CN116187706A - 行李分拣amr的配置方法、装置、计算机设备和存储介质 - Google Patents

行李分拣amr的配置方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116187706A
CN116187706A CN202310227966.8A CN202310227966A CN116187706A CN 116187706 A CN116187706 A CN 116187706A CN 202310227966 A CN202310227966 A CN 202310227966A CN 116187706 A CN116187706 A CN 116187706A
Authority
CN
China
Prior art keywords
amr
baggage
average
configuration
obtaining
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
CN202310227966.8A
Other languages
English (en)
Inventor
徐小波
彭镭
陈翼
龙毅
赵亚文
李光飞
吝特高
张心怡
何迅
杨力
沈伟
常敏
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.)
Civil Aviation Logistics Technology Co ltd
Original Assignee
Civil Aviation Logistics Technology 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 Civil Aviation Logistics Technology Co ltd filed Critical Civil Aviation Logistics Technology Co ltd
Priority to CN202310227966.8A priority Critical patent/CN116187706A/zh
Publication of CN116187706A publication Critical patent/CN116187706A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种行李分拣AMR的配置方法、装置、计算机设备和存储介质，所述方法包括：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量；本发明能够实现对机场行李分拣AMR***数量的精准配置，同时也便于机场运营方根据航班情况及时调整运营策略，避免出现行李拥堵或者资源浪费的问题，提高了行李处理的效率和经济效益。

Description

行李分拣AMR的配置方法、装置、计算机设备和存储介质
技术领域
本发明涉及机场配置规划技术领域，具体涉及一种行李分拣AMR的配置方法、装置、计算机设备和存储介质。
背景技术
随着我国经济持续快速发展，越来越多的旅客选择空中交通出行，行李处理***作为机场内最大的单体***，包括值机、安检、输送、分拣、储存、中转、装载、到港、控制等10个子***，是机场建设最重要的***之一。AMR(自主移动机器人)智能分拣技术作为行李处理***的最核心技术，通过一定数量的AMR可将输送机上的行李按照规划路径运送到指定的行李卸载口。
因此，如何对机场行李处理***中的AMR数量进行合理配置是当前亟待解决的问题。
发明内容
针对现有技术中所存在的不足，本发明提供的一种行李分拣AMR的配置方法、装置、计算机设备和存储介质，能够实现对机场行李分拣AMR***数量的精准配置，同时也便于机场运营方根据航班情况及时调整运营策略，避免出现行李拥堵或者资源浪费的问题，提高了行李处理的效率和经济效益。
第一方面，本发明提供一种行李分拣AMR的配置方法，所述方法包括：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
可选地，所述航班数据包括：航班机型、航班数量和航班起降时刻；或/和，所述旅客到达数据包括：航班起飞前不同时段内的旅客到达分布、国内/国际旅客比例、国内/国际旅客行李系数；或/和，所述行李分拣AMR***的服务能力包括：AMR运输路径、行李装卸时间、运输速度、加速度和AMR充放电时间。
可选地，根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量，包括：根据所述航班数据和所述旅客到达分布，得到预设时间段内的始发旅客数据及中转旅客数据；根据所述始发旅客数据和所述国内/国际旅客行李系数，得到始发行李数量；根据所述中转旅客数据和所述国内/国际旅客行李系数，得到中转旅客行李数量；根据所述始发行李数量和所述中转行李数量，得到预设时间段内的行李流量。
可选地，根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差，包括：根据所述AMR服务路径、运输速度、加减速时间、装卸时间，得出AMR每条路径服务时间；根据所述AMR每条路径服务时间得到平均服务时间；根据所述AMR每条路径服务时间和所述平均服务时间，得到平均服务时间的均方差。
可选地，基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型的公式为：
Figure BDA0004119171300000021
其中，m表示***在当前行李流量下的AMR最低配置数量；ψ1表示***在满足***可靠性不低于99.99％条件下的AMR最低配置数量；ψ2表示***在AMR平均工作台数及充放电系数条件下的AMR最低配置数量；
Figure BDA0004119171300000022
表示取ψ1，ψ2的最大值；ζ表示在当前行李流量下，保障***可靠性不低于99.99％下时，计算得到的AMR最低配置数量；M表示行李***装载口的配置数量；/>
Figure BDA0004119171300000023
表示行李***每个装载口的排队输送机配置数量；/>
Figure BDA0004119171300000024
表示***中AMR的平均工作数量；ω表示AMR的充放电系数；c(ζ,ρ)表示当前行李流量下***堵塞的概率。
可选地，AMR的平均工作数量的公式表达式为：
Figure BDA0004119171300000025
其中，πk表示***达到稳态时，AMR数量为k的概率(k＝0,1,2,…)。
可选地，将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量，包括：根据行李流量得到单位时间平均到达的行李数；根据AMR平均服务时间和所述均方差，得到单位时间平均运输的行李数和AMR平均运输时间的平方变异系数；根据排队论M/G/s模型，获取队列中行李数量的概率密度函数；根据队列中行李数量的概率密度函数，得到队列中行李数量的概率分布函数以及队列中平均行李数量；根据概率分布函数得到***满足可靠性条件的第一AMR最低配置数量；根据队列中平均行李数量及充放电系数得到***在满足充放电时间条件下的第二AMR最低配置数量；将所述第一AMR最低配置数量和所述第二AMR最低配置数量中的最大值作为所述预设时间段内AMR的配置数量。
第二方面，本发明提供一种行李分拣AMR的配置装置，所述装置包括：基础数据获取模块，用于获取预设时间段内的航班数据和旅客到达数据；行李流量获取模块，用于根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；服务时间获取模块，用于根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；配置模型构建模块，用于基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；AMR数量配置模块将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量
第三方面，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
第四方面，本发明提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
与现有技术相比，本发明的有益效果为：
本发明通过对预设时间段内的航班数据和旅客到达数据进行预测，从而可以预估出预设时间段内的行李流量；再根据行李分拣AMR***的服务能力等到AMR的平均服务时间及均方差；然后将预设时间段内的行李流量、AMR的评价服务时间以及平均服务时间的均方差作为输入参数输入到已构建好的AMR资源配置模型中，即可计算出预设时间段内的最优AMR配置数量；因此，本发明能够实现对机场行李分拣AMR***数量的精准配置，同时也便于机场运营方根据航班情况及时调整运营策略，避免出现行李拥堵或者资源浪费的问题，提高了行李处理的效率和经济效益。
附图说明
图1所示为本发明实施例提供的一种行李分拣AMR的配置方法的流程示意图；
图2所示为图1中步骤S102的具体流程示意图；
图3所示为图1中步骤S103的具体流程示意图；
图4所示为本发明实施例提供的一种AMR资源配置的模型示意图；
图5所示为图1中步骤S105的具体流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1所示为本发明实施例提供的一种行李分拣AMR的配置方法的流程示意图；如图1所示，所述行李分拣AMR的配置方法具体包括以下步骤：
步骤S101，获取预设时间段内的航班数据和旅客到达数据；
在本实施例中，所述预设时间段可以是未来1天、一周、一个月等任意时间；所述航班数据包括：航班机型、航班数量和航班起降时刻；所述旅客到达数据包括：航班起飞前不同时段内的旅客到达分布、国内/国际旅客比例、国内/国际旅客行李系数。
需要说明的说，本实施例可以通过对机场航班时刻表上的航班信息进行数值耦合分析得到预设时间段的航班数据；通常，机场的航班时刻表有两种来源：(1)机场设计目标年中高峰日的航班时刻表：机场设计目标年中高峰日航班时刻表可以作为早起规划设计阶段的依据，按照高峰行李数量对行李分拣AMR***数量进行计算配置，结算结果可以满足高峰行李分拣需求，同时也能在常规流量时降耗运行，能够满足前期机场行李***规划设计的需要。具体的，获取高峰时段内的航班数据的具体过程是：查询机场设计目标年中高峰日的航班时刻表；获取高峰时段内出发、到达航班架次、机型等数据。(2)机场运营阶段的航班时刻表：可以反馈短期内的航班数据，据此数据可以对行李分拣AMR***中AMR的数量进行分析计算，从而提前对AMR资源的进行调度，降低运行风险及成本。
在本实施例中，旅客到达数据可以通常由如下方式进行获得：(1)对于改建或扩建机场，该数据可对现有航站楼调研获得，也可从现有行李***中提取的旅客数据统计分析获得；(2)对于同一个城市已有机场，新建的机场数据可参照已运行机场的调研获得，也可从已运行机场现有行李***中提取的旅客数据统计分析获得；(3)若该城市没有机场，完全新建，则可参考经济发展水平、机场区位、交通条件类似的地区进行机场调研获得。
步骤S102，根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；
在本实施例中，如图2所示，根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量，具体包括以下步骤：
步骤S201，根据所述航班数据和所述旅客到达分布，得到预设时间段内的始发旅客数据及中转旅客数据。
需要说明的是，计算所述始发旅客数据的具体公式为：
Figure BDA0004119171300000051
计算所述中转旅客数据的具体公式为：
Figure BDA0004119171300000052
其中，Ncs表示始发旅客数据；Nct表示中转旅客数据；ηi表示第i个航班预计平均客座率；αi表示第i个航班核载载客量；βi表示第i个航班中转旅客比例；yi1表示第i个航班离港航班数量；yi2表示第i个航班旅客到达占比；yi3表示第i个航班进港航班数量；N表示航班总数据，i＝1,2，…，N。
步骤S202，根据所述始发旅客数据和所述国内/国际旅客行李系数，得到始发行李数量。
需要说明的是，预设时间段内的行李流量的具体公式为：
Nb＝Ncs×(α1×γ1+α2×γ2)
其中，Nbs表示预设时间段内始发行李流量；α1表示国内旅客比例；α2表示国际旅客比例；γ1表示国内旅客行李系数；γ2表示国际旅客行李系数。
步骤S203，根据所述中转旅客数据和所述国内/国际旅客行李系数，得到中转旅客行李数量。
需要说明的是，中转旅客行李数量的计算公式为：
Nbt＝Nct×(α1×γ1+α2×γ2)
其中，Nbt表示预设时间段内中转行李流量；α1表示国内旅客比例；α2表示国际旅客比例；γ1表示国内旅客行李系数；γ2表示国际旅客行李系数。
步骤S204，根据所述始发行李数量和所述中转行李数量，得到预设时间段内的行李流量。
需要说明的说，预设时间段内的行李流量的计算公式为：Nb＝Nbc+Nbt。
步骤S103，根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；
在本实施例中，如图3所示，根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差，具体包括以下步骤：
步骤S301，根据所述AMR服务路径、运输速度、加减速时间、装卸时间，得出AMR每条路径服务时间；
步骤S302，根据所述AMR每条路径服务时间得到平均服务时间；
步骤S303，根据所述AMR每条路径服务时间和所述平均服务时间，得到平均服务时间的均方差。
需要说明的是，所述行李分拣AMR***的服务能力包括：AMR运输路径、行李装卸时间、运输速度、加速度和AMR充放电时间。单次物料运输过程总需求时间一般由空车等待时间、空车行驶时间、负载行驶时间以及物料装卸时间这几个必要的步骤时间组成，则
Tr＝Tw+Tk+Tm+Tz
其中，Tw为AMR等待时间；Tk为AMR空车行驶时间；Tm为AMR负载行驶时间；Tz为行李装卸时间；Ta为行李需求时间(单次响应时间间隔)；Tr为完成一次行李搬运往返总时间。
基于AMR每条路径服务时间得到平均服务时间的计算公式为：
Figure BDA0004119171300000061
其中,r为AMR服务路径数量。
基于AMR每条路径服务时间及平均服务时间得到平均服务时间的均方差的计算公式为：
Figure BDA0004119171300000062
步骤S104，基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；
需要说明的是，所述基于排队论M/G/s的资源配置模型，行李到达时间服从负指数分布，服务规则先到先服务，服务时间服从一般分布，AMR数量为s，构建的AMR资源配置模型图如图4所示，模型公式包括：
Figure BDA0004119171300000071
其中，m表示***在当前行李流量下的AMR最低配置数量；ψ1表示***在满足***可靠性不低于99.99％条件下的AMR最低配置数量；ψ2表示***在AMR平均工作台数及充放电系数条件下的AMR最低配置数量；
Figure BDA0004119171300000072
表示取ψ1，ψ2的最大值；ζ表示在当前行李流量下，保障***可靠性不低于99.99％下时，计算得到的AMR最低配置数量；M表示行李***装载口的配置数量；/>
Figure BDA0004119171300000074
表示行李***每个装载口的排队输送机配置数量；/>
Figure BDA0004119171300000073
表示***中AMR的平均工作数量；ω表示AMR的充放电系数；c(ζ,ρ)表示当前行李流量下***堵塞的概率。
步骤S105，将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
在本实施例中，如图5所示，将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量，具体包括以下步骤：
步骤S401，根据行李流量得到单位时间平均到达的行李数；
步骤S402，根据AMR平均服务时间和所述均方差，得到单位时间平均运输的行李数和AMR平均运输时间的平方变异系数；
步骤S403，根据排队论M/G/s模型，获取队列中行李数量的概率密度函数；
步骤S404，根据队列中行李数量的概率密度函数，得到队列中行李数量的概率分布函数以及队列中平均行李数量；
步骤S405，根据概率分布函数得到***满足可靠性条件的第一AMR最低配置数量；根据队列中平均行李数量及充放电系数得到***在满足充放电时间条件下的第二AMR最低配置数量；
步骤S406，将所述第一AMR最低配置数量和所述第二AMR最低配置数量中的最大值作为所述预设时间段内AMR的配置数量。
需要说明的是，获取预设时间段内AMR的配置数量的具体公式为：m＝max{ψ1，ψ2}
其中，m表示***在当前行李流量下的AMR最低配置数量；ψ1表示***在满足***可靠性不低于99.99％条件下的AMR最低配置数量；ψ2表示***在AMR平均工作台数及充放电系数条件下的AMR最低配置数量；
Figure BDA0004119171300000081
表示取ψ1，，ψ2的最大值。
Figure BDA00041191713000000813
Figure BDA0004119171300000082
其中，ζ表示在当前行李流量下，保障***可靠性不低于99.99％下时，计算得到的AMR最低配置数量；M表示行李***装载口的配置数量；/>
Figure BDA00041191713000000814
表示行李***每个装载口的排队输送机配置数量；/>
Figure BDA0004119171300000083
表示***中AMR的平均工作数量：/>
Figure BDA0004119171300000084
ω表示AMR的充放电系数：/>
Figure BDA0004119171300000085
τ表示AMR单次可连续工作最大时间；ε表示AMR单次充电最长时间；c(ζ,ρ)表示当前行李流量及AMR数量下***堵塞的概率。
ρ表示***的服务强度：
Figure BDA0004119171300000086
λ为表示单位时间平均到达的行李数；μ表示单位时间能被服务完成的顾客数。
当前行李***流量下堵塞概率c(ζ,ρ)的计算公式为：
Figure BDA0004119171300000087
/>
其中，πk表示***达到稳态时，AMR数量为k的概率(k＝0,1,2,…)；πk的计算公式为
Figure BDA0004119171300000088
Figure BDA0004119171300000089
πk＝π0θm k＝1，...，m
Figure BDA00041191713000000810
其中，θk＝(mρ)k/k！,k＝0,...,m；
Figure BDA00041191713000000811
k＝1,...,m；/>
Figure BDA00041191713000000812
k＝1,...,m；
bk＝λ-kμ,k＝1,...,m.
Figure BDA0004119171300000091
表示AMR平均运输时间的平方变异系数:/>
Figure BDA0004119171300000092
表示AMR运输时间的平方差；Es表示AMR的平均运输时间。
与现有技术相比，本发明的有益效果为：
本发明通过对预设时间段内的航班数据和旅客到达数据进行预测，从而可以预估出预设时间段内的行李流量；再根据行李分拣AMR***的服务能力等到AMR的平均服务时间及均方差；然后将预设时间段内的行李流量、AMR的评价服务时间以及平均服务时间的均方差作为输入参数输入到已构建好的AMR资源配置模型中，即可计算出预设时间段内的最优AMR配置数量；因此，本发明能够实现对机场行李分拣AMR***数量的精准配置，同时也便于机场运营方根据航班情况及时调整运营策略，避免出现行李拥堵或者资源浪费的问题，提高了行李处理的效率和经济效益。
进一步地，本发明以航班时刻表为数据输入，结合旅客到达分布规律，通过离散的方法精准获得旅客到达分布曲线，根据旅客类型比例和行李系数，确定机场行李***预定时段的行李流量，并将行李到达设置为等概率随机事件，更符合机场行李到达的实际流量及分布情况。
此外，本发明将行李分拣AMR***中的AMR作为一个整体进行考虑，任意AMR可能服务于任一装载口及卸载口，更符合AMR***实际运行时的调度情况。
在本发明的另一个实施例中，结合图4所示，所述机场行李分拣AMR***行李分拣基本工作流程为：(1)行李输送机将行李输送到分拣***入口排队输送机上进行缓存排队；(2)行李分拣上位***检测到待分拣行李，根据后台行李跟踪***数据，建立分拣任务和静态运输路径；(3)行李分拣上位***根据任务分配算法(如竞拍算法、遗传算法)分配分拣任务到制定的AMR；(4)目标AMR接收分拣任务，到达任务目标排队分拣机接口装载行李；(5)目标AMR根据静态运输路径和动态路径规划算法，自动完成从装载口到目标卸载口的运输；(6)目标AMR在卸载口完成行李分拣卸载；(7)目标AMR返回停靠点等待任务。
在本发明的另一个实施例中，提供一种行李分拣AMR的配置装置，所述装置包括：
基础数据获取模块，用于获取预设时间段内的航班数据和旅客到达数据；
行李流量获取模块，用于根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；
服务时间获取模块，用于根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；
配置模型构建模块，用于基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；
AMR数量配置模块将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
在本发明的另一个实施例中，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
在本发明的又一个实施例中，提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实现以下步骤：获取预设时间段内的航班数据和旅客到达数据；根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种行李分拣AMR的配置方法，其特征在于，所述方法包括：
获取预设时间段内的航班数据和旅客到达数据；
根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；
根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；
基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；
将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
2.如权利要求1所述的行李分拣AMR的配置方法，其特征在于，所述航班数据包括：航班机型、航班数量和航班起降时刻；
或/和，所述旅客到达数据包括：航班起飞前不同时段内的旅客到达分布、国内/国际旅客比例、国内/国际旅客行李系数；
或/和，所述行李分拣AMR***的服务能力包括：AMR运输路径、行李装卸时间、运输速度、加速度和AMR充放电时间。
3.如权利要求2所述的行李分拣AMR的配置方法，其特征在于，根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量，包括：
根据所述航班数据和所述旅客到达分布，得到预设时间段内的始发旅客数据及中转旅客数据；
根据所述始发旅客数据和所述国内/国际旅客行李系数，得到始发行李数量；
根据所述中转旅客数据和所述国内/国际旅客行李系数，得到中转旅客行李数量；
根据所述始发行李数量和所述中转行李数量，得到预设时间段内的行李流量。
4.如权利要求2所述的行李分拣AMR的配置方法，其特征在于，根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差，包括：
根据所述AMR服务路径、运输速度、加减速时间、装卸时间，得出AMR每条路径服务时间；
根据所述AMR每条路径服务时间得到平均服务时间；
根据所述AMR每条路径服务时间和所述平均服务时间，得到平均服务时间的均方差。
5.如权利要求1所述的行李分拣AMR的配置方法，其特征在于，基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型的公式为：
Figure FDA0004119171290000021
其中，m表示***在当前行李流量下的AMR最低配置数量；ψ1表示***在满足***可靠性不低于99.99％条件下的AMR最低配置数量；ψ2表示***在AMR平均工作台数及充放电系数条件下的AMR最低配置数量；max{ψ1，ψ2}表示取ψ1，ψ2的最大值；ζ表示在当前行李流量下，保障***可靠性不低于99.99％下时，计算得到的AMR最低配置数量；M表示行李***装载口的配置数量；
Figure FDA0004119171290000025
表示行李***每个装载口的排队输送机配置数量；/>
Figure FDA0004119171290000022
表示***中AMR的平均工作数量；ω表示AMR的充放电系数；c(ζ,ρ)表示当前行李流量下***堵塞的概率。
6.如权利要求5所述的行李分拣AMR的配置方法，其特征在于，AMR的平均工作数量的公式表达式为：
Figure FDA0004119171290000023
其中，πk表示***达到稳态时，AMR数量为k的概率(k＝0,1,2,…)。
7.如权利要求5所述的行李分拣AMR的配置方法，其特征在于，将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量，包括：
根据行李流量得到单位时间平均到达的行李数；
根据AMR平均服务时间和所述均方差，得到单位时间平均运输的行李数和AMR平均运输时间的平方变异系数；
根据排队论M/G/s模型，获取队列中行李数量的概率密度函数；
根据队列中行李数量的概率密度函数，得到队列中行李数量的概率分布函数以及队列中平均行李数量；
根据概率分布函数得到***满足可靠性条件的第一AMR最低配置数量；根据队列中平均行李数量及充放电系数得到***在满足充放电时间条件下的第二AMR最低配置数量；
将所述第一AMR最低配置数量和所述第二AMR最低配置数量中的最大值作为所述预设时间段内AMR的配置数量。
8.一种行李分拣AMR的配置装置，其特征在于，所述装置包括：
基础数据获取模块，用于获取预设时间段内的航班数据和旅客到达数据；
行李流量获取模块，用于根据所述航班数据和旅客到达数据，获取预设时间段内的行李流量；
服务时间获取模块，用于根据行李分拣AMR***的服务能力，获取AMR平均服务时间和平均服务时间的均方差；
配置模型构建模块，用于基于排队论M/G/s模型，以***内允许排队数量、可靠性系数和充放电系数为约束条件，构建AMR资源配置模型；
AMR数量配置模块将所述行李流量、所述AMR平均服务时间和所述均方差输入所述AMR资源配置模型进行计算，得到预设时间段内AMR的配置数量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项方法的步骤。
CN202310227966.8A 2023-03-10 2023-03-10 行李分拣amr的配置方法、装置、计算机设备和存储介质 Pending CN116187706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310227966.8A CN116187706A (zh) 2023-03-10 2023-03-10 行李分拣amr的配置方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310227966.8A CN116187706A (zh) 2023-03-10 2023-03-10 行李分拣amr的配置方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116187706A true CN116187706A (zh) 2023-05-30

Family

ID=86446291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310227966.8A Pending CN116187706A (zh) 2023-03-10 2023-03-10 行李分拣amr的配置方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116187706A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118095652A (zh) * 2024-04-19 2024-05-28 民航成都物流技术有限公司 机场行李空筐数量配置规划方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118095652A (zh) * 2024-04-19 2024-05-28 民航成都物流技术有限公司 机场行李空筐数量配置规划方法及装置

Similar Documents

Publication Publication Date Title
CN109205163B (zh) 跨巷道多层穿梭车仓储***设计方法、***及存储介质
CN108734328B (zh) 用于调度无人分拣***中自动导引运输车的方法和装置
CN110348613B (zh) 分拨中心智能物流管理方法及***
TWI797204B (zh) 電池組優化輸送規劃方法
Petersen et al. The pickup and delivery problem with cross-docking opportunity
CN116187706A (zh) 行李分拣amr的配置方法、装置、计算机设备和存储介质
CN113240234A (zh) 煤炭港口装船设备分配与船舶交通组织协调优化方法
CN112348426B (zh) 信息处理方法及装置
WO2021184265A1 (zh) 基于多车协同的车辆调度***、方法、电子设备及存储介质
CN109409811A (zh) 一种物流调度方法、装置、计算机设备和存储介质
CN115239223A (zh) 分拨中心任务调度方法、装置、设备及存储介质
CN115860613A (zh) 一种考虑预约机制的零担车货匹配及车辆调度方法
CN113935561A (zh) 一种分配派送任务方法、装置、***以及计算机可读存储介质
EP3660814A1 (en) Flight time exchange system and exchange method
Fang et al. A method for “last mile” distribution demand for drones
Pillac et al. Dynamic vehicle routing problems: state of the art and prospects
CN112801484A (zh) 一种考虑配料误差的物料配送调度方法和***
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
CN112193952B (zh) 一种电梯资源调度方法及装置
Ben-Salem et al. A simulation-based approach for an effective AMHS design in a legacy semiconductor manufacturing facility
CN114565133A (zh) 一种露天矿车辆调度方法及装置
CN114372759A (zh) 一种垃圾收运车最佳卸料口排队管理方法和***
Zhang et al. Design and optimization of AGV scheduling algorithm in logistics system based on convolutional neural network
ElMaraghy et al. Deadlock-free rescheduling in flexible manufacturing systems
Li et al. A dispatching method for automated container terminals: What is next when precise execution is available?

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