基于时间预估模型的AGV调度方法与流程

本发明属于自动化码头运输技术领域，具体地说，涉及一种基于时间预估模型的agv调度方法。

背景技术：

集装箱码头前方作业带是指堆场前边线至码头前沿线之间的区域，其功能是服务于码头岸桥装卸船作业以及集装箱进出堆场作业，在人工码头和半自动化码头通常使用人工驾驶的内集卡。近年来，随着人工成本的不断攀升，越来越多的码头将水平运输设备由内集卡转为了agv(automatedguidedvehicle，自动引导车)，agv的使用大大提高了生产效率，节约了成本。

在全自动化集装箱码头的堆场海侧，通过桥吊实现货船与自动引导车的交互，通过轨道吊实现自动引导车与堆场的交互，通过agv，l-agv，autoshuttle等实现码头与堆场间的自动化作业交接。

现阶段，agv合理调度、调度系统的稳定性、最大化agv的利用率是自动化码头生产效率提升的关键。agv的作业状态也是影响码头作业中重要的一环，通过对agv作业状态的实时监控可以让操作人员更快发现生产过程中的问题，从而对agv的调度算法进行改进和完善，提高整个自动化码头的工作效率。

目前一些自动化码头的运输设备调度只能通过减少运输设备数量、降低运输设备速度来保证整个调度系统运行的稳定性，但这样使得整个码头的作业效率很低，现阶段，agv的作业监控还没有先例可寻，基于此，如何发明一种能够提高agv运箱效率的方法，是本发明主要解决的技术问题。

技术实现要素：

本发明针对现有技术中agv运箱效率低的技术问题，提出了一种基于时间预估模型的agv调度方法，可以解决上述问题。

为实现上述发明目的，本发明采用下述技术方案予以实现：

一种基于时间预估模型的agv调度方法，包括以下步骤：

静态估算步骤，分别估算桥吊和轨道吊作业效率的静态估算值；分别估算集装箱在各作业阶段的静态估算时间，包括：agv分别与桥吊和轨道吊作业交互阶段的静态估算时间、agv行驶阶段的静态估算时间、桥吊作业阶段的静态估算时间、轨道吊作业阶段的静态估算时间；

动态估算步骤，分别估算桥吊和轨道吊作业效率的动态估算值；分别估算集装箱在各作业阶段的动态估算时间，包括：agv分别与桥吊和轨道吊作业交互阶段的动态估算时间、agv行驶阶段的动态估算时间、桥吊作业阶段的动态估算时间、轨道吊作业阶段的动态估算时间；

根据各作业阶段的静态估算时间和动态估算时间，计算集装箱分别在各作业阶段的最终估算时间以及总作业估算时间，所述总作业估算时间为各作业阶段的最终估算时间之和；

根据集装箱分别在各作业阶段的最终估算时间以及总作业估算时间生成agv作业调度指令。

进一步的，静态估算步骤中，分别估算桥吊和轨道吊作业效率的静态估算值包括：

获取作业效率的历史数据，分别估算桥吊和轨道吊作业效率的静态估算值；

agv行驶阶段的静态估算时间的估算方法包括：

获取agv行驶阶段的历史时间，估算agv行驶阶段的静态估算时间；

根据桥吊和轨道吊作业效率的静态估算值，估算桥吊作业阶段的静态估算时间和轨道吊作业阶段的静态估算时间；

根据桥吊和轨道吊作业效率的静态估算值和agv行驶阶段的静态估算时间，估算agv分别与桥吊和轨道吊作业交互阶段的静态估算时间。

进一步的，采用加权平均法根据各作业阶段的静态估算时间和动态估算时间，计算集装箱分别在各作业阶段的最终估算时间以及总作业估算时间。

进一步的，动态估算步骤中，还包括训练效率预测模型的步骤，包括：

获取各集装箱在桥吊作业阶段的历史时间，以及所对应的集装箱的位置；

根据所述历史时间和位置训练作业效率预测模型，所述效率预测模型为多元线性回归方程，所述效率预测模型为：

f(x)＝w^tx+b

其中，x＝[x1,x2,…,xk]^t为各集装箱的在当前作业阶的历史时间，k为集装箱的位置编号，为正整数，f(x)为效率预测模型输出的动态估算时间，w为x的参数矩阵，b为常参数；

根据w和b估算桥吊和轨道吊作业效率的动态估算值。

进一步的，所述效率预测模型中w和b的确定方法为：

构建数组d＝{(x1,y1),…(xk,yk)}；

计算时间损耗

其中，yi表示位置为i的集装箱在当前作业阶段的实际作业时间；

确定w和b，使得j最小。

进一步的，根据所述效率预测模型输出的桥吊和轨道吊作业效率的动态估算值以及需要运输的集装箱数量输入调度系统，分别生成桥吊作业阶段的动态估算时间和轨道吊作业阶段的动态估算时间。

进一步的，动态估算步骤中，还包括训练agv行驶时间预测模型的步骤。

进一步的，所述agv行驶时间预测模型包括：

根据所述历史数据和位置训练agv行驶时间预测模型，所述agv行驶时间预测模型为多项式回归方程，所述多项式回归方程为：

其中，x＝[x1,x2,…,xk]^t为agv在所述桥吊和轨道吊之间的行驶时间历史数据，k为集装箱的位置编号，为正整数，g(x)为agv行驶时间预测模型输出的行驶阶段的动态估算值，wj为xj的参数，b2为常参数。

进一步的，生成agv作业调度指令之前，还包括确定集装箱的作业优先级，并根据所述作业优先级生成agv作业调度指令；

所述作业优先级的设定基于时间响应比：

时间响应比越大，优先级越低。

进一步的，利用混合整数规划、组合优化方法和协同过滤的算法生成agv作业调度指令。

与现有技术相比，本发明的优点和积极效果是：本发明的基于时间预估模型的agv调度方法，采用静态估算和动态估算相结合的方法估算集装箱分别在各作业阶段所用时间，结合所估算的时间对agv的调度更加合理，减少了agv等待时间，缩短了agv空载运行时间和距离，提高了agv运箱效率。

结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提出的基于时间预估模型的agv调度方法的一种实施例流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下将结合附图和实施例，对本发明作进一步详细说明。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“竖”、“横”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

实施例一

集装箱码头装卸货物的流程是：首先通过桥吊将集装箱从货轮转移至agv，然后agv将集装箱输送至堆场，再由轨道吊将集装箱码放至堆场的指定位置，受agv的数量限制，如果调度安排不合理，将会导致agv等待时间长，运输效率低，为了解决上述问题，本实施例提出了一种基于时间预估模型的agv调度方法，如图1所示，包括以下步骤：

静态估算步骤，分别估算桥吊和轨道吊作业效率的静态估算值；分别估算集装箱在各作业阶段的静态估算时间，包括：agv分别与桥吊和轨道吊作业交互阶段的静态估算时间、agv行驶阶段的静态估算时间、桥吊作业阶段的静态估算时间、轨道吊作业阶段的静态估算时间；

动态估算步骤，分别估算桥吊和轨道吊作业效率的动态估算值；分别估算集装箱在各作业阶段的动态估算时间，包括：agv分别与桥吊和轨道吊作业交互阶段的动态估算时间、agv行驶阶段的动态估算时间、桥吊作业阶段的动态估算时间、轨道吊作业阶段的动态估算时间；

根据各作业阶段的静态估算时间和动态估算时间，计算集装箱分别在各作业阶段的最终估算时间以及总作业估算时间，所述总作业估算时间为各作业阶段的最终估算时间之和；

根据集装箱分别在各作业阶段的最终估算时间以及总作业估算时间生成agv作业调度指令。

本基于时间预估模型的agv调度方法，采用静态估算和动态估算相结合的方法估算集装箱分别在各作业阶段所用时间，结合所估算的时间对agv的调度更加合理，减少了agv等待时间，缩短了agv空载运行时间和距离，提高了agv运箱效率。

采用静态设置和动态调节相结合的方法估算各作业阶段的时间，不仅可以根据实际生产作业情况进行手动调节，同时也可以运用动态调节的方法对agv调度的先后顺序进行改进和完善，提高码头整体作业效率。

作为一个优选的实施例，静态估算步骤中，分别估算桥吊和轨道吊作业效率的静态估算值包括：

获取作业效率的历史数据，分别估算桥吊和轨道吊作业效率的静态估算值，桥吊和轨道吊作业效率的估算主要依据变量有两方面：1、当前实际作业情况。2、历史数据。中控人员将两个变量相结合，做出作业效率静态估算。可采用加权平均法施行估算。

agv行驶阶段的静态估算时间的估算方法包括：

获取agv行驶阶段的历史时间，估算agv行驶阶段的静态估算时间；

根据桥吊和轨道吊作业效率的静态估算值，估算桥吊作业阶段的静态估算时间和轨道吊作业阶段的静态估算时间；agv行驶时间估算，其依据变量有两个：1、当前实际作业情况。2、固定时间矩阵，该矩阵以历史数据为基础，通过将两个变量相结合，做出agv行驶时间预估。

根据桥吊和轨道吊作业效率的静态估算值和agv行驶阶段的静态估算时间，估算agv分别与桥吊和轨道吊作业交互阶段的静态估算时间。

本实施例中优选采用加权平均法根据各作业阶段的静态估算时间和动态估算时间，计算集装箱分别在各作业阶段的最终估算时间以及总作业估算时间。

本步骤中运用大数据处理相关算法，动态预估桥吊、轨道吊作业效率，估算的agv行驶时间，估算的agv与桥吊和轨道吊的交互时间。

具体的，动态估算步骤中，还包括训练效率预测模型的步骤，包括：

获取各集装箱在桥吊作业阶段的历史时间，以及所对应的集装箱的位置；

根据所述历史时间和位置训练作业效率预测模型，所述效率预测模型为多元线性回归方程，所述效率预测模型为：

f(x)＝w^tx+b

其中，x＝[x1,x2,…,xk]^t为各集装箱的在当前作业阶的历史时间，k为集装箱的位置编号，为正整数，f(x)为效率预测模型输出的动态估算时间，w为x的参数矩阵，b为常参数；

根据w和b估算桥吊和轨道吊作业效率的动态估算值。

桥吊和轨道吊作业效率的动态估算通过使用多元线性回归方法，根据历史数据计算获得进行吊桥作业时每个箱子的历史耗时，为因变量；结合每个箱子对应的历史位置数据，为自变量，在吊桥远程操作司机效率相对稳定的情况下，自变量与因变量具有线性关系。采用多元线性回归模型在通过历史数据样本计算出参数后，可以根据当前箱子的位置信息对预估作业耗时进行预测。

效率预测模型中w和b的确定方法为：

构建数组d＝{(x1,y1),…(xk,yk)}；

计算时间损耗

其中，yi表示位置为i的集装箱在当前作业阶段的实际作业时间；

确定w和b，使得j最小。

根据效率预测模型输出的桥吊和轨道吊作业效率的动态估算值以及需要运输的集装箱数量输入调度系统，分别生成桥吊作业阶段的动态估算时间和轨道吊作业阶段的动态估算时间。

动态估算步骤中，还包括训练agv行驶时间预测模型的步骤。

agv行驶时间预测模型包括：

根据所述历史数据和位置训练agv行驶时间预测模型，所述agv行驶时间预测模型为多项式回归方程，所述多项式回归方程为：

其中，x＝[x1,x2,…,xk]^t为agv在所述桥吊和轨道吊之间的行驶时间历史数据，k为集装箱的位置编号，为正整数，g(x)为agv行驶时间预测模型输出的行驶阶段的动态估算值，wj为xj的参数，b2为常参数。

agv行驶时间估算采用多项式回归的方法，其前提是确定的agv两点间行驶路程，且agv是否需要掉头的信息已给出。

(wj,b)(j＝1,…,n)为待估参数。

如果用zj替代上式中的x^j，相当于获得一个关于z＝(z1,z2,…,zn)的线性函数h(z),用线性函数h(z)去拟合数据并使得损失最小。训练目标就是找到一组参数使损失最小化。

此外，还可以通过添加l1正则化项来去除其中不重要的非线性关系：

在该算法中，历史样本中的时间数据可以直接计算获得，记为y，将出发点以及终点和调头信息作为x，通过最小化损失函数的方向更新参数。

agv与桥吊交互时间预估：根据桥吊作业效率和agv行驶时间估算，同时结合历史交互时间以及交互区距离等数据信息，采用高斯过程回归模型进行时间预估。

agv与轨道吊交互时间预估：根据s21中asc作业效率和s22中agv行驶时间估算，同时结合历史交互时间以及交互区距离等数据信息，采用高斯过程回归模型进行时间预估。

在使用训练集和测试集进行测试后，将历史数据导入回归模型中，得到一个高斯回归曲线，进而用来预估agv与轨道吊的交互时间。

在使用训练集和测试集进行测试后，将历史数据导入回归模型中，得到一个高斯回归曲线，进而用来预估agv与桥吊的交互时间。

生成agv作业调度指令之前，还包括确定集装箱的作业优先级，并根据所述作业优先级生成agv作业调度指令；

作业优先级的设定基于时间响应比：

时间响应比越大，优先级越低。

利用混合整数规划、组合优化方法和协同过滤的算法生成agv作业调度指令。

该作业优先级动态调整方法既兼顾了短作业同时也客服了作业的饥饿状态，使得长作业也能得到及时处理。

以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。