将调度问题转化为离线求解备选路径集，可以获得更高质量的备选路径；在线通过混合整数规划决策路线选择，实现尽可能减少未来冲突的任务调度和路径规划；在控制策略中提出潜在死锁路径识别并制订节点资源权限申请策略，使得多辆叉车可以尽可能避免冲突，高效运行。利用离线计算可以得到更高质量的备选路径，并利用在线解混合整数规划模型快速(10s左右)得到高质量的任务分配和路径规划结果，在在线决策时间相近的情况下调度质量显著优于基于启发式或规则的调度方案；利用潜在死锁路径识别可以更灵活地进行多车辆的优先级管理，相比基于时间窗或其他规则的优先级管理可以更好地应对车辆运行过程中不确定性带来的误差，并带来更高的通行效率，使得最大任务完工时间和叉车最大等待时间都显著减少。

附图说明

图1为本发明实施例的包含路径规划和车辆通行策略的多无人叉车调度控制方法的流程图。

具体实施方式

下面根据附图图1，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。

请参阅图1，本发明实施例的一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，包括步骤：

S1：构建仓库地图；

构建仓库地图时，读取自动化无人仓库的地图数据和任务数据，地图数据包括无人仓库的停靠区、流水线卸货区、中转库、储货区位置、可容纳货物信息、叉车可通行的卸货节点、取货节点和路径节点；任务数据包括任务的起点节点、任务的终点节点和任务到达时间。其中，停靠区主要供无人叉车停放和充电，流水线卸货区承接上游流水线生产完成后输入仓库的货物，中转库是货物临时单层堆放的场所，储货区是货物长期堆放的货架区域。任务可以是在0时刻到达的(即初始就存在)，也可以是定期到达的流水线任务。

S2：由离线路径规划算法获取路径集、对应路径时间和拥堵度；

路径时间的计算考虑转弯时叉车需进行加减速产生的额外时间；拥堵度根据路径上各节点拥堵值的平均值计算而得到，节点拥堵值由各叉车路径中可能出现该节点的次数定义。在离线路径规划算法中，为给后续的混合整数规划模型求解提供决策范围，将该问题扩展延申为前k条最短路径问题，利用Yen在1971年提出的算法【Yen J Y.Finding the kshortest loopless paths in anetwork[J].Management Science,1971,17(11):712-716.】，通过递推法中的偏离路径算法思想进行获取求解，算法具体可分为两部分内容，首先采用Dijkstra算法将节点间的最短路径得出，然后在此基础上依次算出其他的k-1条最短路径，将最短路径中除终止节点外的所有节点视为偏离节点，并计算每个偏离节点到终止节点的最短路径，再与最短路径中起始节点到偏离节点的路径进行拼接，构成新的候选路径，将其路径时间和拥堵度进行计算，保留路径时间较短的前k条的路径，其中k的大小可根据实际场景需求进行设置，在k较小的情况下所需存储空间小、计算时间快，在k较大的情况下决策范围多、解质量可能更优。

S3：根据叉车实时任务状态从任务池拉取待更新的任务集；

任务有在初始时刻就存在的，也有流水线任务是在运行过程中到达的，因为两类任务的这一不同性质，本发明支持任务在线更新，建立任务池并设定固定时间间隔作为任务更新的间隔；从任务池拉取待规划任务，为待规划任务匹配相应叉车并规划相应路径，对于流水线到达的在线任务同时对任务终点节点进行库位分配和更新。

S4：考虑各路径拥堵程度，建立以最小化任务最大完工时间为目标的任务分配模型和路径规划模型并求解；

任务分配和路径规划方案对任务进行在线更新，建立相应的数学模型。模型的目标是最小化任务的最大完工时间，并在此过程中对各路径的通行时间乘以该路径拥堵程度用以折算。约束条件主要包括每个任务有且仅有一辆叉车通过一条路径执行，确保每个叉车任务序列中的任务有相应空载路线取货及负载路线运货，当前正在执行的任务不更改其对应叉车和路径，各路径的拥堵度的定义等。

S5：利用求解结果更新车辆任务序列和相应执行路径；

将地图信息、叉车任务执行信息、任务集合信息等输入，检查流水线任务对应叉车的货位区域是否已满，若无空闲节点则不将该叉车纳入任务分配对象中；检查中转库任务尚未全部完成的区域数量，为减少叉车间取货冲突，此时中转库任务区域数量应与叉车数量相匹配。由于流水线任务暂未分配终止节点，故在求解时将其终止节点设置为所对应货位区域仍未占用的第一个货位节点。并且在任务集中添加任务优先级约束以限制任务拿取顺序。利用开源求解器对数学模型进行表达及求解，将求解所得的任务分配和路径规划结果同步到相应叉车上，供叉车在本地进行执行。

S6：更新车辆实时位置、运动状态和未执行的任务路径；

在车辆运行的过程中，实时读取车辆当前位置，用以更新车辆运行过程中不确定性造成的误差，从而判断车辆的运动，用以更新车辆未执行路径。

S7：分别计算各叉车的最近连续共享路径CS_i作为潜在死锁路径；

潜在死锁路径的确定包括步骤：

S71：针对某一辆特定叉车i，遍历其上的节点，获得叉车与其他车辆的共享路径节点S_i：

S_i＝{a|a∈R_i，a∈R_j，j∈A/{i}}

其中R_i是叉车i的未执行路径，A是所有叉车的集合，S_i是叉车i的共享路径节点，a表示路径节点，R_j是叉车j的未执行路径，j表示除了叉车i以外的叉车，即可能与叉车i产生冲突的叉车；

共享路径节点集代表叉车i未执行的已分配路径上与其他叉车冲突的节点，潜在死锁路径包含的节点是该节点集的子集。若共享路径节点为空集，代表叉车i没有与其他叉车冲突的节点，即没有潜在死锁路径。

S72：定义最近连续共享路径的起点g_i：

a_i，k是路径R_i上第k个节点，r(a，b)表示路径节点a与b是否相邻，相邻为1，不相邻为0；a_i，l是路径R_i上第l个节点；

最近连续共享路径需要满足两点，首先该路径长度需要大于等于两个节点，且这些节点必须相邻，即作为车辆路径的一连续部分，其次若存在叉车路径上存在多条连续共享路径，最近连续共享路径唯一指向车辆最先通过的一段。由此，若最近连续共享路径存在，可以唯一确定其起点，否则不存在潜在死锁路径。

S73：定义最近连续共享路径CS_i作为潜在死锁路径：

S8：根据权限申请策略决策各叉车实时控制指令；

在唯一确定了潜在死锁路径后，定义其上相应的权限申请策略。在系统的实时控制中，需要对车辆的运动作实时指令下发，此时的决策空间为车辆前往某一节点(与当前节点相邻)或车辆在当前节点暂停。车辆前往某一节点需要申请该节点的权限，成功申请需要制订相应策略，权限申请策略包括两种策略条件：

第一策略条件：叉车路径上下一节点且/>

第二策略条件：叉车路径上下一节点a_i，1∈CS_i，且

其中，其中s(i，a)代表节点a是否被叉车i预定，预定为1，未预定为0；

叉车i满足第一策略条件和第二策略条件中的任一条件即可前进，申请下一资源点的权限，否则叉车停留在当前节点。

第一策略条件针对叉车的下一节点不属于最近连续共享路径时，此时下一节点也不属于共享路径，因此叉车运行到下一节点不会与其他车辆产生冲突；第二策略条件针对车辆的下一节点属于最近连续共享路径时，此时若该路段无其他车辆预约，意味着叉车i是第一辆进入该区域的叉车，可以在该路段自由通行且始终享有最高优先级；若该路段上已有其他叉车的预约(占有节点或正要进入路段)，意味着叉车i不是第一辆进入该区域的叉车，需要待当前路段上的叉车驶离后才能进入，进而保证了潜在死锁路径上的死锁避免。

S9：判断所有任务是否结束，如是结束流程，否则继续步骤S10；

S10：判断是否达到任务更新间隔，如是返回步骤S3，，如否返回步骤S6。

本发明实施例的一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，主要解决以下问题：

问题1：现有的无人叉车调度方法在任务分配和路径规划时采用启发式的方法，可以叫快速地得到可行解，但通常所规划出的路径并不是最短的，且容易使得叉车间冲突增多，因此需要提出一种高效的算法，能够考虑车辆之间未来冲突的减少，在此情况下规划出最短、最优的路径，提高仓库内物流运输的效率。

问题2：叉车在运行时会遇到多车之间路径冲突的问题，即受到体积影响，两个AGV距离过近将有可能发生碰撞或者触发防撞激光。此外，还有可能出现死锁(多辆车之间路径相互冲突导致车被“锁死”在原地，都无法前进)的情况。叉车之间的冲突需要通过延迟等待或人工搬运来解决，会影响系统运行效率，因此需要在车辆运行过程中考虑车辆冲突问题，通过控制指令的下发来避免冲突的产生。

问题3：车辆运动过程中受到误差因素影响，导致原有控制指令失效、车辆出现碰撞，进而导致车辆被迫等待，降低系统运行效率。误差总体可以分为车辆速度波动和仓库内突发事件(如现场人员阻挡、车辆通信故障等)，在实际控制过程中需要动态调整适应这些误差，且方案需要有足够的鲁棒性来应对突发情况。

本发明同时考虑了任务分配、路径规划和车辆通行策略，综合利用了基于规则和基于模型的方法，并通过精心设计的规则使得系统运行效率大幅提高。在任务分配和路径规划部分，采用基于模型的方法，并利用离线计算和在线决策相结合的方式，提高实时决策的效率和质量。在车辆通行策略部分，采用了资源点预约(用以避免碰撞)和潜在死锁路径识别(用以避免死锁)的方式，避免了车辆间冲突的出现。该方法可以兼容单、双向通行的路径，并能很好地应对车辆运行过程中的不确定因素造成的误差。

本发明的有益效果如下：

1.叉车系统最大完工时间缩短：如表1所示，本发明方法对比依照规则的启发式方法显著缩短了所有任务的最大完工时间，且随着任务数量增加提升效果变得明显，提高了系统运行效率。

表1多种任务数量最大完工时间结果表

(单位：分钟)

2.叉车系统叉车最大等待时间缩短：如表2所示，本发明方法对比依照规则的启发式方法显著缩短了叉车的最大等待时间，通过合理的路径规划减少拥堵度，并根据潜在死锁路径消除了部分无效等待，在多种任务数量时均有良好的效果。

表2多种任务数量叉车最大等待时间结果表

(单位：分钟)

3.叉车系统碰撞次数减少：如表3所示，本发明方法对比依照规则的启发式方法显著减少叉车的碰撞次数。

表3多种任务数量碰撞次数结果表

以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (7)

1.一种包含路径规划和车辆通行策略的多无人叉车调度控制方法，包括步骤：

S1：构建仓库地图；

S2：由离线路径规划算法获取路径集、对应路径时间和拥堵度；

S3：根据叉车实时任务状态从任务池拉取待更新的任务集；

S4：考虑各路径拥堵程度，建立以最小化任务最大完工时间为目标的任务分配模型和路径规划模型并求解；

S5：利用求解结果更新车辆任务序列和相应执行路径；

S6：更新车辆实时位置、运动状态和未执行的任务路径；

S7：分别计算各叉车的最近连续共享路径CS_i作为潜在死锁路径；

S8：根据权限申请策略决策各叉车实时控制指令；

S9：判断所有任务是否结束，如是结束流程，否则继续步骤S10；

S10：判断是否达到任务更新间隔，如是返回步骤S3,，如否返回步骤S6。

2.根据权利要求1所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S1步骤中：

读取自动化无人仓库的地图数据和任务数据，所述地图数据包括所述无人仓库的停靠区、流水线卸货区、中转库、储货区位置、可容纳货物信息、叉车可通行的卸货节点、取货节点和路径节点；所述任务数据包括任务的起点节点、任务的终点节点和任务到达时间。

3.根据权利要求1所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S2步骤中：

所述路径时间的计算考虑转弯时叉车需进行加减速产生的额外时间；所述拥堵度根据路径上各节点拥堵值的平均值计算而得到，所述节点拥堵值由各叉车路径中可能出现该节点的次数定义。

4.根据权利要求1所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S3步骤中：

建立所述任务池并设定固定时间间隔作为任务更新的间隔；从所述任务池拉取待规划任务，为所述待规划任务匹配相应叉车并规划相应路径，对于流水线到达的在线任务同时对任务终点节点进行库位分配和更新。

5.根据权利要求1所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S4步骤中：

在建立所述任务分配模型和所述路径规划模型过程中，对各路径的通行时间乘以该路径拥堵程度用以折算。

6.根据权利要求1所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S7步骤中：

所述潜在死锁路径的确定包括步骤：

S71：针对某一辆特定叉车i，遍历其上的节点，获得叉车与其他车辆的共享路径节点S_i：

S_i＝{a|a∈R_i,a∈R_j,j∈A/{i}}

其中R_i是叉车i的未执行路径，A是所有叉车的集合，S_i是叉车i的共享路径节点；a表示路径节点，R_j是叉车j的未执行路径，j表示除了叉车i以外的叉车；

S72：定义最近连续共享路径的起点g_i：

a_i,k是路径R_i上第k个节点，r(a,b)表示路径节点a与b是否相邻，相邻为1，不相邻为0；a_i,l是路径R_i上第l个节点；

S73：定义最近连续共享路径CS_i作为所述潜在死锁路径：

7.根据权利要求6所述的包含路径规划和车辆通行策略的多无人叉车调度控制方法，其特征在于，所述S8步骤中：

所述权限申请策略包括两种策略条件：

第一策略条件：叉车路径上下一节点且/>

第二策略条件：叉车路径上下一节点a_i,1∈CS_i，且

其中，其中s(i,a)代表节点a是否被叉车i预定，预定为1，未预定为0；

叉车i满足第一策略条件和第二策略条件中的任一条件即可前进，申请下一资源点的权限，否则叉车停留在当前节点。