基于动态最优路径规划的多任务无人集群控制系统及方法技术方案

本发明专利技术提出了一种基于动态最优路径规划的多任务无人集群控制系统及方法，属于无人集群路径规划技术领域，本发明专利技术通过引入基于时间的个体动态权值，能够在不同时刻对系统中全部个体进行统一的优化配置。解决现有静态规划技术路径的导致环路等待问题从而在局部区域或全局出现死锁现象；静态的最优路径选择无法适应网络状态的变化，容易引起群聚效应或阻塞震荡；对于意外及突发事件无法应急响应，造成整个系统瘫痪等问题。个系统瘫痪等问题。个系统瘫痪等问题。

【技术实现步骤摘要】
基于动态最优路径规划的多任务无人集群控制系统及方法


[0001]本专利技术属于无人集群路径规划
，特别是一种基于动态最优路径规划的多任务无人集群控制系统及方法。

技术介绍

[0002]随着物联网技术的发展，无人驾驶技术的逐渐成为应用研究的热点。目前的无人驾驶技术研究的主要方向包括运动控制、障碍躲避、路径规划及信息安全等领域。当无人驾驶技术发展到成熟阶段其面临的问题也将发生转变，可以预知的是，当无人驾驶汽车成为主要的交通手段时，这种大规模无人集群的控制将成为核心的研究方向。
[0003]与机器人集群相比，无人设备集群既有集群智能技术的共性问题，也有特性问题。
[0004]首先，无人设备集群的规模相对于现阶段的无人集群规模将有指数型增长，同时在追求全局目标的同时又要求个体目标的有效实现。基于后方中心的控制结构无法提供足够的算力和响应时效；基于中心节点的控制结构无法有效达成个体目标；基于多代理(Agent)的控制结构无法优化全局目标。因此需要建立一种新型有效的控制结构来适应新的应用场景。
[0005]其次，无人设备集群不同于普通意义上的集群，在保证群体目标实现的同时更注重于个体目标的最优化。对于一定范围内的集群目标可以是减少交通拥堵、提高路网吞吐量等；而对于每个个体来说又具有自身的行动目标，既在最短时间内到达目标地点，因此需要在群体目标和个体目标间建立有效的平衡。
[0006]最后，现有的静态最优路径算法以个体最优为目标，虽然能够在一定范围内满足个体需求，且计算简便，但并未考虑系统总体最优，因而会存在如下问题：
[0007]1)路径的静态化会导致环路等待问题的出现，因而在局部区域或全局出现死锁现象；
[0008]2)静态的最优路径选择无法适应网络状态的变化，容易引起群聚效应或阻塞震荡；
[0009]3)对于意外及突发事件无法应急响应，造成整个系统瘫痪。

技术实现思路

[0010]本专利技术的目的在于基于动态最优路径规划的多任务无人集群控制系统及方法，通过引入基于时间的个体动态权值，能够在不同时刻对系统中全部个体进行统一的优化配置。算法中的每次迭代都重新计算个体在当前位置到目标位置的最优路径，避免了静态最优路径可能导致的死锁、聚集等问题，同时当网络环境发生改变时也能够在下一轮迭代周期内迅速适应，避免系统整体瘫痪。
[0011]为了达到上述目的，在本专利技术的第一方面提供了基于动态最优路径规划的多任务无人集群控制系统，其特征在于，包括实体层和管理层，所述实体层包括无人设备、路侧单元和接入基站，所述管理层包括边缘计算层和云计算层；
[0012]所述实体层的无人设备通过无线传输连接路侧单元，路侧单元连接接入基站，接入基站通过有线网络或无线网络或卫星通讯连接到管理层的处理节点；
[0013]所述边缘计算层由边缘计算节点组成，用于处理所管辖区域内基本路网信息，并对实时信息进行处理，所述实时信息为随时间同步产生的区域内路网信息；
[0014]所述云计算层由部署在云端的算力集群组成，用于管辖区域内的跨中间层各无人设备的全局路径规划和调优，完成对整个区域内的车流控制及整体效能优化，以及对于突发事件的道路管控、策略更新。
[0015]在本专利技术的第二个方面提供了基于动态最优路径规划的多任务无人集群控制方法，所述方法包括：
[0016]S1、被控制无人设备进行行驶姿态、移动速度和规避障碍行为的数据采集及基本处理，将处理结果发送到路侧单元；
[0017]S2、路侧单元将收集到的数据经由接入基站发送至边边缘计算层的能覆盖无人设备的对应边缘计算节点，由边缘计算节点计算在其覆盖范围内的无人设备的运行轨迹；
[0018]S3、若无人设备的当前位置与目标位置处于同一边缘节点控制范围，则计算无人设备从当前位置到目标位置的最短路径；对该无人设备进行最短路径移动迭代：预测在下一个周期当前无人设备沿最短路径移动到下一个元胞；
[0019]若该元胞当前被另一无人设备占用，则递推计算无人设备最短路径并沿无人设备最短路径移动；在保证不出现死锁、回退的条件下规划每一个无人设备的下一周期位置；在下一周期到来时按规划结果移动集群中的无人设备；
[0020]S4、在边缘计算节点控制范围内，将S3的计算结果通过路网控制层的路侧单元发送到对应的无人设备，无人设备接收到信号后改变其运行轨迹；
[0021]S5、若无人设备当前位置与目标位置不处于同一边缘计算节点控制范围，则将边缘计算节点控制范围及目标位置上传至云计算层；云计算节点根据边缘节点的拓扑位置关系计算该无人设备当前位置与目标位置之间的最短路径；将当前位置与目标位置之间的最短路径分别发送至控制无人设备当前位置的边缘计算节点及控制到达目标位置的边缘计算节点；在边缘计算节点控制范围内将离开边缘计算节点控制范围的最后元胞看作目标节点，按当前位置与目标位置处于同一边缘计算节点控制范围进行动态最短路径移动控制；
[0022]S6、无人集群在每次迭代周期接收所处控制范围所对应的边缘计算节点的控制指令进行移动，直到到达目标位置。
[0023]进一步地，所述基本处理的步骤包括数据格式转换和封装
[0024]进一步地，所述最短路径的动态最优路径规划算法包括：
[0025]S101、借助元胞自动机和离散化的基本思想，将空间和时间进行离散化处理；
[0026]S102、在应用场景中，群体性能的最优化在一定时间区间内交通流用最大化来表示；
[0027]S103、定义综合群体目标和个体目标将多目标集群控制最优化目标；
[0028]S104、进行引入动态个体权值的计算；
[0029]S105、优先迭代权值最优的个体。
[0030]进一步地，所述S101的具体步骤为：
[0031]S1011、在应用场景中的任意路段用一系列等距的区域来表示，称为元胞，用C
i
来
表示，对于元胞C
i
，做如下定义：
[0032]L
i
表示元胞i的容纳能力，也即在安全状态下元胞内容纳的个体数目；
[0033]N
i
(ω
j
)表示元胞i在ω
j
时刻的容量，也即元胞内的个体数目；
[0034]S
i
(ω
j
)表示元胞i在ω
j
时刻的发送能力；
[0035]R
i
(ω
j
)表示元胞i在ω
j
时刻的接收能力；
[0036]F
i
(ω
j
)表示在ω
j
时刻从元胞i
‑
1流入到元胞i的个体数量；
[0037]得到如下的约束条件：
[0038]S
i
(ω
j
)≤L
i
‑
N
i...

【技术保护点】

【技术特征摘要】
1.基于动态最优路径规划的多任务无人集群控制系统，其特征在于，包括实体层和管理层，所述实体层包括无人设备、路侧单元和接入基站，所述管理层包括边缘计算层和云计算层；所述实体层的无人设备通过无线传输连接路侧单元，路侧单元连接接入基站，接入基站通过有线网络或无线网络或卫星通讯连接到管理层的处理节点；所述边缘计算层由边缘计算节点组成，用于处理所管辖区域内基本路网信息，并对实时信息进行处理；所述云计算层由部署在云端的算力集群组成，用于管辖区域内的跨中间层各无人设备的全局路径规划和调优，完成对整个区域内的车流控制及整体效能优化，以及对于突发事件的道路管控、策略更新。2.基于动态最优路径规划的多任务无人集群控制方法，其特征在于，所述方法包括：S1、被控制无人设备进行行驶姿态、移动速度和规避障碍行为的数据采集及基本处理，将处理结果发送到路侧单元；S2、路侧单元将收集到的数据经由接入基站发送至边边缘计算层的能覆盖无人设备的对应边缘计算节点，由边缘计算节点计算在其覆盖范围内的无人设备的运行轨迹；S3、若无人设备的当前位置与目标位置处于同一边缘节点控制范围，则计算无人设备从当前位置到目标位置的最短路径；对该无人设备进行最短路径移动迭代：预测在下一个周期当前无人设备沿最短路径移动到下一个元胞；若该元胞当前被另一无人设备占用，则递推计算无人设备最短路径并沿无人设备最短路径移动；在保证不出现死锁、回退的条件下规划每一个无人设备的下一周期位置；在下一周期到来时按规划结果移动集群中的无人设备；S4、在边缘计算节点控制范围内，将S3的计算结果通过路网控制层的路侧单元发送到对应的无人设备，无人设备接收到信号后改变其运行轨迹；S5、若无人设备当前位置与目标位置不处于同一边缘计算节点控制范围，则将边缘计算节点控制范围及目标位置上传至云计算层；云计算节点根据边缘节点的拓扑位置关系计算该无人设备当前位置与目标位置之间的最短路径；将当前位置与目标位置之间的最短路径分别发送至控制无人设备当前位置的边缘计算节点及控制到达目标位置的边缘计算节点；在边缘计算节点控制范围内将离开边缘计算节点控制范围的最后元胞看作目标节点，按当前位置与目标位置处于同一边缘计算节点控制范围进行动态最短路径移动控制；S6、无人集群在每次迭代周期接收所处控制范围所对应的边缘计算节点的控制指令进行移动，直到到达目标位置。3.根据权利要求2所述的基于动态最优路径规划的多任务无人集群控制方法，其特征在于，所述基本处理的步骤包括数据格式转换和封装。4.根据权利要求2所述的基于动态最优路径规划的多任务无人集群控制方法，其特征在于，所述最短路径的动态最优路径规划算法包括：S101、借助元胞自动机和离散化的基本思想，将空间和时间进行离散化处理；S102、在应用场景中，群体性能的最优化在一定时间区间内交通流用最大化来表示；S103、定义综合群体目标和个体目标将多目标集群控制最优化目标；S104、进行引入动态个体权值的计算；
S105、优先迭代权值最优的个体。5.根据权利要求4所述的基于动态最优路径规划的多任务无人集群控制方法，其特征在于，所述S101的具体步骤为：S1011、在应用场景中的任意路段用一系列等距的区域来表示，称为元胞，用C
i
来表示，对于元胞C
i
，做如下定义：L
i
表示元胞i的容纳能力，也即在安全状态下元胞内容纳的个体数目；N
i
(ω
j
)表示元胞i在ω
j
时刻的容量，也即元胞内的个体数目；S
i
(ω
j
)表示元胞i在ω
j
时刻的发送能力；R
i
(ω
j
)表示元胞i在ω
j
时刻的接收能力；F
i
(ω
j
)表示在ω
j
时刻从元胞i
‑
1流入到元胞i的个体数量；得到如下的约束条件：S
i
(ω
j
)≤L
i
‑
N
i
(ω
j
)≤L
i
,R
i
(ω
j
)≤N
i
(ω
j
)≤L
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)F
i
(ω
j
)＝min{S
i
‑1(ω
j
),R
i
(ω
j
)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)S1012、对道路上的车辆V
k
做如下定义：Loc(V
k
,ω
j
)表示V
k
在ω
j
时刻所在的元胞，且Loc(V
k
,ω
j
)∈{C
i
|i＝1,2,3...n}；OD
k
表示V
k
的起始位置和目标位置，且OD
k
＝<c
o
,c
d
>∈{<C

【专利技术属性】
技术研发人员：曲超，任炎芳，靳晓洋，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：