基于优化效率评价算法的智能无人物流运输方法和系统技术方案

本发明专利技术提供基于优化效率评价算法智能无人物流运输方法和系统，方法包括以下步骤：系统根据所述若干个输入的出发地和目的地规划路径，控制若干个智能无人小车在高架通道上运送货物；物流运输系统建模模块根据大数据采集整理模块接收整理的若干个智能无人小车的数据信息进行数据分析并建模，发送给物流运输高架通道控制模块计算平均交通延迟时间，并构建非线性多维约束全局优化算法和优化效率评价算法优化每个若干个智能无人小车在高架通道上的行走路线和所需的交通情况进而减少到达若干个目的地的物流运送时间。本发明专利技术提供的系统和方法通过有的放矢的根据不同的交通条件下的总行程时间优化物流运输后，能够改善紧急情况下城镇的交通便利性。情况下城镇的交通便利性。情况下城镇的交通便利性。

【技术实现步骤摘要】
基于优化效率评价算法的智能无人物流运输方法和系统


[0001]本专利技术属于物流运输
，具体涉及一种基于优化效率评价算法的智能无人物流运输方法和系统。

技术介绍

[0002]交通运输的快速发展给人们生活带来便利的同时，也给生态环境带来了严峻的挑战。如何实现运输环境的净化，运输与物流的可持续发展，运输资源的充分利用，运输效率的有效提升等是亟待解决的问题。从环境的角度对运输物流体系进行改进，实施绿色运输，发展多式联运，建立信息网络，形成一个与环境共生型的运输与物流系统是解决以上问题的有效途径。
[0003]智能交通系统(Intelligent Traffic System，简称ITS)又称智能运输系统(Intelligent Transportation System)，是将先进的信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等技术理论有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种提高效率、节约能源、保障安全、改善环境的综合运输系统。它主要是由交通信息采集系统、信息处理分析系统和信息发布系统三部分构成。
[0004]智能交通系统的构建离不开交通基础设施的智能化，依托全新的技术手段，对传统的公路基础设施进行改进，全线实现互通、互联、信息共享。智能交通系统与传统交通方式相比，可以最大限度地发挥道路基础设施的作用，所以只有不断地将最先进的信息技术、通讯技术和处理能力整合运用到相应的公路基础设施中，才能不断促进交通管理体系的发展，促进交通运输的效率，改善交通安全问题。
[0005]现有技术中，如中国专利201210195715.8公开了一种城市智能交通运输系统及其运行方法，其系统包括全立交全封闭轻型高架路通道，无人驾驶电动智能无人小车、节点车站、智能调度系统、物流服务系统等，选择所要达到的目的地后可以将乘客或者所要运送的物品在专门的高架路通道上运送到目的地；中国专利202010560392.2公开了一种自动驾驶车辆的导航方法，其通通过导航数据输出一个三维或二维参考坐标系，利用SLAM+RTK GPS+DR融合的导航方法，可以将自动驾驶车辆的位置进行误差的校正并精确定位，融合完毕后输出自动驾驶车辆可以理解的坐标系数据，可以使自动驾驶车辆在50HZ的频率下精度可达+
‑
2～5cm，在20HZ的频率下精度可达+
‑
1cm，大大的提高了自动驾驶车辆位置的精度，也使导航的精度大大提高。
[0006]虽然上述的202010560392.2无人物流运输系统，能够精确地导航无人运送装置到达目的地，但是如果多个物品同时发货，在高架路通道上运输，可能会造成拥堵，并不能使中国专利201210195715.8公开的这种物流运输系统能够减少运输的时间成本，同时也不能对所规划或导航的路线进行物流运输成本的评价或者优化后的导航路线的优化效率进行评价，因此，急需一种能够通过评价不采用优化后路线与采用优化后路线的物流运输优化效率，进而将评价效率最高的路线发送给智能无人小车使运送物品的形成损失时间最小且
的一种智能无人物流运输方法和系统。

技术实现思路

[0007]本专利技术针对上述缺陷，提供一种能够监测高架路通道系统和运行状况，统筹规划多个小车的行走路线和高架路通道的交通管控措施的方法，进而能够使运送物品的形成损失时间最小的一种智能无人物流运输方法和系统。
[0008]本专利技术提供如下技术方案：基于优化效率评价算法的智能无人物流运输方法，包括以下步骤：
[0009]S1：物流发货客户确定若干个目的地；
[0010]S2：物流控制系统根据所述若干个输入的出发地和目的地规划路径，控制若干个智能无人小车在高架通道上运送货物，所述高架通道分为若干段子高架通道，每段所述子高架通道间设置有节点车站，所述若干个智能无人小车在每段高架通道上的行驶状态造成所述高架通道上形成自由交通条件或拥挤交通条件；
[0011]S3：大数据采集整理模块接收若干个智能无人小车的数据信息，经过整理后发送给物流交通情况监测评估模块；
[0012]S4：所述物流交通情况监测评估模块中的物流运输系统建模模块根据若干个智能无人小车的数据信息进行数据分析并建模；
[0013]S5：所述物流运输系统建模模块将建立的模型发送给所述物流运输高架通道控制模块，所述物流运输高架通道控制模块根据若干个智能无人小车的实时定位信息及交通拥堵情况计算所述高架通道上的若干个智能无人小车的平均交通延迟时间d(q)，并构建非线性多维约束全局优化算法和优化效率评价算法优化每个若干个智能无人小车在高架通道上的行走路线和所需的交通情况进而减少到达若干个目的地的物流运送时间，所述物流运输高架通道控制模块将每个所述智能无人小车的行走路线发送给该智能无人小车，并将所述智能无人小车所需的交通情况发送给区域交通流量控制模块，所述物流运输高架通道控制模块构建的所述优化效率评价算法模型如下：
[0014]f＝(v
f
+c
f
)
·
p
f
+t
f
，
[0015]其中，所述f为物流运输优化效率指数，所述v
f
为所述子高架通道内的智能无人小车所运送货物总重量指数，所述c
f
为所述子高架通道内智能无人小车耗电量成本指数，所述t
f
为所述子高架通道内时间成本指数，所述p
f
为智能无人小车停靠的节点车站数量指数；
[0016]其中，所述v
f
计算公式如下：
[0017][0018]其中，所述p
w
为所运送货物总重量权重参数，所述n为所述子高架通道内的运送货物的智能无人小车的数量，所述i为n个智能无人小车中的第i辆，所述pb
i
为未按所述非线性多维约束全局优化算法规划行走路线的第j段子高教通道车辆路径上的送货点数量，所述pa
i
为按照所述非线性多维约束全局优化算法规划行走路线的第j段子高教通道车辆路径上送货点数量，所述bp
ij
未按所述非线性多维约束全局优化算法规划行走路线的第j段子高架通道车辆路径上的货物总重量，所述ap
ij
按所述非线性多维约束全局优化算法规划行
走路线的第j段子高架通道车辆路径上的货物总重量；
[0019]所述c
f
计算公式如下：
[0020][0021]其中，所述ua
i
和所述ub
i
分别为按照所述非线性多维约束全局优化算法规划行走路线和未按照所述非线性多维约束全局优化算法规划行走路线在第j段子高架通道上第i辆智能无人小车所运送货物种类参数，所述ra
i
和所述rb
i
为按照和未按照所述非线性多维约束全局优化算法规划行走路线在第j段子高架本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于优化效率评价算法的智能无人物流运输方法，其特征在于，包括以下步骤：S1：物流发货客户确定若干个目的地；S2：物流控制系统根据所述若干个输入的出发地和目的地规划路径，控制若干个智能无人小车(1)在高架通道上运送货物，所述高架通道分为若干段子高架通道，每段所述子高架通道间设置有节点车站，所述若干个智能无人小车(1)在每段高架通道上的行驶状态造成所述高架通道上形成自由交通条件或拥挤交通条件；S3：大数据采集整理模块(2)接收若干个智能无人小车(1)的数据信息，经过整理后发送给物流交通情况监测评估模块(3)；S4：所述物流交通情况监测评估模块(3)中的物流运输系统建模模块(3
‑
1)根据若干个智能无人小车的数据信息进行数据分析并建模；S5：所述物流运输系统建模模块(3
‑
1)将建立的模型发送给所述物流运输高架通道控制模块(3
‑
2)，所述物流运输高架通道控制模块(3
‑
2)根据若干个智能无人小车的实时定位信息及交通拥堵情况计算所述高架通道上的若干个智能无人小车的平均交通延迟时间d(q)，并构建非线性多维约束全局优化算法和优化效率评价算法优化每个若干个智能无人小车在高架通道上的行走路线和所需的交通情况进而减少到达若干个目的地的物流运送时间，所述物流运输高架通道控制模块(3
‑
2)将每个所述智能无人小车的行走路线发送给该智能无人小车，并将所述智能无人小车所需的交通情况发送给区域交通流量控制模块(4)，所述物流运输高架通道控制模块(3
‑
2)构建的所述优化效率评价算法模型如下：f＝(v
f
+c
f
)
·
p
f
+t
f
，其中，所述f为物流运输优化效率指数，所述v
f
为所述子高架通道内的智能无人小车所运送货物总重量指数，所述c
f
为所述子高架通道内智能无人小车耗电量成本指数，所述t
f
为所述子高架通道内时间成本指数，所述p
f
为智能无人小车停靠的节点车站数量指数；其中，所述v
f
计算公式如下：其中，所述p
w
为所运送货物总重量权重参数，所述n为所述子高架通道内的运送货物的智能无人小车的数量，所述i为n个智能无人小车中的第i辆，所述pb
i
为未按所述非线性多维约束全局优化算法规划行走路线的第j段子高教通道车辆路径上的送货点数量，所述pa
i
为按照所述非线性多维约束全局优化算法规划行走路线的第j段子高教通道车辆路径上送货点数量，所述bp
ij
未按所述非线性多维约束全局优化算法规划行走路线的第j段子高架通道车辆路径上的货物总重量，所述ap
ij
按所述非线性多维约束全局优化算法规划行走路线的第j段子高架通道车辆路径上的货物总重量；所述c
f
计算公式如下：其中，所述ua
i
和所述ub
i
分别为按照所述非线性多维约束全局优化算法规划行走路线
和未按照所述非线性多维约束全局优化算法规划行走路线在第j段子高架通道上第i辆智能无人小车所运送货物种类参数，所述ra
i
和所述rb
i
为按照和未按照所述非线性多维约束全局优化算法规划行走路线在第j段子高架通道上所述智能无人小车的最大量，所述c
i
为初始所述第i辆智能无人小车耗电量，所述ct
i
为所述第i辆智能无人小车行走1km的耗电量，所述d
i(j
‑
1),ij
为第i辆智能无人小车在第j
‑
1段子高架通道与所述第j段子高架通道之间的距离，单位为km；所述ua
i
满足如下条件：所述ua
i
满足如下条件：所述p
f
计算公式如下：其中，所述p
g
为智能无人小车停靠的节点车站数量权重参数，所述pa
i
和所述pb
i
分别为第i辆智能无人小车按照和未按照所述非线性多维约束全局优化算法规划行走路线在所述高架通道上的所经过的节点数量；所述t
f
计算公式如下：其中，所述p
t
为时间成本权重参数，所述t
i,as
和t
i,bs
分别为按照和未按照所述非线性多维约束全局优化算法规划...

【专利技术属性】
技术研发人员：潘红斌，
申请(专利权)人：江苏佳利达国际物流股份有限公司，
类型：发明
国别省市：