CN114137960A - 一种封闭区域智能运输***的无人驾驶车辆协作方法 - Google Patents

一种封闭区域智能运输***的无人驾驶车辆协作方法 Download PDF

Info

Publication number
CN114137960A
CN114137960A CN202111282365.4A CN202111282365A CN114137960A CN 114137960 A CN114137960 A CN 114137960A CN 202111282365 A CN202111282365 A CN 202111282365A CN 114137960 A CN114137960 A CN 114137960A
Authority
CN
China
Prior art keywords
vehicle
cooperation
unmanned
task
unmanned vehicle
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.)
Pending
Application number
CN202111282365.4A
Other languages
English (en)
Inventor
王锋辉
高艳贺
方杏红
孙越信
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.)
Tianxing Zhikong Technology Wuxi Co ltd
Original Assignee
Tianxing Zhikong Technology Wuxi Co ltd
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 Tianxing Zhikong Technology Wuxi Co ltd filed Critical Tianxing Zhikong Technology Wuxi Co ltd
Priority to CN202111282365.4A priority Critical patent/CN114137960A/zh
Publication of CN114137960A publication Critical patent/CN114137960A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05D1/0221—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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明一种封闭区域智能运输***的无人驾驶车辆协作方法，所述封闭区域智能运输***，包括多个无人驾驶车辆、若干车站、协作平台，本发明针对特殊区域内的人员及货物运输问题，采用无人驾驶智能运输***作为解决方案，基于多无人驾驶车辆模型设计了多台专用无人驾驶车辆的协作平台，该平台可动态响应运输需求，以尽可能少的车辆提供尽可能大的运输能力，从而提高运输效率。本发明所述方法也可解决城市多点垃圾收集与运送、医疗急救运输等行业的车辆调度与任务分配等问题。

Description

一种封闭区域智能运输***的无人驾驶车辆协作方法
技术领域
本发明属于无人驾驶技术、特殊区域内的智能运输技术领域，尤其是多台无人驾驶车辆的行为协作技术领域。
背景技术
机场、产业园区、大学校园、码头及矿场等区域具有面积大且相对封闭、交通运输线路较为固定、人流及物流需求动态变化等特点。传统的出租车及物流车辆一般难以进入上述区域，其运营模式在这些特殊区域内也难以盈利。为改善上述区域内的交通运输条件，提高安全性及运输效率，有必要采用专用的无人驾驶车辆，并采用智能化的协作技术，实现在特殊区域内可动态响应运输需求的智能运输***。
发明内容
本发明给出一种封闭区域内多辆专用无人驾驶车辆的协作方法、工作流程及其涉及的对象，用于解决智能运输***运行过程中的车辆调度、任务分配、车辆控制等问题。
本发明通过如下技术方案实现上述目的：一种封闭区域智能运输***的无人驾驶车辆协作方法，所述封闭区域智能运输***，包括多个无人驾驶车辆、若干车站、协作平台，所述无人驾驶车辆协作方法为人员或物品的运输任务在协作平台上发布后，无人驾驶车辆按照任务协作的方法竞标，获取任务的无人驾驶车辆按照线路协作的方法规划运输线路并动态更新，车辆运行过程中，车体控制相关的定速巡航、跟随、超车等运行模式的切换可由车体控制协作方法确定，无人驾驶车辆运行过程中，其状态实时更新，发送给协作平台，对应的无人驾驶车辆的状态也同步更新。
进一步的，所述无人驾驶车辆为专用的低速无人驾驶车辆，无人驾驶车辆由车载计算机控制，可自主运行，无人驾驶车辆上安装有RGB-D深度相机、激光雷达、GPS等设备，用于感知周围环境并确定车辆自身的位置和姿态，车辆头部及侧边安装有毫米波雷达和超声波传感器，用于感知前方及周边的障碍物，为车辆提供报警信号，无人驾驶车辆上安装有无线通信设备，可实现车与车之间、车辆与站台之间、车辆与协作平台之间的通信。
进一步的，所述若干车站及车站之间的车道构成网状的线路，封闭区域内的运输线路设置为双向单车道，即相邻两车站之间可双向行车，但同一时间仅可行驶一辆车。
进一步的，所述协作平台是收集并实时更新该***中的无人驾驶车辆及任务信息的软件平台，所收集的无人驾驶车辆的信息主要包括：车辆的位置、速度及可用运载能力，所收集的任务信息包括：运载任务量、任务的起始车站、任务的目的车站，协作平台上运行软件平台，实现动态的任务分配及车辆调度。
进一步的，协作分为三个层级，即任务级的协作、线路级的协作、车体控制级的协作，任务级协作主要用于运输任务公布后，各无人驾驶车辆如何通过投标和竞标机制获取运输任务，线路级协作指无人驾驶车辆如何确定运输线路，运输过程中线路如何动态调整或更新，车体控制级的协作用于调整车辆运行过程中的运行模式。
进一步的，所述任务协作为对于一项在协作平台上发布的运输任务，协作平台中的N个无人驾驶车辆根据自身状态，按公式(1)计算对该任务的匹配度；
Pi＝a1X1+a2X2+a3X3+a4X4(1)
其中，Pi(1≤i≤N)表示第i个无人驾驶车辆针对某项运输任务的匹配度，
X1＝运输任务量/无人驾驶车辆i的可用运载能力。若运输任务量超过车辆可用运载能力，则将X1设置为0；
X2＝1-无人驾驶车辆i当前位置到任务起始车站的距离/网状线路的总长度；
对于X3，若运输任务起始车站在无人驾驶车辆i当前的运输线路中，即车辆将经过此站，则X3设置为1，否则X3设置为0；
a1,a2,a3分别对应X1,X2及X3的权重，且0≤a1,a2,a3≤1。
各无人驾驶车辆按公式(1)计算匹配度，将其匹配度作为针对该任务的投标值，在协作平台上发布，具有最高匹配度的无人驾驶车辆获得该项运输任务；若两个或两个以上的无人驾驶车辆发布的投标值相等，则序列号最小的无人驾驶车辆的优先级最高，有权获得该任务。
进一步的，所述线路协作为对于已获取某项运输任务的无人驾驶车辆，根据该任务的起始车站和目的车站，采用迪杰斯特拉方法确定起始站到目的站之间的最短路径及其站点序列；
若专用无人驾驶车辆仅有一项运输任务，车辆沿其对应的无人驾驶车辆确定的路线行驶，当车辆经过线路中某车站后，该车站的序号将从站点序列中去除，站点序列清空时，车辆完成所有运输任务；
车辆在运行过程中，装载新任务对应的人员或物品，但其运输线路需与当前线路一致，在此情况下，车辆线路需根据新任务对应的线路做延长和更新。
进一步的，所述车体控制协作处理无人车辆行驶过程中的相互影响和干扰。针对封闭区域内的专用无人驾驶车辆，设置了多种运行模式，以适应交通条件的变化，多无人驾驶车辆模型中的无人驾驶车辆根据自身及其它无人驾驶车辆对应的车辆位置、速度等信息，确定车辆的运行模式，包括定速巡航、跟随前车、减速停车、超车模式，无人驾驶车辆实时接收其对应的无人驾驶车辆发送的运行模式指令，并切换到相应的模型运行。
与现有技术相比，本发明封闭区域智能运输***的无人驾驶车辆协作方法的有益效果是：本发明针对特殊区域内的人员及货物运输问题，采用无人驾驶智能运输***作为解决方案，基于多无人驾驶车辆模型设计了多台专用无人驾驶车辆的协作平台，该平台可动态响应运输需求，以尽可能少的车辆提供尽可能大的运输能力，从而提高运输效率。
附图说明
图1是车站及网状线路示意图。
图2是无人驾驶车辆组成及结构图。
图3是车辆运行模式切换流程。
图4智能运输***的运行流程。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
封闭区域智能运输***，包括多个无人驾驶车辆、若干车站、协作平台。
无人驾驶车辆为专用的低速无人驾驶车辆。单台无人驾驶车辆由车载计算机控制，可自主运行。无人驾驶车辆上安装有RGB-D深度相机、激光雷达、GPS等设备，用于感知周围环境并确定车辆自身的位置和姿态。车辆头部及侧边安装有毫米波雷达和超声波传感器，用于感知前方及周边的障碍物，为车辆提供报警信号。无人驾驶车辆上安装有无线通信设备，可实现车与车之间、车辆与站台之间、车辆与协作平台之间的通信。
封闭区域内一般设定若干个车站，区域内有交通需求的人员或有运输需求的物品需在车站等候无人驾驶车辆。人员或物品到站后，可在站台按键呼叫车辆，或在专用网页上提前预约运输任务。按键呼叫或网上预约的信息都将实时发送至协作平台，并以运输任务的形式发布给该智能运输***中的所有车辆。若干车站及车站之间的车道构成网状的线路，如图1所示。为保证安全，封闭区域内的运输线路设置为双向单车道，即相邻两车站之间可双向行车，但同一时间仅可行驶一辆车。如图1所示，若运输任务的起始车站为第i站，目的站为第j站，从第i站到第j站之间有多条可选线路，例如记为序列“i-g-k-j”或“i-h-f-j”的线路。若a、b为相邻且互联的车站，a、b两站之间的距离记为某常值sab；否则记为无穷大。
协作平台是收集并实时更新该***中的无人驾驶车辆及任务信息的软件平台。所收集的无人驾驶车辆的信息主要包括：车辆的位置、速度及可用运载能力。所收集的任务信息包括：运载任务量、任务的起始车站、任务的目的车站。协作平台上运行本发明所述协作技术开发的软件平台，实现动态的任务分配及车辆调度。
本发明采用多无人驾驶车辆(Multi-AgentSystem)模型，设计封闭区域内的智能运输***协作平台。无人驾驶车辆具有感知、决策与控制的能力，能感知***环境，并结合自身状态生成行为意图，依据行为意图采取行动，其组成及结构如图2所示。设封闭区域内共有N辆专用无人驾驶车，则协作平台中相应地设置N个无人驾驶车辆，其集合为{Agent1,Agent2,…,AgentN}。每个无人驾驶车辆在协作平台中被映射为一个无人驾驶车辆，车辆的状态发送到协作平台后，各无人驾驶车辆按车辆状态实时更新自身状态。无人驾驶车辆之间通过交互，确定各自的任务和线路，该任务及线路信息再实时发送给各无人驾驶车辆。同时，无人驾驶车辆之间的交互也可处理车辆近距离行驶过程中的潜在冲突。
本发明所述的协作分为三个层级，即任务级的协作、线路级的协作、车体控制级的协作。任务级协作主要用于运输任务公布后，各无人驾驶车辆如何通过投标和竞标机制获取运输任务。线路级协作指无人驾驶车辆如何确定运输线路，运输过程中线路如何动态调整或更新。车体控制级的协作用于调整车辆运行过程中的运行模式，保证行车安全，提高运行效率。
任务协作：对于一项在协作平台上发布的运输任务，协作平台中的N个无人驾驶车辆根据自身状态，按公式(1)计算对该任务的匹配度。
Pi＝a1X1+a2X2+a3X3+a4X4(1)
其中，Pi(1≤i≤N)表示第i个无人驾驶车辆针对某项运输任务的匹配度，
X1＝运输任务量/无人驾驶车辆i的可用运载能力。若运输任务量超过车辆可用运载能力，则将X1设置为0。
X2＝1-无人驾驶车辆i当前位置到任务起始车站的距离/网状线路的总长度
对于X3，若运输任务起始车站在无人驾驶车辆i当前的运输线路中，即车辆将经过此站，则X3设置为1，否则X3设置为0。
a1,a2,a3分别对应X1,X2及X3的权重，且0≤a1,a2,a3≤1。
各无人驾驶车辆按公式(1)计算匹配度，将其匹配度作为针对该任务的投标值，在协作平台上发布，具有最高匹配度的无人驾驶车辆获得该项运输任务。若两个或两个以上的无人驾驶车辆发布的投标值相等，则序列号最小的无人驾驶车辆的优先级最高，有权获得该任务。
线路协作：对于已获取某项运输任务的无人驾驶车辆，根据该任务的起始车站和目的车站，对应于图1所示网状模型，可采用迪杰斯特拉(Dijkstra)方法确定起始站到目的站之间的最短路径及其站点序列。
若专用无人驾驶车辆仅有一项运输任务，车辆沿其对应的无人驾驶车辆确定的路线行驶。当车辆经过线路中某车站后，该车站的序号将从站点序列中去除。站点序列清空时，车辆完成所有运输任务。
车辆在运行过程中，可以装载新任务对应的人员或物品，但其运输线路需与当前线路一致。在此情况下，车辆线路需根据新任务对应的线路做延长和更新。例如，车辆当前的行驶线路序列为“a-b-c-d”，且有剩余运载能力，并获取到运输线路方向一致的新任务，新任务对应的线路为“d-e-f”，则车辆的线路更新为“a-b-c-d-e-f”。
车体控制协作：运行在同一段线路上的无人驾驶车辆，因车速差异、停站时间差异等因素，会造成车辆在行驶过程中相互影响。车体控制协作处理无人车辆行驶过程中的相互影响和干扰。针对封闭区域内的专用无人驾驶车辆，设置了多种运行模式，以适应交通条件的变化。多无人驾驶车辆模型中的无人驾驶车辆根据自身及其它无人驾驶车辆对应的车辆位置、速度等信息，确定车辆的运行模式，包括定速巡航、跟随前车、减速停车、超车模式。无人驾驶车辆实时接收其对应的无人驾驶车辆发送的运行模式指令，并切换到相应的模型运行。无人驾驶车辆动态切换运行模式的流程如图3所示。
基于本发明所述的协作平台，封闭区域内的智能运输***的运行流程如图4所示。人员或物品的运输任务在协作平台上发布后，无人驾驶车辆按照任务协作的方法竞标，获取任务的无人驾驶车辆按照线路协作的方法规划运输线路并动态更新，车辆运行过程中，车体控制相关的定速巡航、跟随、超车等运行模式的切换可由车体控制协作方法确定。无人驾驶车辆运行过程中，其状态实时更新，发送给协作平台，对应的无人驾驶车辆的状态也同步更新。
本发明针对特殊区域内的人员及货物运输问题，采用无人驾驶智能运输***作为解决方案，基于多无人驾驶车辆模型设计了多台专用无人驾驶车辆的协作平台，该平台可动态响应运输需求，以尽可能少的车辆提供尽可能大的运输能力，从而提高运输效率。本发明所述方法也可解决城市多点垃圾收集与运送、医疗急救运输等行业的车辆调度与任务分配等问题。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述封闭区域智能运输***，包括多个无人驾驶车辆、若干车站、协作平台，所述无人驾驶车辆协作方法为人员或物品的运输任务在协作平台上发布后，无人驾驶车辆按照任务协作的方法竞标，获取任务的无人驾驶车辆按照线路协作的方法规划运输线路并动态更新，车辆运行过程中，车体控制相关的定速巡航、跟随、超车等运行模式的切换可由车体控制协作方法确定，无人驾驶车辆运行过程中，其状态实时更新，发送给协作平台，对应的无人驾驶车辆的状态也同步更新。
2.根据权利要求1所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述无人驾驶车辆为专用的低速无人驾驶车辆，无人驾驶车辆由车载计算机控制，可自主运行，无人驾驶车辆上安装有RGB-D深度相机、激光雷达、GPS等设备，用于感知周围环境并确定车辆自身的位置和姿态，车辆头部及侧边安装有毫米波雷达和超声波传感器，用于感知前方及周边的障碍物，为车辆提供报警信号，无人驾驶车辆上安装有无线通信设备，可实现车与车之间、车辆与站台之间、车辆与协作平台之间的通信。
3.根据权利要求1所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述若干车站及车站之间的车道构成网状的线路，封闭区域内的运输线路设置为双向单车道，即相邻两车站之间可双向行车，但同一时间仅可行驶一辆车。
4.根据权利要求1所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述协作平台是收集并实时更新该***中的无人驾驶车辆及任务信息的软件平台，所收集的无人驾驶车辆的信息主要包括：车辆的位置、速度及可用运载能力，所收集的任务信息包括：运载任务量、任务的起始车站、任务的目的车站，协作平台上运行软件平台，实现动态的任务分配及车辆调度。
5.根据权利要求1所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：协作分为三个层级，即任务级的协作、线路级的协作、车体控制级的协作，任务级协作主要用于运输任务公布后，各无人驾驶车辆如何通过投标和竞标机制获取运输任务，线路级协作指无人驾驶车辆如何确定运输线路，运输过程中线路如何动态调整或更新，车体控制级的协作用于调整车辆运行过程中的运行模式。
6.根据权利要求5所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述任务协作为对于一项在协作平台上发布的运输任务，协作平台中的N个无人驾驶车辆根据自身状态，按公式(1)计算对该任务的匹配度；
Pi＝a1X1+a2X2+a3X3+a4X4 (1)
其中，Pi(1≤i≤N)表示第i个无人驾驶车辆针对某项运输任务的匹配度，X1＝运输任务量/无人驾驶车辆i的可用运载能力。若运输任务量超过车辆可用运载能力，则将X1设置为0；
X2＝1-无人驾驶车辆i当前位置到任务起始车站的距离/网状线路的总长度；
对于X3，若运输任务起始车站在无人驾驶车辆i当前的运输线路中，即车辆将经过此站，则X3设置为1，否则X3设置为0；
a1,a2,a3分别对应X1,X2及X3的权重，且0≤a1,a2,a3≤1。
各无人驾驶车辆按公式(1)计算匹配度，将其匹配度作为针对该任务的投标值，在协作平台上发布，具有最高匹配度的无人驾驶车辆获得该项运输任务；若两个或两个以上的无人驾驶车辆发布的投标值相等，则序列号最小的无人驾驶车辆的优先级最高，有权获得该任务。
7.根据权利要求5所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述线路协作为对于已获取某项运输任务的无人驾驶车辆，根据该任务的起始车站和目的车站，采用迪杰斯特拉方法确定起始站到目的站之间的最短路径及其站点序列；
若专用无人驾驶车辆仅有一项运输任务，车辆沿其对应的无人驾驶车辆确定的路线行驶，当车辆经过线路中某车站后，该车站的序号将从站点序列中去除，站点序列清空时，车辆完成所有运输任务；
车辆在运行过程中，装载新任务对应的人员或物品，但其运输线路需与当前线路一致，在此情况下，车辆线路需根据新任务对应的线路做延长和更新。
8.根据权利要求5所述的封闭区域智能运输***的无人驾驶车辆协作方法，其特征在于：所述车体控制协作处理无人车辆行驶过程中的相互影响和干扰。针对封闭区域内的专用无人驾驶车辆，设置了多种运行模式，以适应交通条件的变化，多无人驾驶车辆模型中的无人驾驶车辆根据自身及其它无人驾驶车辆对应的车辆位置、速度等信息，确定车辆的运行模式，包括定速巡航、跟随前车、减速停车、超车模式，无人驾驶车辆实时接收其对应的无人驾驶车辆发送的运行模式指令，并切换到相应的模型运行。
CN202111282365.4A 2021-11-01 2021-11-01 一种封闭区域智能运输***的无人驾驶车辆协作方法 Pending CN114137960A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111282365.4A CN114137960A (zh) 2021-11-01 2021-11-01 一种封闭区域智能运输***的无人驾驶车辆协作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111282365.4A CN114137960A (zh) 2021-11-01 2021-11-01 一种封闭区域智能运输***的无人驾驶车辆协作方法

Publications (1)

Publication Number Publication Date
CN114137960A true CN114137960A (zh) 2022-03-04

Family

ID=80391930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111282365.4A Pending CN114137960A (zh) 2021-11-01 2021-11-01 一种封闭区域智能运输***的无人驾驶车辆协作方法

Country Status (1)

Country Link
CN (1) CN114137960A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130375A (zh) * 2023-10-26 2023-11-28 北京首钢气体有限公司 针对多种型号半挂车的场内智能运输控制方法及设备

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN108648440A (zh) * 2018-05-31 2018-10-12 广州亿程交通信息集团有限公司 基于车联网监控的车辆调度平台
CN108734429A (zh) * 2017-04-19 2018-11-02 通用汽车环球科技运作有限责任公司 多模式运输管理
CN108958257A (zh) * 2018-07-25 2018-12-07 深圳市集大自动化有限公司 多台agv组合导航的协同路径规划方法
CN109471444A (zh) * 2018-12-12 2019-03-15 南京理工大学 基于改进Dijkstra算法的停车AGV路径规划方法
CN109814550A (zh) * 2018-12-29 2019-05-28 北京中云智车科技有限公司 一种用于封闭园区的无人运输车
CN109829367A (zh) * 2018-12-24 2019-05-31 杨昌兵 一种无人驾驶障碍识别管理***及方法
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
CN110530369A (zh) * 2019-08-22 2019-12-03 北京交通大学 基于时间窗的agv任务调度方法
CN111199359A (zh) * 2020-01-08 2020-05-26 中国电子科技集团公司第五十四研究所 一种网络资源约束下的多智能体任务分配方法
CN111307169A (zh) * 2018-11-22 2020-06-19 北京图森智途科技有限公司 一种路径规划方法、路径规划装置及无人驾驶车
US20200294394A1 (en) * 2019-03-13 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. Joint Control of Vehicles Traveling on Different Intersecting Roads
AU2020101761A4 (en) * 2020-08-11 2020-09-17 Nanjing University Of Science & Technology Method for planning path of parking agv based on improved dijkstra algorithm
CN111798041A (zh) * 2020-06-18 2020-10-20 北京卫星制造厂有限公司 一种基于时间窗的agv智能调度方法
JP2021117038A (ja) * 2020-01-23 2021-08-10 アイシン・エィ・ダブリュ株式会社 運転支援装置及びコンピュータプログラム

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734429A (zh) * 2017-04-19 2018-11-02 通用汽车环球科技运作有限责任公司 多模式运输管理
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN108648440A (zh) * 2018-05-31 2018-10-12 广州亿程交通信息集团有限公司 基于车联网监控的车辆调度平台
CN108958257A (zh) * 2018-07-25 2018-12-07 深圳市集大自动化有限公司 多台agv组合导航的协同路径规划方法
CN111307169A (zh) * 2018-11-22 2020-06-19 北京图森智途科技有限公司 一种路径规划方法、路径规划装置及无人驾驶车
CN109471444A (zh) * 2018-12-12 2019-03-15 南京理工大学 基于改进Dijkstra算法的停车AGV路径规划方法
CN109829367A (zh) * 2018-12-24 2019-05-31 杨昌兵 一种无人驾驶障碍识别管理***及方法
CN109814550A (zh) * 2018-12-29 2019-05-28 北京中云智车科技有限公司 一种用于封闭园区的无人运输车
US20200294394A1 (en) * 2019-03-13 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. Joint Control of Vehicles Traveling on Different Intersecting Roads
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
CN110530369A (zh) * 2019-08-22 2019-12-03 北京交通大学 基于时间窗的agv任务调度方法
CN111199359A (zh) * 2020-01-08 2020-05-26 中国电子科技集团公司第五十四研究所 一种网络资源约束下的多智能体任务分配方法
JP2021117038A (ja) * 2020-01-23 2021-08-10 アイシン・エィ・ダブリュ株式会社 運転支援装置及びコンピュータプログラム
CN111798041A (zh) * 2020-06-18 2020-10-20 北京卫星制造厂有限公司 一种基于时间窗的agv智能调度方法
AU2020101761A4 (en) * 2020-08-11 2020-09-17 Nanjing University Of Science & Technology Method for planning path of parking agv based on improved dijkstra algorithm

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130375A (zh) * 2023-10-26 2023-11-28 北京首钢气体有限公司 针对多种型号半挂车的场内智能运输控制方法及设备
CN117130375B (zh) * 2023-10-26 2024-01-26 北京首钢气体有限公司 针对多种型号半挂车的场内智能运输控制方法及设备

Similar Documents

Publication Publication Date Title
US11120688B2 (en) Orientation-adjust actions for autonomous vehicle operational management
CN101859494B (zh) 车队车辆管理
JP7335350B2 (ja) 例外処理のための遠隔操作
US20210108936A1 (en) Methods and systems for topological planning in autonomous driving
JP6726363B2 (ja) 生成されたインターフェースを使用する自律走行車の監視
EP3759563B1 (en) Centralized shared autonomous vehicle operational management
JP2022163098A (ja) 自律走行車の動作管理
US20200346666A1 (en) Reinforcement and Model Learning for Vehicle Operation
CN113811929A (zh) 在不同交叉道路上行驶的车辆的联合控制
CN112106001A (zh) 一种车路驾驶任务智能化分配***和方法
US9116521B2 (en) Autonomous moving device and control method thereof
US11740624B2 (en) Advanced control system with multiple control paradigms
WO2018102477A1 (en) Tele-operation of autonomous cars to negotiate problem situations
CN110895877A (zh) 一种车路驾驶任务智能化分配***和方法
JP2021028748A (ja) 隊列走行システム
WO2022016901A1 (zh) 一种规划车辆行驶路线的方法以及智能汽车
JP2019217828A (ja) 車両制御装置、車両制御方法、およびプログラム
US20200283014A1 (en) Continual Planning and Metareasoning for Controlling an Autonomous Vehicle
CN112540606A (zh) 避障的方法、装置、调度服务器及存储介质
WO2020204871A1 (en) Shared autonomous vehicle operational management
US11899454B2 (en) Objective-based reasoning in autonomous vehicle decision-making
CN114137960A (zh) 一种封闭区域智能运输***的无人驾驶车辆协作方法
CN107221178A (zh) 一种基于无人机的交通指挥控制***
CN114264306A (zh) 室内外相结合的配送机器人及配送方法
CN113971883A (zh) 车路协同自动驾驶方法及高效运输***

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