CN109471444A - 基于改进Dijkstra算法的停车AGV路径规划方法 - Google Patents
基于改进Dijkstra算法的停车AGV路径规划方法 Download PDFInfo
- Publication number
- CN109471444A CN109471444A CN201811514962.3A CN201811514962A CN109471444A CN 109471444 A CN109471444 A CN 109471444A CN 201811514962 A CN201811514962 A CN 201811514962A CN 109471444 A CN109471444 A CN 109471444A
- Authority
- CN
- China
- Prior art keywords
- agv
- task
- parking
- node
- time
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于改进Dijkstra算法的停车AGV路径规划方法。具体步骤为:创建停车AGV运行场景模型;初始化算法各参数;引入优先级策略给停车AGV分配任务;根据实际应用的需求对于不同的任务属性(存车、取车)来选取不同的权值,基于不同的权值对传统Dijkstra算法进行改进;运用改进的Dijkstra算法对停车AGV进行路径规划。本方法为停车AGV搜寻到一条从起点到目标点的最优路径,确保AGV在较短时间内根据不同任务需求,快速、无碰撞地顺利完成车辆存取、停放任务。该方法可应用到停车场中停车AGV存取车的路径规划中,保证AGV安全、快速地完成车辆存取,提高停车场的运营效率和节省社会人员存取车的等待时间。
Description
技术领域
本发明属于AGV路径规划技术领域,具体地说,是一种基于改进Dijkstra算法的停车AGV路径规划方法。
背景技术
随着我国汽车保有量的爆发式增长和城市用地的极度紧缺,造成我国大中城市普遍存在“停车难”问题。如何高效合理处理解决停车难题,成为当代建设智慧城市急需解决的难题。基于停车AGV的智慧停车场刚好可以解决这一停车难题,使用停车AGV与调度***实现车辆存取自动化,而其中最主要的部分就是停车AGV的路径规划方法。研究智能停车AGV路径规划方法的目的在于:***通过各种检测装置实时获取车库中各停车位和行车道的占用情况,并根据AGV状态信息,快速地为AGV搜寻到一条从起点到目标点的无碰最优路径,确保AGV在较短时间内顺利完成车辆存取、停放任务。
针对多AGV路径规划问题,国内外学者经过多年研究,提出了多种有效方法,刘国栋等针对多AGV调度***,提出两阶段动态路径规划方法,第一阶段先离线生成任意两点之间的候选路径集,第二阶段采用启发式方法为所有任务分配各自的最优路径。贺丽娜等针对制造***中的多AGV调度,提出一种基于先验决策的无碰撞路径规划方法,该方法先根据Dijkstra算对每个AGV规划出最短路径,再结合时间窗原理进行AGV的无碰撞路径规划。王美珍等将粒子群算法和蚁群算法进行了有效融合,提高了算法的搜索效率,缩短了路径长度;乔岩等提出通过实时改变自动导引车通过节点的优先级来调整自动导引车在相应节点的通过顺序,从而实现多自动导引车动态环境下的路径规划。Klimm等提出一种无冲突的静态路径规划方法,以最小负载为目标规划路径。
上述文献提出的AGV动态路径规划算法,均以单个指标作为算法优化的目标,因此AGV运行效率有限,无法在优化AGV路径的同时保证停车AGV***的运行效率。
发明内容
本发明的目的在于提供一种基于改进Dijkstra算法的停车AGV路径规划方法,为停车AGV搜寻到一条从起点到目标点的最优路径,确保AGV在较短时间内根据不同任务需求,快速、无碰撞地顺利完成车辆存取、停放任务。
为实现上述目的,本发明采用的技术解决方案为:一种基于改进Dijkstra算法的停车AGV路径规划方法,主要有以下几个部分组成:创建停车AGV运行场景模型;初始化算法各参数;采用优先级策略给停车AGV分配任务;根据实际应用的需求对于不同的任务属性来选取不同的权值;运用改进的Dijkstra算法对停车AGV进行路径规划。具体包括如下步骤:
步骤1、创建停车自动导引运输车AGV的运行场景模型:
1-1):将停车场的环境表示成一个强连通图,在图中给定一个任务,包含任务的起点、终点,规划一条从任务起点到任务终点能够连通的最优路径,将停车场车位分布抽象成一个带权的连接网络G(V,E,Wij),其中,V代表两个可连通节点组成的边的集合,E代表节点集合,Wij代表节点i和j组成边Vij的权值<i,j>,AGV的运行路径用节点的有序数组来表示,节点的顺序即为AGV运行路径的顺序;
1-2):根据应用场景,设定如下规则:
①***中的AGV在同一时间段内只能接受1项存取车任务,在其执行任务期间,***分配的其他任务视为无效;
②在某时刻或某一时间段内,路网中的任一节点和任一行驶路段都只允许1台AGV使用;
③假定所有的AGV均以相同的速度行驶且AGV载车和空载返回时运行速度不变;
④AGV运行车道为单道双向模式,且宽度方向仅能容纳1台AGV。
步骤2、初始化参数,包括:停车AGV***中AGV的集合N,接受任务AGV的集合Q,节点集合E,边的集合V,存取车任务请求指令的集合M,优先级策略处理后的存取车任务集合A,任务属性X,X表示存车或取车,Ea表示任务起始点,Eb表示任务终点。
步骤3、采用优先级策略对停车AGV分配任务,具体内容如下:
对于***中AGV的优先级,由车辆编号大小确定,且AGV优先级高低次序与车辆编号大小成负相关;对于***中任务的优先级,由任务加载的顺序来确定;正在执行存取车任务的AGV的优先级高于空闲AGV的优先级。
步骤4、根据任务编号判断任务属,对于不同的属性性选择不同的权值,具体内容如下:
4-1):对于存车和取车两种任务属性,采用不同的权重来进行路径规划;
4-2):X=0时表示存车任务,设置权值为停车AGV从Ea到Eb的运行距离;
4-3):X=1时表示取车任务,设置权值为停车AGV从Ea到Eb的运行时间。
步骤5、计算运行场景模型中节点间的权值,具体内容如下:
5-1):X=0时,权值<i,j>=lij,lij为停车AGV在边Vij上的运行距离,即两节点间的实际距离,由测量得到;
X=1时,引入时间窗的概念来计算AGV到达相应节点的时间,时间窗是表示执行任务的AGV从开始进入到离开某个交叉路口或某个路段的整个过程所花费的时间;
5-2):计算AGV通过节点i的时间,AGV到达点i的时刻为AGV离开点i的时刻为由式(1)可得:
其中L表示AGV车身长度,则AGV通过节点i的时间段为
5-3):计算到达节点j的时刻:AGV从点i搜索到相邻节点j,AGV离开点i的时刻为点i到点j的行驶时间为距离与速度的比值为式(2):
tij=lij/v 式(2)
其中lij为点i与j之间的物理距离,v为两节点之间的行驶速度,
当路径规划搜索到点j时,点j有k个已经被占用的时间窗, 计算到达j的时刻:
当时,
当时,此时AGV需要在i点处停车等待,直到节点j处释放时间窗,
则可求得点i到j的权值为,
步骤6、将权值代入改进的Dijkstra算法,得到停车AGV停取车的最优路径,具体内容如下:
6-1):设置任务属性为X,判断X取值,当X=0时表示存车,<i,j>=lij;当X=1时表示取车,
6-2):初始集合S和集合U,集合S只包含起始节点Ea,令S={Ea},集合U包含除Ea外的其他节点,即:U={其余节点};
6-3):若Ea与U中顶点u是相邻连接的节点,选取使<Ea,u>最小的节点EK,把EK加入S中,若u不是Ea的相邻连接点,则<Ea,u>权值为∞;
6-4):以EK为新的中间点,若经过节点EK到集合U中的节点u的权值比不经过节点EK的值小,则更新U中节点u的权值,否则不做处理;
6-5):重复步骤6-3)和6-4),直到目标节点Eb已加入S中,导出节点序列,即任务的最优路径。
本发明与现有技术相比,其显著优点为:
(1)本发明考虑到停车AGV在停车场中实际的应用需求,对于存车时,考虑停车AGV行驶路径最短,对于取车时,考虑用户的等待时间最短。适用于基于停车AGV的停车场中AGV的动态路径规划,在提停高车场的运营效率的同时为用户带来便利,缩小存取车的等待时间。
(2)本发明在多AGV存取车路径规划中,引入优先级策略,方便***分配任务、避免多AGV在执行存取车任务期间引发死锁或碰撞冲突以及提高停车***整体运行效率。
(3)本发明考虑到等待时间,并采用时间窗对AGV已占用的交叉路口或行驶路段进行标记,以避免在该AGV占用的时间段内,被其他AGV使用而引发死锁或碰撞冲突。
附图说明
图1为AGV通过节点i示意图。
图2为AGV通过两个相邻节点的示意图。
图3为本发明的整体流程图。
具体实施方式
下面结合具体实施方式对本发明的内容作进一步说明。
本发明基于改进Dijkstra算法的停车AGV路径规划方法,图3为本发明实施流程图,具体内容包括如下步骤:
⑴创建停车自动导引运输车AGV的运行场景模型,将停车场的环境表示成一个强连通图,在图中给定一个任务,包含任务的起点、终点,规划一条从任务起点到任务终点能够连通的最优路径,将停车场车位分布抽象成一个带权的连接网络G(V,E,Wij),其中,V代表两个可连通节点组成的边的集合,E代表节点集合,Wij代表节点i和j组成边Vij的权值<i,j>,AGV的运行路径用节点的有序数组来表示,节点的顺序即为AGV运行路径的顺序。
⑵初始化算法各参数,建立***中AGV的集合N、接受任务AGV的集合Q、存取车任务请求指令的集合M、优先级策略处理后的存取车任务集合A。任务编号设置为Xab,其中X=0时表示存车任务,X=1时表示取车任务,a表示任务起点序号,b表示任务终点序号。
⑶在多AGV存取车路径规划中,引入优先级策略,目的在于方便***分配任务、避免多AGV在执行存取车任务期间引发死锁或碰撞冲突以及提高停车***整体运行效率。将集合M中的存取车任务请求指令加载到任务序列集合A中,并按照任务加载的先后时间为其排序,处理后的序列集合A={a1,a2,a3,…,am},其中,a1,a2,a3,…,am表示按照优先级策略处理后的任务,任务a1优先级最高,任务am优先级最低。
⑷根据AGV当前状态信息判断AGV工作状态。如果工作环境中有空闲AGV存在,则***会将任务序列集合A中优先级最高的存取车任务ai分配给集合Q中优先级最高的空闲AGV。
⑸由于停取车的需求是时变的,导致停车场内道路交通强度是时变的,不同时间段行驶在道路上的AGV数目可变,两点间距离最短并不代表行驶时间最短,当一段路径上车辆较多,就可能出现优先级较低的AGV需要停车等待优先级相对较高的AGV通过,可能耗时较长,这种情况下,路程长的路径反而可能耗时较短,因此最优路径的选择必须考虑到实时的交通信息,根据智能停车场的实际需求,对于存车和取车两种任务属性,采用不同的权重来进行路径规划。对于存车任务,即X=0时,考虑AGV的能耗和减少机械磨损,以行驶距离最短为目标,即设置权值<i,j>为停车AGV从Ea到Eb的运行距离;对于取车任务,即X=1时,考虑到用户体验,使用户等待时间最短,以行驶时间最短为目标,即设置权值为停车AGV从Ea到Eb的运行时间。
⑹X=0时,<i,j>=lij,lij为停车AGV在边Vij上的运行距离,由测量得到。
⑺X=1时,考虑同一路径上多个车辆之间的相互影响,对于路网中的任一交叉路口和任一行驶路段都只允许1台AGV使用,当所需行驶的下一节点或者路段有其他AGV在运行,则需要停止等待,则多出来一个等待时间,引入时间窗的概念来计算AGV到达相应节点的时间,时间窗是表示执行任务的AGV从开始进入到离开某个交叉路口或某个路段的整个过程所花费的时间,其主要作用是对AGV已占用的交叉路口或行驶路段进行标记,以避免在该AGV占用的时间段内,被其他AGV使用而引发死锁或碰撞冲突。计算AGV通过节点i的时间,AGV到达点i的时刻为AGV离开点i的时刻为由式(1)可得:
如图1所示,其中L表示AGV车身长度,则AGV通过节点i的时间段为
计算到达节点j的时刻,AGV从点i搜索到相邻节点j,AGV离开点i的时刻为点i到点j的行驶时间为距离与速度的比值为式(2):
tij=lij/v 式(2)
如图2所示,其中lij为点i与j之间的物理距离,v为两节点之间的行驶速度;
当路径规划搜索到点j时,点j有k个已经被占用的时间窗, 计算到达j的时刻:
当时,
当时,此时AGV需要在i点处停车等待,直到节点j处释放时间窗,
则可求得点i到j的权值为,
⑻将权值<i,j>带入改进的Dijkstra算法:①初始集合S和集合U,集合S只包含起始节点Ea,令S={Ea},集合U包含除Ea外的其他节点,即:U={其余节点};②若Ea与U中顶点u是相邻连接的节点,选取使<Ea,u>最小的节点EK,把EK加入S中,若u不是Ea的相邻连接点,则<Ea,u>权值为∞;③以EK为新的中间点,若经过节点EK到集合U中的节点u的权值比不经过节点EK的值小,则更新U中节点u的权值,否则不做处理;④重复步骤②和③,直到目标节点Eb已加入S中,导出节点序列,即任务的最优路径。
Claims (6)
1.一种基于改进Dijkstra算法的停车AGV路径规划方法,其特征在于,包括以下步骤:
步骤1、创建停车自动导引运输车AGV的运行场景模型;
步骤2、初始化参数,包括:停车AGV***中AGV的集合N,接受任务AGV的集合Q,节点集合E,边的集合V,存取车任务请求指令的集合M,优先级策略处理后的存取车任务集合A,任务属性X,X表示存车或取车,Ea表示任务起始点,Eb表示任务终点;
步骤3、采用优先级策略对停车AGV分配任务;
步骤4、根据任务编号判断任务属,对于不同的属性选择不同的权值;
步骤5、计算运行场景模型中节点间的权值;
步骤6、将权值代入改进的Dijkstra算法,得到停车AGV停取车的最优路径。
2.根据权利要求1所述的方法,其特征在于,所述步骤1的具体实现方法为:
1-1):将停车场的环境表示成一个强连通图,在图中给定一个任务,包含任务的起点、终点,规划一条从任务起点到任务终点能够连通的最优路径,将停车场车位分布抽象成一个带权的连接网络G(V,E,Wij),其中,V代表两个可连通节点组成的边的集合,E代表节点集合,Wij代表节点i和j组成边Vij的权值<i,j>,AGV的运行路径用节点的有序数组来表示,节点的顺序即为AGV运行路径的顺序;
1-2):根据应用场景,设定如下规则:
①***中的AGV在同一时间段内只能接受1项存取车任务,在其执行任务期间,***分配的其他任务视为无效;
②在某时刻或某一时间段内,路网中的任一节点和任一行驶路段都只允许1台AGV使用;
③假定所有的AGV均以相同的速度行驶且AGV载车和空载返回时运行速度不变;
④AGV运行车道为单道双向模式,且宽度方向仅能容纳1台AGV。
3.根据权利要求1所述的方法,其特征在于,所述步骤3采用优先级策略对停车AGV分配任务的具体内容如下:
对于***中AGV的优先级,由车辆编号大小确定,且AGV优先级高低次序与车辆编号大小成负相关;对于***中任务的优先级,由任务加载的顺序来确定;正在执行存取车任务的AGV的优先级高于空闲AGV的优先级。
4.根据权利要求1所述的方法,其特征在于,所述步骤4的具体实现如下:
4-1):对于存车和取车两种任务属性,采用不同的权重来进行路径规划;
4-2):X=0时表示存车任务,设置权值为停车AGV从Ea到Eb的运行距离;
4-3):X=1时表示取车任务,设置权值为停车AGV从Ea到Eb的运行时间。
5.根据权利要求1所述的方法,其特征在于,所述步骤5计算运行场景模型中节点间的权值的方法如下:
5-1):X=0时,权值<i,j>=lij,lij为停车AGV在边Vij上的运行距离,即两节点间的实际距离由测量得到;
X=1时,采用时间窗计算AGV到达相应节点的时间,时间窗是表示执行任务的AGV从开始进入到离开某个交叉路口或某个路段的整个过程所花费的时间;
5-2):计算AGV通过节点i的时间,AGV到达点i的时刻为AGV离开点i的时刻为由式(1)可得:
其中L表示AGV车身长度,v为两节点之间的行驶速度,则AGV通过节点i的时间段为
5-3):计算到达节点j的时刻:AGV从点i搜索到相邻节点j,AGV离开点i的时刻为点i到点j的行驶时间为距离与速度的比值为式(2):
tij=lij/v 式(2)
其中lij为点i与j之间的物理距离;
当路径规划搜索到点j时,点j有k个已经被占用的时间窗, 计算到达j的时刻:
当时,
当时,此时AGV需要在i点处停车等待,直到节点j处释放时间窗,
则可求得点i到j的权值为,
6.根据权利要求1所述的方法,其特征在于,所述步骤6的具体实现方法如下:
6-1):设置任务属性为X,判断X取值,当X=0时表示存车,<i,j>=lij;当X=1时表示取车,
6-2):初始集合S和集合U,集合S只包含起始节点Ea,令S={Ea},集合U包含除Ea外的其他节点,即:U={其余节点};
6-3):若Ea与U中顶点u是相邻连接的节点,选取使<Ea,u>最小的节点Ek,把Ek加入S中,若u不是Ea的相邻连接点,则<Ea,u>权值为∞;
6-4):以Ek为新的中间点,若经过节点Ek到集合U中的节点u的权值比不经过节点Ek的值小,则更新U中节点u的权值,否则不做处理;
6-5):重复步骤6-3)和6-4),直到目标节点Eb已加入S中,导出节点序列,即任务的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514962.3A CN109471444B (zh) | 2018-12-12 | 2018-12-12 | 基于改进Dijkstra算法的停车AGV路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514962.3A CN109471444B (zh) | 2018-12-12 | 2018-12-12 | 基于改进Dijkstra算法的停车AGV路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109471444A true CN109471444A (zh) | 2019-03-15 |
CN109471444B CN109471444B (zh) | 2022-03-01 |
Family
ID=65676224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514962.3A Active CN109471444B (zh) | 2018-12-12 | 2018-12-12 | 基于改进Dijkstra算法的停车AGV路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109471444B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949604A (zh) * | 2019-04-01 | 2019-06-28 | 南京邮电大学 | 一种大型停车场调度导航方法、***以及使用方法 |
CN110244711A (zh) * | 2019-05-16 | 2019-09-17 | 芜湖智久机器人有限公司 | 机器人路径规划***及方法、计算机可读存储介质、装置 |
CN110285821A (zh) * | 2019-06-20 | 2019-09-27 | 南京农业大学 | 一种基于智能停车场的agv存取车路径优化方法 |
CN110334838A (zh) * | 2019-04-11 | 2019-10-15 | 国网新疆电力有限公司电力科学研究院 | 基于蚁群算法和遗传算法的agv小车协同调度方法及*** |
CN110488826A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
CN110986989A (zh) * | 2019-12-24 | 2020-04-10 | 广东嘉腾机器人自动化有限公司 | 混合车型路径规划方法和相关装置 |
CN111289007A (zh) * | 2020-03-23 | 2020-06-16 | 南京理工大学 | 基于改进蚁群算法的泊车agv路径规划方法 |
CN111487983A (zh) * | 2020-06-11 | 2020-08-04 | 上海振华重工(集团)股份有限公司 | 一种封闭式自动化物流园区的多台agv调度方法 |
CN111653098A (zh) * | 2020-06-04 | 2020-09-11 | 南京航空航天大学 | 多载量自动导引车交叉路口通行顺序优化方法 |
CN111830952A (zh) * | 2019-03-29 | 2020-10-27 | 阿里巴巴集团控股有限公司 | 实体店铺内的运输车调度方法及装置 |
CN111982142A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于改进a星算法的智能车全局路径规划方法 |
CN112096154A (zh) * | 2020-09-11 | 2020-12-18 | 江苏小白兔智造科技有限公司 | 一种基于路径规划用于调度停车机器人的实现方法 |
CN112561168A (zh) * | 2020-12-17 | 2021-03-26 | 珠海格力电器股份有限公司 | 无人搬运车的调度方法和装置 |
CN112651565A (zh) * | 2020-12-29 | 2021-04-13 | 深圳市华运国际物流有限公司 | 一种国际物流多式联运路径计算方法及装置 |
CN114089774A (zh) * | 2022-01-14 | 2022-02-25 | 中国科学院微电子研究所 | 一种仓储环境下agv路径规划方法和装置 |
CN114137960A (zh) * | 2021-11-01 | 2022-03-04 | 天行智控科技(无锡)有限公司 | 一种封闭区域智能运输***的无人驾驶车辆协作方法 |
CN115657616A (zh) * | 2022-10-14 | 2023-01-31 | 东莞新友智能科技有限公司 | 一种基于agv调度***的任务分配方法 |
CN116205474A (zh) * | 2023-05-06 | 2023-06-02 | 深圳市森歌数据技术有限公司 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9013984B1 (en) * | 2002-01-16 | 2015-04-21 | At&T Intellectual Property Ii, L.P. | Method and apparatus for providing alternative link weights for failed network paths |
CN105354648A (zh) * | 2015-12-12 | 2016-02-24 | 深圳力子机器人有限公司 | Agv调度管理的建模及其优化方法 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车***路径规划方法 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
CN108038576A (zh) * | 2017-12-20 | 2018-05-15 | 中国地质大学(武汉) | 基于改进Dijkstra算法的物流配送路径选择方法及*** |
-
2018
- 2018-12-12 CN CN201811514962.3A patent/CN109471444B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9013984B1 (en) * | 2002-01-16 | 2015-04-21 | At&T Intellectual Property Ii, L.P. | Method and apparatus for providing alternative link weights for failed network paths |
CN105354648A (zh) * | 2015-12-12 | 2016-02-24 | 深圳力子机器人有限公司 | Agv调度管理的建模及其优化方法 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车***路径规划方法 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
CN108038576A (zh) * | 2017-12-20 | 2018-05-15 | 中国地质大学(武汉) | 基于改进Dijkstra算法的物流配送路径选择方法及*** |
Non-Patent Citations (1)
Title |
---|
郝新刚 等: ""基于改进Dijkst ra 算法的路径优化仿真研究"", 《公路》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111830952A (zh) * | 2019-03-29 | 2020-10-27 | 阿里巴巴集团控股有限公司 | 实体店铺内的运输车调度方法及装置 |
CN109949604B (zh) * | 2019-04-01 | 2021-06-11 | 南京邮电大学 | 一种大型停车场调度导航方法及*** |
CN109949604A (zh) * | 2019-04-01 | 2019-06-28 | 南京邮电大学 | 一种大型停车场调度导航方法、***以及使用方法 |
CN110334838A (zh) * | 2019-04-11 | 2019-10-15 | 国网新疆电力有限公司电力科学研究院 | 基于蚁群算法和遗传算法的agv小车协同调度方法及*** |
CN110334838B (zh) * | 2019-04-11 | 2023-06-23 | 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) | 基于蚁群算法和遗传算法的agv小车协同调度方法及*** |
CN110244711A (zh) * | 2019-05-16 | 2019-09-17 | 芜湖智久机器人有限公司 | 机器人路径规划***及方法、计算机可读存储介质、装置 |
CN110285821A (zh) * | 2019-06-20 | 2019-09-27 | 南京农业大学 | 一种基于智能停车场的agv存取车路径优化方法 |
CN110488826A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN110488826B (zh) * | 2019-08-20 | 2022-09-20 | 集美大学 | 一种适于路径冲突的agv避碰方法、终端设备及存储介质 |
CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
CN110986989A (zh) * | 2019-12-24 | 2020-04-10 | 广东嘉腾机器人自动化有限公司 | 混合车型路径规划方法和相关装置 |
CN111289007A (zh) * | 2020-03-23 | 2020-06-16 | 南京理工大学 | 基于改进蚁群算法的泊车agv路径规划方法 |
CN111653098A (zh) * | 2020-06-04 | 2020-09-11 | 南京航空航天大学 | 多载量自动导引车交叉路口通行顺序优化方法 |
CN111487983A (zh) * | 2020-06-11 | 2020-08-04 | 上海振华重工(集团)股份有限公司 | 一种封闭式自动化物流园区的多台agv调度方法 |
CN111487983B (zh) * | 2020-06-11 | 2023-07-25 | 上海振华重工(集团)股份有限公司 | 一种封闭式自动化物流园区的多台agv调度方法 |
CN111982142A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于改进a星算法的智能车全局路径规划方法 |
CN112096154A (zh) * | 2020-09-11 | 2020-12-18 | 江苏小白兔智造科技有限公司 | 一种基于路径规划用于调度停车机器人的实现方法 |
CN112561168A (zh) * | 2020-12-17 | 2021-03-26 | 珠海格力电器股份有限公司 | 无人搬运车的调度方法和装置 |
CN112651565A (zh) * | 2020-12-29 | 2021-04-13 | 深圳市华运国际物流有限公司 | 一种国际物流多式联运路径计算方法及装置 |
CN114137960A (zh) * | 2021-11-01 | 2022-03-04 | 天行智控科技(无锡)有限公司 | 一种封闭区域智能运输***的无人驾驶车辆协作方法 |
CN114089774B (zh) * | 2022-01-14 | 2022-04-12 | 中国科学院微电子研究所 | 一种仓储环境下agv路径规划方法和装置 |
CN114089774A (zh) * | 2022-01-14 | 2022-02-25 | 中国科学院微电子研究所 | 一种仓储环境下agv路径规划方法和装置 |
CN115657616A (zh) * | 2022-10-14 | 2023-01-31 | 东莞新友智能科技有限公司 | 一种基于agv调度***的任务分配方法 |
CN116205474A (zh) * | 2023-05-06 | 2023-06-02 | 深圳市森歌数据技术有限公司 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109471444B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471444A (zh) | 基于改进Dijkstra算法的停车AGV路径规划方法 | |
CN106251016B (zh) | 一种基于动态时间窗的泊车***路径规划方法 | |
Wang et al. | Shapley Q-value: A local reward approach to solve global reward games | |
CN108762268B (zh) | 多agv无碰撞路径规划算法 | |
CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
CN107203190B (zh) | 一种基于复杂路径的惯性导航agv调度方法及*** | |
CN109949604A (zh) | 一种大型停车场调度导航方法、***以及使用方法 | |
CN110807236A (zh) | 一种基于多机器人的仓储物流仿真*** | |
CN110515380A (zh) | 基于转弯权重约束的最短路径规划方法 | |
CN106156961A (zh) | 一种车辆调度方法和装置 | |
CN109934388A (zh) | 一种用于智能拣选优化*** | |
CN106843270A (zh) | 一种无人机快递自动投送路径规划方法 | |
CN109978232A (zh) | 一种用于agv小车路径优化算法 | |
CN108764579A (zh) | 一种基于拥塞控制的仓储多机器人任务调度方法 | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN114548772A (zh) | 配送任务调度方法、装置、存储介质及电子设备 | |
Yang et al. | Dynamic time estimation based AGV dispatching algorithm in automated container terminal | |
Liu et al. | Simultaneous planning and scheduling for multi-autonomous vehicles | |
CN112365745B (zh) | 基于路径动态分组的复杂机场场面冲突探测与解脱方法 | |
Zhang et al. | APFD: an effective approach to taxi route recommendation with mobile trajectory big data | |
WO2022032444A1 (zh) | 一种多智能主体避障方法、***和计算机可读存储介质 | |
CN113435722B (zh) | U型自动化码头多设备混合调度方法及电子设备 | |
CN113988424A (zh) | 一种循环甩挂运输调度方法 | |
WO2021252683A1 (en) | Systems and methods for controlling automated systems using integer programming and column generation techniques | |
Chow et al. | Adaptive scheduling of mixed bus services with flexible fleet size assignment under demand uncertainty |
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 |