本发明专利技术公开了一种航空行李在线装载规划方法、装置、设备及介质。该方法包括获取当前待装载行李的行李尺寸信息和码垛区域的垛型信息；将行李尺寸信息和垛型信息输入至与码垛区域匹配的分层树搜索模型中，获取各备选行李码放位置分别对应的目标节点特征；将行李尺寸信息、垛型信息以及各目标节点特征输入至深度强化学习模型中，获取与当前待装载行李匹配的目标行李码放位置；控制机械臂将当前待装载行李码放至码垛区域内的目标行李码放位置。本发明专利技术实施例的技术方案实现了航空行李准确、快速的自动化在线装载规划，从而使每个航空行李的装载紧密、稳定，减少空间的浪费，有效提高机场的经济性和运行效率。经济性和运行效率。经济性和运行效率。
【技术实现步骤摘要】
航空行李在线装载规划方法、装置、设备及介质
[0001]本专利技术涉及智能航空物流
，尤其涉及一种航空行李在线装载规划方法、装置、设备及介质。
技术介绍
[0002]随着我国民航领域的发展，我国的民用机场数量以及机场全年的旅客吞吐量增长速度飞快，机场迫切需要通过智能化建设提高整体运行效率，保证旅客的出行体验。目前国内大部分机场仍旧采用人工作业的方式进行航空行李的装载，装载效率低、成本高，造成了资源的浪费，因此进行智能化装载算法的设计是重点。
[0003]航空行李的装载问题属于在线的三维装箱问题，在给定多个长、宽、高分别已知的长方体物品后，将所有长方体物品装入若干个集装箱中，在满足特定的装箱约束条件（稳定性约束、体积约束、重量约束等）的前提下，使集装箱的装载利用率最高。目前最常见的行李装箱算法主要包括数学规划算法和启发式算法。
[0004]数学规划算法将装箱问题视为带约束的优化问题，利用分支界定法和0
‑
1整型规划模型对物品进行规划计算。使用数学规划算法虽然能够精确地求解出最优解，但随着物品和箱体数量的增加，算法的计算复杂度会呈指数倍数的增长从而导致“组合爆炸”，难以解决较大大规模的物品装箱问题；启发式算法基于人工装载经验形成，并融合了物品码放的相关约束规则，得到问题的近似最优解。虽然启发式算法能够得到可行解，相比于数学规划算法运行时间得到了显著提升，但其解的质量没有理论保证，且仍需要大量的运行时间成本。
技术实现思路
[0005]本专利技术实施例提供了一种航空行李在线装载规划方法、装置、设备及介质，以实现航空行李准确、快速的自动化在线装载规划。
[0006]根据本专利技术实施例的一方面，提供了一种航空行李在线装载规划方法，包括：获取当前待装载行李的行李尺寸信息，以及码垛区域的垛型信息；将行李尺寸信息和垛型信息输入至与码垛区域匹配的分层树搜索模型中，获取与码垛区域内各备选行李码放位置分别对应的目标节点特征；将行李尺寸信息、垛型信息以及与码垛区域内各备选行李码放位置分别对应的目标节点特征输入至深度强化学习模型中，获取与当前待装载行李匹配的目标行李码放位置；控制机械臂将当前待装载行李码放至码垛区域内的目标行李码放位置后，根据目标行李码放位置更新分层树搜索模型。
[0007]根据本专利技术的另一方面，提供了一种航空行李在线装载规划装置，包括：实时信息获取模块，用于获取当前待装载行李的行李尺寸信息，以及码垛区域的垛型信息；
目标节点特征获取模块，用于将行李尺寸信息和垛型信息输入至与码垛区域匹配的分层树搜索模型中，获取与码垛区域内各备选行李码放位置分别对应的目标节点特征；目标行李码放位置获取模块，用于将行李尺寸信息、垛型信息以及与码垛区域内各备选行李码放位置分别对应的目标节点特征输入至深度强化学习模型中，获取与当前待装载行李匹配的目标行李码放位置；码放控制模块，用于控制机械臂将当前待装载行李码放至码垛区域内的目标行李码放位置后，根据目标行李码放位置更新分层树搜索模型。
[0008]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的航空行李在线装载规划方法。
[0009]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的航空行李在线装载规划方法。
[0010]本专利技术实施例的技术方案，通过根据当前待装载行李的行李尺寸信息，以及码垛区域的垛型信息，在与码垛区域匹配的分层树搜索模型中，获取与码垛区域内各备选行李码放位置分别对应的目标节点特征后，使用深度强化学习模型，获取与当前待装载行李匹配的目标行李码放位置；最后控制机械臂将当前待装载行李码放至码垛区域内的目标行李码放位置的技术手段，将分层树搜索与深度强化学习模型相结合，实现了航空行李准确、快速的自动化在线装载规划，从而使每个航空行李的装载紧密、稳定，减少空间的浪费，有效提高机场的经济性和运行效率，此外，本专利技术实施例的技术方案能够有效应对机场出港行李信息有限的实际场景，具有更好的可行性和实用性。
[0011]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1a是根据本专利技术实施例一提供的一种航空行李在线装载规划方法的流程图；图1b是本专利技术实施例所适用的一种航空行李在线装载方法的作业流程图；图2a是根据本专利技术实施例二提供的一种航空行李在线装载规划方法的流程图；图2b是本专利技术实施例所适用的一种分层树搜索模型的网络结构图；图3a是根据本专利技术实施例三提供的一种航空行李在线装载规划方法的流程图；图3b是本专利技术实施例所适用的一种深度强化学习模型的网络结构图；图3c是本专利技术实施例所适用的一种航空行李在线装载规划方法的总图结构示意
图；图3d是本专利技术实施例所适用的航空行李在线装载规划方法在模型训练过程中的填充率变化曲线；图4是根据本专利技术实施例四提供的一种航空行李在线装载规划装置的结构图；图5是实现本专利技术实施例的航空行李在线装载规划方法的电子设备的结构示意图。
具体实施方式
[0014]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0015]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0016]实施例一图1a为本专利技术实施例一提供的一种航空行李在线装载规划方法的流程图，本实施例可适用于控制机械臂在线的将航空行李装载至码垛区域中适宜的行李码放位置的情况，该方法可以由航空行李在线装载规本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种航空行李在线装载规划方法，其特征在于，包括：获取当前待装载行李的行李尺寸信息，以及码垛区域的垛型信息；将行李尺寸信息和垛型信息输入至与码垛区域匹配的分层树搜索模型中，获取与码垛区域内各备选行李码放位置分别对应的目标节点特征；将行李尺寸信息、垛型信息以及与码垛区域内各备选行李码放位置分别对应的目标节点特征输入至深度强化学习模型中，获取与当前待装载行李匹配的目标行李码放位置；控制机械臂将当前待装载行李码放至码垛区域内的目标行李码放位置后，根据目标行李码放位置更新分层树搜索模型。2.根据权利要求1所述的方法，其特征在于，将所述行李尺寸信息和所述垛型信息输入至与码垛区域匹配的分层树搜索模型中，获取与码垛区域内各备选行李码放位置分别对应的目标节点特征，包括：根据所述垛型信息，对所述分层树搜索模型中的各内部节点和各叶子节点进行更新；其中，各内部节点用于描述码垛区域中各码垛完成行李的描述信息，各叶子节点用于描述码垛区域中各备选行李码放位置的描述信息；通过分层树搜索模型中的多层感知器，根据行李尺寸信息、分层树搜索模型中的内部节点和叶子节点，生成与码垛区域内各备选行李码放位置分别对应的低维节点特征；通过分层树搜索模型中的图注意力网络，将与码垛区域内各备选行李码放位置分别对应的低维节点特征转化为高维节点特征；通过缩放点积注意力网络，根据分层树搜索模型中叶子节点关系权重以及与码垛区域内各备选行李码放位置分别对应的高维节点特征，计算与各备选行李码放位置分别对应的嵌入节点特征；通过归一化网络，对与各备选行李码放位置分别对应的嵌入节点特征进行归一化处理，得到与码垛区域内各备选行李码放位置分别对应的目标节点特征。3.根据权利要求2所述的方法，其特征在于，通过分层树搜索模型中的多层感知器，根据行李尺寸信息、分层树搜索模型中的内部节点和叶子节点，生成与码垛区域内各备选行李码放位置分别对应的低维节点特征，包括：将分层树搜索模型中的各内部节点输入至第一节点式多层感知器中，获取第一类特征；将分层树搜索模型中的每个叶子节点分别输入至第二节点式多层感知器中，获取与每个叶子节点分别对应的第二类特征；将行李尺寸信息输入至第三节点式多层感知器中，获取第三类特征；将与每个叶子节点分别对应的第二类特征，分别与第一类特征和第三类特征进行组合，生成与码垛区域内各备选行李码放位置分别对应的低维节点特征。4.根据权利要求2所述的方法，其特征在于，通过缩放点积注意力网络，根据分层树搜索模型中叶子节点关系权重以及与码垛区域内各备选行李码放位置分别对应的高维节点特征，计算与各备选行李码放位置分别对应的嵌入节点特征，包括：根据公式：，计算得到与第p个备选行李码放位置
对应的嵌入节点特征；其中，、、、为分层树搜索模型中预先训练的权值矩阵，n为分层树搜索模型中的叶子节点的总数量，为与第p个备选行李码放位置对应的高维节点特征，为与第j个备选行李码放位置对应的高维节点特征，为投影特征的维度，为转置运算符。5.根据权利要求4所述的方法，其特征在于，通过归一化网络，对与各备选行李码放位置分别对...
【专利技术属性】
技术研发人员：张攀，程九廪，田金涛，张威，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。