CN116935616A - 面向港区车辆调度-规控耦合的智能集卡协同调度方法 - Google Patents
面向港区车辆调度-规控耦合的智能集卡协同调度方法 Download PDFInfo
- Publication number
- CN116935616A CN116935616A CN202310884388.5A CN202310884388A CN116935616A CN 116935616 A CN116935616 A CN 116935616A CN 202310884388 A CN202310884388 A CN 202310884388A CN 116935616 A CN116935616 A CN 116935616A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- card
- time
- intelligent
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008878 coupling Effects 0.000 title claims description 16
- 238000010168 coupling process Methods 0.000 title claims description 16
- 238000005859 coupling reaction Methods 0.000 title claims description 16
- 230000009471 action Effects 0.000 claims abstract description 7
- 230000008901 benefit Effects 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 9
- 239000002243 precursor Substances 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向港区车辆调度‑规控耦合的智能集卡协同调度方法，包括：实时监测港区作业信息；根据采集的港区作业信息，综合多方利益需求，输出智能集卡最优作业序列；构建路径调整算法，考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定集卡路径时空特征经由点对象；构建速度调整算法，对路径调整算法输出的路径进行优化，优化集卡路径时空特征经由点；集卡根据速度调整算法输出的控制指令执行动作，并向路径调整算法和速度调整算法反馈集卡的实时状态信息，实现智能集卡的协同调度。与现有技术相比，本发明通过宏观任务调度与微观集卡规控相互协同，提高港区作业效率和安全性的同时，保障了集卡执行的精准度。
Description
技术领域
本发明涉及交通运输技术领域，尤其是涉及一种面向港区车辆调度-规控耦合的智能集卡协同调度方法。
背景技术
港口作为连接海上交通与内陆交通的重要枢纽，在交通运输体系中具有重要地位。近年来，港区集装箱吞吐量不断增长、集装箱船舶大型化快速发展，对集装箱码头装卸作业效率提出了更高要求。随着自动化技术的不断应用，港区智能化程度显著提高，集装箱码头的装卸效率相应得到大幅度提高。智能集卡作为自动化集装箱码头的关键运输工具，承担集装箱装船运输的主要任务。在实际港区作业环境中，智能集卡的高效稳定运行以及集卡之间合理的协同调度的必要性也越来越大。
港区V2X车路协同基础设施的建设，实现车、路、作业设备互联，港区实时作业全息感知成为可能，与此同时，自动驾驶实现港区封闭环境的部分商业化落地应用，全新的运输环境为促进港口运输管理变革、解决现实问题提供契机。如何利用自动驾驶和车路网联优势进一步提升港区运输效能是未来的发展重点。目前的智能集卡协同调度方法主要聚焦于宏观整体任务调度优化或微观车辆规控，前者主要关注如何通过合理的任务分配和资源调度来优化整个港区运输效率，后者主要考虑多车协同减小冲突，通过优化单个作业的执行过程来提高整个作业流程效率。
尽管现有的智能集卡协同调度方法能为提高港区的调度效果提供参考，但是大多没有考虑集卡的执行能力，调度决策与集卡执行割裂。随着港区自动化程度不断提高，自动驾驶落地港区后面临的作业环境动态变化、随机性强，对智能集卡调度方法的准确度、鲁棒性提出更高的要求，而单一任务调度优化无法保障车辆对调度方案的执行度和作业环境安全性，单一车辆规控方法计算量大求解速度慢，且无法最优化港区整体效率和成本。所以现有方法难以直接应用于港区实际动态变化的作业环境。
发明内容
本发明的目的是为了提供一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，以时空特征点连接任务调度与车辆规控，根据港区实时作业信息制定调度方案，通过宏观任务调度与微观集卡规控相互协同，提高运输效率的同时，考虑集卡执行能力保障港区集卡执行的精准度。
本发明的目的可以通过以下技术方案来实现：
一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，包括以下步骤：
S1、港区数据采集：调查港区运营信息，明确总体调度需求，实时监测港区作业信息；
S2、任务调度：根据采集的港区作业信息，综合多方利益需求，输出智能集卡最优作业序列；
S3、路径调整：根据智能集卡最优作业序列，构建路径调整算法，考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定集卡路径时空特征经由点对象；
S4、速度调整：构建速度调整算法，进行多车协同速度调整，对路径调整算法输出的路径进行优化，得到优化集卡路径时空特征经由点；
S5、控制指令执行与反馈：集卡根据速度调整算法输出的控制指令执行动作，并向路径调整算法和速度调整算法反馈集卡的实时状态信息，实现智能集卡的协同调度。
所述步骤S1具体包括以下步骤：
S11、解析港区调度需求：调研港区路网结构、交通状况、智能集卡类型和数量、作业设备种类和数量，确定港区的调度目标；
S12、港区作业信息实时监测：动态采集作业设备、智能集卡的运行状态，以及各集装箱的作业信息和车辆的装卸信息。
所述步骤S2具体为：根据港区实时作业信息，结合最小化作业设备的空闲时间、智能集卡等待时间、智能集卡之间的路径冲突的调度需求，建立任务调度目标函数，并构建任务调度约束，求解得到智能集卡最优作业序列。
所述任务调度目标函数为：
其中，Qf为作业设备类型，如果作业设备f是轨道吊，Qf＝1，若作业设备f是轮胎吊，Qf＝0；为作业设备f的空闲之间总和，/>为无人运输集卡h的等待时间总和，gl为集卡经过港区路网交叉口节点i的总次数；a，b，c分别为权重系数；
式中第一项表示岸桥轨道吊作业空闲时间之和，第二项表示所有无人运输集卡的等待时间之和，第三项/>表示无人运输集卡在路网中冲突指数；
Zfi表示装卸操作i的作业设备为f时Zfi＝1，否则Zfi＝0；表示装卸操作i对应的作业设备作业完成时间；yij表示装卸操作i为装卸操作j的直接前驱任务yij＝1，否则yij＝0；/>表示装卸操作j对应的作业设备开始作业时间；xhi表示若装卸操作i由无人集卡h运输xhi＝1，否则xhi＝0；/>表示装卸操作i进入相应的作业设备时刻。
所述任务调度约束包括装卸逻辑约束、时间约束、车辆负载约束，其中，
所述装卸逻辑约束包括：所有的装卸操作均被智能集卡完成运输，所有的装卸操作都有且仅有一个直接前驱与直接后继操作，装卸操作自己不能成为自己的直接前驱或后继操作，同一个集装箱第一个装卸操作顺序在第二个装卸操作之前；
所述时间约束包括：同一个集装箱的两个装卸操作均由同一辆智能集卡完成，集装箱到达对应的设备的时间、作业设备开始作业时间、作业设备作业完成时间、集装箱离开作业设备时间不小于0；
所述车辆负载约束具体为：车辆最多只能装载一个40英尺集装箱，或者两个20英尺集装箱。
所述路径调整算法以最小化路径调整前后车辆行驶路径长度变化与最小化路径调整后对其他节点的冲突次数的增加为目标，其目标函数为：
ΔLh＝L′h-Lh
其中，α1为其他路段负载超额目标函数权重，α2为调整后车辆路径目标函数权重；Ri为路径调整后，节点i所产生的冲突变化；ΔLh为路径调整后，车辆h的路径长度变化值；路径调整后，为车辆h到达节点i的时刻，Th为车辆出发时刻，/>为0-1变量，如果车辆h经过节点i时/>L′h为调整路径后车辆h的路径长度；eij为路段ij的长度；Lmin为最小安全距离；V为车辆的期望速度；/>是决策变量，车辆h经过路段ij时，/>否则/>
所述路径调整算法的约束条件为：
路径从起点o到终点d具有连续性，该约束的数学表达为：
其中，R′ij表示路径调整后，路网中各路段负载状况；Rij表示交叉口i，j之间的路段车辆负载；ΔRij表示调整后使其他路径负荷超载值；Rmax表示路段最大车辆负载。
所述速度调整算法以相邻路段平均速度波动最小、车辆达到计划路径终点用时最短以及碰撞风险最小为目标，其目标函数为：
其中第一项表示相邻路段平均速度的波动，第二项/> 表示完成路径的计划时长与实际时长之差；
式中，A表示车辆集合，Na表示车辆a路径所经过的节点集合，Ea表示车辆a所经过的路段集合，eij表示路段ij的长度，与/>分别表示车辆a到达路径终点与到达路径起点的时间，vij为车辆在路段ij上的平均速度。
所述速度调整算法的约束条件包括：
每个路段平均速度满足限速要求，该约束的数学表达为：
其中，vmax为限速；
两车到达冲突节点的时间差满足安全需求，该约束的数学表达为：
其中，Hconflict为存在冲突车辆的集合；Nconflict为冲突点集合，冲突车辆的路径共同节点；L为车辆长度；Ls为车辆之间的最小安全距离；β为折减系数，计算冲突点的时间差时，考虑安全冗余，对最大速度进行折减；为车辆h到达节点/>的时刻；/>为车辆h′到达节点/>的时刻。
所述步骤S5包括以下步骤：
S51、控制指令执行：集卡控制单元实时接收速度调整模块下达的控制指令，并指导集卡执行动作；
S52、智能集卡状态信息反馈：通过车辆状态检测器，实时采集集卡的运行状态，反馈给路径调整算法和速度调整算法，为下一步下达车辆控制指令提供信息，其中，所述集卡的运行状态包括车辆位置、速度、作业状态。
与现有技术相比，本发明具有以下有益效果：
(1)本发明实现了任务调度与车辆规控的双向耦合，提高港区作业效率和安全性的同时，保障车辆执行的精准度，制定更加符合实际港区作业需求的调度方案。
(2)本发明针对实际港区自动驾驶环境高动态特性，实时获取港区作业信息进行任务调度优化提高运输效率，并对车辆进行规控包括路径和速度调整，实现多车协同降低车辆之间的冲突。
(3)本发明考虑了车辆执行能力，以时空特征点连接调度方案与车辆执行，在传递调度信息的同时最大化给予车辆执行自由度，解决了调度决策与车辆执行割裂的问题，大幅度提高调度执行的精准度。
附图说明
图1为本发明的方法流程图；
图2为本发明实施例中的实际应用场景示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，如图1所示，应用于如图2所示的自动化集装箱港口调度指挥系统中，应用本方法于港区的智能集卡协同调度中，通过港区现有调度系统实时采集所需作业信息，合理分配集装箱任务。通过路径和速度调整减小集卡之间冲突，规划车辆无冲突轨迹和协同速度。最后车辆执行相应控制指令，并通过车辆检测器实时反馈车辆运行状态；整个智能协同调度过程中，任务调度与车辆规控双向耦合，设计更加符合实际港区作业需求的调度方案。
具体的，面向港区车辆调度-规控耦合的智能集卡协同调度方法包括以下步骤：
S1、港区数据采集：调查港区运营信息，明确总体调度需求，实时监测港区作业信息。
S11、解析港区调度需求：调研港区路网结构、交通状况、智能集卡类型和数量、作业设备种类和数量，分析港区总体的调度需求，确定港区的调度目标；
S12、港区作业信息实时监测：动态采集作业设备、智能集卡的运行状态，以及各集装箱的作业信息和车辆的装卸信息等港区作业信息。
S2、任务调度：根据采集的港区作业信息，综合多方利益需求，输出智能集卡最优作业序列。
具体的，根据港区实时作业信息，结合最小化作业设备的空闲时间、智能集卡等待时间、智能集卡之间的路径冲突的调度需求，建立任务调度目标函数，并构建任务调度约束，求解得到智能集卡最优作业序列。
任务调度目标函数为：
其中，Qf为作业设备类型，如果作业设备f是轨道吊，Qf＝1，若作业设备f是轮胎吊，Qf＝0；为作业设备f的空闲之间总和，/>为无人运输集卡h的等待时间总和，gl为集卡经过港区路网交叉口节点i的总次数；a，b，c分别为权重系数；
式中第一项表示岸桥轨道吊作业空闲时间之和，第二项表示所有无人运输集卡的等待时间之和，第三项/>表示无人运输集卡在路网中冲突指数；
Zfi表示装卸操作i的作业设备为f时Zfi＝1，否则Zfi＝0；表示装卸操作i对应的作业设备作业完成时间；yij表示装卸操作i为装卸操作j的直接前驱任务yij＝1，否则yij＝0；/>表示装卸操作j对应的作业设备开始作业时间；xhi表示若装卸操作i由无人集卡h运输xhi＝1，否则xhi＝0；/>表示装卸操作i进入相应的作业设备时刻。
为保证集装箱调度模型符合装卸逻辑，任务调度约束包括装卸逻辑约束、时间约束、车辆负载约束。
①装卸逻辑约束
所有的装卸操作均被智能集卡完成运输，该约束的数学表达为：
其中，I为装卸操作集合，H为集卡集合，xhi为0-1变量，如果车辆h经过节点i时
所有的装卸操作都有且仅有一个直接前驱与直接后继操作，，该约束的数学表达为：
其中，yij为决策变量，表示装卸操作i为装卸操作j的直接前驱任务yij＝1，否则yij＝0；I0为虚拟的起始装卸作业，I1为虚拟的结束装卸作业。
装卸操作自己不能成为自己的直接前驱或后继操作，该约束的数学表达为：
其中，表示若装卸操作i对应集装箱c的第一项操作时/>否则/> 为装卸操作i对应的作业设备作业完成时间；/>为装卸操作i对应的作业设备开始作业时间。
同一个集装箱第一个装卸操作顺序在第二个装卸操作之前，该约束的数学表达为：
其中，C为待作业集装箱集合。
②时间约束
同一个集装箱的两个装卸操作均由同一辆智能集卡完成，该约束的数学表达为：
其中，为装卸操作i进入相应的作业设备时刻；/>为装卸操作i离开相应的作业设备时刻；Dij为路段ij长度；V表示车辆的期望速度。
集装箱到达对应的设备的时间、作业设备开始作业时间、作业设备作业完成时间、集装箱离开作业设备时间不小于0，该约束的数学表达为：
其中，Zfj表示如果装卸操作j的作业设备为f时Zfj＝1，否则Zfj＝0。为装卸操作i进入相应的作业设备时刻；Zf为港区作业设备完成一个集装箱装卸作业所需要的时间。
③车辆负载约束
车辆最多只能装载一个40英尺集装箱，或者两个20英尺集装箱，该约束的数学表达为：
其中，Ri1为装卸操作i中，40英尺集装箱引起的车辆负载变化，Ri2为装卸操作i中，20英尺集装箱引起的车辆负载变化；Q为运输车辆最大运输量。
S3、路径调整：根据智能集卡最优作业序列，构建路径调整算法，基于多车系统路径最短与车辆冲突最小需求，考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定集卡路径时空特征经由点对象。
路径调整算法以最小化路径调整前后车辆行驶路径长度变化与最小化路径调整后对其他节点的冲突次数的增加为目标，其目标函数为：
ΔLh＝L′h-Lh
其中，α1为其他路段负载超额目标函数权重，α2为调整后车辆路径目标函数权重；Ri为路径调整后，节点i所产生的冲突变化；ΔLh为路径调整后，车辆h的路径长度变化值；路径调整后，为车辆h到达节点i的时刻，Th为车辆出发时刻，/>为0-1变量，如果车辆h经过节点i时/>L′h为调整路径后车辆h的路径长度；eij为路段ij的长度；Lmin为最小安全距离；V为车辆的期望速度；/>是决策变量，车辆h经过路段ij时，/>否则/>冲突车辆路径调整应该满足对其他车辆行驶影响最小，以及对于冲突车辆，调整前后路径长度变化最小两个目标，Ri为目标函数中第一项调整后使其他路径负荷增加值，ΔLh为目标函数中第二项调整后车辆路径增加。
为保证路径连续性，对智能集卡协同局部路径调整建立约束具体为：
路径从起点o到终点d具有连续性，该约束的数学表达为：
其中，R′ij表示路径调整后，路网中各路段负载状况；Rij表示交叉口i，j之间的路段车辆负载；ΔRij表示调整后使其他路径负荷超载值；Rmax表示路段最大车辆负载。
S4、速度调整：构建速度调整算法，基于速度波动最小、车辆达到计划路径终点用时最短以及碰撞风险最小需求，进行多车协同速度进行更精确的调整，对路径调整算法输出的路径进行优化，得到优化集卡路径时空特征经由点。
速度调整算法以相邻路段平均速度波动最小、车辆达到计划路径终点用时最短以及碰撞风险最小为目标，其目标函数为：
其中第一项表示相邻路段平均速度的波动，第二项/> 表示完成路径的计划时长与实际时长之差；
式中，A表示车辆集合，Na表示车辆a路径所经过的节点集合，Ea表示车辆a所经过的路段集合，eij表示路段ij的长度，与/>分别表示车辆a到达路径终点与到达路径起点的时间，vij为车辆在路段ij上的平均速度。
为满足限速要求和安全需求，对智能集卡协同速度规划建立约束具体为：
每个路段平均速度满足限速要求，该约束的数学表达为：
其中，vmax为限速；
两车到达冲突节点的时间差满足安全需求，该约束的数学表达为：
其中，Hconflict为存在冲突车辆的集合；Nconflict为冲突点集合，冲突车辆的路径共同节点；L为车辆长度；Ls为车辆之间的最小安全距离；β为折减系数，计算冲突点的时间差时，考虑安全冗余，对最大速度进行折减；为车辆h到达节点/>的时刻；/>为车辆h′到达节点/>的时刻。
S5、控制指令执行与反馈：集卡根据速度调整算法输出的控制指令执行动作，并向路径调整算法和速度调整算法反馈集卡的实时状态信息，实现智能集卡的协同调度。
S51、控制指令执行：集卡控制单元实时接收速度调整模块下达的控制指令，并指导集卡执行动作；
S52、智能集卡状态信息反馈：通过车辆状态检测器，实时采集集卡的运行状态(包括车辆位置、速度、作业状态等)，反馈给路径调整算法和速度调整算法，为下一步下达车辆控制指令提供信息。
本实施例所采用方法没有局限于优化任务调度目标或仅考虑多车路径协同减小冲突，而是通过宏观任务调度与微观车辆规控相互协同，提高港区作业效率和安全性的同时，保障车辆执行的精准度，制定更加符合实际港区作业落地应用需求的调度方案。
根据上述方法，本实施例还提供一种面向港区车辆调度-规控耦合的智能集卡协同调度系统，包括港区数据采集模块、任务调度模块、路径调整模块、速度调整模块、智能集卡终端模块，其中，港区数据采集模块用于实时采集港区运营信息，明确总体调度需求，任务调度模块用于结合集装箱作业信息、港区作业设备状况，综合多方利益需求，输出智能集卡最优作业序列给路径调整模块，路径调整模块考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定车辆路径时空经由特征点对象，速度调整模块进行更精确的多车协同速度调整，确定集卡路径时空特征点到达时间，智能集卡终端模块实时接收速度调整模块下达的控制指令，并向路径调整模块和速度调整模块反馈智能集卡的实时状态信息。由此实现任务调度与车辆规控的双向耦合，提高港区作业效率和安全性的同时，保障车辆执行的精准度。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案，皆应在权利要求书所确定的保护范围内。
Claims (10)
1.一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，包括以下步骤：
S1、港区数据采集：调查港区运营信息，明确总体调度需求，实时监测港区作业信息；
S2、任务调度：根据采集的港区作业信息，综合多方利益需求，输出智能集卡最优作业序列；
S3、路径调整：根据智能集卡最优作业序列，构建路径调整算法，考虑多车协同的目的调整智能集卡路径，得到多车系统无冲突轨迹，确定集卡路径时空特征经由点对象；
S4、速度调整：构建速度调整算法，进行多车协同速度调整，对路径调整算法输出的路径进行优化，得到优化集卡路径时空特征经由点；
S5、控制指令执行与反馈：集卡根据速度调整算法输出的控制指令执行动作，并向路径调整算法和速度调整算法反馈集卡的实时状态信息，实现智能集卡的协同调度。
2.根据权利要求1所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述步骤S1具体包括以下步骤：
S11、解析港区调度需求：调研港区路网结构、交通状况、智能集卡类型和数量、作业设备种类和数量，确定港区的调度目标；
S12、港区作业信息实时监测：动态采集作业设备、智能集卡的运行状态，以及各集装箱的作业信息和车辆的装卸信息。
3.根据权利要求1所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述步骤S2具体为：根据港区实时作业信息，结合最小化作业设备的空闲时间、智能集卡等待时间、智能集卡之间的路径冲突的调度需求，建立任务调度目标函数，并构建任务调度约束，求解得到智能集卡最优作业序列。
4.根据权利要求3所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述任务调度目标函数为：
其中，Qf为作业设备类型，如果作业设备f是轨道吊，Qf＝1，若作业设备f是轮胎吊，Qf＝0；为作业设备f的空闲之间总和，/>为无人运输集卡h的等待时间总和，gl为集卡经过港区路网交叉口节点i的总次数；a,b,c分别为权重系数；
式中第一项表示岸桥轨道吊作业空闲时间之和，第二项表示所有无人运输集卡的等待时间之和，第三项/>表示无人运输集卡在路网中冲突指数；
Zfi表示装卸操作i的作业设备为f时Zfi＝1，否则Zfi＝0；表示装卸操作i对应的作业设备作业完成时间；yij表示装卸操作i为装卸操作j的直接前驱任务yij＝1，否则yij＝0；/>表示装卸操作j对应的作业设备开始作业时间；xhi表示若装卸操作i由无人集卡h运输xhi＝1，否则xhi＝0；/>表示装卸操作i进入相应的作业设备时刻。
5.根据权利要求3所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述任务调度约束包括装卸逻辑约束、时间约束、车辆负载约束，其中，
所述装卸逻辑约束包括：所有的装卸操作均被智能集卡完成运输，所有的装卸操作都有且仅有一个直接前驱与直接后继操作，装卸操作自己不能成为自己的直接前驱或后继操作，同一个集装箱第一个装卸操作顺序在第二个装卸操作之前；
所述时间约束包括：同一个集装箱的两个装卸操作均由同一辆智能集卡完成，集装箱到达对应的设备的时间、作业设备开始作业时间、作业设备作业完成时间、集装箱离开作业设备时间不小于0；
所述车辆负载约束具体为：车辆最多只能装载一个40英尺集装箱，或者两个20英尺集装箱。
6.根据权利要求1所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述路径调整算法以最小化路径调整前后车辆行驶路径长度变化与最小化路径调整后对其他节点的冲突次数的增加为目标，其目标函数为：
ΔLh＝L′h-Lh
其中，α1为其他路段负载超额目标函数权重，α2为调整后车辆路径目标函数权重；Ri为路径调整后，节点i所产生的冲突变化；ΔKh为路径调整后，车辆h的路径长度变化值；路径调整后，为车辆h到达节点i的时刻，Th为车辆出发时刻，/>为0-1变量，如果车辆h经过节点i时/>L′h为调整路径后车辆h的路径长度；eij为路段ij的长度；Lmin为最小安全距离；V为车辆的期望速度；/>是决策变量，车辆h经过路段ij时，/>否则/>
7.根据权利要求6所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述路径调整算法的约束条件为：
路径从起点o到终点d具有连续性，该约束的数学表达为：
其中，R′ij表示路径调整后，路网中各路段负载状况；Rij表示交叉口i,j之间的路段车辆负载；ΔRij表示调整后使其他路径负荷超载值；Rmax表示路段最大车辆负载。
8.根据权利要求1所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述速度调整算法以相邻路段平均速度波动最小、车辆达到计划路径终点用时最短以及碰撞风险最小为目标，其目标函数为：
其中第一项表示相邻路段平均速度的波动，第二项/> 表示完成路径的计划时长与实际时长之差；
式中，A表示车辆集合，Na表示车辆a路径所经过的节点集合，Ea表示车辆a所经过的路段集合，eij表示路段ij的长度，与/>分别表示车辆a到达路径终点与到达路径起点的时间，vij为车辆在路段ij上的平均速度。
9.根据权利要求8所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述速度调整算法的约束条件包括：
每个路段平均速度满足限速要求，该约束的数学表达为：
其中，vmax为限速；
两车到达冲突节点的时间差满足安全需求，该约束的数学表达为：
其中，Hconflict为存在冲突车辆的集合；Nconflict为冲突点集合，冲突车辆的路径共同节点；L为车辆长度；Ls为车辆之间的最小安全距离；β为折减系数，计算冲突点的时间差时，考虑安全冗余，对最大速度进行折减；为车辆h到达节点/>的时刻；/>为车辆h′到达节点/>的时刻。
10.根据权利要求1所述的一种面向港区车辆调度-规控耦合的智能集卡协同调度方法，其特征在于，所述步骤S5包括以下步骤：
S51、控制指令执行：集卡控制单元实时接收速度调整模块下达的控制指令，并指导集卡执行动作；
S52、智能集卡状态信息反馈：通过车辆状态检测器，实时采集集卡的运行状
态，反馈给路径调整算法和速度调整算法，为下一步下达车辆控制指令提供信息，
其中，所述集卡的运行状态包括车辆位置、速度、作业状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884388.5A CN116935616A (zh) | 2023-07-18 | 2023-07-18 | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884388.5A CN116935616A (zh) | 2023-07-18 | 2023-07-18 | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116935616A true CN116935616A (zh) | 2023-10-24 |
Family
ID=88393688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884388.5A Pending CN116935616A (zh) | 2023-07-18 | 2023-07-18 | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116935616A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114547A (zh) * | 2023-10-25 | 2023-11-24 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
-
2023
- 2023-07-18 CN CN202310884388.5A patent/CN116935616A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114547A (zh) * | 2023-10-25 | 2023-11-24 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
| CN117114547B (zh) * | 2023-10-25 | 2024-02-02 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Integrated scheduling optimization of U-shaped automated container terminal under loading and unloading mode | |
| CN113919543B (zh) | 一种基于5g物联网的agv调度路径优化方法 | |
| CN112488441B (zh) | 一种露天矿卡车智能调度方法及系统 | |
| CN105740979A (zh) | 自动化码头多自动导引车的智能调度系统与方法 | |
| CN112070296B (zh) | 一种基于模糊推理的集卡调度方法 | |
| CN116935616A (zh) | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 | |
| CN111563672B (zh) | 一种多载agv数量配置方法 | |
| Ying et al. | Adaptive metro service schedule and train composition with a proximal policy optimization approach based on deep reinforcement learning | |
| Hu et al. | Multi-AGV dispatching and routing problem based on a three-stage decomposition method | |
| Naeem et al. | A comprehensive review and directions for future research on the integrated scheduling of quay cranes and automated guided vehicles and yard cranes in automated container terminals | |
| CN110285821A (zh) | 一种基于智能停车场的agv存取车路径优化方法 | |
| JP2024503141A (ja) | 時間推定モデルに基づくａｇｖスケジューリング方法 | |
| CN113627643A (zh) | 一种多式联运的船舶与堆场间无人集卡调度优化方法 | |
| CN116755401A (zh) | 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 | |
| Zeng et al. | Models and algorithms for multi-crane oriented scheduling method in container terminals | |
| CN114565296A (zh) | 一种轨道交通施工线智能行车调度方法及系统 | |
| CN108197879A (zh) | 一种多模式客货共运方法及系统 | |
| CN117391293A (zh) | U型码头海铁联运的“船-车-箱”一致性协调调控方法 | |
| CN113743739B (zh) | 一种基于混合整数规划、组合优化算法的agv调度方法 | |
| CN117094460A (zh) | 一种基于od数据的多目标旅行商控制方法、系统及介质 | |
| CN107220737A (zh) | 一种Hub‑spoke模式下港口集装箱班轮支线网络优化方法 | |
| Zhang et al. | Study on Distributed Consistent Cooperative Control of Multi-ART in Automated Container Terminals | |
| CN109872023B (zh) | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 | |
| Li et al. | A dispatching method for automated container terminals: What is next when precise execution is available? | |
| Ezzahra et al. | Optimizing Port Operations: Synchronization, Collision Avoidance, and Efficient Loading and Unloading Processes |
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 |