CN111882474B - 一种用于自动驾驶车辆集群调度的fds功能设计方法 - Google Patents
一种用于自动驾驶车辆集群调度的fds功能设计方法 Download PDFInfo
- Publication number
- CN111882474B CN111882474B CN202010570290.9A CN202010570290A CN111882474B CN 111882474 B CN111882474 B CN 111882474B CN 202010570290 A CN202010570290 A CN 202010570290A CN 111882474 B CN111882474 B CN 111882474B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- fds
- real
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013461 design Methods 0.000 title claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 88
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 18
- 238000011217 control strategy Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 21
- 230000005856 abnormality Effects 0.000 description 13
- 230000004927 fusion Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005065 mining Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 241000801617 Sacada Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06Q10/06—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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于自动驾驶车辆集群调度的FDS功能设计方法。获取自动驾驶车辆集群的基础数据和作业数据,基于智能构造的基本架构,以自动驾驶车辆的基础数据和作业数据配置FDS的运输计划;根据预设的路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据;根据所述路况数据和异常数据,制定车辆的车规级安全策略;根据所述车规级安全策略和所述FDS的运输计划,规划所述FDS的优化行驶。本发明的有益效果在于:本发明将FDS软件设计成一种MES***(生产管理执行***),类制造业领域中实现信息化与自动化融合的,生产管理核心***。
Description
技术领域
本发明涉及集成式作业运输技术领域,特别涉及一种用于自动驾驶车辆集群调度的FDS功能设计方法。
背景技术
目前,虽然与FDS类似的***在室内AGV的集群调度上应用比较广泛,如最大的室内AGV应用项目-京东一号仓,但迄今为止,仍没有任何一个自主移动机器人的集群调度***可论证其调度指挥的最优化,即是否以集群调度实现了资源利用最大化、生产效率最优化。
而在自动驾驶优化调度的领域中,FDS为车队调度***,用于集群式自动驾驶车队的任务分配、智能交通指挥。如何实现集群调度,实现资源利用最大化、生产效率最优化,FDS功能应用是本领域技术人员需要解决的问题。
发明内容
本发明提供一种用于自动驾驶车辆集群调度的FDS功能设计方法,用以解决难以FDS的集群调度的情况。
一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于,包括:
获取自动驾驶车辆集群的基础数据和作业数据;
基于智能构造的基本架构,根据所述基础数据和作业数据配置 FDS的运输计划;
根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据;
根据所述路况数据和异常数据,制定车辆的车规级安全策略;
根据所述车规级安全策略和所述FDS的运输计划,规划所述FDS 的优化行驶。
作为本发明的一种实施例,所述基础数据包括:车辆基础数据、工艺数据、基础设施数据和基础地图;其中,
所述车辆基础数据至少包括车辆时速、车辆转弯半径、车容量;
所述工艺数据至少包括装载工艺;
所述基础设施数据至少包括通讯基站、通讯设备;
所述基础地图包括基础地图数据库。
作为本发明的一种实施例,所述基于智能构造的基本架构,根据所述基础数据和作业数据配置FDS的运输计划,包括:
获取智能构造基本构架,根据所述基础数据,确定所述FDS调配的车辆调配计划、工艺实施计划、基础通讯计划、行驶路径规划;
获取智能构造基本构架,根据所述作业数据,确定所述FDS生产作业方案和任务流;其中,
所述生产作业方案包括运输方案和道路维护方案;
所述运输方案包括车队规模和车队路径规划;
所述任务流包括任务流程和任务基础数据配置。
作为本发明的一种实施例,所述根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据,包括:
通过所述路侧***获取实时路况数据;其中,
所述实时路况数据包括实时车辆状态和实时车辆调度状况;其中,
所述实时车辆状态包括:发动机温度、剩余油量、胎压及车载设备状态;
所述实时车辆调度状况包括:实时的全局路径规划和实时车辆任务调度;
根据所述实时车辆状态和实时车辆调度状况,获取异常数据;其中,
所述异常数据包括:车辆异常、信息***异常和任务异常。
作为本发明的一种实施例,所述车辆异常包括实时驾驶异常;其中,
所述实时驾驶异常包括:中央控制器IPC异常、感知模块异常、通讯异常、定位异常、CAN总线异常和车况异常;
所述信息***异常包括:调度异常和基础设施异常;
所述任务异常包括:任务执行异常和任务分配异常。
作为本发明的一种实施例,所述根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据,还包括:
通过地图更新对所述FDS的车辆进行实时定位,获取实时位置数据;
根据所述实时位置数据,对所述车辆的实时状态进行实时显示;
当所述实时显示的实时状态为异常数据时,对所述异常数据进行实时报警、实时优化和实时车辆调度。
作为本发明的一种实施例,所述根据所述路况数据和异常数据,设定车辆的车规级安全策略,包括:
根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略;
基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略;
基于所述路侧***的监测的多车作业的先后空间配置和时序,构建车辆的业务安全规划;
根据所述车辆的局部安全策略、车辆的全局安全策略和车辆的业务安全规划,融合生成车辆的车规级安全策略。
作为本发明的一种实施例,所述根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略,包括:
获取所述异常数据中的车辆的软硬件异常数据;
基于模块化设计原则,通过车辆的模块化自检和车载控制***的闭环校验,进行车载***的安全策略设计;
基于拟人化安全驾驶为原则,通过车辆的感知***进行车辆安全行驶的安全策略设计;其中,
所述车辆安全行驶至少包括车辆的自主跟随、超车、避障、绕障、安全距离判断、外部移动物体的动态跟踪、行为预测,自主的路径规划的安全策略设计;
综合所述车载***的安全策略设计和车辆安全行驶的安全策略设计,构成车辆的局部安全策略。
作为本发明的一种实施例,所述基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略,包括:
根据所述路况数据在预设的矩阵式地图中对车辆流量进行规划,构成所述车辆的防堵策略;
根据所述路况数据中的车障状况,对车辆的行驶顺序进行规划,构成所述车辆的防障策略;
根据所述路段异常数据,对所述FDS的任务进行规划,构成所述车辆的路段任务策略;
根据所述车辆间距,对所述车辆间距进行规划,基于所述车辆间距的双重约束和间距控制与实时速度的线性关系,构成所述车辆的间距控制策略;
综合所述防堵策略、防障策略、车辆的路段任务策略和车辆的间距控制策略,构成车辆的全局安全策略。
作为本发明的一种实施例,所述根据所述车规级安全策略和所述 FDS的运输计划,规划所述FDS的优化行驶,包括:
通过所述FDS的运输计划和车规级安全策略,确定所述FDS的第一优化路径;
通过所述作业数据和车规级安全策略,确定所述FDS的第二优化路径;
将所述第一优化路径和第二优化路径通过组合式数学理论,规划所述FDS的优化行驶。
本发明的有益效果在于:通过FDS功能设计,依据智能制造方法论,以车规级的安全策略和异常处理方案设计为基础,可通过最优组合数学的应用,实现精益生产的最终目的,理论和实践均可验证其集群调度的最优化及可靠性。本发明为自动驾驶车辆的集群调度指挥***提供基本的功能架构、指导方法论及业务流程;在FDS功能应用设中计,将FDS软件设计成一种MES***(生产管理执行***),类制造业领域中实现信息化与自动化融合的,生产管理核心***。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种用于自动驾驶车辆集群调度的FDS 功能设计方法的方法流程图;
图2为本发明实施例中一种配置基础数据示意图;
图3为本发明实施例中一种运输计划制定示意图;
图4为本发明实施例中一种运输计划配置示意图;
图5为本发明实施例中实时监控的监控示意图;
图6为本发明实施例中异常数据示意图;
图7为本发明实施例中防堵运行示意图;
图8为本发明实施例中安全规划调控示意图;
图9为本发明实施例中路径优化示意图;
图10为本发明实施例中FDS的功能图;
图11为本发明实施例中智能制造的基本构架示意图;
图12为本发明实施例中数据闭环反馈示意图;
图13为本发明实施例中产量统计的示意图;
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明主要应用于集群式作业的人为驾驶车辆、自动驾驶车辆、 AGV或类似的自主移动式机器人的任务分配和实时智能交通指挥,尤其适用于以精益化生产为首要目标,实现最优化的自主运输***的应用场景。
本发明基于自动驾驶车辆的车辆集群调度指挥***,如附图11 所示,本发明通过智能制造的基础架构提供基本的功能架构、指导方法论及业务流程在FDS***中的应用设计,将FDS软件设计成一种 MES***(生产管理执行***),类似制造业领域中实现信息化与自动化融合的生产管理核心***。FDS为车队调度***,用于集群式自动驾驶车队的任务分配、智能交通指挥。如附图12所示,FDS功能设计中通过MES***上级信息化与下级自动化的数据互通互联为基础,构成信息化和自动化的闭环反馈模式,参考MES***达到最大的生产效率,辅助本发明在功能设计时达到最大化运输效率的目的。
FDS功能设计在附图11中图中,近似于MES+SCADA两级***二合一,FDS既可以单独作为底层基本自动化控制***SCADA***,也可以设计成为融合MES+SCADA***,实现生产管理(本发明为运输管理)+底层控制。以智能制造的基本体系架构为基础,着重描述FDS为MES+SACADA融合***,既实现生产管理规划,同时进行底层的车辆路径规划和状态监控。
如附图10所示:FDS功能设计时,被设计成一个类生产制造业的MES+SCADA融合软件,该***呈上启下的实现信息化-自动化的两化融合,通过基础数据配置,制定运输计划、路况实时监控、作业过程优化,车辆维护、异常状况处理、统计报表***统计最终运输计划的运输量,以及对整个FDS的功能***进行***维护,进而实现数据的闭合流转,即信息化(调度、指挥及任务数据)与自动化数据(车辆单元数据)上-下、下-上的融通,闭合的数据流转分析,可进而实现作业工艺、车辆控制算法的持续优化,精益求精。
本发明的FDS功能设计总过程为:依据独有的智能制造方法论,以车规级的安全策略和异常处理方案设计为基础,可通过最优组合数学的应用,实现精益生产的最终目的,理论和实践均可验证其集群调度的最优化及可靠性。
如附图1所示的一种用于自动驾驶车辆集群调度的FDS功能设计方法的方法流程图,包括:
步骤100:获取自动驾驶车辆集群的基础数据和作业数据;
在功能设计的步骤中,首先基于自动驾驶车辆集群对FDS功能的基础数据进行配置和需要进行的作业进行收集,所述作业数据也可以是项目数据、任务数据,而在自动驾驶优化调度***中作业数据就是运输数据。
步骤101:基于智能构造的基本架构,根据所述基础数据和作业数据配置FDS的运输计划;智能构造的基本框架是现有技术中实现上级信息化与下级自动化的数据互通互联,以达到最大化生产效率的最优架构,因此,本发明基于智能构造的基本框架,将FDS的车辆分布式调控以作业计划的形式转换为运输计划,以项目作业的方式实施,使得运输计划能够在一个比较优的情况下不断调整,优化。
步骤102:根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据;路侧***是通过预先设置的路况监测***。路侧意指路况,路侧***意指对于路况的监测,如道路拥堵、道路异常。额外的功能将依据应用场景来规划。例如:以矿山自动驾驶应用为例,路侧***的作用是监控道路状况,如路段拥堵、路段交通事故、道路塌方、火灾、烟雾异常等。额外与生产工艺相关的,还包括挖掘设备的位姿异常等。路侧***存在的意义:在于为FDS和自动驾驶车辆提供固定位置的,独立的第三方视觉实时监控,该***反馈实时的监控数据,为FDS和车辆提供真实的路况和作业状态反馈。
步骤103:根据所述路况数据和异常数据,制定车辆的车规级安全策略;本发明中的车规级安全策略,将FDS与车辆的安全机制进行严谨缜密的融合处理,输出***化的安全策略方案,形成从全局规划-局部自主,局部规划-全局决策的闭环的安全机制,可大幅提高自主车辆行驶的安全等级。
步骤104:根据所述车规级安全策略和所述FDS的运输计划,规划所述FDS的优化行驶。本发明的优化行驶是一种全局实时最优化调度--最优化路径规划:根据车规级安全策略和所述FDS的运输计划,并借助于最优组合数学理论,针对FDS的集群式任务,可在理论上计算论证多任务车辆的最优化行驶路径(多种最优化混合策略算法),并监督实现。该组合数学主要应用为现有算法,涵盖线性规划、动态规划、A*、D*等
作为本发明的一种实施例,所述基础数据包括:车辆基础数据、工艺数据、基础设施数据和基础地图;其中,
所述车辆基础数据至少包括车辆时速、车辆转弯半径、车容量;
所述工艺数据至少包括装载工艺;
所述基础设施数据至少包括通讯基站、通讯设备;
所述基础地图包括基础地图数据库。
本发明的原理在于:本发明FDS功能设计的基础是基础数据,而基础数据是通过现有技术中自动驾驶优化调度***获取。
本发明的有益效果是,基础数据是本发明中FDS功能底层建筑,所有的任务规划、车辆调动、工艺设置、路径地图、基础设施和通讯都是通过基础数据得以调控配置。
在一个实施例中,如附图2的一种配置基础数据示意图所示,在矿山自动驾驶项目中
1.基础数据包括:
车辆的基本数据,如运载量(吨数、容量)、时速、最小转弯半径等。
工艺数据包括:装载方式,该方式表示矿车在接近挖掘设备时,与挖掘设备的相对位姿。
其他如通讯基础设施数据,表明局部作业的通讯基站设置
矿区基础地图:是自动驾驶车辆和FDS统一的基础地图数据库,与车辆保持一致,方能进行路径规划。
作为本发明的一种实施例,所述基于智能构造的基本架构,根据所述基础数据和作业数据配置FDS的运输计划,包括:
获取智能构造基本构架,根据所述基础数据,确定所述FDS调配的车辆调配计划、工艺实施计划、基础通讯计划、行驶路径规划;
获取智能构造基本构架,根据所述作业数据,确定所述FDS生产作业方案和任务流;其中,
所述生产作业方案包括运输方案和道路维护方案;
所述运输方案包括车队规模和车队路径规划;
所述任务流包括任务流程和任务基础数据配置。
本发明的原理在于:本发明基于智能构造的基本构架,将智能构造中通过基础数据指定生产计划的方式转换为本发明中运输计划。在整个运输计划中,需要制定在FDS下的FDS调配的车辆调配计划、工艺实施计划、基础通讯计划、行驶路径规划、作业方案和任务流。
本发明的有益效果在于:在FDS的功能设计中,设计制定运输计划,通过先行指定FDS调配的车辆调配、工艺实施、基础通讯、行驶路径、作业方案和任务流,使得项目实施时,便于调控以及任务的快速完成。
在一个实施例中,如附图3的一种运输计划制定示意图和附图4 一种运输计划配置示意图所示,在矿山自动驾驶项目中:
自动驾驶矿卡或其他类似的自主移动机器人的作业场景,阶段时域内,大部分是A、B点的往返作业,根据A、B点挖掘的生产速度、如矿山挖掘设备的作业效率,可以计算出最大所需运输车辆数量,据此,可规划出AB点间点的车队规模,同时,该车队数量还取决于车辆装载的速度,如车铲比。
作为本发明的一种实施例,所述根据预设路侧***,对所述车辆进行实时监控,如所述附图5所示的实时监控的监控示意图,获取车辆的路况数据和异常数据,包括:
通过所述路侧***获取实时路况数据;其中,
所述实时路况数据包括实时车辆状态和实时车辆调度状况;其中,
所述实时车辆状态包括:发动机温度、剩余油量、胎压及车载设备状态;
所述实时车辆调度状况包括:实时的全局路径规划和实时车辆任务调度;
根据所述实时车辆状态和实时车辆调度状况,获取异常数据;其中,
所述异常数据包括:车辆异常、信息***异常和任务异常。
本发明的原理在于:通过预设路侧***实时监测,以架设全景相机、激光雷达等设备设施和导航卫星(北斗导航、GPS导航等)获取实行运输计划的车辆的位置和车辆的实时状态,以及车辆路段状况,路段车流量等。而通过车辆自己的信息***可以获取车辆自身状态的异常状况。再通过车辆异常和信息***异常的异常情况确定任务是否异常。
本发明的有益效果在于:实时获取路况数据和异常数据,可以根据路况数据发现异常,调控优化路线,也可以在发生异常时,根据路况数据调控其它车辆解决异常,协助运输任务的快速完成。
作为本发明的一种实施例,如附图6异常数据示意图所示:所述车辆异常包括实时驾驶异常;其中,
所述实时驾驶异常包括:中央控制器IPC异常、感知模块异常、通讯异常、定位异常、CAN总线异常和车况异常;
所述信息***异常包括:调度异常和基础设施异常;
所述任务异常包括:任务执行异常和任务分配异常。
本发明中实时监测的异常总的可以分为三类车辆异常、信息***异常和任务异常,在实际实施时可以根据具体的异常和异常的类型,快速找到解决异常的策略。
在一个实施例中,在矿山自动驾驶项目中:
实时监控车辆的作业状态、任务的完成情况。
车辆状态涵盖:车况如发动机温度、剩余油量、胎压等车况,及车载设备状态(如自动驾驶模考、感知模块、导航设备等)。
任务状态包括:执行的任务编号、任务执行完成百分比、正常/ 异常
作为本发明的一种实施例,所述根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据,如附图5所示,还包括:
通过地图更新对所述FDS的车辆进行实时定位,获取实时位置数据;
根据所述实时位置数据,对所述车辆的实时状态进行实时显示;
当所述实时显示的实时状态为异常数据时,对所述异常数据进行实时报警、实时优化和实时车辆调度。
本发明的实时数据的获取基于地图数据,主要通过在线地图,例如百度地图、腾讯地图和高德地图等网络地图。异常数据通过通讯设备实时显示给完成运输任务的运输人员和调控全局规划的控制端,使得运输计划中各个环节能够灵活调配,减少处理异常时间。
作为本发明的一种实施例,所述根据所述路况数据和异常数据,设定车辆的车规级安全策略,包括:
根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略;
基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略;
基于所述路侧***的监测的多车作业的先后空间配置和时序,构建车辆的业务安全规划;
根据所述车辆的局部安全策略、车辆的全局安全策略和车辆的业务安全规划,融合生成车辆的车规级安全策略。
本发明的车规级安全策略由两部分组成,包括FDS全局安全策略 (一级)+自动驾驶车辆局部安全策略(二级),形成整体-局部的全局安全设计。实现局部调控为辅,全局调控为主的安全控制策略。
在一个实施例中:路侧***为一个独立的智能化路侧监控模块,属于FDS下辖独立的实时智能化路侧监控***,通过路侧端架设全景相机、激光雷达等设备设施,为车规级安全策略再提供完全独立第三方安全保障,使异常发生的概率低至1.25‰(5%x5%x5%)。
以车辆跟踪发生碰撞的检测为例,失效的检测概率计算为:
车辆的感知***:检测前车的失效概率:预估5%;
FDS***监控辆车间距:实时控制辆车间距和车辆时速,控制失效概率预估5%;
路侧***监控行车间距:检测失效概率5%;
三者独立,则融合后的检测失效概率为5%x5%x5%=1.25‰。
作为本发明的一种实施例,所述根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略,包括:
获取所述异常数据中的车辆的软硬件异常数据;
基于模块化设计原则,通过车辆的模块化自检和车载控制***的闭环校验,进行车载***的安全策略设计;
基于拟人化安全驾驶为原则,通过车辆的感知***进行车辆安全行驶的安全策略设计;其中,
所述车辆安全行驶至少包括车辆的自主跟随、超车、避障、绕障、安全距离判断、外部移动物体的动态跟踪、行为预测,自主的路径规划的安全策略设计;
综合所述车载***的安全策略设计和车辆安全行驶的安全策略设计,构成车辆的局部安全策略。
本发明的原理在于:局部安全策略包括通过软硬件的车规级设计,以严格定义的模块化设计原则为基础,以总线方式挂载所有核心组件,以模块化自检和车载控制***的闭环校验,实现车载***的近车规级设计。以拟人化安全驾驶为原则,以感知***传感器实现类人的视觉***,模拟大部分类人的安全行驶决策,包括自主跟随、超车、避障、绕障、安全距离判断、外部移动物体的动态跟踪、行为预测,自主的路径规划等。以可靠的软硬件车载***+拟人化的安全驾驶原则,输出拟人化的安全行驶策略,该策略用于车辆自主行驶的规划与决策。
本发明的有益效果在于:实现车载***的近车规级设计,模拟大部分类人的安全行驶决策,输出拟人化的安全行驶策略作为局部安全策略。
作为本发明的一种实施例,所述基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略,包括:
根据所述路况数据在预设的矩阵式地图中对车辆流量进行规划,构成所述车辆的防堵策略;
根据所述路况数据中的车障状况,对车辆的行驶顺序进行规划,构成所述车辆的防障策略;
根据所述路段异常数据,对所述FDS的任务进行规划,构成所述车辆的路段任务策略;
根据所述车辆间距,对所述车辆间距进行规划,基于所述车辆间距的双重约束和间距控制与实时速度的线性关系,构成所述车辆的间距控制策略;
综合所述防堵策略、防障策略、车辆的路段任务策略和车辆的间距控制策略,构成车辆的全局安全策略。
本发明的全局控制策略原理和有益效果是:在防堵策略中,基于矩阵式地图,每条道路的车流量被实时统计,对于新的运输任务,FDS 将自动选择避开拥堵路段。
在车辆的路段异常数据中,任何路段异常,经路侧***或车辆反馈后,该路段将被封闭,新的任务规划将不再考虑该路段。
在车辆的间距控制策略中,车辆的间距保持一定的米数。任何同一路段跟随行驶的多车间距保持该功能策略,该功能策略为车辆的自主安全策略再提供额外的间距控制,使得车辆间距有双重约束,并且该间距控制与车的实时速度呈一定的线性关系。
在车辆的防堵策略中,附图7所示,当车辆遇到右上角蓝色障碍物,车辆将离开中线启动绕障,但是绕障启动前,需要提前告知FDS, FDS根据对向来车的时速和任务执行优先级,确认绕障何时启动,如绕障即时启动,则对向来车必须停止在FDS指定的对向车道上的某个指定区域(FDS根据绕障所经路段计算可得),当绕障车辆回到中心线正常行驶路径后,对向来车方能继续前行;如FDS决策对向来车先行,绕障延后,绕障车辆将停止在障碍物前,等待对向来车通过后才启动绕障。
在一个实施例中,对业务进行业务安全规划,在矿山自动驾驶项目中:业务安全规划,这里指多车作业的先后空间配置和时序,下图 8所示是设计的自动驾驶矿卡在排土场的排土过程。
图8上部的弧形区域,车辆需要倒车到边缘,然后升斗将装载土方倾倒,总计最多10辆车交互作业,都需要进行择返倒车进行,作业空间和时序需要单独设计,在区域内安全的完成折返倒车的工艺动作,满足作业效率要求,左右两图体现的是排土场内作业的装载机作为该排土场指挥中心,分别调度矿车到达指定位置作业,并在完成倾卸作业后,按照装载机(指挥中心)指定的路径退出排土场。
在一个实施例中,矿山自动驾驶项目:FDS为矿山自主运输***, 在路径优化过程中,对运输量进行统计,等于矿山自动驾驶项目中的 产量统计,如附图13所示;统计结果既可用于工时、运量的财务结 算,也可用于作业过程的持续优化。
在其它的类似作业场景中,自动驾驶车辆的作业效率需要以产量统计来评估,评估的结果以用来持续的改善作业方式,如持续优化的路径规划策略、速度规划、作业频率规划等,及最终的全局生产最优化,精益求精,以此持续的提高生产效率。
作为本发明的一种实施例,所述根据所述车规级安全策略和所述 FDS的运输计划,规划所述FDS的优化行驶,包括:
通过所述FDS的运输计划和车规级安全策略,确定所述FDS的第一优化路径;
通过所述作业数据和车规级安全策略,确定所述FDS的第二优化路径;
将所述第一优化路径和第二优化路径通过组合式数学理论,生成规划集群式自动驾驶车队的优化行驶路径。
本发明通过全局实时最优化调度--最优化路径规划:最优化路径规划涵盖自动驾驶车辆的作业动作,如折返倒车、车辆对位、行驶路线、及全局工艺地图等路径优化;本发明借助于最优组合数学理论,针对集群式任务,可在理论上计算论证多任务车辆的最优化行驶路径 (多种最优化混合策略算法),并监督实现。该组合数学主要应用为现有算法,涵盖线性规划、动态规划、A*、D*等。
在一个实施例中,如附图9所示路径优化示意图,在这个路径优化的节点地图中,该地图为矩阵式的地图,从起点A到达B点的路径较多,但是要找出效率最高的路径,使得或是到达时间最短、路径最短、成本最低等,需要根据不同的约束条件,可以生成不同的路径线路,此为全局路径规划。
作业区域的全局地图将保存在FDS及自动驾驶车辆的车载***数据库中,在***FDS与车辆的地图数据保持一致后,FDS可根据不同的优化策略或融合的优化策略,计算最高效的路径,并将该路径发送至车辆执行。
动态的路径规划意味着,当途经的某个路段发生拥堵异常状况导致该路段无法通行时,FDS会重新根据车辆的当前位置进行实时规划新路径,并发送给车辆执行。而在这个图示区域内,可能同时有多达十台甚或以上的车辆在同时作业,FDS需要兼顾所有车辆的作业任务,以最优化的空间和时序规划来确定不同的行驶路径,指导多台车辆同时以最优的路径行驶,以达到最高的全局作业效率,依据运筹学动态规划、线性规划、A*、D*算法可实现最优化的作业路径规划。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于,包括:
获取自动驾驶车辆集群的基础数据和作业数据;
基于智能构造的基本架构,根据所述基础数据和作业数据配置FDS的运输计划;
根据预设的路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据;
根据所述路况数据和异常数据,制定车辆的车规级安全策略;
根据所述车规级安全策略和所述FDS的运输计划,规划所述FDS的优化行驶;
根据所述路况数据和异常数据,制定车辆的车规级安全策略具体包括:
根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略;
基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略;
基于所述路侧***的监测的多车作业的先后空间配置和时序,构建车辆的业务安全规划;
根据所述车辆的局部安全策略、车辆的全局安全策略和车辆的业务安全规划,构建车辆的车规级安全策略。
2.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:
所述基础数据包括:车辆基础数据、工艺数据、基础设施数据和基础地图;其中,
所述车辆基础数据至少包括车辆时速、车辆转弯半径、车容量;
所述工艺数据至少包括装载工艺;
所述基础设施数据至少包括通讯基站、通讯设备;
所述基础地图包括基础地图数据库。
3.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述基于智能构造的基本架构,根据所述基础数据和作业数据配置FDS的运输计划,包括:
获取智能构造基本构架
根据所述基础数据,确定所述FDS调配的车辆调配计划、工艺实施计划、基础通讯计划、行驶路径规划;
根据所述作业数据,确定所述FDS生产作业方案和任务流;其中,
所述生产作业方案包括运输方案和道路维护方案;
所述运输方案包括车队规模和车队路径规划;
所述任务流包括任务流程和任务基础数据配置。
4.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据,包括:
通过所述路侧***获取实时路况数据;其中,
所述实时路况数据包括实时车辆状态和实时车辆调度状况;其中,
所述实时车辆状态包括:发动机温度、剩余油量、胎压及车载设备状态;
所述实时车辆调度状况包括:实时的全局路径规划和实时车辆任务调度;
根据所述实时车辆状态和实时车辆调度状况,获取异常数据;其中,
所述异常数据包括:车辆异常、信息***异常和任务异常。
5.根据权利要求4所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述车辆异常包括实时驾驶异常;其中,
所述实时驾驶异常包括:中央控制器IPC异常、感知模块异常、通讯异常、定位异常、CAN总线异常和车况异常;
所述信息***异常包括:调度异常和基础设施异常;
所述任务异常包括:任务执行异常和任务分配异常。
6.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述根据预设路侧***,对所述车辆进行实时监控,获取车辆的路况数据和异常数据,还包括:
通过地图更新对所述FDS的车辆进行实时定位,获取实时位置数据;
根据所述实时位置数据,对所述FDS的车辆的实时状态进行实时显示;
当所述实时显示的实时状态为异常数据时,对所述异常数据进行实时报警、实时优化和实时车辆调度。
7.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述根据所述异常数据,基于车辆的软硬件车载***的模块化自检和车载控制***的闭环校验,构建车辆的局部安全策略,包括:
获取所述异常数据中的车辆的软硬件异常数据;
基于模块化设计原则,通过车辆的模块化自检和车载控制***的闭环校验,进行车载***的安全策略设计;
基于拟人化安全驾驶为原则,通过车辆的感知***进行车辆安全行驶的安全策略设计;其中,
所述车辆安全行驶至少包括车辆的自主跟随、超车、避障、绕障、安全距离判断、外部移动物体的动态跟踪、行为预测,自主的路径规划的安全策略设计;
综合所述车载***的安全策略设计和车辆安全行驶的安全策略设计,构成车辆的局部安全策略。
8.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述基于所述路况数据,获取车辆间距和路段异常数据,并根据所述路段异常数据和车辆间距,构建车辆的全局安全策略,包括:
根据所述路况数据在预设的矩阵式地图中对车辆流量进行规划,构成所述车辆的防堵策略;
根据所述路况数据中的车障状况,对车辆的行驶顺序进行规划,构成所述车辆的防障策略;
根据所述路段异常数据,对所述FDS的任务进行规划,构成所述车辆的路段任务策略;
根据所述车辆间距,对所述车辆间距进行规划,基于所述车辆间距的双重约束和间距控制与实时速度的线性关系,构成所述车辆的间距控制策略;
综合所述防堵策略、防障策略、车辆的路段任务策略和车辆的间距控制策略,构成车辆的全局安全策略。
9.根据权利要求1所述的一种用于自动驾驶车辆集群调度的FDS功能设计方法,其特征在于:所述根据所述车规级安全策略和所述FDS的运输计划,规划所述FDS的优化行驶,包括:
通过所述FDS的运输计划和车规级安全策略,确定所述FDS的第一优化路径;
通过所述作业数据和车规级安全策略,确定所述FDS的第二优化路径;
将所述第一优化路径和第二优化路径通过组合式数学理论,规划所述FDS的优化行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570290.9A CN111882474B (zh) | 2020-06-22 | 2020-06-22 | 一种用于自动驾驶车辆集群调度的fds功能设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010570290.9A CN111882474B (zh) | 2020-06-22 | 2020-06-22 | 一种用于自动驾驶车辆集群调度的fds功能设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882474A CN111882474A (zh) | 2020-11-03 |
CN111882474B true CN111882474B (zh) | 2023-09-01 |
Family
ID=73156881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010570290.9A Active CN111882474B (zh) | 2020-06-22 | 2020-06-22 | 一种用于自动驾驶车辆集群调度的fds功能设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882474B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256041B (zh) * | 2020-11-06 | 2021-10-01 | 易普森智慧健康科技(深圳)有限公司 | 运输机器人的调度方法,装置以及*** |
CN112327880B (zh) * | 2020-11-25 | 2023-08-18 | 北京易控智驾科技有限公司 | 智能矿车控制方法、装置、存储介质和电子设备 |
CN114999163B (zh) * | 2022-08-04 | 2022-10-25 | 北京科技大学 | 一种封闭区域无人驾驶车辆集群优化控制方法 |
CN115564325B (zh) * | 2022-10-13 | 2023-09-22 | 广东锰玛智行科技有限公司 | 一种工程机械车辆分时管控方法及管控*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272683A (zh) * | 2017-06-19 | 2017-10-20 | 中国科学院自动化研究所 | 基于acp方法的平行智能车控制*** |
CN107798861A (zh) * | 2017-11-30 | 2018-03-13 | 湖北汽车工业学院 | 一种车辆协作式编队行驶方法及*** |
CN109814505A (zh) * | 2019-01-25 | 2019-05-28 | 江苏科瑞恩自动化科技有限公司 | 一种基于agv小车的智能原料转运*** |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
CN110456745A (zh) * | 2019-07-29 | 2019-11-15 | 湖南大学 | 一种全自动地下采矿运输*** |
CN110631596A (zh) * | 2019-04-23 | 2019-12-31 | 太原理工大学 | 一种基于迁移学习的装备车辆路径规划方法 |
KR20200069923A (ko) * | 2018-12-07 | 2020-06-17 | 현대자동차주식회사 | 무인운반차량 경로 관리 시스템 및 그 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11362882B2 (en) * | 2017-08-25 | 2022-06-14 | Veniam, Inc. | Methods and systems for optimal and adaptive urban scanning using self-organized fleets of autonomous vehicles |
-
2020
- 2020-06-22 CN CN202010570290.9A patent/CN111882474B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272683A (zh) * | 2017-06-19 | 2017-10-20 | 中国科学院自动化研究所 | 基于acp方法的平行智能车控制*** |
CN107798861A (zh) * | 2017-11-30 | 2018-03-13 | 湖北汽车工业学院 | 一种车辆协作式编队行驶方法及*** |
KR20200069923A (ko) * | 2018-12-07 | 2020-06-17 | 현대자동차주식회사 | 무인운반차량 경로 관리 시스템 및 그 방법 |
CN109814505A (zh) * | 2019-01-25 | 2019-05-28 | 江苏科瑞恩自动化科技有限公司 | 一种基于agv小车的智能原料转运*** |
CN110631596A (zh) * | 2019-04-23 | 2019-12-31 | 太原理工大学 | 一种基于迁移学习的装备车辆路径规划方法 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
CN110456745A (zh) * | 2019-07-29 | 2019-11-15 | 湖南大学 | 一种全自动地下采矿运输*** |
Also Published As
Publication number | Publication date |
---|---|
CN111882474A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882474B (zh) | 一种用于自动驾驶车辆集群调度的fds功能设计方法 | |
US20230072997A1 (en) | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal | |
US9754493B2 (en) | Vehicular traffic guidance and coordination system and method | |
US11874671B2 (en) | Performing tasks using autonomous machines | |
EP3579174A1 (en) | Mobile vehicles in manufacturing | |
CN110196057B (zh) | 一种车辆驾驶路径的规划***、方法和装置 | |
CN109298699A (zh) | 一种智能化矿山*** | |
CN110883772B (zh) | 一种利用机器人处理铁路车站安全隐患的方法及*** | |
US11565717B2 (en) | Method and system for remote assistance of an autonomous agent | |
CN111415026A (zh) | 无人设备调度装置、***和方法 | |
CN114771529A (zh) | 无人驾驶车辆在交汇区域的管控方法及*** | |
Indri et al. | Sen3Bot Net: A meta-sensors network to enable smart factories implementation | |
Martin et al. | Effect of human-robot interaction on the fleet size of AIV transporters in FMS | |
CA3193121A1 (en) | Method and apparatus for coordinating multiple cooperative vehicle trajectories on shared road networks | |
Grosset et al. | Multi-agent simulation of autonomous industrial vehicle fleets: Towards dynamic task allocation in V2X cooperation mode | |
CN116166029A (zh) | 一种兼容局部避障功能的多agv导航方法及*** | |
Mokhtari et al. | Don't Get Yourself into Trouble! Risk-aware Decision-Making for Autonomous Vehicles | |
RU2753778C1 (ru) | Устройство управления движением и маневрированием группы роботизированных и автономных наземных транспортных средств на основе применения многосвязной адаптивной системы управления | |
CN113002540B (zh) | 矿用自卸车控制方法及装置 | |
Naranjo et al. | Automation of haulers for debris removal in tunnel construction | |
Esfahan et al. | An integrated framework to prevent unsafe proximity hazards in construction by optimizing spatio-temporal constraints | |
US20230244246A1 (en) | Systems, methods, and computer-program products for collaborative path planning of mobile machines in unstructured area | |
Yan | Enhancing the performance of automated guided vehicles through reliability, operation and maintenance assessment | |
Ayache et al. | An autonomous vehicular system based on muli-agents control: Architecture and behavior simulation | |
US20220301446A1 (en) | Method for planning the operation of an aerial vehicle, control unit for an aerial vehicle and aerial vehicle with such a control unit |
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 |