CN110428161A - 一种基于端边云架构的无人驾驶矿车云智能调度方法 - Google Patents

一种基于端边云架构的无人驾驶矿车云智能调度方法 Download PDF

Info

Publication number
CN110428161A
CN110428161A CN201910676412.XA CN201910676412A CN110428161A CN 110428161 A CN110428161 A CN 110428161A CN 201910676412 A CN201910676412 A CN 201910676412A CN 110428161 A CN110428161 A CN 110428161A
Authority
CN
China
Prior art keywords
mine car
unmanned mine
task
unmanned
parking
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
Application number
CN201910676412.XA
Other languages
English (en)
Other versions
CN110428161B (zh
Inventor
王云鹏
冯小原
任毅龙
于海洋
杨阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING TAGE IDRIVER TECHNOLOGY CO.,LTD.
Original Assignee
Beijing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Aeronautics and Astronautics filed Critical Beijing University of Aeronautics and Astronautics
Priority to CN201910676412.XA priority Critical patent/CN110428161B/zh
Publication of CN110428161A publication Critical patent/CN110428161A/zh
Application granted granted Critical
Publication of CN110428161B publication Critical patent/CN110428161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Signal Processing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于端边云架构的无人驾驶矿车云智能调度方法无人驾驶矿车云智能调度***主要由监控应急***、智能停车场***、无人驾驶矿车、云智能调度平台四个子***构成；本发明提出的一种基于端边云架构的无人驾驶矿车云智能调度方法，设定了无人驾驶汽车新的应用场景和实施办法，为无人驾驶矿车调度提供了新思路新方法，可以有效减少企业的运营成本；可以有效避免在无任务情况下无人驾驶矿车仍在矿区占用路面资源，提高总体运输效率。

Description

一种基于端边云架构的无人驾驶矿车云智能调度方法
技术领域
本发明涉及智能交通领域，特别是涉及一种基于端边云架构的无人驾驶矿车云智能调度方法。
背景技术
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，汽车自动驾驶***通常使用地图为车辆规划出行驶路径，对车辆进行导航，控制车辆行驶。在行驶过程中利用视频摄像头、雷达传感器以及激光测距器等传感器组件探测车辆周围的障碍物信息，控制车辆避让车辆周围的障碍物。与此同时，矿区的工作环境较为恶劣、危险系数高，有较多大型机械设备，一方面存在人员招聘和管理困难的问题，另一方面矿区道路边界不明显，在高尘环境及其他恶劣天气下容易发送安全事故，造成严重的人身伤亡和财产损失。
无人驾驶矿车的使用，将在一定程度上改善企业健康业绩指标，降低矿区人力成本，提高矿区生产效率，有助于构建绿色矿区、智慧矿区的构建。基于以上背景，无人驾驶矿车应用于露天矿区将产生巨大的收益。不仅可以彻底解决矿区司机招聘困难、管理困难的问题，还可以通过智能平台合理规划无人驾驶矿车调度方案，提升矿区的综合运营效益。
现有的国内专利中，对无人驾驶矿车的研究较少，且内容多是对无人驾驶矿车车辆本身设计和车辆协同控制的研究，还未涉及在不同任务和多个装载点下如何对无人驾驶矿车进行智能调度，从而进行合理的任务分配，实现矿区的综合运营效益最大化。因此，提出一种基于端边云架构的无人驾驶矿车云智能调度***，在当前非常有必要。
发明内容
为了解决上述问题，本发明提出一种基于端边云架构的无人驾驶矿车云智能调度方法，所述方法采用无人驾驶矿车云智能调度***实现，该***主要由监控应急***、智能停车场***、无人驾驶矿车、云智能调度平台四个子***构成。
监控应急***是加载在无人驾驶矿车的特殊功能模块，包括了监测模块和紧急管理模块两个子模块。所述监测模块用于监测矿车任务完成情况，监测模块包括无人驾驶矿车车载的视频传感器传回的现场任务情况和矿区安装的监控传回的视频，管理人员可任意切换视频进行查看掌握整个矿区的运作情况；所述紧急管理模块用于当自动驾驶矿车出现紧急问题，管理人员通过该模块对矿车进行控制，强制其停止任务，防止安全事故的发生。
无人驾驶矿车包括通讯模块、环境感知模块、规划与决策模块、定位模块、自助泊车模块、控制模块。所述通讯模块用于接收云智能调度平台发送的控制指令，同时将无人驾驶矿车的决策信息及实时运行状况回传至云智能调度平台，包括矿车所处地理位置、速度、规划运行路线等；环境感知模块通过传感器、视频等设备采集无人驾驶矿车所处矿区环境，获取可行驶路况信息，用于可通行路面识别、障碍物识别等，为无人驾驶矿车运行控制提供依据；定位模块用于获取无人驾驶矿车的地理位置信息；自助泊车模块即在无人驾驶矿车装载任务结束且无新任务接入时，完成无人驾驶矿车停车区域可停车位搜寻与自动倒车入库两大关键任务，以矿车当前地理位置和周围的环境参数为基点，搜寻距离矿车当前位置较近的停车区域，获取其剩余停车位数量信息，再根据特定的停车算法获得正确的泊车策略和泊车路径。通过车身的环境感知***检测出泊车位信息，通过自动驾驶***将车辆自动停泊入位；控制装置根据道路信息、位置信息和控制指令对无人驾驶矿车进行控制，完成无人驾驶矿车运行需求。
智能停车场***是为了实现无人驾驶矿车自助泊车而设置的一套辅助***，可以实现矿区停车区域车位实时监测与管理、车辆识别等功能。智能停车场***可实时在线发布剩余车位信息，与无人驾驶矿车进行信息交互，从而辅助车辆快速入库。智能停车场的设置可以方便对矿车进行管理和检修，另一方面可以避免无人驾驶矿车在无新任务接入时，停驻原地占用矿区内路面空间，影响其他车辆通行。智能停车场***主要包括地磁感应器、无线通讯模块、实时信息管理与发布模块等。
云智能调度平台接收挖机装载任务信息、无人驾驶矿车实时位置及速度信息，云智能调度平台分析任务需求和任务位置点信息，综合考虑运输效率、任务等级重要性、车辆装载量等因素，生成车辆调度指令，并下达给无人驾驶矿车。
步骤一、上传矿区工作任务至云智能调度平台。工作任务信息包括：装载区编号、装载量大小、开始装载时间等；云智能调度平台收集任务订单并更新无人驾驶矿车当前的运行/等待状态；
步骤二、云智能调度平台的计算模块含有矿区的地图文件，通过分析任务需求中的装载区地理位置和所需装载量大小来寻找其周围适配的矿车。云智能调度平台寻找的矿车不仅是处于矿区停车场的静态等待车辆，也包括处于工作状态中的有装载余量的无人驾驶矿车。若能够匹配到处于工作状态且有装载余量的无人驾驶矿车，则优先选择该车辆，从而减少无人驾驶矿车的使用数量，降低运营成本；若在规定的时间内未搜寻到符合条件的在途车辆，则寻找静态等待车辆。在这一过程中，云智能调度平台需要完成多目标多无人驾驶矿车的调度模型建立以及算法求解，具体描述如下：
S201多目标多无人驾驶矿车调度模型建立。将装载任务需求匹配到矿区地图并标记为节点，无人驾驶矿的行驶路径设定为路径上各节点的连线。调度***中无人驾驶矿车的数量是确定的，且运行过程中以恒定速度行驶，当有新任务接入时***刷新一次，在初始分配方案基础上执行一次匹配，若能寻找到有装载余量的在途无人驾驶矿车，则优先安排该矿车，否则安排新一辆矿车。
符号说明：
装载任务点集合为T0＝{1，2，...，NT}，NT为装载任务点数量；
装载量集合为 为装载任务点NT的装载需求；
卸货区域集合为T1＝{1，2，...，NX}，NX为卸货区域的个数；
矿区停车场集合B＝{1，2，...，NB}，NB为矿区停车场数目；
矿区装卸任务点总集合T＝T0∪T1，矿区所有节点总集合N＝T0∪B∪T1
装卸任务点之间的路线为AT＝{(i，j)|i，j∈T∧i≠j}，不同装卸任务点与不同停车区之间的线路集合A0＝{(i，j)|i∈B∧j∈T，或者i∈T∧j∈B}；
每条路径(i，j)∈A原则上均由无人驾驶矿车路径规划求得，dij表示无人驾驶矿车沿(i，j)行驶的距离；
tij表示从i到j的行驶时间，v表示矿车行驶速度；
表示无人驾驶矿车在i点进行装卸任务停留的时间，
表示无人驾驶矿车到达i任务点开始装卸的时刻；
表示停车区b的无人驾驶矿车集合，Nb为该停车区最大无人驾驶矿车数量，表示所有可用的无人驾驶矿车数量。
目标函数：
一运输时间成本最小其中N为所有节点集合；为决策变量，取值为0或1，位于停车区b的第p辆无人驾驶矿车从i装卸任务点到j装卸任务点时，其取值为1，否则为0，tij表示从i到j的行驶时间，表示无人驾驶矿车在i点进行装卸任务停留的时间；
二是完成装卸任务的总无人驾驶矿车数量最小 表示无人驾驶矿车从停车区b出发到达装载区j；
约束条件：
一每个停车区执行装卸任务的无人驾驶矿车数目不超过该停车区所拥有无人驾驶矿车最大数量
表示无人驾驶矿车从停车区b出发到达装载区j，取值为0或1，对任意停车区b，从b出发的无人驾驶矿车数量不能超过该停车区拥有的无人驾驶矿车数量Nb：
二由于每架无人驾驶矿车受油耗限制，假设在装载途中车辆不耗油，则任意无人驾驶矿车工作总时不超过Tpmaxmin
三某一无人驾驶矿车在执行完装卸任务后无新任务接入则返回距最后任务点最近的停车区。表示无人驾驶矿车从停车区b出发到达装载区j，取值为0或1。表示无人驾驶矿车从装载区i回到停车区d，取值为0或1
四无人驾驶矿车装载量约束：矿车在执行载运任务过程中其装载量人数不能超过最大容量，有式中表示矿车在i装载点的装载矿石吨数，Q表示无人驾驶矿车最大容许装载量
五矿区需求量约束：任意装载区都有装载任务需求，无人驾驶矿车需完成每个装载区的任务量，Qi表示i装载区的要求装载量，表示无人驾驶矿车在i装载点的装载矿石吨数
六时序约束，同时要保证无人驾驶矿车先装车再卸车。表示无人驾驶矿车到达装卸点i的时刻，tij表示从i到j的行驶时间，表示无人驾驶矿车到达装卸点j的时刻
S202对提出的多目标多无人驾驶矿车调度模型进行求解，选用粒子群算法找到较优解。在d维空间中，有n个粒子。其中粒子i的位置Xi＝(xi1，xi2，...，xid)，速度为Vi＝(vi1，vi2，...，vid)。粒子i所搜寻到的最好位置Pbestid＝(pbesti1，pbesti2，...，pbestid)，种群所经历的最好的位置Gbestid＝(gbesti1，gbesti2，...，gbestid)。第i个粒子在第k次迭代第d维速度和位置的更新公式为：
式中：w是惯性权重；c1和c2为学习因子；r1和r2为(0，1)之间均匀分布的随机数。第d维的位置变化范围为[-XMaxd，XMaxd]，速度变化范围为[-VMaxXd，VMaxXd]。
对于每个粒子，将其当前的fitness value与历史最佳的位置(Pbest)所对应的fitness value做比较。若当前的fitness value更高，则将当前的位置更新Pbest。对于每个粒子，将其当前的fitness value与群体历史最佳的位置(Gbest)所对应的fitnessvalue做比较。若当前的fitness value更高，则将当前的位置更新Gbest。基于端边云架构的无人驾驶矿车云智能调度模型的目标函数有2个，由于量纲不同，将其归一化转化为但目标求解，得到的fitness函数表达式如下：
式中N1、N2是为了消除量纲不同人为选取的权重系数。粒子群算法参数主要包括惯性权重、学习因子、种群大小、迭代次数、惩罚系数。惯性权重的取值一般为0.2≤w≤1，通常在[0.4，0.9]之间效果较好，经过多次实验，本文将惯性权重值w设置为0.8，种群大小设置为50。
模型的约束条件在粒子编码过程中得到满足。采用2×M(M是将每个装载区根据装载量划分的子任务总数量)维向量表示无人驾驶矿车的分配问题，粒子的第一维表示装载区的任务分配和运输顺序，第二维表示每个子任务对应的卸货区。第一维任务分配和运输顺序采用轮盘赌策略生成。第二维为卸货区的随机排列。以3个装载区为例，按照装载量可划分为9个子任务。例如设从区间[0，1]中产生4个随机数：
r1＝0.14，r2＝0.18，r3＝0.57，r4＝0.96
则4辆无人驾驶矿车按照轮盘赌策略生成的选择概率表如下：
步骤三、云智能调度平台匹配好矿区装卸区任务点与无人驾驶矿车后，下达调度指令给车辆，车辆启动并开始执行任务，在此过程中，无人驾驶矿车的监控应急***启动，管理人员可查看车辆实时工作状况；
步骤四、在无人驾驶矿车工作过程中，其行驶路线和行驶状态都由云智能调度平台掌握，当有新任务需求接入时，云智能调度平台判断是否有符合要求的车辆。若有，则将新任务派送给该辆无人驾驶矿车，重复步骤三，依次完成任务；若无，该车辆完成原任务后，无人驾驶矿车的自助泊车模块启动。基于当前车辆地理位置与矿区的智能停车场***进行交互，获取停车区地点及停车位数量，根据最佳停车路径算法确定停车路线，从而控制无人驾驶矿车前往停车点并倒车入库。
步骤五、无人驾驶矿车倒车入库后进行等待模式，向云智能调度平台发送最终位置信息并更新车辆状态。
本发明的优点及积极效果在于：
(1)本发明提出的一种基于端边云架构的无人驾驶矿车云智能调度方法，设定了无人驾驶汽车新的应用场景和实施办法，为无人驾驶矿车调度提供了新思路新方法；
(2)本发明在无人驾驶矿车与装载任务区匹配过程中，保证初始分配方案不变的基础上，选择有余量的在途无人驾驶矿车接受新的任务，避免启动过多重型机械，可以有效减少企业的运营成本；
(3)本发明对无人驾驶矿车在无任务情况下提出了自主泊停的要求，并设置了智能停车场概念，可以有效避免在无任务情况下无人驾驶矿车仍在矿区占用路面资源，提高总体运输效率。
附图说明
图1为一种基于端边云架构的无人驾驶矿车云智能调度***结构图；
图2为一种基于端边云架构的无人驾驶矿车云智能调度***具体操作流程；
图3为本发明智能停车场***与无人驾驶矿车信息交流示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
参见图1，本实施例的一种基于端边云架构的无人驾驶矿车云智能调度***，包括监控应急***、智能停车场***、无人驾驶矿车、云智能调度平台。所述监控应急***用于对无人驾驶矿车实时工作状况及整个矿区情况进行监测，并在紧急情况下由管理人员对矿车强制制动，接管无人驾驶矿车；所述智能停车场***是无人驾驶矿车自助泊车的基础性***，通过地磁感应器获取车位占用信息并与无人驾驶矿车进行信息交流；所述无人驾驶矿车包括通讯模块、环境感知模块、规划与决策模块、控制模块、自助泊车模块，所述通讯模块用于接收云智能调度平台发送的控制指令，同时将无人驾驶矿车的决策信息及实时运行状况回传至云智能调度平台，所述环境感知模块采集无人驾驶矿车所处矿区环境，获取道路信息，用于障碍物识别，所述定位模块用于获取无人驾驶矿车的地理位置信息，所述自助泊车模块通过与智能停车场***进行信息交流，帮助车辆快速锁定停车场并自动停泊入位，所述控制装置根据道路信息、位置信息和控制指令对无人驾驶矿车进行控制，完成无人驾驶矿车运行需求；所述云智能调度平台通过调度算法对无人驾驶矿车进行任务分配。
本实施例提供了一套一种基于端边云架构的无人驾驶矿车云智能调度***，高效的实现了矿区装卸的运输服务功能。
如图2所示，本发明实施例提供一种基于端边云架构的无人驾驶矿车云智能调度***具体操作流程，包括：
步骤一、管理人员上传矿区工作任务至云智能调度平台。工作任务信息包括：装载区编号、装载量大小、开始装载时间等；云智能调度平台收集任务订单并更新无人驾驶矿车当前的运行/等待状态；
步骤二、云智能调度平台的计算模块含有矿区的地图文件，通过分析任务需求中的装载区地理位置和所需装载量大小来寻找其周围适配的矿车。云智能调度平台寻找的矿车不仅是处于矿区停车场的静态等待车辆，也包括处于工作状态中的有装载余量的无人驾驶矿车。若能够匹配到处于工作状态且有装载余量的无人驾驶矿车，则优先选择该车辆，从而减少无人驾驶矿车的使用数量，降低运营成本；若在规定的时间内未搜寻到符合条件的在途车辆，则寻找静态等待车辆。以5min为例，若在5min内未搜寻到符合条件的在途矿车，则寻找该装载区附近的停车区的等待矿车，派遣一辆新的车辆执行装载任务。在这一过程中，云智能调度平台云智能调度平台需要完成多目标多无人驾驶矿车的调度模型建立以及算法求解，具体描述如下：
S201多目标多无人驾驶矿车调度模型建立。将装载任务需求匹配到矿区地图并标记为节点，无人驾驶矿的行驶路径设定为路径上各节点的连线。调度***中无人驾驶矿车的数量是确定的，且运行过程中以恒定速度行驶，当有新任务接入时***刷新一次，在初始分配方案基础上执行一次匹配，若能寻找到有装载余量的在途无人驾驶矿车，则优先安排该矿车，否则安排新一辆矿车。
目标函数：
一运输时间成本最小其中N为所有节点集合；为决策变量，取值为0或1，位于停车区b的第p辆无人驾驶矿车从i装卸任务点到j装卸任务点时，其取值为1，否则为0，tij表示从i到j的行驶时间，表示无人驾驶矿车在i点进行装卸任务停留的时间；
二是完成装卸任务的总无人驾驶矿车数量最小 表示无人驾驶矿车从停车区b出发到达装载区j；
约束条件：
一每个停车区执行装卸任务的无人驾驶矿车数目不超过该停车区所拥有无人驾驶矿车最大数量
表示无人驾驶矿车从停车区b出发到达装载区j，取值为0或1，对任意停车区b，从b出发的无人驾驶矿车数量不能超过该停车区拥有的无人驾驶矿车数量Nb；
二由于每架无人驾驶矿车受油耗限制，假设在装载途中车辆不耗油，则任意无人驾驶矿车工作总时不超过Tpmaxmin
三某一无人驾驶矿车在执行完装卸任务后无新任务接入则返回距最后任务点最近的停车区。表示无人驾驶矿车从停车区b出发到达装载区j，取值为0或1，表示无人驾驶矿车从装载区i回到停车区d，取值为0或1
四无人驾驶矿车装载量约束：矿车在执行载运任务过程中其装载量人数不能超过最大容量，有式中表示矿车在i装载点的装载矿石吨数，Q表示无人驾驶矿车最大容许装载量
五矿区需求量约束：任意装载区都有装载任务需求，无人驾驶矿车需完成每个装载区的任务量，Qi表示i装载区的要求装载量，表示无人驾驶矿车在i装载点的装载矿石吨数
六时序约束，同时要保证无人驾驶矿车先装车再卸车。表示无人驾驶矿车到达装卸点i的时刻，tij表示从i到j的行驶时间，表示无人驾驶矿车到达装卸点j的时刻
S202对提出的多目标多无人驾驶矿车调度模型进行求解，选用粒子群算法找到较优解。在d维空间中，有n个粒子。其中粒子i的位置Xi＝(xi1，xi2，...，xid)，速度为Vi＝(vi1，vi2，...，vid)。粒子i所搜寻到的最好位置Pbestid＝(pbesti1，pbesti2，...，pbestid)，种群所经历的最好的位置Gbestid＝(gbesti1，gbesti2，...，gbestid)。第i个粒子在第k次迭代第d维速度和位置的更新公式为：
式中：w是惯性权重；c1和c2为学习因子；r1和r2为(0，1)之间均匀分布的随机数。第d维的位置变化范围为[-XMaxd，XMaxd]，速度变化范围为[-VMaxXd，VMaxXd]。
对于每个粒子，将其当前的fitness value与历史最佳的位置(Pbest)所对应的fitness value做比较。若当前的fitness value更高，则将当前的位置更新Pbest。对于每个粒子，将其当前的fitness value与群体历史最佳的位置(Gbest)所对应的fitnessvalue做比较。若当前的fitness value更高，则将当前的位置更新Gbest。基于端边云架构的无人驾驶矿车云智能调度模型的目标函数有2个，由于量纲不同，将其归一化转化为但目标求解，得到的fitness函数表达式如下：
式中N1、N2是为了消除量纲不同人为选取的权重系数。粒子群算法参数主要包括惯性权重、学习因子、种群大小、迭代次数、惩罚系数。惯性权重的取值一般为0.2≤w≤1，通常在[0.4，0.9]之间效果较好，经过多次实验，本文将惯性权重值w设置为0.8，种群大小设置为50。
模型的约束条件在粒子编码过程中得到满足。采用2×M(M是将每个装载区根据装载量划分的子任务总数量)维向量表示无人驾驶矿车的分配问题，粒子的第一维表示装载区的任务分配和运输顺序，第二维表示每个子任务对应的卸货区。第一维任务分配和运输顺序采用轮盘赌策略生成。第二维为卸货区的随机排列。以3个装载区为例，按照装载量可划分为9个子任务。例如设从区间[0，1]中产生4个随机数：
r1＝0.14，r2＝0.18，r3＝0.57，r4＝0.96
则4辆无人驾驶矿车按照轮盘赌策略生成的选择概率表如下：
本例中装载区集合T0＝{1，2，3，4}，装载需求Q＝{25，5，5，10}，表示装载区1需要完成运输25吨煤的需求，装载区2需要完成25吨煤的运输需求，T1＝{1，2，3}表示有3个卸货区，Vb＝{2，1，1}表示3个停车区域分别有2辆、1辆、1辆共4辆无人驾驶矿车，序号分别为1、2、3、4，以无人驾驶矿车标准载荷5吨将各装载区划分成不同任务集。此时，1区有5个任务集，3区1个任务集，共15个装载任务，加上三个装卸节点，共18个装卸节点。每个任务仅被服务一次。
粒子群算法随机生成的2x15维向量为：
调整后的向量表示为：
下标为根据数值从大到小排列得到的顺序，xt为对应装载后的卸货区，由上述调整后的位置向量可得到对应的无人驾驶矿车解路径如下表所示：
步骤三、云智能调度平台匹配好矿区装卸区任务点与无人驾驶矿车后，下达调度指令给车辆，车辆启动并开始执行任务，在此过程中，无人驾驶矿车的监控应急***启动，管理人员可查看车辆实时工作状况；
步骤四、在无人驾驶矿车工作过程中，其行驶路线和行驶状态都由云智能调度平台掌握，当有新任务需求接入时，云智能调度平台判断是否有符合时间的车辆。若有，则将新任务派送给该辆无人驾驶矿车，重复步骤三，依次完成任务；若无，该车辆完成原任务后，无人驾驶矿车的自助泊车模块启动。基于当前车辆地理位置与矿区的智能停车场***进行交互，获取停车区地点及停车位数量，根据最佳停车路径算法确定停车路线，从而控制无人驾驶矿车前往停车点并倒车入库。
步骤五、无人驾驶矿车倒车入库后进行等待模式，向云智能调度平台发送最终位置信息并更新车辆状态。

Claims (1)

1.一种基于端边云架构的无人驾驶矿车云智能调度方法，其特征在于，
所述方法采用基于端边云架构的无人驾驶矿车云智能调度实现，所述基于端边云架构的无人驾驶矿车云智能调度***包括：
监控应急***、智能停车场***、无人驾驶矿车、云智能调度平台；
监控应急***，是加载在无人驾驶矿车的***，包括了监测模块和紧急管理模块两个模块；所述监测模块用于监测矿车任务完成情况，监测模块包括无人驾驶矿车车载的视频传感器传回的现场任务情况和矿区安装的监控传回的视频；所述紧急管理模块用于当自动驾驶矿车出现紧急问题，管理人员通过该模块对矿车进行控制，强制其停止任务，防止安全事故的发生；
智能停车场***，是为了实现无人驾驶矿车自助泊车而设置的***，智能停车场***实时在线发布剩余车位信息，与无人驾驶矿车进行信息交互，从而辅助车辆快速入库；智能停车场***包括地磁感应器、无线通讯模块、实时信息管理与发布模块；
无人驾驶矿车，包括通讯模块、环境感知模块、规划与决策模块、定位模块、自助泊车模块、控制模块；所述通讯模块用于接收云智能调度平台发送的控制指令，同时将无人驾驶矿车的决策信息及实时运行状况回传至云智能调度平台，包括矿车所处地理位置、速度、规划运行路线；环境感知模块通过传感器、视频等设备采集无人驾驶矿车所处矿区环境，获取可行驶路况信息，用于可通行路面识别、障碍物识别等，为无人驾驶矿车运行控制提供依据；定位模块用于获取无人驾驶矿车的地理位置信息；自助泊车模块即在无人驾驶矿车装载任务结束且无新任务接入时，完成无人驾驶矿车停车区域可停车位搜寻与自动倒车入库两大关键任务，以矿车当前地理位置和周围的环境参数为基点，搜寻距离矿车当前位置较近的停车区域，获取其剩余停车位数量信息，再根据特定的停车算法获得正确的泊车策略和泊车路径；通过车身的环境感知模块检测出泊车位信息，通过自动驾驶***将车辆自动停泊入位；控制装置根据道路信息、位置信息和控制指令对无人驾驶矿车进行控制，完成无人驾驶矿车运行需求；
云智能调度平台接收挖机装载任务信息、无人驾驶矿车实时位置及速度信息，云智能调度平台分析任务需求和任务位置点信息，综合考虑运输效率、任务等级重要性、车辆装载量等因素，生成车辆调度指令，并下达给无人驾驶矿车；所述云智能调度平台包括如下模块：
矿区工作任务上传模块，所述矿区工作任务上传模块接收管理人员上传矿区工作任务至云智能调度平台，其中工作任务的信息包括：装载区编号、装载量大小、开始装载时间；云智能调度平台收集任务订单并更新无人驾驶矿车当前的运行/等待状态；
计算模块，云智能调度平台的计算模块含有矿区的地图文件，通过分析任务需求中的装载区地理位置和所需装载量大小来寻找其周围适配的矿车；云智能调度平台寻找的矿车不仅是处于矿区停车场的静态等待车辆，也包括处于工作状态中的有装载余量的无人驾驶矿车；若能够匹配到处于工作状态且有装载余量的无人驾驶矿车，则优先选择该车辆；若在规定的时间内未搜寻到符合条件的在途车辆，则寻找静态等待车辆；计算模块完成多目标多无人驾驶矿车的调度模型建立以及算法求解；
所述方法包括如下步骤：
S001 多目标多无人驾驶矿车调度模型建立
将装载任务需求匹配到矿区地图并标记为节点，无人驾驶矿的行驶路径设定为路径上各节点的连线；调度***中无人驾驶矿车的数量是确定的，且运行过程中以恒定速度行驶，当有新任务接入时***刷新一次，在初始分配方案基础上执行一次匹配，若能寻找到有装载余量的在途无人驾驶矿车，则优先安排该矿车，否则安排新一辆矿车；
S002 对提出的多目标多无人驾驶矿车调度模型进行求解，选用粒子群算法找到较优解；
在d维空间中，有n个粒子，其中粒子i的位置Xi＝(xi1，xi2，...，xid)，速度为Vi＝(vi1，wi2，...，vid)；粒子i所搜寻到的最好位置Pbestid＝(pbesti1，pbesti2，...，pbestid)，种群所经历的最好的位置Gbestid＝(gbesti1，gbesti2，...，gbestid)；第i个粒子在第k次迭代第d维速度和位置的更新公式为：
式中：w是惯性权重；c1和c2为学习因子；r1和r2为(0，1)之间均匀分布的随机数；第d维的位置变化范围为[-XMaxd，XMaxa]，速度变化范围为[-VMaxXd，VMaxXd]；
对于每个粒子，将其当前的fitness value与历史最佳的位置(Pbest)所对应的fitness value做比较；若当前的fitness value更高，则将当前的位置更新Pbest；对于每个粒子，将其当前的fitness value与群体历史最佳的位置(Gbest)所对应的fitnessvalue做比较；若当前的fitness value更高，则将当前的位置更新Gbest；基于端边云架构的无人驾驶矿车云智能调度模型的目标函数有2个，由于量纲不同，将其归一化转化为但目标求解，得到的fitness函数表达式如下：
式中N1、N2是为了消除量纲不同人为选取的权重系数；粒子群算法参数主要包括惯性权重、学习因子、种群大小、迭代次数、惩罚系数；惯性权重的取值一般为0.2≤w≤1，通常在[0.4，0.9]之间效果较好，经过多次实验，本文将惯性权重值w设置为0.8，种群大小设置为50；
模型的约束条件在粒子编码过程中得到满足；采用2×M维向量表示无人驾驶矿车的分配问题，M是将每个装载区根据装载量划分的子任务总数量，粒子的第一维表示装载区的任务分配和运输顺序，第二维表示每个子任务对应的卸货区；第一维任务分配和运输顺序采用轮盘赌策略生成，顺序以数值从大到小进行排列；第二维为卸货区的随机排列；
S003 云智能调度平台匹配好矿区装卸区任务点与无人驾驶矿车后，下达调度指令给车辆，车辆启动并开始执行任务，在此过程中，无人驾驶矿车的监控应急***启动，管理人员可查看车辆实时工作状况；
S004 在无人驾驶矿车工作过程中，其行驶路线和行驶状态都由云智能调度平台掌握，当有新任务需求接入时，云智能调度平台判断是否有符合要求的车辆。若有，则将新任务派送给该辆无人驾驶矿车，重复步骤S003，依次完成任务；若无，该车辆完成原任务后，无人驾驶矿车的自助泊车模块启动。基于当前车辆地理位置与矿区的智能停车场***进行交互，获取停车区地点及停车位数量，根据最佳停车路径算法确定停车路线，从而控制无人驾驶矿车前往停车点并倒车入库；
S005 无人驾驶矿车倒车入库后进行等待模式，向云智能调度平台发送最终位置信息并更新车辆状态。
CN201910676412.XA 2019-07-25 2019-07-25 一种基于端边云架构的无人驾驶矿车云智能调度方法 Active CN110428161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910676412.XA CN110428161B (zh) 2019-07-25 2019-07-25 一种基于端边云架构的无人驾驶矿车云智能调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910676412.XA CN110428161B (zh) 2019-07-25 2019-07-25 一种基于端边云架构的无人驾驶矿车云智能调度方法

Publications (2)

Publication Number Publication Date
CN110428161A true CN110428161A (zh) 2019-11-08
CN110428161B CN110428161B (zh) 2020-06-02

Family

ID=68410698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910676412.XA Active CN110428161B (zh) 2019-07-25 2019-07-25 一种基于端边云架构的无人驾驶矿车云智能调度方法

Country Status (1)

Country Link
CN (1) CN110428161B (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111429741A (zh) * 2020-03-24 2020-07-17 江苏徐工工程机械研究院有限公司 交通管理方法、装置和***、服务器和存储介质
CN111583690A (zh) * 2020-04-15 2020-08-25 北京踏歌智行科技有限公司 一种基于5g的矿区无人运输***的弯道协同感知方法
CN113219933A (zh) * 2021-07-08 2021-08-06 北京踏歌智行科技有限公司 基于数字孪生预测的露天矿无人驾驶卡车调度***及方法
CN113222418A (zh) * 2021-05-17 2021-08-06 重庆梅安森科技股份有限公司 一种用于井下自动化运输***的调度管理方法
CN113460068A (zh) * 2021-06-23 2021-10-01 安徽海博智能科技有限责任公司 一种具有驾驶模式切换的矿车无人驾驶***及方法
CN113525418A (zh) * 2021-06-11 2021-10-22 华能伊敏煤电有限责任公司 矿区运输卡车自动控制路径的方法
CN113741474A (zh) * 2021-09-13 2021-12-03 上海伯镭智能科技有限公司 一种无人驾驶矿车的停泊区域识别方法及装置
CN113822769A (zh) * 2021-08-31 2021-12-21 东风商用车有限公司 一种矿区业务信息交互方法、装置、设备及可读存储介质
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
CN114383599A (zh) * 2022-01-17 2022-04-22 北京宸控科技有限公司 一种井下铲运机的路径规划***
CN114510050A (zh) * 2022-02-14 2022-05-17 北京路凯智行科技有限公司 矿区无人驾驶***卸载位的指定方法以及指定***
CN114895682A (zh) * 2022-05-19 2022-08-12 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车行走参数校正方法及***
CN114911238A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车协同控制方法及***
CN114911239A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车的异常识别方法及***
CN114913708A (zh) * 2022-07-18 2022-08-16 深圳市华睿智兴信息科技有限公司 一种用于智能停车场的停车路径引导***及方法
CN115171399A (zh) * 2022-06-20 2022-10-11 陕西智引科技有限公司 煤矿车辆调度方法、装置和***
CN115271559A (zh) * 2022-09-27 2022-11-01 北京易控智驾科技有限公司 无人车的调度平台、无人车、调度方法和存储介质
WO2022237115A1 (zh) * 2021-05-13 2022-11-17 中车长春轨道客车股份有限公司 一种轨道车辆的能力管理及节能辅助驾驶方法及相关装置
CN115526432A (zh) * 2022-11-04 2022-12-27 上海伯镭智能科技有限公司 一种无人驾驶矿车的能源优化方法及装置
CN115963820A (zh) * 2022-12-13 2023-04-14 江苏集萃清联智控科技有限公司 一种智慧矿山***
CN116205388A (zh) * 2023-02-07 2023-06-02 上海伯镭智能科技有限公司 一种针对矿车集群的路径分配方法和装置
CN116430877A (zh) * 2023-06-13 2023-07-14 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车任务分配方法及***
CN116645233A (zh) * 2023-07-27 2023-08-25 北京路凯智行科技有限公司 自动化矿区***和用自动化矿区***进行矿区作业的方法
CN117458486A (zh) * 2023-12-25 2024-01-26 宁波长壁流体动力科技有限公司 矿区智能供电***的控制方法和矿区智能供电***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1750028A (zh) * 2005-10-21 2006-03-22 浙江工业大学 一种车辆调度问题的粒子群优化方法
WO2012013517A1 (fr) * 2010-07-27 2012-02-02 Thales Procede de determination optimale des caracteristiques et de la disposition d'un ensemble de senseurs de surveillance d'une zone
CN103164782A (zh) * 2011-12-16 2013-06-19 招商局国际信息技术有限公司 一种集装箱卡车智能调度***及方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN107220725A (zh) * 2017-04-25 2017-09-29 西北工业大学 基于元启发式算法的动态编组调度优化方法
CN107886196A (zh) * 2017-11-13 2018-04-06 西华大学 一种用于货物取送的单车调度方法
WO2019125728A1 (en) * 2017-12-21 2019-06-27 Wing Aviation Llc Anticipatory dispatch of uavs to pre-staging locations
CN109978447A (zh) * 2019-03-06 2019-07-05 北京三快在线科技有限公司 一种物流配送线路规划方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1750028A (zh) * 2005-10-21 2006-03-22 浙江工业大学 一种车辆调度问题的粒子群优化方法
WO2012013517A1 (fr) * 2010-07-27 2012-02-02 Thales Procede de determination optimale des caracteristiques et de la disposition d'un ensemble de senseurs de surveillance d'une zone
CN103164782A (zh) * 2011-12-16 2013-06-19 招商局国际信息技术有限公司 一种集装箱卡车智能调度***及方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN107220725A (zh) * 2017-04-25 2017-09-29 西北工业大学 基于元启发式算法的动态编组调度优化方法
CN107886196A (zh) * 2017-11-13 2018-04-06 西华大学 一种用于货物取送的单车调度方法
WO2019125728A1 (en) * 2017-12-21 2019-06-27 Wing Aviation Llc Anticipatory dispatch of uavs to pre-staging locations
CN109978447A (zh) * 2019-03-06 2019-07-05 北京三快在线科技有限公司 一种物流配送线路规划方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梁旭等: "基于混合粒子群算法的在线检测路径规划", 《理论与方法》 *
王铁君，邬月春: "基于混沌粒子群算法的物流配送路径优化", 《COMPUTER ENGINEERING AND APPLICATIONS计算机工程与应用》 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111060108B (zh) * 2019-12-31 2021-10-12 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111429741A (zh) * 2020-03-24 2020-07-17 江苏徐工工程机械研究院有限公司 交通管理方法、装置和***、服务器和存储介质
CN111583690A (zh) * 2020-04-15 2020-08-25 北京踏歌智行科技有限公司 一种基于5g的矿区无人运输***的弯道协同感知方法
CN111583690B (zh) * 2020-04-15 2021-08-20 北京踏歌智行科技有限公司 一种基于5g的矿区无人运输***的弯道协同感知方法
WO2022237115A1 (zh) * 2021-05-13 2022-11-17 中车长春轨道客车股份有限公司 一种轨道车辆的能力管理及节能辅助驾驶方法及相关装置
CN113222418A (zh) * 2021-05-17 2021-08-06 重庆梅安森科技股份有限公司 一种用于井下自动化运输***的调度管理方法
CN113525418A (zh) * 2021-06-11 2021-10-22 华能伊敏煤电有限责任公司 矿区运输卡车自动控制路径的方法
CN113460068A (zh) * 2021-06-23 2021-10-01 安徽海博智能科技有限责任公司 一种具有驾驶模式切换的矿车无人驾驶***及方法
CN113219933A (zh) * 2021-07-08 2021-08-06 北京踏歌智行科技有限公司 基于数字孪生预测的露天矿无人驾驶卡车调度***及方法
CN113822769A (zh) * 2021-08-31 2021-12-21 东风商用车有限公司 一种矿区业务信息交互方法、装置、设备及可读存储介质
CN113741474A (zh) * 2021-09-13 2021-12-03 上海伯镭智能科技有限公司 一种无人驾驶矿车的停泊区域识别方法及装置
CN113741474B (zh) * 2021-09-13 2022-04-29 上海伯镭智能科技有限公司 一种无人驾驶矿车的停泊区域识别方法及装置
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
CN114383599A (zh) * 2022-01-17 2022-04-22 北京宸控科技有限公司 一种井下铲运机的路径规划***
CN114510050A (zh) * 2022-02-14 2022-05-17 北京路凯智行科技有限公司 矿区无人驾驶***卸载位的指定方法以及指定***
CN114895682A (zh) * 2022-05-19 2022-08-12 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车行走参数校正方法及***
CN114895682B (zh) * 2022-05-19 2024-04-30 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车行走参数校正方法及***
CN114911238A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车协同控制方法及***
CN114911239A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车的异常识别方法及***
CN115171399A (zh) * 2022-06-20 2022-10-11 陕西智引科技有限公司 煤矿车辆调度方法、装置和***
CN114913708B (zh) * 2022-07-18 2022-10-28 深圳市华睿智兴信息科技有限公司 一种用于智能停车场的停车路径引导***及方法
CN114913708A (zh) * 2022-07-18 2022-08-16 深圳市华睿智兴信息科技有限公司 一种用于智能停车场的停车路径引导***及方法
CN115271559A (zh) * 2022-09-27 2022-11-01 北京易控智驾科技有限公司 无人车的调度平台、无人车、调度方法和存储介质
CN115271559B (zh) * 2022-09-27 2023-02-10 北京易控智驾科技有限公司 无人车的调度平台、无人车、调度方法和存储介质
CN115526432A (zh) * 2022-11-04 2022-12-27 上海伯镭智能科技有限公司 一种无人驾驶矿车的能源优化方法及装置
CN115963820A (zh) * 2022-12-13 2023-04-14 江苏集萃清联智控科技有限公司 一种智慧矿山***
CN115963820B (zh) * 2022-12-13 2024-01-26 江苏集萃清联智控科技有限公司 一种智慧矿山***
CN116205388A (zh) * 2023-02-07 2023-06-02 上海伯镭智能科技有限公司 一种针对矿车集群的路径分配方法和装置
CN116430877A (zh) * 2023-06-13 2023-07-14 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车任务分配方法及***
CN116645233A (zh) * 2023-07-27 2023-08-25 北京路凯智行科技有限公司 自动化矿区***和用自动化矿区***进行矿区作业的方法
CN116645233B (zh) * 2023-07-27 2024-01-05 北京路凯智行科技有限公司 自动化矿区***和用自动化矿区***进行矿区作业的方法
CN117458486A (zh) * 2023-12-25 2024-01-26 宁波长壁流体动力科技有限公司 矿区智能供电***的控制方法和矿区智能供电***
CN117458486B (zh) * 2023-12-25 2024-04-05 宁波长壁流体动力科技有限公司 矿区智能供电***的控制方法和矿区智能供电***

Also Published As

Publication number Publication date
CN110428161B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN110428161A (zh) 一种基于端边云架构的无人驾驶矿车云智能调度方法
CN103723532B (zh) 多层框架式集装箱自动化码头堆场装卸***及其装卸方法
CN106251016B (zh) 一种基于动态时间窗的泊车***路径规划方法
Chen et al. Evolutionary computation for intelligent transportation in smart cities: A survey
Xin et al. Energy-aware control for automated container terminals using integrated flow shop scheduling and optimal control
Lu et al. A study on multi-ASC scheduling method of automated container terminals based on graph theory
CN108427412A (zh) Agv调度方法、装置、计算机设备和存储介质
CN107055116A (zh) 集装箱自动化码头协同作业***及卸载最短路径搜索方法
Yang et al. A simulation study on the design of a novel automated container terminal
CN103606124A (zh) 集装箱码头装卸交通***布局与交通组织微观仿真方法
Pjevčević et al. Application of DEA to the analysis of AGV fleet operations in a port container terminal
CN111882215A (zh) 一种含有agv的个性化定制柔性作业车间调度方法
CN113110330A (zh) 一种基于全局最优匹配的agv动态调度管理方法
Yang et al. Dynamic time estimation based AGV dispatching algorithm in automated container terminal
Sun et al. AGV-based vehicle transportation in automated container terminals: A survey
CN114326621B (zh) 一种基于分层架构的群体智能机场托运车调度方法和***
Montaña et al. A novel mathematical approach for the Truck-and-Drone Location-Routing Problem
CN115310792A (zh) 多目标无人蜂群的任务协同方法、装置及设备
Wu et al. Petri‐net‐based deadlock detection and recovery for control of interacting equipment in automated container terminals
Yu et al. Yard template generation for automated container terminal based on bay sharing strategy
Wang et al. Research on the modeling of tugboat assignment problem in container terminal
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
CN113095543B (zh) 用于机场停机位与滑行道的分配方法及***
Chen et al. Research on a task planning method for multi-ship cooperative driving
Shi et al. Collaborative Planning of Parking Spaces and AGVs Path for Smart Indoor Parking System

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
TR01 Transfer of patent right

Effective date of registration: 20211122

Address after: 100176 901, 9th floor, building 2, yard 10, KEGU 1st Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Patentee after: BEIJING TAGE IDRIVER TECHNOLOGY CO.,LTD.

Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road

Patentee before: BEIHANG University

TR01 Transfer of patent right