一种多模态高密度的智能停车场系统及存取车方法技术方案

本发明专利技术公开了一种多模态高密度的智能停车场系统，包括停车场系统整体框架，停车场系统整体框架包括若干单独的智能体agent，分别为：地面设备agent、AGV设备agent、资源管理agent和人机交互agent；地面设备agent用以实现车辆的停放，由若干布置在地面上且相互独立的立体停车设备组成；AGV设备agent用以控制AGV小车运动实现车辆的搬运；资源管理agent用以控制AGV小车实现最优化运行，并保证系统稳定可靠运行；人机交互agent用以实现与用户的交互，本发明专利技术采用立体停车设备和AGV相结合的方式提升停车场的空间适应性、停车密度和存取效率。

【技术实现步骤摘要】
一种多模态高密度的智能停车场系统及存取车方法
本专利技术涉及一种停车系统，特别涉及一种智能停车系统及存取车方法。
技术介绍
进入21世纪以来，我国汽车工业迅猛发展，汽车保有量突破3.5亿，而车位保有量仅为汽车保有量的40％，随着汽车保有量的持续增长，停车难问题日益凸显，车辆甚至停放到道路两旁，严重影响道路交通。立体停车设备是解决停车难问题的一项有效举措，但现有的机械式立体停车设备存取效率和空间利用率较低，对空间的要求较高，不适用于商圈、医院等配套的停车场。同时，大型机械式立体停车设备噪声大，电机功率较大，造价较高，能源消耗量大，不符合环境友好型社会的建设。随着科学技术的不断发展，AGV(AutomatedGuidedVehicle)在停车设备中的应用逐渐广泛，AGV对于智能停车场的构建具有关键意义，越来越多的企业和研究所开始转向对AGV智能停车场的研究，但是AGV价格昂贵，而且为实现停车设备的高存取效率需要大量的AGV搬运器，整个停车设备的建造成本高。同时，AGV智能停车设备对环境的要求很高，需要占用大面积的土地资源，空间利用率较低。<本文档来自技高网...

【技术保护点】
1.一种多模态高密度的智能停车场系统，包括停车场系统整体框架，其特征在于，所述停车场系统整体框架包括若干单独的智能体agent，分别为：地面设备agent、AGV设备agent、资源管理agent和人机交互agent；/n所述地面设备agent用以实现车辆的停放，由若干布置在地面上且相互独立的立体停车设备组成；/n所述AGV设备agent用以控制AGV小车运动实现车辆的搬运；/n所述资源管理agent用以控制AGV小车实现最优化运行，并保证系统稳定可靠运行；/n所述人机交互agent用以实现与用户的交互。/n

【技术特征摘要】
1.一种多模态高密度的智能停车场系统，包括停车场系统整体框架，其特征在于，所述停车场系统整体框架包括若干单独的智能体agent，分别为：地面设备agent、AGV设备agent、资源管理agent和人机交互agent；
所述地面设备agent用以实现车辆的停放，由若干布置在地面上且相互独立的立体停车设备组成；
所述AGV设备agent用以控制AGV小车运动实现车辆的搬运；
所述资源管理agent用以控制AGV小车实现最优化运行，并保证系统稳定可靠运行；
所述人机交互agent用以实现与用户的交互。


2.根据权利要求1所述的一种多模态高密度的智能停车场系统，其特征在于，所述地面设备agent包括停车agent和功能agent；
所述停车agent包括缓冲区agent、普通区agent和会员区agent；所述缓冲区agent为1-2台立体停车设备，其放置在停车场出、入口作为停车缓冲区使用，可作为停车缓冲区和取车缓冲区；所述普通区agent为若干放置在停车场内部的立体停车设备，其下方设置有滑轮和导轨，可实现横向和纵向的短距离移动；所述会员区agent为多台放置在停车场内部独立于缓冲区agent、普通区agent以外的立体停车设备；
所述功能agent包括异常监测agent、通信agent和充电区agent，异常监测agent通过检测立体停车设备的运行状态，一旦出现异常现象就向通信agent发送信息，通信agent和资源管理agent通信，报告异常，充电区agent用以控制对AGV小车的充电，由充电区域和充电装置构成。


3.根据权利要求1所述的一种多模态高密度的智能停车场系统，其特征在于，所述AGV设备agent安装在潜入式AGV小车内，包括状态agent、定位导航agent和运动agent，控制AGV小车运动，通过状态agent、定位导航agent和运动agent相互协作、相互通信，并接受资源管理agent的任务指派信息完成车辆的存取任务；AGV设备agent有多个，且相互之间可通信；
所述定位导航agent包括加速度计、陀螺仪和摄像头，其安装在AGV小车的底部；
所述运动agent包括电机、传动机构、悬架和麦克纳姆轮；麦克纳姆轮通过悬架和AGV车体连接，保证四个麦克纳姆轮与地面接触；电机通过传动机构驱动麦克纳姆轮，控制四个车轮的转向与转速，实现AGV的全向运动。


4.根据权利要求1所述的一种多模态高密度的智能停车场系统，其特征在于，所述的资源管理agent包括调度agent和信息管理agent，调度agent由资源agent、任务agent和AGV管理agent组成；信息管理agent由地图agent、路径agent和会员agent组成；
所述调度agent以停车场的整体布局为依托，以存取车任务量和任务权重作为规则抽取的判别标准，实现AGV小车的导航策略和充电策略；
所述资源agent由异常监测agent、规则存储agent和外部信息agent；任务agent获取存取车实时任务、预约任务和预测任务，其中预测任务由历史数据、周围交通信息以及关联地图厂商的目的地信息综合获得；异常监测agent监测AGV的运行状态，通过AGV上的传感器监测AGV的运动状态，当传感器数据异常时，AGV需要进行维护；AGV管理agent包括AGV状态管理agent、AGV指派agent和AGV规划agent，其中AGV状态管理agent实时获取AGV的电量、空闲AGV的数量、充电AGV的数量、AGV充电管理agent以及任务中AGV的预期运行时间，并为AGV排序；AGV指派agent获取任务agent和AGV状态管理agent的信息，通过任务类型、各类任务数量以及AGV状态，建立任务完成存取时间最短、AGV路径最短和能源消耗最低的多目标优化模型，利用随机森林算法对历史的停车数据及运营成本分析，得到各个指标对停车场运营的重要影响，以此作为对应优化目标的权重，将多目标优化模型转化为单目标模型，并利用梯度下降法进行求解。


5.根据权利要求4所述的一种多模态高密度的智能停车场系统，其特征在于，所述AGV指派agent的具体策略为：
以AGV位置am作为初始位置，任务车辆位置i和指定车位位置j作为途径点，以AGV任务结束后位置bm作为终点位置，路径am→i和j→bm为AGV空载运行，路径i→j为AGV负载运行，动态调度策略根据实际的任务量T＝{1,2,3,…,M}和任务权重L＝{l1,l2,l3,…,lM}在知识库中抽取调度规则，使数学模型的调度规则更加适合实际情况，具体优化模型如式(1)表示：



其中






























约束条件






bi≠bj,i≠j(14)
α+β+γ+δ＝1(15)



式中，fpath为路径函数，ftime为时间函数，fpower1，fpower2为能源消耗函数，fother为其他函数，主要包括用户操作时间等；α，β，γ，δ分别表示路径长度、AGV运行时间的权重、AGV能源消耗权重和机械停车设备能源消耗以及其他影响因素的权重，α，β，γ，δ∈[0,1]；i,j,m,p,k∈N*；sat0表示用户满意度的较高评价，暂且定为8；P为缓冲停车设备车位数；eA，eM分别表示AG...

【专利技术属性】
技术研发人员：梁军，韩冬冬，陈逢强，张春，杜万兵，周贝，胡耀文，段培林，沈龙，
申请(专利权)人：宝胜系统集成科技股份有限公司，江苏大学，
类型：发明
国别省市：江苏;32