本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種agv小車路徑評估規(guī)劃方法及裝置。

背景技術(shù)：

1、自動引導(dǎo)車agv(automatedguidedvichel)，是指具有自動導(dǎo)引系統(tǒng)裝置，能夠按照規(guī)定好的路線或自動生成的路線在起始點(diǎn)和終止點(diǎn)間運(yùn)行，具有一定安全保護(hù)的運(yùn)輸車，是集聲、光、電、計(jì)算機(jī)技術(shù)于一體，綜合了當(dāng)今科技領(lǐng)域先進(jìn)的理論和應(yīng)用技術(shù)，廣泛的應(yīng)用在柔性制造系統(tǒng)和自動化工廠中，具有運(yùn)輸效率高、節(jié)能、工作可靠、能實(shí)現(xiàn)柔性運(yùn)輸?shù)仍S多優(yōu)點(diǎn)，極大的提高了自動化程度和生產(chǎn)效率。

2、當(dāng)前agv的路徑規(guī)劃技術(shù)主要依賴于經(jīng)典的算法，如a*算法、dijkstra算法等。雖然這些算法成熟并廣泛應(yīng)用，但在處理復(fù)雜的動態(tài)環(huán)境時(shí)，不僅規(guī)劃效率低，而且表現(xiàn)出一定的局限性。特別是在高維動態(tài)環(huán)境中，傳統(tǒng)的集中式路徑規(guī)劃算法在應(yīng)對實(shí)時(shí)變化和多任務(wù)需求時(shí)表現(xiàn)出效率低下，難以靈活適應(yīng)臨時(shí)變化的任務(wù)和環(huán)境。另外，agv在執(zhí)行工作任務(wù)時(shí)，往往需要提前規(guī)劃前往目標(biāo)點(diǎn)的路徑以避免與環(huán)境或其它agv發(fā)生碰撞。以往的路徑規(guī)劃方法往往只考慮到當(dāng)前點(diǎn)和目標(biāo)點(diǎn)的距離，或通過添加轉(zhuǎn)彎角度約束來選擇盡量快捷的路徑。而在實(shí)行不同的工作任務(wù)時(shí)，單一策略生成的路徑并不能做到全局最優(yōu)，這需要對不同策略生成的路徑進(jìn)行多角度的評價(jià)，從而找到各工作環(huán)境下最優(yōu)的路徑。

3、因此，亟需一種agv小車路徑評估規(guī)劃方法，能夠有效提高agv小車路徑規(guī)劃的質(zhì)量和效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供了一種agv小車路徑評估規(guī)劃方法及裝置，旨在解決現(xiàn)有技術(shù)中agv小車的路徑規(guī)劃在應(yīng)對實(shí)時(shí)變化和多任務(wù)需求時(shí)表現(xiàn)出效率低下，難以靈活適應(yīng)臨時(shí)變化的任務(wù)和環(huán)境，導(dǎo)致agv小車路徑規(guī)劃的質(zhì)量和效率較低的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種agv小車路徑評估規(guī)劃方法，所述方法包括以下步驟：

3、利用預(yù)設(shè)路徑規(guī)劃模型，基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑，所述預(yù)設(shè)路徑規(guī)劃模型包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制；

4、對各所述行駛路徑的路徑障礙、路徑能耗和路徑安全性進(jìn)行量化評估，獲得各所述行駛路徑對應(yīng)的量化評估結(jié)果；

5、基于各所述量化評估結(jié)果從各所述行駛路徑中選取出所述agv小車的最佳行駛路徑。

6、可選地，所述利用預(yù)設(shè)路徑規(guī)劃模型，基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑的步驟之前，還包括：

7、基于近端策略優(yōu)化算法構(gòu)建初始路徑規(guī)劃模型，所述初始路徑規(guī)劃模型包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制；

8、獲取agv小車的歷史運(yùn)行數(shù)據(jù)，并基于所述歷史運(yùn)行數(shù)據(jù)生成模型訓(xùn)練數(shù)據(jù)；

9、基于所述模型訓(xùn)練數(shù)據(jù)對所述初始路徑規(guī)劃模型進(jìn)行模型訓(xùn)練，獲得訓(xùn)練結(jié)果；

10、根據(jù)所述訓(xùn)練結(jié)果對所述初始路徑規(guī)劃模型進(jìn)行模型參數(shù)優(yōu)化，獲得預(yù)設(shè)路徑規(guī)劃模型。

11、可選地，所述利用預(yù)設(shè)路徑規(guī)劃模型，基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑的步驟，包括：

12、獲取agv小車的運(yùn)行環(huán)境信息，并基于所述運(yùn)行環(huán)境信息構(gòu)建運(yùn)行環(huán)境地圖；

13、對所述運(yùn)行環(huán)境地圖進(jìn)行柵格化，獲得柵格地圖，并在所述柵格地圖中確定所述agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)；

14、利用預(yù)設(shè)路徑規(guī)劃模型，在所述柵格地圖中搜索從所述出發(fā)點(diǎn)到所述目標(biāo)點(diǎn)的多條行駛路徑。

15、可選地，所述對各所述行駛路徑的路徑障礙、路徑能耗和路徑安全性進(jìn)行量化評估，獲得各所述行駛路徑對應(yīng)的量化評估結(jié)果的步驟，包括：

16、利用沖突點(diǎn)等待策略和沖突點(diǎn)規(guī)避策略對各所述行駛路徑的路徑障礙進(jìn)行量化評估，獲得第一評估結(jié)果；

17、基于各所述行駛路徑構(gòu)建加權(quán)有向圖模型，基于所述加權(quán)有向圖模型對各所述行駛路徑的路徑能耗進(jìn)行量化評估，獲得第二評估結(jié)果；

18、基于所述agv小車的實(shí)時(shí)運(yùn)行數(shù)據(jù)和安全性評估指標(biāo)對各所述行駛路徑的路徑安全性進(jìn)行量化評估，獲得第三評估結(jié)果；

19、根據(jù)所述第一評估結(jié)果、所述第二評估結(jié)果和所述第三評估結(jié)果確定各所述行駛路徑對應(yīng)的量化評估結(jié)果。

20、可選地，所述利用沖突點(diǎn)等待策略和沖突點(diǎn)規(guī)避策略對各所述行駛路徑的路徑障礙進(jìn)行量化評估，獲得第一評估結(jié)果的步驟，包括：

21、基于沖突點(diǎn)等待策略，確定所述agv小車在各所述行駛路徑的第一運(yùn)行數(shù)據(jù)；

22、基于沖突點(diǎn)規(guī)避策略，確定所述agv小車在各所述行駛路徑的第二運(yùn)行數(shù)據(jù)；

23、基于所述第一運(yùn)行數(shù)據(jù)和所述第二運(yùn)行數(shù)據(jù)對各所述行駛路徑的路徑障礙進(jìn)行量化評估，獲得第一評估結(jié)果。

24、可選地，所述基于所述第一運(yùn)行數(shù)據(jù)和所述第二運(yùn)行數(shù)據(jù)對各所述行駛路徑的路徑障礙進(jìn)行量化評估，獲得第一評估結(jié)果的步驟，包括：

25、根據(jù)所述第一運(yùn)行數(shù)據(jù)確定各所述行駛路徑中沖突點(diǎn)的數(shù)量、等待時(shí)間和沖突解決效率；

26、根據(jù)所述第二運(yùn)行數(shù)據(jù)確定沖突點(diǎn)規(guī)避產(chǎn)生的路徑復(fù)雜度變化信息、行駛時(shí)間變化信息和能耗變化信息；

27、基于所述沖突點(diǎn)的數(shù)量、所述等待時(shí)間、所述沖突解決效率、所述路徑復(fù)雜度變化信息、所述行駛時(shí)間變化信息和所述能耗變化信息對各所述行駛路徑的路徑障礙進(jìn)行量化評估，獲得第一評估結(jié)果。

28、可選地，所述基于各所述行駛路徑構(gòu)建加權(quán)有向圖模型，基于所述加權(quán)有向圖模型對各所述行駛路徑的路徑能耗進(jìn)行量化評估，獲得第二評估結(jié)果的步驟，包括：

29、基于各所述行駛路徑構(gòu)建加權(quán)有向圖模型，所述加權(quán)有向圖模型中的節(jié)點(diǎn)為路徑上的關(guān)鍵點(diǎn)，所述加權(quán)有向圖模型中邊的權(quán)重為對應(yīng)的能耗值；

30、基于所述加權(quán)有向圖模型確定各所述行駛路徑的路徑能耗值；

31、根據(jù)所述各所述行駛路徑的路徑能耗值和各所述行駛路徑的運(yùn)輸成本確定第二評估結(jié)果。

32、可選地，所述基于所述agv小車的實(shí)時(shí)運(yùn)行數(shù)據(jù)和安全性評估指標(biāo)對各所述行駛路徑的路徑安全性進(jìn)行量化評估，獲得第三評估結(jié)果的步驟，包括：

33、基于安全性評估指標(biāo)，確定所述agv小車的實(shí)時(shí)運(yùn)行數(shù)據(jù)中碰撞次數(shù)、近距離事件和急剎車次數(shù)；

34、利于預(yù)設(shè)路徑安全評分公式，根據(jù)所述碰撞次數(shù)、所述近距離事件和所述急剎車次數(shù)確定各所述行駛路徑的安全性評分；

35、將各所述行駛路徑的安全性評分作為第三評估結(jié)果。

36、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種agv小車路徑評估規(guī)劃裝置，所述裝置包括：

37、路徑生成模塊，用于利用預(yù)設(shè)路徑規(guī)劃模型，基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑，所述預(yù)設(shè)路徑規(guī)劃模型包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制；

38、量化評估模塊，用于對各所述行駛路徑的路徑障礙、路徑能耗和路徑安全性進(jìn)行量化評估，獲得各所述行駛路徑對應(yīng)的量化評估結(jié)果；

39、路徑選取模塊，用于基于各所述量化評估結(jié)果從各所述行駛路徑中選取出所述agv小車的最佳行駛路徑。

40、可選地，所述裝置還包括：

41、模型構(gòu)建模塊，用于基于近端策略優(yōu)化算法構(gòu)建初始路徑規(guī)劃模型，所述初始路徑規(guī)劃模型包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制；

42、數(shù)據(jù)生成模塊，用于獲取agv小車的歷史運(yùn)行數(shù)據(jù)，并基于所述歷史運(yùn)行數(shù)據(jù)生成模型訓(xùn)練數(shù)據(jù)；

43、模型訓(xùn)練模塊，用于基于所述模型訓(xùn)練數(shù)據(jù)對所述初始路徑規(guī)劃模型進(jìn)行模型訓(xùn)練，獲得訓(xùn)練結(jié)果；

44、模型優(yōu)化模塊，用于根據(jù)所述訓(xùn)練結(jié)果對所述初始路徑規(guī)劃模型進(jìn)行模型參數(shù)優(yōu)化，獲得預(yù)設(shè)路徑規(guī)劃模型。

45、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種agv小車路徑評估規(guī)劃設(shè)備，所述設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的agv小車路徑評估規(guī)劃程序，所述agv小車路徑評估規(guī)劃程序配置為實(shí)現(xiàn)如上文所述的agv小車路徑評估規(guī)劃方法的步驟。

46、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種存儲介質(zhì)，所述存儲介質(zhì)上存儲有agv小車路徑評估規(guī)劃程序，所述agv小車路徑評估規(guī)劃程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的agv小車路徑評估規(guī)劃方法的步驟。

47、本發(fā)明公開了利用預(yù)設(shè)路徑規(guī)劃模型，基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑，所述預(yù)設(shè)路徑規(guī)劃模型包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制；對各所述行駛路徑的路徑障礙、路徑能耗和路徑安全性進(jìn)行量化評估，獲得各所述行駛路徑對應(yīng)的量化評估結(jié)果；基于各所述量化評估結(jié)果從各所述行駛路徑中選取出所述agv小車的最佳行駛路徑。由于本發(fā)明利于包括長短期記憶模塊和優(yōu)先級經(jīng)驗(yàn)回放機(jī)制的預(yù)設(shè)路徑規(guī)劃模型基于agv小車的出發(fā)點(diǎn)和目標(biāo)點(diǎn)生成多條行駛路徑，然后對從多個(gè)角度對各行駛路徑進(jìn)行量化評估，基于量化評估結(jié)果選取最佳行駛路徑，相比于現(xiàn)有技術(shù)，本發(fā)明提高了agv小車路徑規(guī)劃的質(zhì)量和效率。