基于大数据的无人物流车调度控制的研究及应用

杜慧

摘 要：汽车行业从2018年起出现下滑，整个行业进入寒冬期，2020年又经新冠疫情影响，汽车行业面临前所未有的挑战，降本增效成了各大主机厂面临的重要课题。上汽通用五菱团队一直在探索厂内物流低成本运行模式，以期望实现物流成本节约最大化。本文以E100无人物流车运行为案例，分析无人物流车在共用路段、交叉路口因车辆安全追踪距离过近而出现拥堵原因，挖掘无人物流车智能调度控制的突破点，创造性提出将公共交通的站点调度应用到无人物流车的运行控制与动态调度之中，建立无人物流车的“大脑和神经中枢”，实现各线路协同高效运行，推动无人物流车运行控制智能化。

关键词：调度 运行控制 无人物流车 大数据 一体化 站点

Research and Application of Unmanned Logistics Vehicle Dispatching Control Based on Big Data

Du Hui

Abstract：TThe automobile industry has declined since 2018， and the entire industry has entered a cold winter. In 2020， due to the impact of the new crown epidemic， the automobile industry is facing unprecedented challenges. Cost reduction and efficiency increase have become important issues facing major OEMs. The SAIC-GM-Wuling team has been exploring the low-cost operation mode of in-plant logistics， hoping to maximize logistics cost savings. This article takes the operation of the E100 unmanned logistics vehicle as a case， analyzes the reasons for the congestion of unmanned logistics vehicles in shared roads and intersections due to the short distance of vehicle safety tracking. Traffic station scheduling is applied to the operation control and dynamic scheduling of unmanned logistics vehicles to establish the "brain and nerve center" of unmanned logistics vehicles， realize the coordinated and efficient operation of various lines， and promote the intelligent operation and control of unmanned logistics vehicles.

Key words：dispatch， operation control， unmanned logistics vehicle， big data， integration， site

1 前言

2020年5月，上汽通用五菱河西基地6條无人物流车专线相继交付运营，实现了由有人驾驶到无人驾驶颠覆创新，但随着线路交付的增加，无人物流车拥堵问题日益突出，在共用路段多台无人物流车相互干涉停滞在公司道路上，无法自动行驶，需要人工干预。未来将有100台以上无人物流车在上汽通用五菱河西基地厂内运行，拥堵问题将更加突出。经调研分析，无人物流车出现停滞、拥堵导致无法自动驾驶，产生原因主要四个方面（如图1所示）：

①线路及环境，因老厂区设计缺陷显著，各生产线布局不集中、库房与生产线距离远，如最远单向距离达1.03公里。随着线路交付日益增加，无人物流线路将呈路网化分布，运行环境更加复杂。

②无人物流车为家用E100更换控制器等，完成无人驾驶的改制，通过采集线路地图，外循环配送实现自动驾驶，但车辆之间无通讯交互。

③调度系统：无人物流车主要依靠障碍物识别，低于最小安全追踪距离将自动停车，无车辆调度、发车控制等模块，操作人员一旦吃饭或休息，将出现无人物流车集中停靠。

④排班与响应：汽车行业按生产节拍进行装配，需要全天候准时响应生产。各生产线吃饭和休息时段不同，且产量随着市场的变动而变动，故各线路运行时长经常变动，使无人物流车运行与交互环境更加复杂。

针对以上四个问题，我们采取了对无人物流车调度需求进行重新梳理、构建，搭建智能控制与动态调度系统，利用数字化手段对每台无人物流车进行跟踪，保证各线路无人物流车按秩序、按节拍平稳运行。

2 无人物流车运行控制与调度的构建分析

2.1 汽车行业无人物流车厂内配送的运营特点

无人物流车应用于汽车主机厂物料配送，具有全天候、快速正点、频次高、路网化等特点，随着路网规模及覆盖面不断扩大，运行环境复杂、共用时路段压力突出，无人物流运行的突发事件将日益增多。造成突发事件的原因主要由基础设施故障（路面状态、耗电、信号）、车辆故障、自然灾害（暴雨等）、异物侵限等导致，直接影响了路网的正常运行，影响生产线停线，给主机厂造成巨大经济损失。在保障运行安全的前提下，不断提升运营效率和应对突发事件能力是对无人物流车运行稳定的重大需求。

2.2 无人物流车运行控制与调度的构建分析

无人物流车在网络化、智能化、数字化发展趋势下，调度系统必然向智能调度方向发展，在安全运行的前提下利用车、路、网资源，对无人物流车路网跨时空全局运行状态进行综合感知，实现在线智能优化调度和实时精准控制，打破原有靠障碍物识别的运行控制架构，实现运行控制与动态调度一体化。如图2所示。

作为无人物流车的“大脑和神经中枢”，无人车运行调度控制系统是控制车辆的运行速度、追踪间隔和行进方向，全天候不间断运行，是确保无人物流车安全运行和高效运营的重要保障与核心装备。面向智能化，提升网络运营的可靠性、弹性和运营水平，借助自动驾驶技术、人工智能和大数据融合，以达到无人物流车高效运营的目标，调度系统实现自动化与智能化，运行控制与动态调度一体化。

3 无人物流车运行控制与动态调度一体化

运用先进的感知、传输、控制方法和及时提升无人物流车的运行控制和调度智能化水平，实现路网的整体运行效率全局最优，满足主机厂生产响应节拍，全面提升快速处理突发事件的能力。增强对无人物流车运行环境的全面深度感知，在安全运营的模式下利用车辆、路、网、大数据分析等资源，全面提升无人物流车运行效率。如图3所示。

模块1【地理信息管理】需要对各无人物流车的地理信息需要进行管理，建立数据库检索功能，为无人物流车调度与运行提供位置追踪。

模块2【无人驾驶】无人驾驶按设计轨迹行驶，同时生成各站点、各车辆运行路的实时数据。

模块3【智能调度系统】除了上、下料点的站点外，增加在途站点，使每台无人物流车都有停靠站点，通过调度系统追踪与控制各站点发车顺序、运行冲突、冲突消解，避免无人物流车拥堵、停滞。

模块4【运行状态监控】采集、处理和上报无人物流车运行日常统计，包括：到站点时间、突发事件、系统调度故障、车辆故障、电量消耗监测、运行效率等。

模块5【运行图管理】从调度系统与无人驾驶运行系统中获得实时线路数据和地理信息数据，自动生成无人物流车运行的全部数据，传递给调度系统。

模块6【通讯系统】无人物流车之间需建立主动通讯，并实时与调度系统交互，尤其是突发的事件下各无人物流车之间协同通讯，保证通讯实时性、精确性和可靠性。

4 创新点

4.1 全面深度感知无人物流车运行状态

对于无人物流车的运行状态及环境，需要全面、实时、精准智能感知，需要结合无人物流车的运行速度、地理位置、线路距離、线路交叉、各线路运行时间等信息高精度传输给调度系统，建立无人物流车协同控制调度系统，从而实现各线路在响应周期内顺畅运行。

4.2 将公共交通的站点调度应用到无人物流车调度控制

创造性提出将公共交通道路的站点调度控制，应用到上汽通用五菱无人物流车运行控制之中，所有运行中的无人物流车均设置足够停靠站点，无人物流车从站点启动前，需向调度系统申请下一个站点的使用权，如获批准则继续行驶，否则继续等待直至站点使用权获得批准，该控制策略解决了操作者吃饭或休息时段集中停靠的问题，同时解决了共用路段因追踪距离过近而停滞无法自动驾驶的问题。构建后无人物流车站点运行图如图4所示。

4.3 无人物流车协同运行控制与动态调度一体化

打破原有依靠障碍物识别的运行控制架构，应用大数据、人工智能、通讯技术，在安全运行的前提下利用车、路、网资源，实现无人物流车动态智能优化调度和实时精准控制。无人物流车正常运转情况下，按站点调度控制运行。运行区间发生故障无法运行时，超过正常运行时间，调度系统做预警提示，人工根据系统提供的应急处置预案响应标准，判断事故等级启动相应预案。

5 总结

通过对上汽通用五菱无人物流车运行拥堵问题分析，提出将公共交通的站点调度应用到无人物流车调度控制之中，同时提出运用大数据、人工智能、通讯技术，在安全运营的模式下利用车辆、路、网、大数据分析等资源构建无人物流车智能控制与动态调度，使拥堵问题具有实施价值的解决方案，保障了无人物流车车项目顺利推进，预计可优化37人。

此研究的推进实施，使无人物流车运行控制由被动变为主动，将使无人物流车创新成果得以挖掘出更大潜力，弥补了现有无人物流车无调度系统的空白，引导团队成员继续升级无人物流车标准化、智能化及持续创新。该研究有利于技术与IT部门设计无人物流车智能调度框架，开发无人物流车智能调度系统，使研究成果得以转化为实际应用的产品，同时为后续无人物流车推广及智能化运作奠定技术储备基础。

参考文献：

[1]吴良江. 基于数据驱动智能公交调度系统研究.中南大学，2019.

[2]郑继林. 关于高铁调度队伍建设的思考.《科学与财富》2016年第25期.

[3]刘刚，朱涛，金福才.德国铁路BZ2000调度指挥信息系统浅析与思考，铁路信息技术与电子商务，2015（2）：28-34.

[4]夏德春.德国铁路调度指挥系统[J].中国铁道科学，2016，26（4）：142-144.

[5]武斌. 基于遗传算法的公交调度模糊最优解.中国石油大学，2019.

[6]谭永丽.基于智能定位技术的无人物流车辆智能监控系统设计.湖北第二师范学院 2019.

[7]王其才.天津地铁调度指挥辅助决策支持系统研究.《山东工业技术》2016年第05期.

[8]卢曙光，齐磊，杨军.城市轨道交通调度指挥仿真系统研究[J]. 都市快轨交通，2009（10）.