CN113899383B - 基于短路径的多车防死锁方法、***、设备及存储介质 - Google Patents
基于短路径的多车防死锁方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN113899383B CN113899383B CN202111385111.5A CN202111385111A CN113899383B CN 113899383 B CN113899383 B CN 113899383B CN 202111385111 A CN202111385111 A CN 202111385111A CN 113899383 B CN113899383 B CN 113899383B
- Authority
- CN
- China
- Prior art keywords
- path
- waiting
- vehicles
- vehicle
- 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 65
- 230000002265 prevention Effects 0.000 title claims abstract description 42
- 230000001502 supplementing effect Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 3
- 101150064138 MAP1 gene Proteins 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了基于短路径的多车防死锁方法、***、设备及存储介质,该方法包括以下步骤:对每个车辆进行基于时间扩展的路径规划;将每辆车规划后的路径基于预设长度切分为若干短路径区域;车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,当存在重叠区域,则生成等待链路信息;追溯当前的等待链路信息的队首车辆,并补充到等待链路信息;若队首车辆能获得一不与等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为队首车辆申请并驶入短路径区域;待队尾车辆通过重叠区域后,放行等待链路信息中的队首车辆。本发明能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
Description
技术领域
本发明涉及路径规划技术领域,尤其涉及一种基于短路径的多车防死锁方法、***、设备及存储介质。
背景技术
最短路径算法的发展一直是工程及图论中的前沿问题。由于其适用性广的特点,单独设计针对各行各业的路径规划算法变种也层出不穷。在建立好环境电子地图的前提下,对于给定的起点和终点,选择从起点到终点的最优路径。由于从起始节点到终止节点可能有很多的连接方式,每种连接方式的路径长度都各不相同,所以在不考虑车辆之间的干扰、环境的干扰以及线路阻塞的条件下,路径规划问题就转换为在所建立的电子地图的环境下,求起点到终点的最短路径长度。
为提高求解最有路径的效率,国内外学者都做出来突出的贡献。国内学者的研究方向主要为多车的路径规划以及车辆在行进过程中的避障问题。研究的主要理论包括:沈阳自动化研究所刘国栋研究了一种AGV两阶段动态路径规划算法,其算法是通过在离线时生成路径集合,在运行时进行动态选择和调整的方法。国外在对路径规划研究一直是AGV研究领域的热点和难点问题,已经有大量的算法用于多车的路径规划。例如:将遗传算法应用于路径规划,通过将空闲车辆进行分类,采用遗传迭代的方法。而多车路径规划的死锁避免和解死锁对算法提出了更高的要求。研究者很快发现,当车辆数上升到多辆时,算法的复杂程度大大上升。
并且,在大量无人车共同工作的场景下,例如:无人码头等同时使用大量的无人集卡,如果任凭每个无人集卡自行规划线路,则容易发生在一些特殊路口,大量车辆堵塞,锁死整个区域的情况。
有鉴于此,本发明提供了一种基于短路径的多车防死锁方法、***、设备及存储介质。
需要说明的是,上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题,本发明的目的在于提供基于短路径的多车防死锁方法、***、设备及存储介质,克服了现有技术的困难,能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
本发明的实施例提供一种基于短路径的多车防死锁方法,包括以下步骤:
S110、对每个车辆进行基于时间扩展的路径规划;
S120、将每辆车规划后的路径基于预设长度切分为若干短路径区域;
S130、所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,若所述短路径区域已被另一车辆申请,则停车等待,并基于等待关系生成等待链路信息;S140、追溯当前的所述等待链路信息中的被等待车辆是否也具有被等待车辆,若是,则将所述等待关系补充到等待链路信息,返回步骤S140;若否,则执行步骤S150;
S150、为所述等待链路信息中位于队列源头的队首车辆规划不与其他车辆的路径规划相重叠的短路径区域;以及
S160、当等待链路信息中的队尾车辆通过第一重叠区域后,放行所述等待链路信息中的队首车辆。
优选地,所述步骤S120中,还包括:
基于电子地图遍历所述短路径区域,当相邻的两个所述短路径区域是否属于同一道路节点,所述道路节点为弯道或交汇路口中的一种,则将所述短路径区域相合并。
优选地,所述步骤S130中,包括:所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,当短路径区域在该时间已被另一车辆申请,则两车的路径存在第一重叠区域,所述车辆停车等待,并基于等待关系生成等待链路信息,等待车辆作为等待链路信息中的队尾车辆。
优选地,所述步骤S130中,还包括:
所述等待链路信息包括多个车辆数据对,每个车辆数据对中包括等待车辆和被等待车辆,并且所述车辆数据对中的被等待车辆与排列排列在其前的相邻所述车辆数据对中的等待车辆相同。
优选地,所述等待链路信息中的每个车辆数据对中还包括等待车辆和被等待车辆发生重叠的重叠区域所在的短路径区域的位置信息。
优选地,所述步骤S140中,还包括:
将当前的所述等待链路信息中的队首车辆以及所述队首车辆的被等待车辆生成一新的车辆数据对,加入到所述等待链路信息的头部。
优选地,所述步骤S150中包括:若所述等待链路信息中位于队列源头的队首车辆基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与所述等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为所述队首车辆申请并驶入所述短路径区域
优选地,所述步骤S150中包括:
若当前所述等待链路信息中的车辆总数超过预设阈值,且所述等待链路信息中位于队列源头的队首车辆基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与所述等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为所述队首车辆申请并驶入所述短路径区域,所述预设阈值的取值范围是大于2。
优选地,所述步骤S110中包括:
S111、获取路径规划的初始参数和二维空间地图,所述初始参数包括起始地的空间坐标、起始时间和目的地的空间坐标,所述二维空间地图中包括多个空间节点,每个所述空间节点具有一二维的空间坐标;
S112、将二维空间地图扩展到三维时空地图,其中,第一维度和第二维度分别为所述二维空间地图的两个维度,第三维度为时间,所述三维时空地图的时间范围以所述起始时间为起点;
S113、根据所述起始地的空间坐标和所述起始时间确定所述三维时空地图中的起始地时空节点,根据所述目的地的空间坐标和所述三维时空地图的时间范围确定所述三维时空地图中的目的地直线;
S114、基于A Star路径规划算法,在所述三维时空地图中从所述起始地时空节点开始依次搜索下一个路径节点,以获得从所述起始地到所述目的地的最短路径。
优选地,在所述三维时空地图中搜索下一个路径节点时,对下一个路径节点的选择设置时空约束条件,所述时空约束条件包括:可供搜索的下一个时空节点包括根据当前时空节点的空间坐标与下一时刻确定的时空节点以及根据当前时空节点的空间上邻接节点的空间坐标与下一时刻确定的节点。
优选地,所述将二维空间地图扩展到三维时空地图之后,还包括如下步骤:
在所述三维时空地图中,计算每个空间节点的到达难度指标;
在所述三维时空地图中搜索下一个路径节点时,采用的启发函数根据所述三维时空地图中各个空间节点的到达难度指标计算得到。
优选地,所述计算每个空间节点的到达难度指标,包括如下步骤:
在所述二维空间地图中,依次计算每个空间节点到其邻接节点的到达难度指标;
对于每个空间节点,计算该空间节点到其各个邻接节点的到达难度指标的平均值,作为该空间节点的到达难度指标。
优选地,所述计算每个空间节点到其邻接节点的到达难度指标,包括计算每个空间节点到其邻接节点的曼哈顿距离或旅行时间,作为所对应的到达难度指标。
优选地,所述依次计算每个空间节点到其邻接节点的到达难度指标,包括如下步骤:
在所述二维空间地图中找到最远的两个空间节点;
从最远的两个空间节点出发使用深度优先遍历方法依次搜索次远的空间节点,并迭代生成四维矩阵,所述四维矩阵中的第一维度和第二维度分别为所述二维空间地图的两个维度,第三维度对应于时间,第四维度对应于每个空间节点到其邻接节点的到达难度指标。
优选地,在所述二维空间地图中找到最远的两个空间节点,包括在所述二维空间地图中寻找曼哈顿距离最远或者旅行时间最长的两个空间节点。
优选地,所述方法应用于多车路径规划,且在所述三维时空地图中搜索下一个路径节点时,当前规划的车辆与已规划的车辆不能在同一时刻经过同一空间节点。
优选地,所述方法应用于多车路径规划,且在所述三维时空地图中搜索下一个路径节点时,采用如下步骤建立封闭列表:
根据预设的车辆路径规划顺序,获取已规划的车辆路径的数据;
确定已规划的车辆路径在各个空间节点的通过时间;
根据已规划的车辆路径在各个空间节点的通过时间和所对应的空间节点的空间坐标,确定锁闭节点;
将所述锁闭节点加入封闭列表。
优选地,所述封闭列表还包括预设的默认锁闭节点,所述默认锁闭节点所对应的时间为所述三维时空地图的时间范围。
优选地,所述获取路径规划的初始参数之后,还包括如下步骤:
计算所述起始地到所述目的地的旅行时间;
根据所述起始时间和所述旅行时间定义所述三维时空地图的时间范围。
本发明的实施例还提供一种基于短路径的多车防死锁***,用于实现上述的基于短路径的多车防死锁方法,基于短路径的多车防死锁***包括:
路径规划模块,对每个车辆进行基于时间扩展的路径规划。
路径切分模块,将每辆车规划后的路径基于预设长度切分为若干短路径区域。
等待链路模块,所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,若所述短路径区域已被另一车辆申请,则停车等待,并基于等待关系生成等待链路信息。
队首追溯模块,追溯当前的所述等待链路信息中队首的被等待车辆是否也具有被等待车辆,若是,则将所述等待关系补充到等待链路信息,返回步骤S140。若否,则执行步骤S150。
路径调整模块,为所述等待链路信息中位于队列源头的队首车辆规划不与其他车辆的路径规划相重叠的短路径区域。以及
队首放行模块,当等待链路信息中的队尾车辆通过第一重叠区域后,放行所述等待链路信息中的队首车辆。
本发明的实施例还提供一种基于短路径的多车防死锁设备,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行上述基于短路径的多车防死锁方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述基于短路径的多车防死锁方法的步骤。
本发明的基于短路径的多车防死锁方法、***、设备及存储介质,能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的基于短路径的多车防死锁方法的流程图。
图2是本发明的基于短路径的多车防死锁方法的流程图。
图3是本发明的基于短路径的多车防死锁方法中使用三维时空地图的示意图。
图4是本发明的基于短路径的多车防死锁***的结构示意图。
图5是本发明的基于短路径的多车防死锁设备的结构示意图。以及
图6是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。
图1是本发明的基于短路径的多车防死锁方法的流程图。如图1所示,本发明的实施例提供一种基于短路径的多车防死锁方法,包括以下步骤:
S110、对每个车辆进行基于时间扩展的路径规划;
S120、将每辆车规划后的路径基于预设长度切分为若干短路径区域。本实施例中,基于电子地图遍历短路径区域,当相邻的两个短路径区域是否属于同一道路节点,道路节点为弯道或交汇路口中的一种,则将短路径区域相合并。
S130、车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,当短路径区域在该时间已被另一车辆申请,则两车的路径存在第一重叠区域,车辆停车等待,并基于等待关系生成等待链路信息,等待车辆作为等待链路信息中的队尾车辆。等待链路信息包括多个车辆数据对,每个车辆数据对中包括等待车辆和被等待车辆,并且车辆数据对中的被等待车辆与排列排列在其前的相邻车辆数据对中的等待车辆相同。等待链路信息中的每个车辆数据对中还包括等待车辆和被等待车辆发生重叠的重叠区域所在的短路径区域的位置信息。
S140、追溯当前的等待链路信息中的被等待车辆是否也具有被等待车辆,若是,则将等待关系补充到等待链路信息(例如:将当前的等待链路信息中的队首车辆以及队首车辆的被等待车辆生成一新的车辆数据对,加入到等待链路信息的头部。),返回步骤S140;若否,则执行步骤S150。例如:车辆C1在等待车辆C2通过重叠区域D1,则最初的等待链路信息为([车辆C1,车辆C2,重叠区域D1]),其中,车辆C1处于队尾,车辆C2处于队首。后续通过追溯,发现车辆C2在等待车辆C3通过重叠区域D2,则补充后的等待链路信息包括:([车辆C1,车辆C2,重叠区域D1]、[车辆C2,车辆C3,重叠区域D2]),其中,车辆C1处于队尾,车辆C3处于队首。继续追溯,车辆C3没有需要等待的其他车辆,则等待链路信息已经完整,停止追溯。
S150、若等待链路信息中位于队列源头的队首车辆基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为队首车辆申请并驶入短路径区域。本实施例中,若当前等待链路信息中的车辆总数超过预设阈值,且等待链路信息中位于队列源头的队首车辆基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为队首车辆申请并驶入短路径区域,预设阈值的取值范围是大于2,本实施例中,预设阈值为4,即当等待链路信息中的车辆总数超过4辆车时,就认为接近发生锁死,需要紧急启动放锁死步骤。本实施例中,可以通过为队首车辆临时设置一条回避等待链路信息中其他车辆的路径,在一个不干扰等待链路信息中其他车辆的短路径区域进行临时停车。让等待链路信息中队首车辆的紧急规避停车换来等待链路信息中后续其他车辆的政策行驶。
在一个变形例中,也可以让队首车辆进行新的路径规划,寻找基于通过时间不与等待链路信息中所有其他车辆的路径规划相重叠的路径,如果能够获得,则让队首车辆基于新的路径规划行驶;如果不能获得则基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为队首车辆申请并驶入短路径区域。这样能减少对等待链路信息中所有车辆的时间损耗,运输效率最大化。
S160、待队尾车辆通过第一重叠区域后,放行等待链路信息中的队首车辆。
在本发明中,可能要发生锁死情况时,通过及时地对等待链路信息中的队首车辆进行调整,避免了整个等待链路信息中其他车辆的锁死,虽然会影响队首车辆的运输,但与整个低于大量车辆的锁死相比,已经是大大地预防了车队或是无人码头运转过程中的整体损失。
在一个优选实施例中,图2是本发明的基于短路径的多车防死锁方法的流程图。如图2所示,本实施例中的S110、对每个车辆进行基于时间扩展的路径规划,包括以下步骤:
S111、获取路径规划的初始参数和二维空间地图,初始参数包括起始地的空间坐标、起始时间和目的地的空间坐标,二维空间地图中包括多个空间节点,每个空间节点具有一二维的空间坐标;
S112、将二维空间地图扩展到三维时空地图,其中,第一维度和第二维度分别为二维空间地图的两个维度,第三维度为时间,三维时空地图的时间范围以起始时间为起点;
S113、根据起始地的空间坐标和起始时间确定三维时空地图中的起始地时空节点,根据目的地的空间坐标和三维时空地图的时间范围确定三维时空地图中的目的地直线;
S114、基于A Star路径规划算法,在三维时空地图中从起始地时空节点开始依次搜索下一个路径节点,以获得从起始地到目的地的最短路径。
该实施例的基于短路径的多车防死锁方法中,每个步骤的序号仅为区分各个步骤,而不作为各个步骤的具体执行顺序的限定,上述各个步骤之间的执行顺序可以根据需要调整改变。例如可以首先获取作为目标搜索的二维空间地图,并进行三维扩展,然后获取起始地和目的地的空间坐标等参数等,均属于本发明的保护范围之内。
本发明通过采用该基于短路径的多车防死锁方法,在通过步骤S111获取到初始参数和目标的二维空间地图之后,通过步骤S112将二维空间地图增加时间维度,可以扩展到三维时空地图,实现搜索空间的扩展,可以避免多车路径规划时的碰撞或死锁等情况。本发明通过增加时间维度,在步骤S113中将单一的时间点约束放开到三维空间的一条直线上,当路径规划搜索到目的地所在的直线上任意一点即满足跳出条件,可以很好地应用于多车路径规划,由于本发明在步骤S114中基于A Star算法实现最短路径查询,并且结合时间和空间进行路径搜索,实现时空一致性路径搜索,可以满足最快运输计划的约束。
步骤S114中,如果是针对一个车辆的路径规划,则基于A Star路径规划算法在三维时空地图中进行路径搜索,获取最短路径的各个路径节点。如果是针对多个车辆的路径规划,则根据预设的车辆路径规划顺序,依次为每个车辆在三维时空地图中进行路径搜索。
图3是本发明的基于短路径的多车防死锁方法中使用三维时空地图的示意图。如图2和3所示,本发明通过步骤S112和步骤S113,在传统的二维路径搜索的基础上将二维空间地图(x,y)上扩展到三维(x,y,t),增加时间t为第三维度。现有技术中虽然也已经提出了使用时间作为搜索空间的扩展,但是现有技术在一个确定的时间结果点的基础上进行搜索,在多车情况下,很难找到一个确定的时间点。而本发明通过步骤S113将单一的目的地的时间点约束放开到三维空间的一条直线(例如图3中示出的节点7所对应的在t维度上延伸的直线)上,因此当单车路径规划搜索到该直线的任意一点上既满足跳出条件,进一步优化了基于时间扩展的优化。
在本发明中,空间节点指的是在原始目标的二维空间地图上的二维空间节点,每个二维空间节点具有一个二维(x、y方向)的空间坐标(x,y)。本发明将二维空间地图扩展到三维时空地图中,增加了t维度,三维时空地图中的各个时空节点的时空坐标(x,y,t)包括了其空间坐标(x,y)以及所对应的时间t。
在三维时空地图中从起始地时空节点开始依次搜索下一个路径节点时,不仅需要考虑路径节点的二维空间坐标,还要考虑路径节点所对应的时间维度。因此,在步骤S114中,在三维时空地图中搜索下一个路径节点时,需要进行空间搜索,在本发明中,该空间搜索与现有技术中的不同,由于增加了时间作为第三维度,搜索的过程中只允许时间上的叠加,而不允许时间上的下降,因此需要对下一个路径节点的选择设置时空约束条件,该时空约束条件基于常理:无法执行路径向前同时使得时间倒退,停止等待时也无法使得时间倒退。
在该实施例中,时空约束条件包括:可供搜索的下一个时空节点包括(a)根据当前时空节点的空间坐标与下一时刻确定的时空节点以及(b)根据当前时空节点的空间上邻接节点的空间坐标与下一时刻确定的节点。其中,(a)表示可能在时间前进的同时停留在原地的时空节点;(b)表示在路径前进到下一个空间节点的同时时间前进而可选的时空节点。
具体地,时空约束条件可以表示为:
N{Adj}t+1=Nt+1+N{Adj}t
其中,N表示搜索使用的时空节点,t表示当前时刻,Adj表示邻接点集合。可供搜索的下一个时空节点N{Adj}t+1包括(a)根据当前时空节点Nt的空间坐标与下一时刻t+1确定的时空节点Nt+1以及(b)根据当前时空节点Nt的空间上邻接节点的空间坐标与下一时刻确定的节点N{Adj}t。上述公式表示当前节点的下一个节点只能在t+1时刻的邻接点集合中搜索。
在步骤S114中,基于A Star路径规划算法在三维时空地图中进行路径搜索。此处首先对A Star路径规划算法进行介绍。
A Star算法即A*算法,是一种最佳优先搜索,其是根据加权图表制定的。从目标地图的起始地节点(在采用二维空间地图时,起始地节点为起始空间节点,在应用到本发明中采用三维时空地图时,起始地节点为起始地时空节点),依次搜索下一个路径节点,直至到达目的地节点(在采用二维空间地图时,目的地节点为目的空间节点,在应用到本发明中采用三维时空地图时,目的地节点为目的地所对应的直线)。
A Star算法旨在找到具有最小值的给定目的地节点的路径成本(最少行驶距离,最短时间等)。它通过维护源自起始地节点的路径树并且一次一个地延伸那些路径,直到满足其终止标准来实现。在其主循环的每次迭代中,A Star需要确定要扩展哪些路径。它是根据当前路径的成本和将路径一直延伸到目标所需的成本来进行估算总路径成本,以此来判断哪条路径作为下一个查找的节点。具体而言,A Star算法的路径成本可以表示为如下公式:
f(n)=g(n)+h(n)
其中,n表示路径上下一个节点,g(n)表示从起始地节点到节点n的路径成本,h(n)是启发函数,用于估算从节点n到目的地节点的最短路径的成本。当它选择扩展的路径是从起始地到目的地的路径或者没有路径可以扩展时,A Star搜索终止。启发函数是特定于问题的。如果启发函数是可接受的,意味着它永远不会高估实现目标的实际成本,而A Star算法保证返回从起始地到目的地的最低成本路径。A Star使用优先级队列来执行重复选择的最小(估计)成本节点以进行扩展。在算法的每次迭代中,从队列中移除具有最低f(n)值的节点,相应地更新其邻居的f值和g值,并且将这些邻居添加到队列中。算法继续,直到目的地节点的f值低于队列中任何节点的f值或者队列为空。目的地节点的f值即是最短路径的成本,因为在描述目的地的启发函数中,目的地节点处的h值为零。
最后,在整个结果队列做反向搜索,从目的地出发反向搜索至起始地,即可得到最短路径。在图论中,该过程称为增广过程。
针对一般的路径规划算法而言,采用传统二维空间搜索的A Star算法即可满足大部分要求。然而对于多车路径规划而言,传统的A Star算法具有一些局限性:(1)当每辆车单独进行规划时,很难保证每条路径不发生冲突;(2)单条路径的规划缺少全局的优化,如果每辆单车简单地进行停止等待的话,在不发生死锁的情况下虽然可以保证最短路径,但很难保证水平运输的完成时间(ETA,estimate time of arrival)最少。
在该实施例中,步骤S112:将二维空间地图扩展到三维时空地图之后,还包括如下步骤:
S1121:在三维时空地图中,计算每个空间节点的到达难度指标;
步骤S114中,在三维时空地图中搜索下一个路径节点时,采用的启发函数根据三维时空地图中各个空间节点的到达难度指标计算得到。
传统的A Star算法中启发函数是根据当前节点到目的地节点的曼哈顿距离来计算的。由于在本发明中,目的地描述从单点变为直线,则原先的曼哈顿距离将无法很好地适用于启发函数中。
具体地,本发明采用各个空间节点的到达难度指标替代传统的A Star算法中两个节点之间的曼哈顿距离,在启发函数中,根据三维时空地图中各个空间节点的到达难度指标估算每个空间节点到目的地节点的最短路径的成本。
进一步地,步骤S1121中,计算每个空间节点的到达难度指标,包括如下步骤:
S11211:在二维空间地图中,依次计算每个空间节点到其邻接节点的到达难度指标;
S11212:对于每个空间节点,计算该空间节点到其各个邻接节点的到达难度指标的平均值,作为该空间节点的到达难度指标,例如,一个空间节点到其四个邻接节点的到达难度指标分别为2、1、2、1,则该空间节点的到达难度指标为(2+1+2+1)/4=1.5。
在该实施例中,计算每个空间节点到其邻接节点的到达难度指标,包括计算每个空间节点到其邻接节点的曼哈顿距离或旅行时间(travel time),作为所对应的到达难度指标。曼哈顿距离(Manhattan Distance)是种使用在几何度量空间的几何学用语,用以标明两个点在标准坐标系上的绝对轴距总和。曼哈顿距离比较适用于道路横平竖直、分布十分有规律的场景,例如在码头的集装箱卡车的路径规划场景,由于码头的道路是横平竖直的,因此比较适用于采用曼哈顿距离。而在城市实际道路中的路径规划场景中,由于城市道路形状不是特别规则,可能会有斜岔路以及道路限速的影响,因此比较适合于采用旅行时间。旅行时间可以根据每个路段的实际长度和该路段的道路限速来计算得到。
Faloutsos提出了Fast Map的方法,该Fast Map的方法使用地图物理距离最远迭代计算生成距离图进行各点估计,本发明将该方法在三维场景中进行了扩展。具体地,如图3所示,步骤S11211:依次计算每个空间节点到其邻接节点的到达难度指标,包括如下步骤:
S11211-1:在原始的二维空间地图中找到物理距离最远的两个空间节点;
S11211-2:从最远的两个空间节点出发使用深度优先遍历方法依次搜索次远的空间节点,并迭代生成四维矩阵;
传统的Fast Map方法将二维空间地图扩展到三维场景,由于本发明已经应用在三维时空地图中,需要提升至四维,其中,四维矩阵中的第一维度和第二维度分别为二维空间地图的两个维度,第三维度对应于时间,第四维度对应于每个空间节点到其邻接节点的到达难度指标,即Fast Map维度。
步骤S11212的具体实现方式为:当原始的二维空间地图中所有的空间节点遍历之后,将整体四维场景压缩回三维时空地图,而每个空间节点到其他各个空间节点的距离为第四维度(Fast Map维度)所有值的平均。
在该实施例中,步骤S11211-1中,在原始的二维空间地图中找到物理距离最远的两个空间节点时,可以在二维空间地图中寻找曼哈顿距离最远或者旅行时间最长的两个空间节点。
在该实施例中,由于增加了时间维度,基于短路径的多车防死锁方法应用于多车路径规划,且在三维时空地图中搜索下一个路径节点时,在后规划的车辆路径会受到在前规划的车辆路径的约束,即在后规划的车辆路径不能与在前规划的车辆路径在同一时间经过同一空间节点。本发明通过封闭列表来保证多车路径规划中,每个单车的路径规划不与其他车辆发生冲突。
如图4所示,具体地,基于短路径的多车防死锁方法应用于多车路径规划,且在步骤S114中,三维时空地图中搜索下一个路径节点时,采用如下步骤建立封闭列表:
S1141:根据预设的车辆路径规划顺序,获取已规划的车辆路径的数据;
S1142:确定已规划的车辆路径在各个空间节点的通过时间;
S1143:根据已规划的车辆路径在各个空间节点的通过时间和所对应的空间节点的空间坐标,确定锁闭节点;
S1144:将锁闭节点加入封闭列表。
在该实施例中,封闭列表还包括预设的默认锁闭节点,默认锁闭节点所对应的时间为三维时空地图的时间范围。默认锁闭节点例如是已知的道路维修或道路故障而无法通行的节点等。
因此,封闭列表可以表示为如下公式:
其中,Lthis表示当前封闭列表中所有的封闭节点,Close表示当前的默认锁闭节点,表示根据已规划车辆路径的数据采用步骤S1143确定的锁闭节点的集合。
因此,通过采用本发明的封闭列表,无需为每个单车的路径锁闭所有的时间。也就是说,地图上每个物理节点所对应的锁闭只是临时的,当且仅当车辆计划通过的时间段内,该节点锁闭,否则该节点将开放。本发明通过将每次寻路结果加入下一次寻路的封闭列表来实现这个功能。
理论上,三维时空地图的时间范围t_space可以包括从起始时间开始之后的所有时间。然而,太大的时间范围t_space会导致算法搜索空间的增加,过小的时间范围t_space将无法得出空间路径,因为在一个有限(过小)的空间中可能无法安排足够的原地等待时间。因此,如果选择合适的t_space的大小也是影响算法的一个关键因素。
在该实施例中,步骤S111中,获取路径规划的初始参数之后,还包括如下步骤:
计算起始地到目的地的旅行时间;
根据起始时间和旅行时间定义三维时空地图的时间范围。具体地,将起始时间作为三维时空地图的时间范围的起始点,可以将起始时间加上旅行时间后得到的时间作为三维时空地图的时间范围的终止点,即时间范围t_space的大小等于起始地到目的地的旅行时间。也可以在旅行时间上乘以一个预设的系数,然后再与起始时间相加后作为三维时空地图的时间范围的终止点,该系数的大小可以根据需要调整。
在采用步骤S114进行路径规划时,可以采用多个运算线程同时进行,在各个运算线程中,将时间范围t_space的值代入算法进行寻路。一旦一个线程得到合法路径,则停止其他线程的计算。
本发明可以使用C++语言或其他语言对于以上伪代码进行具体实现。为了测试算法的可行性,发明人构造了一系列测试地图并在这些地图上进行算法验证。此处选取其中3个最具代表性的地图,其中地图1拥有64个节点,地图2拥有450个节点,地图3拥有80000个节点。
针对不同地图,本发明的算法将随机选取地图上的两点作为车辆的起始地和目的地,并迭代10000次,计算每次寻路结果的计算时间并取平均值。以下表1示出了针对单次计算(单车***)的计算结果。
表1单次计算结果
地图 | 地图1 | 地图2 | 地图3 |
平均计算时间 | 10ms | 122ms | 154ms |
平均寻路迭代层数 | 5432 | 11284 | 14538 |
从单车***结果中可以看出,本发明的路径规划方法在大地图上表现出比较高的收敛速度,当节点数增大后,平均计算时间仍然可以在一个可以接受的范围内。同时算法的迭代次数也在一个比较合理的区间内。
针对多次计算(多车***),本发明的路径规划方法的计算结果如下:
表2多次计算结果
地图 | 地图1 | 地图2 | 地图3 |
平均计算时间 | 30ms | 150ms | 530ms |
平均寻路迭代层数 | 6208 | 63289 | 118275 |
针对多车环境下,本发明的算法在中小地图中仍然可以获得比较快的速度,然而当车辆数增多后,本发明的计算时间也相应增加。这是由于多车的锁闭节点对于下一辆车的寻路造成影响。更多的锁闭意味着更多次的迭代层数,也就需要更多的计算时间。
图4是本发明的基于短路径的多车防死锁***的结构示意图。如图4所示,本发明的基于短路径的多车防死锁***5,包括:
路径规划模块51,对每个车辆进行基于时间扩展的路径规划。
路径切分模块52,将每辆车规划后的路径基于预设长度切分为若干短路径区域。
等待链路模块53,所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,若所述短路径区域已被另一车辆申请,则停车等待,并基于等待关系生成等待链路信息。
队首追溯模块54,追溯当前的所述等待链路信息中队首的被等待车辆是否也具有被等待车辆,若是,则将所述等待关系补充到等待链路信息,返回步骤S140。若否,则执行步骤S150。
路径调整模块55,为所述等待链路信息中位于队列源头的队首车辆规划不与其他车辆的路径规划相重叠的短路径区域。以及
队首放行模块56,当等待链路信息中的队尾车辆通过第一重叠区域后,放行所述等待链路信息中的队首车辆。
本发明的基于短路径的多车防死锁***,能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
本发明实施例还提供一种基于短路径的多车防死锁设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的基于短路径的多车防死锁方法的步骤。
如上,本发明的基于短路径的多车防死锁设备能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图5是本发明的基于短路径的多车防死锁设备的结构示意图。下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的基于短路径的多车防死锁方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
图6是本发明的计算机可读存储介质的结构示意图。参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的基于短路径的多车防死锁方法、***、设备及存储介质,能够应用于多无人车之间的路径协同规划,有效防止死锁的发生,实现车辆防碰撞和死锁规避,并提升车队整体运输效率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于短路径的多车防死锁方法,其特征在于,包括如下步骤:
S110、对每个车辆进行基于时间扩展的路径规划;
S120、将每辆车规划后的路径基于预设长度切分为若干短路径区域;
S130、所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,若所述短路径区域已被另一车辆申请,则两车的路径存在第一重叠区域,所述车辆停车等待,并基于等待关系生成等待链路信息,等待车辆作为等待链路信息中的队尾车辆,所述等待链路信息包括多个车辆数据对,每个车辆数据对中包括等待车辆和被等待车辆,并且所述车辆数据对中的被等待车辆与排列在其前的相邻所述车辆数据对中的等待车辆相同;S140、追溯当前的所述等待链路信息中队首的被等待车辆是否也具有被等待车辆,若是,则将所述等待关系补充到等待链路信息,包括将当前的所述等待链路信息中的队首车辆以及所述队首车辆的被等待车辆生成一新的车辆数据对,加入到所述等待链路信息的头部,返回步骤S140;若否,则执行步骤S150;
S150、为所述等待链路信息中位于队列源头的队首车辆规划不与其他车辆的路径规划相重叠的短路径区域;以及
S160、当处于等待链路信息中的队首车辆通过所述第一重叠区域后,放行所述等待链路信息中的队尾车辆。
2.根据权利要求1所述的基于短路径的多车防死锁方法,其特征在于,所述步骤S120中,还包括:
基于电子地图遍历所述短路径区域,当相邻的两个所述短路径区域属于同一道路节点,所述道路节点为弯道或交汇路口中的一种,则将属于所述同一道路节点的所述短路径区域相合并。
3.根据权利要求1所述的基于短路径的多车防死锁方法,其特征在于,所述等待链路信息中的每个车辆数据对中还包括等待车辆和被等待车辆发生重叠的重叠区域所在的短路径区域的位置信息。
4.根据权利要求1所述的基于短路径的多车防死锁方法,其特征在于,所述步骤S150中包括:
若当前所述等待链路信息中的车辆总数超过预设阈值,且所述等待链路信息中位于队列源头的队首车辆基于当前所在位置相连接的其他短路径区域中基于通过时间存在一不与所述等待链路信息中所有其他车辆的路径规划相重叠的短路径区域,则为所述队首车辆申请并驶入所述短路径区域,所述预设阈值的取值范围是大于2。
5.根据权利要求1所述的基于短路径的多车防死锁方法,其特征在于,所述步骤S110中包括:
S111、获取路径规划的初始参数和二维空间地图,所述初始参数包括起始地的空间坐标、起始时间和目的地的空间坐标,所述二维空间地图中包括多个空间节点,每个所述空间节点具有一二维的空间坐标;
S112、将二维空间地图扩展到三维时空地图,其中,第一维度和第二维度分别为所述二维空间地图的两个维度,第三维度为时间,所述三维时空地图的时间范围以所述起始时间为起点;
S113、根据所述起始地的空间坐标和所述起始时间确定所述三维时空地图中的起始地时空节点,根据所述目的地的空间坐标和所述三维时空地图的时间范围确定所述三维时空地图中的目的地直线;
S114、基于A Star路径规划算法,在所述三维时空地图中从所述起始地时空节点开始依次搜索下一个路径节点,以获得从所述起始地到所述目的地的最短路径。
6.根据权利要求5所述的基于短路径的多车防死锁方法,其特征在于,在所述三维时空地图中搜索下一个路径节点时,对下一个路径节点的选择设置时空约束条件,所述时空约束条件包括:可供搜索的下一个时空节点包括根据当前时空节点的空间坐标与下一时刻确定的时空节点以及根据当前时空节点的空间上邻接节点的空间坐标与下一时刻确定的节点。
7.根据权利要求5所述的基于短路径的多车防死锁方法,其特征在于,所述将二维空间地图扩展到三维时空地图之后,还包括如下步骤:
在所述三维时空地图中,计算每个空间节点的到达难度指标;
在所述三维时空地图中搜索下一个路径节点时,采用的启发函数根据所述三维时空地图中各个空间节点的到达难度指标计算得到。
8.一种基于短路径的多车防死锁***,其特征在于,所述***包括:
路径规划模块,对每个车辆进行基于时间扩展的路径规划;
路径切分模块,将每辆车规划后的路径基于预设长度切分为若干短路径区域;
等待链路模块,所述车辆在行驶中基于路径规划的通过时间申请行驶方向前方的至少一短路径区域,若所述短路径区域已被另一车辆申请,则两车的路径存在第一重叠区域,所述车辆停车等待,并基于等待关系生成等待链路信息,等待车辆作为等待链路信息中的队尾车辆,所述等待链路信息包括多个车辆数据对,每个车辆数据对中包括等待车辆和被等待车辆,并且所述车辆数据对中的被等待车辆与排列在其前的相邻所述车辆数据对中的等待车辆相同;
队首追溯模块,追溯当前的所述等待链路信息中队首的被等待车辆是否也具有被等待车辆,若是,则将所述等待关系补充到等待链路信息,包括将当前的所述等待链路信息中的队首车辆以及所述队首车辆的被等待车辆生成一新的车辆数据对,加入到所述等待链路信息的头部,返回队首追溯模块;若否,则执行路径调整模块;
路径调整模块,为所述等待链路信息中位于队列源头的队首车辆规划不与其他车辆的路径规划相重叠的短路径区域;以及
队首放行模块,当处于等待链路信息中的队首车辆通过所述第一重叠区域后,放行所述等待链路信息中的队尾车辆。
9.一种基于短路径的多车防死锁设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的基于短路径的多车防死锁方法的步骤。
10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至7中任一项所述的基于短路径的多车防死锁方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111385111.5A CN113899383B (zh) | 2021-11-22 | 2021-11-22 | 基于短路径的多车防死锁方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111385111.5A CN113899383B (zh) | 2021-11-22 | 2021-11-22 | 基于短路径的多车防死锁方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113899383A CN113899383A (zh) | 2022-01-07 |
CN113899383B true CN113899383B (zh) | 2024-04-19 |
Family
ID=79194898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111385111.5A Active CN113899383B (zh) | 2021-11-22 | 2021-11-22 | 基于短路径的多车防死锁方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113899383B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114326753B (zh) * | 2022-03-07 | 2022-06-24 | 杭州蓝芯科技有限公司 | 一种调控区域内多机器人的死锁检测方法 |
CN115638804B (zh) * | 2022-10-24 | 2024-04-30 | 西北工业大学 | 一种无死锁的无人车辆在线路径规划方法 |
CN116050083A (zh) * | 2022-12-16 | 2023-05-02 | 北京斯年智驾科技有限公司 | 自动驾驶死锁的仿真测试方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02247770A (ja) * | 1989-03-20 | 1990-10-03 | Fujitsu Ltd | デッドロック検出処理方式 |
CN107121146A (zh) * | 2017-06-02 | 2017-09-01 | 西安电子科技大学 | 基于路链深度的最优路径规划方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
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 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、***、设备及存储介质 |
CN112445217A (zh) * | 2019-08-30 | 2021-03-05 | 北京京东乾石科技有限公司 | 一种控制agv行驶的方法、装置和存储介质 |
CN113465622A (zh) * | 2021-06-30 | 2021-10-01 | 上海西井信息科技有限公司 | 港口无人驾驶路径规划方法、装置、电子设备、存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9298507B2 (en) * | 2013-09-26 | 2016-03-29 | International Business Machines Corporation | Data processing resource management |
US20210148717A1 (en) * | 2019-11-20 | 2021-05-20 | Here Global B.V. | Method, apparatus and computer program product for vehicle platooning |
-
2021
- 2021-11-22 CN CN202111385111.5A patent/CN113899383B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02247770A (ja) * | 1989-03-20 | 1990-10-03 | Fujitsu Ltd | デッドロック検出処理方式 |
CN107121146A (zh) * | 2017-06-02 | 2017-09-01 | 西安电子科技大学 | 基于路链深度的最优路径规划方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN112445217A (zh) * | 2019-08-30 | 2021-03-05 | 北京京东乾石科技有限公司 | 一种控制agv行驶的方法、装置和存储介质 |
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 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、***、设备及存储介质 |
CN113465622A (zh) * | 2021-06-30 | 2021-10-01 | 上海西井信息科技有限公司 | 港口无人驾驶路径规划方法、装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113899383A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113899383B (zh) | 基于短路径的多车防死锁方法、***、设备及存储介质 | |
CN109115226B (zh) | 基于跳点搜索的多机器人冲突避免的路径规划方法 | |
CN110530369B (zh) | 基于时间窗的agv任务调度方法 | |
CN109949604B (zh) | 一种大型停车场调度导航方法及*** | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
CN111928867B (zh) | 基于时间扩展的路径规划方法、***、设备及存储介质 | |
US20230159056A1 (en) | Method and apparatus for planning obstacle avoidance path of traveling apparatus | |
CN111708364B (zh) | 一种基于a*算法改进的agv路径规划方法 | |
US6324476B1 (en) | Method and apparatus for identifying or controlling travel to a rendezvous | |
CN111338343B (zh) | 自动引导车调度方法、装置、电子设备及存储介质 | |
Tai et al. | A prioritized planning algorithm of trajectory coordination based on time windows for multiple AGVs with delay disturbance | |
Guney et al. | Dynamic prioritized motion coordination of multi-AGV systems | |
CN109115220B (zh) | 一种用于停车场***路径规划的方法 | |
JP7272547B2 (ja) | マルチロボット経路計画 | |
CN110285821A (zh) | 一种基于智能停车场的agv存取车路径优化方法 | |
CN113532443B (zh) | 路径规划方法、装置、电子设备及介质 | |
WO2022032444A1 (zh) | 一种多智能主体避障方法、***和计算机可读存储介质 | |
CN113703452A (zh) | 一种用于大型仓储环境的agv路径规划方法 | |
Wang et al. | Real-time safe stop trajectory planning via multidimensional hybrid A*-algorithm | |
Qi et al. | Hierarchical motion planning for autonomous vehicles in unstructured dynamic environments | |
CN114063612A (zh) | 一种路径规划方法、路径规划装置及电子设备 | |
CN115638804B (zh) | 一种无死锁的无人车辆在线路径规划方法 | |
CN116414139A (zh) | 基于A-Star算法的移动机器人复杂路径规划方法 | |
CN115963838A (zh) | 一种高效的物流机器人集群路径规划方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |