本发明属于agv调度，具体涉及一种基于空间a星算法和交通管制的agv路径调度方法。
背景技术：
1、随着全球工业自动化和智能制造技术的快速进步，自动引导车辆（agv）已经成为现代工业生产和物流管理中不可或缺的一部分。agv能够在没有人工直接操作的情况下自主完成物料搬运、成品运输等任务，显著提高了生产效率和物流效率，同时也减少了劳动成本和潜在的人为错误。随着企业对生产效率和物流响应速度要求的不断提高，agv系统的路径规划技术也面临着新的挑战和需求。
2、学习类规划方法，如基于机器学习或深度学习的路径规划算法，虽然在理论上能够通过学习环境和任务执行的历史数据来优化路径选择，但在实际应用中这些方法通常需要大量的数据和训练时间来达到理想的效果。此外，学习类方法在面对未曾遇到的新环境或情况时，可能无法保证总是做出最优决策，特别是在工业环境中，变化复杂且难以预测，这增加了安全风险。
3、传统的路径规划方法，如经典的a*搜索算法（即a星算法），以其简洁有效在多个领域得到了广泛应用。a*算法通过评估从起点到终点的预期成本，来寻找一条成本最低（通常是最短）的路径。然而，尽管a*算法在静态环境中表现出色，但它在动态变化的工业环境中的适应性和效率却受到限制。具体来说，当环境中出现临时障碍物或其他agv的不预期移动时，a*算法需要重新计算路径，这在复杂环境中可能导致显著的延迟和效率下降。
4、此外，现有的启发式路径规划方法，虽然在提高搜索效率方面做出了一些改进，例如通过引入更复杂的启发式函数来预估从当前节点到目标节点的成本，但这些方法往往没有充分考虑实际工业环境中的特定约束和要求。例如，特定区域的停车规则、单行道限制，以及为避免冲突而设置的避障点，这些都是在实际应用中必须考虑的因素。忽视这些因素的路径规划方法，可能无法在真实环境中有效实施，从而影响agv系统的整体性能和安全性。
5、进一步地，随着工业场景的日益复杂化和动态化，传统和现有启发式路径规划方法的局限性更加明显。例如，工业生产线上的任务需求可能会频繁变化，物料供应点和需求点也可能根据生产计划进行调整，这就要求agv的路径规划系统能够实时响应这些变化，快速更新路径规划。同时，多agv协作的场景中，如何有效避免agv之间的冲突和拥堵，保证整个系统的流畅运行，也成为了一个重要的研究和应用挑战。
6、因此，开发一种能够充分适应复杂动态环境、同时考虑特定交通管制措施和多agv协作的高效路径规划方法，对于提升agv系统的运行效率和安全性具有重要意义。这种方法不仅需要能够处理环境中的动态变化，还要能够实时地调整路径规划，以应对变化的任务需求，从而确保agv系统能够在各种条件下稳定、高效地工作。
技术实现思路
1、本发明提出了一种基于空间a星算法和交通管制的agv路径调度方法。该方法不仅考虑了路径的最短性，还综合考虑了动态环境中的实时变化和多种交通管制措施，以提高路径规划的效率和安全性。
2、本发明采用的技术方案：
3、一种基于空间a星算法和交通管制的agv路径调度方法，所述方法包括：
4、（1）空间信息的引入：收集当前环境数据，识别和标记出地图上的关键空间要素；将所述关键空间要素映射到环境地图上；所述关键空间要素包括：避障点、交通管制区域、高风险区、单行道、双向可通行长路径；
5、（2）路径规划：设置起点和终点，运用改进的空间a星算法对环境进行路径搜索，将步骤（1）中所述关键空间要素作为搜索过程中的关键信息参与到路径规划；
6、在路径规划中设置多重交通管制规则，以确定行进路径；所述多重交通管制规则包括停车规则、单行道限制、避障点管理；
7、（3）动态监控：在agv执行所述行进路径时，实时监控环境，当遇到环境变化时，重新规划路径；并且，在agv执行所述行进路径时进行异常检测和碰撞预测，根据异常检测和碰撞预测的结果，实时调整agv的路径；
8、（4）继续任务：agv按照步骤（3）更新后的路径继续执行任务，直到到达目的地。
9、进一步地，步骤（1）中，所述环境地图根据实时数据定期更新，以确保路径规划信息的准确性。
10、进一步地，步骤（2）中，所述改进的空间a星算法中包括启发式因子；表示从当前节点到目标节点的启发式估计成本；
11、启发式因子的计算公式为：
12、；
13、为从当前节点到目标节点的传统估计成本（采用欧几里得距离、曼哈顿距离来表示传统估计成本）；
14、为调节参数，用于平衡传统成本估计与空间信息的权重；大于0；
15、为空间信息评分，用于评估节点的空间影响。
16、进一步地，空间信息评分是根据通过节点时遇到的特殊空间要素来计算，的计算方式包括：
17、1）如果节点位于高风险区，则：
18、；
19、其中，为预设的风险值， ，为一个大于0的常数；当节点不位于高风险区时，；
20、2）如果存在绕行路径，且绕行路径的成本相对原路径成本较低，使用绕行路径成本优势来调整：
21、；
22、其中，为负值；
23、3）对于单行道、停车区，的调整取决于节点是否符合相应区域的限制条件：
24、如果节点违反单行道限制，则增加一个值；
25、 如果节点在停车区，若当前停车区不允许停车，则 增加一个值；
26、表示为：
27、 ；
28、其中，为增加的值，为正数。
29、进一步地，步骤（2）中，运用改进的空间a星算法对环境进行路径搜索的方法具体包括以下步骤：
30、（2.1）初始化：开放列表包含起始节点，设定初始，；闭合列表为空；其中，表示从当前初始节点start到目标节点的传统估计成本；
31、（2.2）循环处理：从开放列表中选取最小的节点作为当前节点；其中，表示从起点到当前节点的实际成本，为当前节点到目标节点的启发式估计成本； 为起点到目标节点的全部成本，包括实际成本和启发式估计成本；
32、如果是目标节点，则路径找到，退出循环；否则，将移入闭合列表；
33、（2.3）节点扩展：对于当前节点的每个相邻节点：
34、计算，其中，表示从起点到节点的实际成本，表示从起点到当前节点的实际成本，表示当前节点到节点的实际成本；
35、计算；其中，表示从节点到目标节点的启发式估计成本，表示从节点到目标节点的传统估计成本，为节点对应的空间信息评分；
36、计算；
37、如果不在开放列表中，或小于之前的值，则更新并设置节点的父节点为；
38、（2.4）终止条件：如果开放列表为空，则说明没有找到可行路径，路径搜索终止；否则，返回已查找到的路径。
39、进一步地，步骤（2）中，所述停车规则用于确保agv在需要停车时能够快速找到停车位置，并避免停车导致的路径堵塞或对其他agv的行进干扰；
40、所述单行道限制用于确保agv在规划路径时自动识别并遵守单行道限制，以提升在狭窄区域内的通行效率；
41、所述避障点管理通过固定避障点标定、动态避障点检测，在进行路径规划时，通过绕行避障、速度调整以及停车等待实现高效、安全地绕过避障点。
42、进一步地，步骤（3）中，实时监控环境，当遇到环境变化时，重新规划路径的方法包括：
43、环境监测：在agv上安装多种传感器，采集环境数据；使用基于同步定位与地图构建技术，对环境数据进行处理，生成实时地图；
44、信息更新：比较当前环境地图与历史数据，检测新出现的避障点、交通管制区，实时标记和记录变化的区域，更新对应的空间信息数据；将更新后的空间信息数据传送至中央控制系统，由中央控制系统将更新后的空间信息数据同步到所有正在运行的agv上；
45、路径重新规划：当检测到环境变化后，触发路径重新规划，或者在没有重大环境变化的情况下，定期对当前路径进行重新评估，以获取最优路径。
46、进一步地，步骤（3）中，在agv执行所述行进路径时进行异常检测和碰撞预测，具体为：
47、所述异常检测包括障碍物接近检测、交通规则违例检测；所述障碍物接近检测使用激光雷达和超声波传感器实时监测agv周围的障碍物，评估是否存在潜在的碰撞风险，根据障碍物的速度和轨迹，预测与agv路径的交汇点，并提前预警；所述交通规则违例检测是通过实时监控agv的行驶状态，确保遵守当前的交通管制规则；
48、所述碰撞预测是使用运动学模型预测agv及其周围物体的未来位置，根据速度、方向、加速度参数估算运动轨迹，预测可能的碰撞点；在多agv协作场景下，综合考虑所有agv的运动状态，预测可能的路径交叉点，并提前规划避让策略。
49、进一步地，步骤（3）中，根据异常检测和碰撞预测的结果，实时调整agv的路径，路径调整包括实时路径调整机制和紧急停车机制；
50、所述实时路径调整机制的路径调整策略为：根据碰撞预测结果，调整agv的行进路径；
51、如果预测到不可避免的碰撞，采用所述紧急停车机制，agv立即执行紧急停车，并通知控制中心；紧急停车后，agv自动进入安全模式，等待新的路径规划指令，在紧急情况解除后，根据更新的环境信息重新规划路径，并继续执行未完成的任务。
52、本发明的有益技术效果：
53、高效性：本发明提供的agv路径调度方法采用了一种改进的空间a*算法（即改进的空间a星算法），这一算法通过引入空间信息作为额外的启发式因素，显著优化了路径搜索过程；能够更准确地识别和规避潜在的障碍和低效区域，如常见的拥堵点或特殊限制区域，从而有效减少了搜索空间的大小和路径计算的时间。这种改进使得agv在进行路径规划时能够迅速找到最优路径，大大提高了在复杂环境中的路径规划效率，使得agv能够在短时间内做出反应并调整其行进路线，以适应实时任务需求的变化。
54、安全性：安全性是本发明的另一大优势；通过综合考虑多种交通管制措施，如停车规则、单行道限制以及避障点的动态管理，本方法能够有效避免agv在行进过程中的潜在冲突和危险。此外，本方法还考虑了agv之间的相互作用，通过精确控制agv在特定区域的行进速度和间隔，以避免可能的相互碰撞或阻塞，从而确保了整个agv系统的高安全性。这种全面的安全设计，不仅保障了agv自身的安全行驶，也为agv操作区域内的其他设备和人员提供了安全保障。
55、适应性：动态调整机制是本发明的核心特色之一，它允许agv系统在面对实时环境变化和其他agv状态变化时，能够及时调整已规划的路径。这一机制基于复杂的实时数据分析和决策算法，能够快速识别出环境中的新变化，如临时出现的障碍物、工作区域的改变或其他agv的不预期行为，并据此重新规划路径。这种能力使得agv系统能够灵活应对工作环境中的各种不确定性和动态变化，保持高效运行，同时最大限度地减少因环境变化或其他意外因素导致的任务延误或停滞。
1.一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（1）中，所述环境地图根据实时数据定期更新，以确保路径规划信息的准确性。
3.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（2）中，所述改进的空间a星算法中包括启发式因子；表示从当前节点到目标节点的启发式估计成本；
4.根据权利要求3所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，空间信息评分是根据通过节点时遇到的特殊空间要素来计算，的计算方式包括：
5.根据权利要求3所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（2）中，运用改进的空间a星算法对环境进行路径搜索的方法具体包括以下步骤：
6.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（2）中，所述停车规则用于确保agv在需要停车时能够快速找到停车位置，并避免停车导致的路径堵塞或对其他agv的行进干扰；
7.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（3）中，实时监控环境，当遇到环境变化时，重新规划路径的方法包括：
8.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（3）中，在agv执行所述行进路径时进行异常检测和碰撞预测，具体为：
9.根据权利要求1所述一种基于空间a星算法和交通管制的agv路径调度方法，其特征在于，步骤（3）中，根据异常检测和碰撞预测的结果，实时调整agv的路径，路径调整包括实时路径调整机制和紧急停车机制；
