考虑道路负载均衡的码头多AGV无冲突路径规划

随着集装箱运输需求的日益增长以及新型信息技术的广泛应用,集装箱码头作业自动化成为国内外港口发展的主要趋势。集装箱码头作业自动化可有效提高码头的作业效率和安全性,降低码头对人力资源的需求和运营成本。水平运输系统是集装箱码头装卸系统的重要组成部分,同时也是实现集装箱在码头前沿与堆场之间运转的重要纽带,其运行的稳定性和调度的合理性将直接影响码头自动化装卸系统的运行效率。自动导引车(AGV)是自动化集装箱码头常用的水平运输设备,承担着从前沿岸桥到后方堆场的集装箱运输任务。在实际作业过程中,多辆AGV同时运作难免会发生冲突和拥堵。基于此,文中采用基于冲突搜索的双层算法(CBS算法)解决码头多AGV协同作业产生的冲突问题,上层算法搜索AGV间的冲突,下层算法采用A*算法对AGV进行路径规划,并在A*算法中引入负载因子,使得规划路径避开拥堵点,实现码头道路的负载均衡。对于码头多任务点连续作业场景下的多车路径规划,基于CBS算法采用一种滑动时间窗冲突解决方法(STWCR)以提升运算效率。通过仿真实验验证了文中所提算法能够有效解决码头多AGV路径规划的冲突问题,同时均衡路网负载,缓解道路局部拥堵现象,提高道路资源的利用率。研究成果为自动化集装箱码头水平运输系统优化提供了参考。

时变路网下新冠患者救护车辆路径协同优化

近年来,由于新冠疫情具有传染强、危害大、传播途径广等特点,导致全球新冠患者呈现爆发式增长,救护车辆供不应求,医疗体系受到巨大冲击。为了迅速控制疫情发展势态与挽救患者生命,应将新冠患者或潜伏者疑似人员尽快运输至隔离点进行治疗与隔离。考虑城市时变路网下交通环境的不确定性,提出了救护车辆路径协同优化方法,设计了改进波纹扩散算法(Improved ripple spreading algorithm, IRSA)进行求解,并基于南京市部分路网搭建仿真平台以验证方法的有效性。结果表明,所提方法比现有在线优化算法具有更好的优化效果与可靠性,可有效缩短行程时间,提高救援效率。研究成果可为患者的隔离或救援运输提供理论指导与技术支撑。

基于城市道路交通环境演变的ECEA路径规划算法

合理规划救援路径可缩短救援行程时间,促使应急救援力量迅速到达现场,提升应急救援效率。文中基于城市道路交通运行特征与交通环境动态演变规律,提出了一种用于求解最优救援路径的可扩展协同进化算法(ECEA)。ECEA算法建立了协同优化机制,即路径优化过程与道路交通环境演变协同进行,并可灵活选择算法寻优搜索范围,提升可行解的数量与质量。实验结果表明:在数据获取能力受限情况下,该算法在行程时间及其鲁棒性方面均优于定时协同优化算法(TCEPO)与在线优化方法(OLRO),可有效缩短行程时间,进而提升应急救援效率与救援效果。