CN112833905A

CN112833905A - 基于改进a*算法的分布式多agv无碰撞路径规划方法

Info

Publication number: CN112833905A
Application number: CN202110022264.7A
Authority: CN
Inventors: 程翔; 都圆圆
Original assignee: Peking University
Current assignee: Peking University
Priority date: 2021-01-08
Filing date: 2021-01-08
Publication date: 2021-05-25
Anticipated expiration: 2041-01-08
Also published as: CN112833905B

Abstract

本发明公布了一种基于改进A*算法的分布式AGV无碰撞路径规划方法，包括利用改进A*算法进行路径规划和利用栅格密度法进行碰撞处理，通过建立资源调度方法，使得多辆自动引导运输车AGV以时间最短为目标，实现高效运行，解决冲突和死锁，同时减少拐弯次数，协同完成分拣任务。

Description

基于改进A*算法的分布式多AGV无碰撞路径规划方法

技术领域

本发明属于多智能体路径规划技术领域，涉及物流***中的多自动引导运输车(automated guided vehicle，简称AGV)的分布式自动分拣任务路径规划技术，尤其涉及一种基于改进A*算法的分布式多AGV无碰撞路径规划方法。

背景技术

物流速度、物流服务、物流成本在网络消费者购买阶段具有重大影响,消费者在最终确定购买商品时，考虑最多的是物流因素。物流速度对消费者支付意愿有正影响，其中配送速度更受消费者的重视，电商物流服务企业对配送速度的关注是有意义的。随着电子商务的不断发展，物联网、自动化等技术的盛行，物流由传统低效逐步走向智能化、高效化。

具体表现为消费者在线下单后，仓库自动仓储检索***(AR/RS)会根据订单挑选出消费者需要的商品，并通过传送带运输到包装区域完成包装，之后由自动导引运输车(automated guided vehicle，简称AGV)来进行分拣操作。AGV上装有自动导引机构可引导AGV小车沿着既定路径运行，也能根据新的指令修正运行路线，以完成物料或货物的移取功能。物流***作业质量关乎仓储***的经济效应,多辆AGV构成的集群式AGV***(简称AGVs)具有节约劳动力、高效、安全、可用性好的绝对优势。AGVs对于减少工作人员负担、提高仓库效率，增强企业的竞争力等具有重要意义。

AGVs包含有多个AGV，存在AGV共享路径网络等，从而导致AGV之间的资源竞争，由此产生了资源调度的需要。AGV数量越多,资源调度的难度越大。目前，对AGV小车的控制方法共有两种方式，集中式控制与分布式控制。现有技术大多采用集中式控制，其具有结构简单，控制方便等优点。但随着***规模的扩大，集中式控制中管理中心面临的管理和计算压力成为其瓶颈。分布式控制可以避免AGV数目增加情况下控制中心的计算压力激增的问题，具有灵活性好，实时性好，易于扩展等优点，***具有更好的鲁棒性。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于改进A*算法的分布式多AGV无碰撞路径规划方法，目的在于建立物流***中的资源调度策略和AGV运输车路径规划方法，实现多AGV的无冲突高效运行，避免碰撞和死锁等现象。

本发明方法主要包括路径规划和碰撞处理两方面，通过建立相关的资源调度方法,使得多辆AGV小车以时间最短为目标,实现高效运行，合理解决冲突和死锁问题，同时尽可能减少拐弯次数，协同完成分拣任务。

本发明为实现上述目的，采用以下技术方案：

一种基于改进A*算法的分布式AGV无碰撞路径规划方法。改进的A*算法主要解决多AGV路径规划问题，栅格密度法主要解决各类AGV间的冲突问题。包括如下步骤：

步骤一、采用栅格地图法为仓库场地建模，将AGV运行空间划分为多个栅格类型区域，包括空闲区、装载口、投递口、临时障碍区和AGV所在区。

步骤二、根据改进的A*路径规划算法为AGV规划运行轨迹，得到AGV规划初始运行轨迹。

初始运行轨迹即从AGV当前位置到任务装载位置的路径及从任务装载位置到任务投递位置的路径；

以经典路径规划算法A*算法为基础，修改搜索终止条件和启发式函数，提高路径搜索效率，减少转向次数，避免冲突。包括如下操作过程：

1)获取栅格地图信息、AGV起始位置和目标位置信息；

2)定义用于存储之后待处理的节点信息的OPEN列表、用于存储已处理完毕的节点信息的CLOSE列表，两个列表均初始化为空列表；

3)从起点开始搜寻路径，即将起点加入OPEN列表；

4)判断OPEN列表是否为空，即判断是否还存在之后待处理的节点；如果存在之后待处理的节点则继续进行处理；否则结束操作，说明不存在路径；

5)判断待处理节点中是否包含终点，即判断终点是否在OPEN列表中；如果不存在则继续进行处理，如果存在则说明寻路成功，结束操作；

6)选取待处理节点中代价最小的节点U，对其进行进一步搜索处理；

7)处理完毕后，将节点U放入CLOSE列表；

即得到AGV规划初始运行轨迹。

步骤三、各AGV按照规划的结果运行。运行过程中如果发生冲突，则优先采取原地等待策略；如果检测到死锁则进行重新规划，找到之前由于死锁始终无法到达的路径规划的下一位置的栅格，将其虚拟设置为临时障碍，在此基础上进行重新规划。只规划先检测到死锁的AGV小车，避免多辆小车一起重新规划，导致的时间浪费和二次甚至循环死锁的发生。

与现有技术相比，本发明的有益效果：

与现有技术相比，本发明稳定可靠，相较于原始A*算法而言，可以减少拐弯次数，可以解决多车场景下的各类冲突。本文设计的改进A*算法的分布式AGV无碰撞路径规划方法，为智能仓库分布式多AGV调度任务存在的各项问题提供了一套可用的解决方案。

附图说明

图1是本发明提供的采用改进A*算法获取基本路径的方法流程框图。

图2是本发明提供的基于改进A*算法的分布式多AGV无碰撞路径规划方法的流程框图。

图3是本发明实施例中四大类的行车路径冲突情况示意图；

其中，(a)为相遇冲突；(b)为占位冲突；(c)为相向冲突；(d)为赶超冲突。

图4是本发明实施例中AGV运行模式示意图；图中A、B、C、D为AGV移动的四个方向。

图5是本发明实施例中的仓库场地经过栅格地图建模得到的结果示意图。

图6是本发明实施例中所选择的仓库布局示意图，图示了各AGV的初始位置，分拣任务的装载和投递位置。

图7是本发明实施例中所选择的路径搜寻示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和实施例对本发明作进一步详细的说明。

本发明提供一种基于改进A*算法的分布式多AGV无碰撞路径规划方法，通过建立物流***中的资源调度策略和AGV运输车路径规划方法，使得多辆AGV小车以时间最短为目标,实现AGVs的无冲突高效运行，避免碰撞和死锁等现象，尽可能减少拐弯次数，协同完成分拣任务。图2所示是本发明提出的基于改进A*算法的分布式多AGV无碰撞路径规划方法流程，具体实施包括如下步骤：

仓库场地即为AGV运行空间。采用栅格地图法将AGV运行空间分解为多个简单区域(栅格)，AGV每次的移动以一个栅格为单位。栅格大小设置为与AGV小车的型号大小相同，既不会划分过大，导致环境信息存储量小、路径规划不明确；也不会划分过小，导致精度高但是寻找时间过长、效率下降。其中，栅格的类型包括空闲区、装载口、投递口、临时障碍区和AGV所在区，具体说明如下：

1)空闲区：自由可用的小车活动区域。

2)装载口：所有AGV可选起始位置。

3)投递口：所有AGV可选目标位置，从装载口出发，到达目标投递口附近任意一个栅格启用智能投递装置即完成一次车载货物的投递工作。非本AGV目标投递口在本AGV运行过程中视为障碍物。

4)临时障碍区：存在需要长时间占据以完成任务的AGV的位置。

5)AGV所在区：当前地图上所有的AGV所处的位置。

为仓库场地建模得到的栅格地图信息包括上述多个栅格类型区域。图5展示了一种小型(大小为：11*11)仓库下的栅格地图建模结果。

步骤二、根据改进的A*路径规划算法为各个AGV规划初始的从AGV当前位置到任务装载位置，以及从任务装载位置到任务投递位置的运行路径。

图1所示是采用改进A*算法获取基本路径的方法流程；以四向运作模式的两辆AGV小车(AGV-1,AGV-2)协同完成产生于两个不同时刻(t＝1,t＝2)的分拣任务(TASK-1,TSAK-2)的为例对具体方法所包括步骤进行说明。四向运作模式如图4所示。仓库布局，各AGV的初始位置，分拣任务的装载和投递位置如图6所示。

1)获取栅格地图信息、AGV起点(起始位置)和目标位置信息；

2)定义OPEN列表用于存储之后待处理的节点信息、CLOSE列表用于存储已处理完毕的节点信息、两个列表均初始化为空列表；

3)从起点开始搜寻路径(将起点加入OPEN列表)；

4)判断是否还存在之后待处理的节点(即判断OPEN列表是否为空)，如果存在则继续进行处理，如果不存在说明不存在路径，结束；

5)判断待处理节点中是否包含终点(即判断终点是否在OPEN列表中)，如果不存在则继续进行处理，如果存在则说明寻路成功，结束。

6)选取待处理节点中代价最小的节点U，对其进行进一步搜索处理。

7)处理完毕后，将节点U放入CLOSE列表。

即得到AGV规划初始运行轨迹。

搜寻得到的AGV-1,AGV-2到达对应的任务装载口的基本路径为：

AGV-1对应的OPEN列表和CLOSE列表的处理情况为：

最终路径为：1，4，7，10，13，16，19

AGV-2对应的OPEN列表和CLOSE列表的处理情况为：

最终路径为：21，22，24，29，32，37，47，6，4，8，50，53，56，59

其中，步骤二6)所述节点代价的计算方法具体为，节点的代价等于节点n距离起点的代价加上节点n距离终点的预计代价(用曼哈顿距离表示)再加上转向代价和栅格密度代价，可用下面的式子表示：

f_n＝g_n+h_n+is_turn*t+density*d

其中，f_n代表节点综合优先级，g_n代表节点n距离起点的代价，h_n代表节点n距离终点的预计代价。is_turn*t代表转向代价，density*d代表栅格密度代价。

具体的，

is_turn代表是否产生了转向，产生则设置为1，附加对应的转向代价；不产生则设置为0，不产生转向代价。

t代表转向参数(设置为0则与原始的A*算法一致)，取值≥1可产生抑制转向的作用，取值越大，抑制效果越明显。t的含义等同为：为避免一次转向而愿意多行驶的路径长度。所以如果参数被设置过大会导致算法为搜寻更少转向的路径而浪费大量的时间，故一般设置在[1,3]区间内比较合理。

通过调节转向参数t可以指导路径规划在最短路径和最少拐点路径之间的权衡，这样就可以实现路径的自动平滑化，最终可以实现更少的路径转弯次数。

density代表栅格在预计抵达时刻t_arrive时的密度预估值，代表该栅格在规划下的抵达时刻时预计发生的冲突的可能性大小。栅格在预计抵达时刻时的密度预估值越大，说明选取该点作为规划路径，在之后运行到该点处发生冲突的可能性越大。

可用在预计抵达时刻附近时刻到达该栅格的AGV小车数量的加权平均和表示，例如可采用下面式子表示的方法：

其中，N_t表示在时刻t预计到达该栅格的小车数量。所有权重和应为1，0.2,0.7,0.1为一组常用的权重，可根据实际情况微调，一般而言，预计抵达时刻对应的权重最大。

通过调节栅格密度值参数的大小指导路径规划在最短路径和最少冲突路径之间的权衡，这样就可以实现路径的冲突缓解。

其中，步骤二6)所述搜索处理的具体内容包括：遍历节点U的临近(四个方向的)可达节点nb；

如果节点nb之前已经被处理完毕(即在CLOSE列表中)，则不需要进行处理；

如果节点nb是一个新的节点(即不在CLOSE列表中，也不在CLOSE列表中)，则要根据之前所述节点代价的具体的计算方法对nb的代价进行计算，之后选择从节点U到达节点nb(即令节点nb的父节点为节点U)，将节点nb加入待处理节点(即加入OPEN列表)；

如果节点nb正在等待被处理(即在OPEN列表中)，则更新到达节点nb的方式为从nb节点原先父节点到达nb和从节点U到达nb中代价更小的一项；

通过上述步骤进行AGV路径规划，得到AGV初始运行轨迹。

步骤三、根据等待+重新规划的方法处理AGV在运行过程中可能遇到的各类的冲突问题。具体的方法包括如下步骤：

当AGV前方运行位置被其余AGV阻碍时，与前方阻塞道路的AGV进行通信，来判断其是否需要长期原地作业，如果其需要长期原地作业，则当前AGV重新规划一条新的从当前位置抵达终点的路径，否则选择等待前方AGV离开再通行；

如果重新规划路径失败了，则同样选择原地等待。

通过上述过程，实现基于改进A*算法的分布式AGV无碰撞路径规划。

需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims

1.一种基于改进A*算法的分布式AGV无碰撞路径规划方法，包括利用改进A*算法进行路径规划和利用栅格密度法进行碰撞处理，通过建立资源调度方法，使得多辆自动引导运输车AGV以时间最短为目标，实现高效运行，解决冲突和死锁，同时减少拐弯次数，协同完成分拣任务；包括如下步骤：

步骤一、采用栅格地图法为AGV运行空间场地建模，将AGV运行空间划分为多个栅格类型的区域，包括空闲区、装载口、投递口、临时障碍区和AGV所在区；

步骤二、采用改进的A*路径规划算法为AGV规划初始运行轨迹，得到AGV规划初始运行轨迹；所述初始运行轨迹即从AGV当前位置到任务装载位置的路径及从任务装载位置到任务投递位置的路径；

通过修改A*路径规划算法的搜索终止条件和启发式函数，提高路径搜索效率，减少转向次数，避免冲突；包括如下操作过程：

21)获取栅格地图信息、AGV起始位置和目标位置信息；

22)定义用于存储之后待处理的节点信息的OPEN列表、用于存储已处理完毕的节点信息的CLOSE列表，两个列表均初始化为空列表；

23)从起点开始搜寻路径，即将起点加入OPEN列表；

24)判断OPEN列表是否为空，即判断是否还存在之后待处理的节点；如果存在之后待处理的节点则继续进行处理；否则结束操作，说明不存在路径；

25)判断待处理节点中是否包含终点，即判断终点是否在OPEN列表中；如果不存在则继续进行处理，如果存在则说明寻路成功，结束操作；

26)选取待处理节点中节点代价最小的节点U，对其进行进一步搜索处理；

27)处理完毕后，将节点U放入CLOSE列表；

即得到AGV规划初始运行轨迹；

步骤三、各AGV按照规划的结果运行，根据等待及重新规划的方法处理AGV在运行过程中的冲突问题；

运行过程中如果发生冲突，则优先采取原地等待策略；

运行过程中如果检测到死锁则进行重新规划，找到之前由于死锁始终无法到达的路径规划的下一位置的栅格，将其虚拟设置为临时障碍，再进行重新规划；只规划先检测到死锁的AGV小车；

通过上述步骤，即实现基于改进A*算法的分布式AGV无碰撞路径规划。

2.如权利要求1所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，步骤一中，AGV每次移动以一个栅格为单位；栅格的大小设置为与AGV的大小相同。

3.如权利要求1所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，步骤一中，

空闲区为自由可用的小车活动区域；

装载口为所有AGV可选起始位置；

投递口为所有AGV可选目标位置，从装载口出发，到达目标投递口附近任意一个栅格启用智能投递装置即完成一次车载货物的投递工作；非本AGV目标投递口在本AGV运行过程中视为障碍物；

临时障碍区为存在需要长时间占据以完成任务的AGV的位置；

AGV所在区是当前地图上所有的AGV所处的位置。

4.如权利要求1所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，步骤二中，节点代价等于节点n距离起点的代价、节点n距离终点的预计代价、转向代价、栅格密度代价的加和。

5.如权利要求4所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，节点代价的计算方法具体表示为：

f_n＝g_n+h_n+is_turn*t+density*d

其中，f_n代表节点综合优先级，g_n代表节点n距离起点的代价，h_n代表节点n距离终点的预计代价。is_turn*t代表转向代价，density*d代表栅格密度代价；t代表转向参数。

6.如权利要求5所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，当产生转向时，则设置is_turn为1，加上对应的转向代价；否则不产生转向时则设置is_turn为0，不产生转向代价；t取值设置为[1,3]。

7.如权利要求5所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，density具体为在预计抵达时刻附近时刻到达该栅格的AGV小车数量的加权平均和，表示如下：

其中，N_t表示在时刻t预计到达该栅格的小车数量。

8.如权利要求1所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，步骤二中，搜索处理具体包括如下过程：

遍历节点U的临近四个方向的可达节点nb；

如果节点nb之前已经被处理完毕，即节点nb在CLOSE列表中，则不需要进行处理；

如果节点nb是一个新的节点，即节点nb不在CLOSE列表中，也不在CLOSE列表中，则对nb的代价进行计算，之后选择从节点U到达节点nb，即令节点nb的父节点为节点U，再将节点nb加入待处理节点，即加入OPEN列表；

如果节点nb正在等待被处理，即节点nb在OPEN列表中，则更新到达节点的方式为从nb节点原先父节点到达nb和从节点U到达nb中代价更小的一项。

9.如权利要求1所述基于改进A*算法的分布式AGV无碰撞路径规划方法，其特征是，步骤三中，等待及重新规划的方法具体包括：

当AGV前方运行位置被其余AGV阻碍时，则与前方阻塞道路的AGV进行通信，判断前方阻塞道路的AGV是否需要长期原地作业；

如果前方阻塞道路的AGV需要长期原地作业，则当前AGV重新规划一条新的从当前位置抵达终点的路径；否则选择等待前方AGV离开再通行；

如果重新规划路径失败了，则原地等待。