[发明专利]一种可实现避障的自导向电动物流车辆路径规划方法

说明书

本发明涉及了一种可实现避障的自导向电动物流车路径规划方法，融合两种算法从而优化路径规划模型。解决路径规划函数的算法是利用启发式信息的模拟进化算法，具有正反馈性和鲁棒性，实现避障的算法通过建造虚拟力场，在不与障碍物碰撞的前提下寻找一条从起始点到目标点的较优路径。两者结合所构建的基于总体成本最优的自导向电动物流车路径问题模型，能够综合考虑电池容量、货物装载量等约束条件，使规划结果满足快速、耗能少、准时的要求，在满足上述条件下，最终绘制的路线还能够避开环境中预设的障碍物。推广无人自导向电动物流车的应用不仅可以有效的缓解传统物流车对化石燃料等不可再生能源的依赖，还能减少人为决策带来的低效问题。

技术领域

本发明涉及车辆路径规划领域，具体涉及一种可实现避障的自导向电动物流车路径规划方法。

背景技术

传统物流配送方式主要依赖经验，不能对海量信息进行有效处理，运行效率低且配送成本高。研究纯电动物流车辆路径优化问题被提上日程，配送路径的科学决策能够降低运输成本和时间、提高资源利用率、缓解环境污染、满足人们对快捷高效的需求，从而带来直接的经济效益，推动绿色物流的发展。

目前，用于车辆路径规划的算法分为精确式算法和启发式算法。其中用于解决路径规划的算法具有并行性、正反馈性和鲁棒性，有很强的全局搜索能力，且易于与其他算法优势互补进行融合。实现避障的算法的目的是：在不与障碍物碰撞的前提下，寻找一条从起始点到目标点的较优路径。它的特点是规划效率高、结构简洁、计算量小、生成路径美观平滑、不需要对全局路径搜索，适合实时性高的任务。

研究主要针对的是在仓库或港口的集送电动物流车，此运行环境的特点是，环境变量已知且不变，运输频次高、服务性强、小批量、多目标。针对以上特点，建立自导向电动物流车的车辆路径规划数学模型(Guided Electric Vehicle Routing Problem,GEVRP)，包括使用进行最优服务顺序划分、基于软时间窗的总体最优的评价策略、利用改进斥力场的避障算法进行避障。使用伪随机概率规则和Ant-cycle模型对算法进行改进，并使用改进算法来求解GEVRP模型。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种可实现避障的自导向电动物流车路径规划方法。本发明的创新点是通过修改斥力场函数消除局部最小点，解决了算法存在的目标不可达问题；改进车辆路径规划模型，加入SOC约束使其能够判断电量并在电量不足时及时前往充电站充电；将避障算法与GEVRP模型结合，使规划能够在满足电动物流车运作的同时能进行有效避障。

为实现上述目的，本发明建立电动物流车路径规划模型。以有载重量限制的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP)为基础，考虑到配送中心离客户点较远，在每个客户需求较小而提出需求的客户较多时，电动物流车的行驶距离长，电动物流车路径规划模型(Guided Electric Vehicle Routing Problem,GEVRP)增加了一个充电站，它邻近客户点所构成的区域的中心，当电动物流车在配送中出现电量不足的情况时，会自行去充电站充电。

GEVRP在CVRP的基础上，需要满足以下附加前提：

(1)在客户点装卸货物时，电动物流车处于停车熄火状态，不会耗电；

(2)因为车速恒定，所以假定单位时间耗电量恒定，不考虑电动物流车供暖、控制系统等造成的额外供电；

(3)当剩余电量达到所计算的预警线时，电动物流车才去充电站充电，每次充电都会充满，且充电时间恒定；

(4)每辆电动物流车第一次从配送中心出发，开启路径规划任务时处于充满电的状态，但是如果因为超出限重而返回配送中心卸货时，配送中心不负责充电；

(5)全部电动物流车都属于同一种车型，即充电时间、电池容量、单位时间耗电量、电池参数等属性均相同。