Professional Documents
Culture Documents
基于改进冲突搜索的智能车库多AGV路径规划 任明辉
基于改进冲突搜索的智能车库多AGV路径规划 任明辉
doi:10.19562/j.chinasae.qcgc.2023.10.014
[Abstract] Path planning of multiple Automated Guided Vehicles(AGVs)in intelligent garage directly af⁃
fects the efficiency and security of the vehicle. For the task execution priority of AGVs in RIG,the Improved Con⁃
flict-Based Search with priority (iCBS-pri) path planning model is proposed. The improved model is mainly com⁃
posed of Task Allocation (TA),single-AGV Path Planning (PP),multi-AGV Conflict Detection and Resolution
modules. The TA module allocates unassigned tasks to AGVs. The PP module improves the completion efficiency of
AGV tasks by setting a linear penalty function to reduce the impact of the number of turns of the path on AGV run⁃
ning time. The CDAR module includes Conflict Detection(CD)submodule and Conflict Resolution(CR)submod⁃
ule. The CR submodule develops conflict resolution policies based on Spare Zone(SZ)and Bypass planning(BP)
for the conflict types detected by the CD submodule,so as to plan multi-AGV conflict-free routes. Simulation experi⁃
ments verify the model under typical scenarios. The results show that:
(1)Compared with the traditional A* algo⁃
rithm,the improved A* proposed by the PP module reduces the path length and the number of inflection points by
8.82% and 38.62%,respectively;
(2)The assignment success rate of the task allocation algorithm reaches 100%,
with the task consistency probability reaching 88.9%;
(3)Compared with the iCBS algorithm,the success rate of
task planning of iCBS-pri algorithm is improved by 11.3% on average,with the average running time of the algo⁃
* 国家自然科学基金(51108209)和宝应县重点研发计划项目(BY201908)资助。
原稿收到日期为 2023 年 02 月 26 日,修改稿收到日期为 2023 年 03 月 29 日。
通信作者:梁军,教授,博士,E-mail:liangjun@ujs. edu. cn。
· 1934 · 汽 车 工 程 2023 年(第 45 卷)第 10 期
rithm improved by 5.93%,which further improves the efficiency of RIG access vehicle.
Keywords:intelligent garage; path planning; task execution priority; autonomous guide vehicle;
conflict
多 AGV 无冲突路径。
前言
1 RIG 停车环境分析
近 年 来 ,基 于 自 主 引 导 车 (automated guided
vehicle,AGV)的 智 能 车 库(robot-based intelligent 1. 1 RIG 冲突类型分析
garage,RIG)成为智能交通与智慧导航领域研究热 如图 1 所示,应用平行式车位布局的 RIG 的车
点。RIG 通过多 AGV 搬运以实现车辆的存取过程, 位布局方式与 AGV 的运行方式息息相关,AGV 通常
用户仅需在 RIG 摆渡区进行车辆交换 ,提升了车 [1]
采用麦克纳姆轮底盘,可以全向移动,能够较为容易
辆停车便捷性,减少了停车场内部由于人为操作导 实现平行停车。在多 AGV 搬运车辆任务过程中,
致的冲突问题,提升车辆存取效率和车位供给量,是 AGV 间的冲突可分为对向冲突、交叉口冲突、停车
缓解城市“停车难”问题理想的停车方式。 冲突和跟随冲突 4 种类型。对向冲突通常出现在两
RIG 兼具高效性和安全性的特点,通过 RIG 停 辆 AGV 相向通行同一 AGV 通道的情况,如图 2(a)所
车管理系统为 AGV 指派停车任务,并规划无冲突路 示,它是一种典型的死锁现象,要求冲突的一方退出
径 ,其中包含的多 AGV 路径规划是一项至关重要
[2]
当前路径才能解决冲突,而不能通过等待操作解决。
的技术。目前,多 AGV 路径规划常用时间窗 、交通 [3]
鉴于 AGV 运行特点,RIG 交叉口位置在同一时间步
规则 等方式解决多 AGV 存在的冲突问题,能够满
[4]
长内仅允许一辆车通行,当多辆 AGV 同时通行交叉
足小规模 AGV 系统的无冲突路径规划问题,但是无 口时,交叉口冲突即会产生,这是 RIG 中较为常见的
法满足 AGV 规模逐渐庞大的智能车库系统。 冲突类型,如图 2(b)所示。在 AGV 执行存取车任务
目前研究学者将多 AGV 系统建模为多智能体 进入或离开停位时,会占用 AGV 通道并阻碍其他
路径搜索(multi-agent path finding,MAPF)问题,将 AGV 的正常通行,便会产生停车冲突,如图 2(c)所
AGV 看作智能体来求解,在已知环境中为一组智能 示。倘若一个 AGV 占用另一个 AGV 在上一时间步
体搜寻无冲突路径,同时最小化 AGV 运行时间总 占用的节点,两辆 AGV 便会发生冲突,记为跟随冲
和[5-6]。CBS(conflict-based search algorithm)算法是 突,如图 2(d)所示。
一种领先的两级搜索算法,用于优化求解 MAPF 问
题,其核心思想是独立地为每个智能体规划一条路
径 ,然 后 通 过 分 支 解 决 智 能 体 之 间 的 冲 突[7]。
Boyarski 等[8]将增强、元代理和绕过冲突措施等改进
的研究成果引入到 CBS 算法中,能够减少 CBS 的运
行时间,但是并未考虑到任务执行优先级和 AGV 的
实际冲突类型对 CBS 的影响。Okoso 等[9]将 CBS 算
法应用到具有任务执行优先级的自主代客泊车系
统,然而考虑的冲突类型和冲突解决措施相对简单。
RIG 属于 AGV 代客泊车系统,需要 AGV 对车辆进行
搬运,现有研究很少考虑到任务分配过程对多 AGV
路径规划的影响,且提出的冲突解决策略并不适用
图1 RIG 典型场景
RIG 环境。
针对具有任务执行优先级的 RIG 系统,在分析 1. 2 RIG 路径规划问题描述
RIG 实际冲突特点的基础上,引入基于备用区域搜 面向 RIG 的多 AGV 路径规划可以描述为多智
索策略和旁路规划策略协同的冲突消解方法,提出 能体路径搜索 MAPF 问题,由无向图 G(V,E)
(其中
了一种基于改进 CBS 的路径规划算法,为 RIG 规划 V 表示顶点集,E 表示边集),一组负责执行停车任务
2023(Vol.45)No.10 任明辉,等:基于改进冲突搜索的智能车库多 AGV 路径规划 · 1935 ·
11 end for
( ) ( )
f n =g n +h n +o n ( ) ( ) (4)
12 Ω ← Ω ∪ Ω
■■ 0, | x t + 1 - x t - 1 | ⋅ | y t + 1 - y t - 1 | = 0
13 end for
( )
o n =■
14 return Ω ( ( ) ( ))
■■ K g n + h n ,其他
(5)
2. 2 PP 模块 2. 3 CDAR 模块
在 RIG 中 ,将 任 务 集 T 中 的 所 有 任 务 分 配 给 CDAR 模块需要对各 AGV 规划路径,各路径之
AGV 集中的 AGV 后,PP 模块通过规划无冲突路径 间难免存在冲突,针对此问题 CDAR 模块设计了 CD
导航到指定位置,完成车辆存取任务。在车辆存取 子模块和 CR 子模块来消解路径冲突,CD 子模块根
过程中,PP 规划的无冲突路径通常由两部分组成: 据 RIG 实际情况,通过检测参与冲突的 AGV 运动状
(
任务搬运路径 o i → b k 和任务执行路径 b k → g k 。 ) ( ) 态以此确定实际冲突类型,CR 子模块针对 CD 子模
由于 AGV 执行优先级由搬运任务决定,因此 AGV 在 块检测出的冲突类型,制定基于备用区域和旁路规
不同路段上具有的优先级可能有所不同,为简化 PP 划的冲突解决策略,以规划多 AGV 无冲突路线。
2023(Vol.45)No.10 任明辉,等:基于改进冲突搜索的智能车库多 AGV 路径规划 · 1937 ·
2. 3. 1 CD 子模块 ( ) () ( ) ()
π i + 1 t + 1 = π i + 2 t , ⋯, π j - 1 t + 1 = π j t 且
PP 算法为单个 AGV 规划路径,但是路径间可能 ( ) ()
π j t + 1 = π i t ,如图 4(e)所示。
存在冲突现象,冲突检测方法则须正确检测 AGV 间 2. 3. 2 CR 子模块
存在的所有冲突现象。在 CBS 算法中,通过迭代时 CR 子 模 块 是 对 检 测 的 冲 突 制 定 一 组 约 束
间步,分析所有 AGV 的位置信息以此检测冲突现 ( N. constraints ),以成本 ( N. cost ) 最小化为目标,为所
象,主要有边冲突、点冲突、交换冲突、跟随冲突和循 有 AGV 规划一组无冲突路径 ( N. solution ),是 CBS 上
环冲突 5 种类型,如图 4 所示。 层搜索算法的关键部分(N 表示约束树上的节点)。
(
CBS 上层搜索算法在约束树 constraint tree,CT 上 )
执行最佳的搜索策略,通过生成限制 AGV 的约束集
来迭代解决冲突现象。从只有一个约束集为空的初
始根节点开始,调用 CBS 下层搜索找到 N. solution,
下层搜索评估 N. cost 最低的节点,然后选择最低的
N. cost 扩展 CT 节点,然后 CBS 下层搜索会选择扩展
的节点并在 N. solution 中识别一组冲突 N. constraints。
如果 N. constraints 为空,
则CBS终止并返回 N. solution,
否则会随机选择一个要解决的冲突,根据冲突的类
图4 MAPF 问题中存在的主要冲突类型
型施加约束,并添加到 N. constraints 中,同时 CBS 下
BP 算法
输入:节点 N
图5 基于 CBS 的冲突解决策略
输出:True or False
搬运状态 AGV,所有车位可作为备用区域。然而, ( )
1 for N ′ ∈ ST N do
2 for a i in C do
如何规划备用区域是一个非常关键的问题。AGV
在进入备用区域时须执行转弯操作,根据冲突节点
3 ( ) (
if N. cost = N ′. cost & N. NC π, ( )
i ≤ N. NC π i ( ) ) then
4 N. solution ← N ′. solution
出现的时间步,提前为冲突 AGV 划分备用区域,常 5 end if
被设置为车位区域。如下 SZ 算法阐述了备用区域 6 end for
搜索策略的具体流程。 7 OPEN ← { N }
8 return True
SZ 算法 9 end for
输入:节点 N,空闲车位 10 return False
输出:True or False
( )
1 for N ′ ∈ ST N do 在 RIG 环境中,停车冲突类型较为简单,通常采
2 for a i in C do 用等待措施来解决,该方法就不再赘述。跟随冲突
3 if o i = b k then
类型是由于领航 AGV 的停止而造成的跟随 AGV 与
4 hi = 1
5 if path i ≠ φ
领航 AGV 之间的冲突,领航 AGV 在时间步长为 t 时
6 SZ i ← SP i 可能存在多个冲突,因此,解决跟随 AGV 时,将跟随
7 end if AGV 解决冲突所需的时间步长计入到领航 AGV,以
8 end if 尽可能避免跟随 AGV 和领航 AGV 的避让操作。对
9 调用下层搜索确定全局路径
于对向冲突类型,属于死锁,本文针对此种冲突采取
( ) (
10 if N. cost = N ′. cost & N. NC π, ( ) ( ) ) then
i ≤ N. NC π i
SZ 和 BP 协同的方式来进行冲突解决,由于 SZ 对整
11 N. solution ← N ′. solution
体规划影响较小,在 N. cost 相同的情况下,优先选择
12 end if
13 OPEN ← { N }
SZ,具有高优先级的 AGV 具有优先通行权,降低了
14 renturn True 冲突产生的概率,会减少无关的搜索工作算法。本
15 end for 文采用的备用区域搜索策略和旁路规划策略协同算
16 return False 法能够提升任务规划的成功率,由于搜索备用区域
2023(Vol.45)No.10 任明辉,等:基于改进冲突搜索的智能车库多 AGV 路径规划 · 1939 ·
和有效旁路在一定程度上能够帮助算法提前终止搜 区域针对存车任务,当任务数量小于或等于存车区
索或剔除无关搜索工作,从而进一步提升任务规划 域车位数量时,在存车区域随机生成任务初始位置,
成功率。如下 iCBS-pri 算法阐述了冲突解决的具体 在 RIG 的空闲车位区域随机生成任务目标位置,而
流程。 当任务数量大于存车区域车位数量时,超出存车区
域车位的存车任务数量在下一个时间步随机出现在
iCBS-pri 算法
输入:MAPF 实例
存车区域的车位位置,任务目标位置仍随机生成在
输出:最优路径 π * RIG 的空闲车位区域。选取分配成功率、路径长度
与转弯次数、冲突类型检测准确率和任务执行成功
1 N. constraints = ∅
2 Ω = TA A,T ( ) 率等作为评价指标。本文实验是在 Windows10 系统
3 N. solution = PP A ( ) 下进行,利用 MATLAB 2022a 对算法关键组件进行
(
4 N. cost = COST N. solution ) 仿真验证,硬件配置为 NVIDIA GeForce GTX1060,
5 OPEN ← { N } 3 GB 显 存 ,Intel(R) Core(TM) i5-8400 CPU @
6 while OPEN ≠ ∅ do
2. 80 GHz×6,16 GB RAM。
7 N ← arg min N. cost
8 C ← CD N ( )
9 if C = ∅ then
10 return N. solution
11 end if
12 (
if SZ N,C then)
13 continue
14 end if
15 (
if BP N,C then)
16 continue
17 end if
18 for a i in C do
19 R. constraints ← N. constraints
20 R. solution ← N. solution
21 R. solution = PP R ( )
22 (
R. cost = COST R. solution )
23 OPEN ← { N }
图6 典型 RIG 场景栅格地图
24 end for
25 end while
26 return False 3. 2 实验验证与结果分析
3. 2. 1 实验一:任务分配算法实验验证
实验验证不同任务数量 N 的情况下,任务分配
图7 iCBS 算法实验结果
表3 不同路径规划方法的平均运行时间
平均运行时间/s
车位占有率 规划方法
2 4 6 8 10 12 14 16
CBS 0. 037 0. 043 0. 052 0. 181 1. 351 1. 879 2. 582
CBS+SZ 0. 039 0. 045 0. 049 0. 163 1. 293 1. 781 2. 373 3. 278
30% CBS+BP 0. 054 0. 073 0. 125 0. 576 1. 502 2. 502 3. 815 5. 512
iCBS 0. 057 0. 081 0. 143 0. 527 1. 397 2. 137 3. 368 4. 953
iCBS-pri 0. 052 0. 078 0. 134 0. 485 1. 310 1. 939 2. 642 4. 233
CBS 0. 035 0. 046 0. 051 0. 185 1. 390 1. 852 2. 574
CBS+SZ 0. 041 0. 047 0. 053 0. 180 1. 312 1. 814 2. 439 3. 463
60% CBS+BP 0. 057 0. 071 0. 131 0. 583 1. 557 2. 483 3. 790 5. 527
iCBS 0. 074 0. 103 0. 165 0. 599 1. 429 2. 334 3. 653 5. 326
iCBS-pri 0. 068 0. 094 0. 154 0. 584 1. 374 2. 298 3. 550 5. 227
CBS 0. 039 0. 049 0. 056 0. 191 1. 367 1. 903 2. 610
CBS+SZ 0. 049 0. 053 0. 061 0. 193 1. 403 1. 964 2. 633
90% CBS+BP 0. 054 0. 073 0. 125 0. 576 1. 502 2. 502 3. 815 5. 512
iCBS 0. 089 0. 117 0. 203 0. 667 1. 627 2. 703 3. 973 5. 697
iCBS-pri 0. 071 0. 105 0. 212 0. 636 1. 592 2. 697 3. 892 5. 557
备用区域搜索策略和旁路规划策略相结合的 CBS 上 [5] STERN R. Multi-agent path finding-an overview[J]. Artificial In⁃
telligence,2019:96-115.
层搜索算法,同时在下层搜索算法中添加直线惩罚
[6] LI J, RUML W, KOENIG S. Eecbs: a bounded-suboptimal
函 数 ,以 减 少 路 径 拐 点 对 AGV 运 行 的 影 响 ,并 在 search for multi-agent path finding[C]. Proceedings of the AAAI
CBS 算法基础上提出基于 iCBS-pri 的多 AGV 路径规 Conference on Artificial Intelligence (AAAI),2021:12353-
划算法,并验证了 iCBS-pri 算法在不同车位占有率 12362.
的情况下具有较高的任务规划成功率,且 iCBS-pri [7] BARER M,SHARON G,STERN R,et al. Suboptimal variants
of the conflict-based search algorithm for the multi-agent path⁃
算法在任务规划成功率方面比 iCBS 算法平均提升
finding problem[C]. Seventh Annual Symposium on Combinatori⁃
11. 3%,算法平均运行时间提升 5. 93%,进一步提升 al Search,2014.
了 RIG 存取车效率。但研究以数值仿真验证为主, [8] BOYARSKI E,FELNER A,STERN R,et al. ICBS:improved
仿真实验场景设置相对理想,未来将通过获取实际 conflict-based search algorithm for multi-agent pathfinding[C].
[12] MA H,HARABOR D,STUCKEY P J,et al. Searching with con⁃ erogeneous edges and roundtrips[J]. Knowledge-Based Systems,
sistent prioritization for multi-agent path finding[J]. Proceedings 2021,234:107554.
of the AAAI Conference on Artificial Intelligence,2019,33(1): [15] ZHAO Y,LIU X,WU S,et al. Spare zone based hierarchical mo⁃
7643-7650. tion coordination for multi-AGV systems[J]. Simulation Model⁃
[13] 李鑫,廖凯文,陈薇,等 . 多自动导引车路径规划的时空冲突约 ling Practice and Theory,2021,109:102294.
束 A* 算 法[J]. 计 算 机 集 成 制 造 系 统 ,2021,27(11):3219- [16] XU R,FENG H,LIU J,et al. Dynamic spare point application
3226. based coordination strategy for multi-AGV systems in a wip ware⁃
LI Xin,LIAO Kaiwen,CHEN Wei,et al. A* algorithm with spa⁃ house environment[J]. IEEE Access,2022,10:80249-80263.
tial-temporal conflict constraints for path planning of multiple au⁃ [17] BOYRASKY E,FELNER A,SHARON G,et al. Don't split,try
tomatic guided vehicles [J]. Computer Integrated Manufacturing to work it out:bypassing conflicts in multi-agent pathfinding[C].
Systems,2021,27(11):3219-3226. Proceedings of the International Conference on Automated Plan⁃
[14] AI B,JIANG J,YU S,et al. Multi-agent path finding with het⁃ ning and Scheduling,2015,25:47-51.
(上接第 1884 页)
[20] PEI P,LI Y,XU H,et al. A review on water fault diagnosis of uniformity for dynamic loading of a PEM fuel cell stack[J]. Inter⁃
PEMFC associated with the pressure drop [J]. Applied Energy, national Journal of Hydrogen Energy,2015,40(23):7361-7369.
2016,173:366-385. [25] LIN R,ZHU Y,NI M,et al. Consistency analysis of polymer
[21] 张晓鹏,朴世文,钟兵,等 . 变载速率对 PEMFC 电堆动态响应 electrolyte membrane fuel cell stack during cold start [J]. Ap⁃
的影响[J]. 电池,2021,51(6):568-571. plied Energy,2019,241:420-432.
ZHANG X P,PIAO S W,ZHONG B,et al. Influence of variable [26] MANN R F,AMPHLETT J C,HOOPER M A I,et al. Develop⁃
loading rate on dynamic response of PEMFC stack[J]. Battery Bi⁃ ment and application of a generalised steady-state electrochemi⁃
monthly,2021,51(6):568-571. cal model for a PEM fuel cell [J]. Journal of Power Sources,
[22] WU H,LI X,BERG P. Numerical analysis of dynamic processes 2000,86(1-2):173-180.
in fully humidified PEM fuel cells [J]. International Journal of [27] 国家市场监督管理总局,国家标准化管理委员会 . 燃料电池发
Hydrogen Energy,2007,32(12):2022-2031. 动机性能试验方法:GB/T 24554—2022[S]. 北京:中国标准出
[23] HOU Y,YANG Z,WAN G. An improved dynamic voltage model 版社,2022.
of PEM fuel cell stack[J]. International Journal of Hydrogen En⁃ State Administration for Market Regulation,Standardization Ad⁃
ergy,2010,35(20):11154-11160. ministration. Performance test methods for fuel cell system:GB/T
[24] LI Y,ZHAO X,LIU Z,et al. Experimental study on the voltage 24554—2022[S]. Beijing:Standard Press of China,2022.