一种应用于机场行李托运的多车路径规划方法及系统设备技术方案

本发明专利技术公开了一种应用于机场行李托运的多车路径规划方法及系统设备，S1：对机场内部需要行李托运的区域进行划分，并且设置区域优先级，生成二维地图；S2：在二维地图上标注起始点和目标点，行李托运车队依靠自身与周围实体的情景交互不断自我学习，朝着二维地图中算法初始定义的优先级最高的方向感知迭代，寻找无障路径，直到行李托运车队达到目标点。能够解决移动体寻找路径的问题，实现更高的运输效率。率。率。

【技术实现步骤摘要】
一种应用于机场行李托运的多车路径规划方法及系统设备


[0001]本专利技术属于路径规划领域，涉及一种应用于机场行李托运的多车路径规划方法及系统设备。

技术介绍

[0002]随着当今人工智能驾驶市场快速发展，各类关于智能体的路径规划算法也有相应的进步。所谓智能体路径规划算法，就是在复杂的场景下，利用目前已有的技术条件去感知、决策、控制智能体，在出发点和目标点之间找到一条无碰撞路径。目前的路径规划算法有很多种，例如A_star算法、Q
‑
learning算法、蚁群算法、遗传算法、时序差分算法、Actor
‑
critic算法、RRT算法等等。
[0003]机场行李多车托运也属于智能体路径规划范畴，机场环境不同于高速公路、城区道路、特种作业现场等等，有其独特的特点：障碍物数量较少、障碍物分布较为稀疏、行人在地面上出没的可能性较小、可移动障碍体的路径较为固定等等。当前机场对于行李托运，仍然处于人工驾驶车辆从指定位置出发到达指定位置阶段。对于运输效率而言，由于整车还是传统车身结构，整车质量较大，车身较长，转向不够灵活，故而效率不高；对于成本而言，人工成本正在飞速上涨，托运司机的运输成本的增长也不利于机场的运营。

技术实现思路

[0004]本专利技术的目的在于克服上述现有技术的缺点，提供一种应用于机场行李托运的多车路径规划方法及系统设备，能够解决移动体寻找路径的问题，实现更高的运输效率。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]一种应用于机场行李托运的多车路径规划方法，包括以下过程：
[0007]S1：对机场内部需要行李托运的区域进行划分，并且设置区域优先级，生成二维地图；
[0008]S2：在二维地图上标注起始点和目标点，行李托运车队依靠自身与周围实体的情景交互不断自我学习，朝着二维地图中算法初始定义的优先级最高的方向感知迭代，寻找无障路径，直到行李托运车队达到目标点。
[0009]优选的，S1中划分区域的方法为：利用机场已有摄像头，对全局障碍物位置进行识别分析，依据障碍物数量正相关于不可行路径概率的原则，障碍物密集的地方，预判存在不可行路径的概率较高，粗分该区域网格，障碍物零散的地方，预判存在不可行路径的概率较低，细分该区域网格。
[0010]优选的，S1中区域优先级事项量化如下：
[0011]factor_0：距离目标点的数值；
[0012]factor_1：累加距离的数值；
[0013]factor_2：距离目标点和起始点的距离和的数值；
[0014]factor_3：区域为障碍物或者边界，数值为负无穷；
[0015]在此基础上设置相应的优先级因子α、β、γ、η，
‑
0.6＝<α<＝
‑
0.4，
‑
2.0＝<β<＝
‑
1.2，
‑
0.6＝<γ<＝
‑
0.4，η的取值为1。
[0016]优选的，S2中行李托运车队自身与周围实体的情景交互不断自我学习，行李托运车队每欲迈出一步，环境按照预先设置的优先级对行为进行判定，进行正向反馈或者逆行反馈，最终形成情景交互反馈表，经历多次找寻路径，依据反馈表不断更改优先级中优先因子的取值，不断优化最优路径。
[0017]优选的，S2中，行李托运车队中的车辆识别周围的环境，在初始化处理后的地图上进行标注，结合预先设定的优先级，考虑当前最优选择，向优先等级最大的区域前进；
[0018]在当前点和目标点之间创建连线，利用连线上三角和下三角障碍物数量的多少，解决区域优先级相同的情况；
[0019]判断前进点是否为目标点，不是目标点，则继续寻找下一点，是目标点，则停止寻找。
[0020]优选的，行李托运车队在行进过程中，车头部位感知到有移动物体接近至一定范围时，减速，若移动体停止移动，则车队继续前进，若移动物体继续移动，车队停车等待；
[0021]中间部分感知到移动物体接近至一定范围时，行李托运车队从最接近移动物体的托运车处分离，前方车队继续前进，后方车队重复上述车头判断过程，待移动物体驶离车队，后方车队作为新的行李托运车队重新寻找无障路径。
[0022]进一步，当行李托运车队中的某辆车感知到有移动物体接近至一定范围并减速或停止时，通过车辆和车辆之间的通信，让后方车辆进行不同程度的减速或停止动作。
[0023]一种应用于机场行李托运的多车路径规划系统，包括：
[0024]地图生成模块：用于对机场内部需要行李托运的区域进行划分，并且设置区域优先级，生成二维地图；
[0025]行进模块：用于在二维地图上标注起始点和目标点，行李托运车队依靠自身与周围实体的情景交互不断自我学习，朝着二维地图中算法初始定义的优先级最高的方向感知迭代，寻找无障路径，直到行李托运车队达到目标点。
[0026]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如上述任意一项所述应用于机场行李托运的多车路径规划方法的步骤。
[0027]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程序，所述计算机程序被处理器执行时实现如上述任意一项所述应用于机场行李托运的多车路径规划方法的步骤。
[0028]与现有技术相比，本专利技术具有以下有益效果：
[0029]本专利技术的路径规划过程中，根据区域优先级进行感知迭代，寻找无障路径，能够解决移动体寻找路径的问题，实现更高的运输效率，并且起始点可移动，这样有利于在宏观路径规划的基础上，改善局部路径规划效果，实现宏观与局部的合理规划。
[0030]进一步，将起始点的下一个点与目标点之间的联系进行数值化，一方面有利于更新路径，另一方面，可以减少学习过程中的盲目性，从而减少规划所用时间。
[0031]进一步，行李托运车队在行进过程中的策略，具有较高的局部灵活性，可以增强车队对于局部障碍物的规划、应变能力。从而使车队在路径规划中兼顾灵活性与较小的计算
量，实现行李托运车队化。
附图说明
[0032]图1为本专利技术的应用于机场行李托运的多车路径规划方法流程图；
[0033]图2为本专利技术的10*10地图仿真示意图。
具体实施方式
[0034]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，都属于本专利技术保护的范围。
[0035]需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于机场行李托运的多车路径规划方法，其特征在于，包括以下过程：S1：对机场内部需要行李托运的区域进行划分，并且设置区域优先级，生成二维地图；S2：在二维地图上标注起始点和目标点，行李托运车队依靠自身与周围实体的情景交互不断自我学习，朝着二维地图中算法初始定义的优先级最高的方向感知迭代，寻找无障路径，直到行李托运车队达到目标点。2.根据权利要求1所述的应用于机场行李托运的多车路径规划方法，其特征在于，S1中划分区域的方法为：利用机场已有摄像头，对全局障碍物位置进行识别分析，依据障碍物数量正相关于不可行路径概率的原则，障碍物密集的地方，预判存在不可行路径的概率较高，粗分该区域网格，障碍物零散的地方，预判存在不可行路径的概率较低，细分该区域网格。3.根据权利要求1所述的应用于机场行李托运的多车路径规划方法，其特征在于，S1中区域优先级事项量化如下：factor_0：距离目标点的数值；factor_1：累加距离的数值；factor_2：距离目标点和起始点的距离和的数值；factor_3：区域为障碍物或者边界，数值为负无穷；在此基础上设置相应的优先级因子α、β、γ、η，
‑
0.6＝<α<＝
‑
0.4，
‑
2.0＝<β<＝
‑
1.2，
‑
0.6＝<γ<＝
‑
0.4，η的取值为1。4.根据权利要求1所述的应用于机场行李托运的多车路径规划方法，其特征在于，S2中行李托运车队自身与周围实体的情景交互不断自我学习，行李托运车队每欲迈出一步，环境按照预先设置的优先级对行为进行判定，进行正向反馈或者逆行反馈，最终形成情景交互反馈表，经历多次找寻路径，依据反馈表不断更改优先级中优先因子的取值，不断优化最优路径。5.根据权利要求1所述的应用于机场行李托运的多车路径规划方法，其特...

【专利技术属性】
技术研发人员：韩毅，任铭然，葛甜，崔洋，康南，李良敏，
申请(专利权)人：长安大学，
类型：发明
国别省市：