杜慧

摘 要：汽車行業(yè)從2018年起出現(xiàn)下滑，整個行業(yè)進(jìn)入寒冬期，2020年又經(jīng)新冠疫情影響，汽車行業(yè)面臨前所未有的挑戰(zhàn)，降本增效成了各大主機(jī)廠面臨的重要課題。上汽通用五菱團(tuán)隊(duì)一直在探索廠內(nèi)物流低成本運(yùn)行模式，以期望實(shí)現(xiàn)物流成本節(jié)約最大化。本文以E100無人物流車運(yùn)行為案例，分析無人物流車在共用路段、交叉路口因車輛安全追蹤距離過近而出現(xiàn)擁堵原因，挖掘無人物流車智能調(diào)度控制的突破點(diǎn)，創(chuàng)造性提出將公共交通的站點(diǎn)調(diào)度應(yīng)用到無人物流車的運(yùn)行控制與動態(tài)調(diào)度之中，建立無人物流車的“大腦和神經(jīng)中樞”，實(shí)現(xiàn)各線路協(xié)同高效運(yùn)行，推動無人物流車運(yùn)行控制智能化。

關(guān)鍵詞：調(diào)度 運(yùn)行控制 無人物流車 大數(shù)據(jù) 一體化 站點(diǎn)

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條無人物流車專線相繼交付運(yùn)營，實(shí)現(xiàn)了由有人駕駛到無人駕駛顛覆創(chuàng)新，但隨著線路交付的增加，無人物流車擁堵問題日益突出，在共用路段多臺無人物流車相互干涉停滯在公司道路上，無法自動行駛，需要人工干預(yù)。未來將有100臺以上無人物流車在上汽通用五菱河西基地廠內(nèi)運(yùn)行，擁堵問題將更加突出。經(jīng)調(diào)研分析，無人物流車出現(xiàn)停滯、擁堵導(dǎo)致無法自動駕駛，產(chǎn)生原因主要四個方面（如圖1所示）：

①線路及環(huán)境，因老廠區(qū)設(shè)計(jì)缺陷顯著，各生產(chǎn)線布局不集中、庫房與生產(chǎn)線距離遠(yuǎn)，如最遠(yuǎn)單向距離達(dá)1.03公里。隨著線路交付日益增加，無人物流線路將呈路網(wǎng)化分布，運(yùn)行環(huán)境更加復(fù)雜。

②無人物流車為家用E100更換控制器等，完成無人駕駛的改制，通過采集線路地圖，外循環(huán)配送實(shí)現(xiàn)自動駕駛，但車輛之間無通訊交互。

③調(diào)度系統(tǒng)：無人物流車主要依靠障礙物識別，低于最小安全追蹤距離將自動停車，無車輛調(diào)度、發(fā)車控制等模塊，操作人員一旦吃飯或休息，將出現(xiàn)無人物流車集中停靠。

④排班與響應(yīng)：汽車行業(yè)按生產(chǎn)節(jié)拍進(jìn)行裝配，需要全天候準(zhǔn)時響應(yīng)生產(chǎn)。各生產(chǎn)線吃飯和休息時段不同，且產(chǎn)量隨著市場的變動而變動，故各線路運(yùn)行時長經(jīng)常變動，使無人物流車運(yùn)行與交互環(huán)境更加復(fù)雜。

針對以上四個問題，我們采取了對無人物流車調(diào)度需求進(jìn)行重新梳理、構(gòu)建，搭建智能控制與動態(tài)調(diào)度系統(tǒng)，利用數(shù)字化手段對每臺無人物流車進(jìn)行跟蹤，保證各線路無人物流車按秩序、按節(jié)拍平穩(wěn)運(yùn)行。

2 無人物流車運(yùn)行控制與調(diào)度的構(gòu)建分析

2.1 汽車行業(yè)無人物流車廠內(nèi)配送的運(yùn)營特點(diǎn)

無人物流車應(yīng)用于汽車主機(jī)廠物料配送，具有全天候、快速正點(diǎn)、頻次高、路網(wǎng)化等特點(diǎn)，隨著路網(wǎng)規(guī)模及覆蓋面不斷擴(kuò)大，運(yùn)行環(huán)境復(fù)雜、共用時路段壓力突出，無人物流運(yùn)行的突發(fā)事件將日益增多。造成突發(fā)事件的原因主要由基礎(chǔ)設(shè)施故障（路面狀態(tài)、耗電、信號）、車輛故障、自然災(zāi)害（暴雨等）、異物侵限等導(dǎo)致，直接影響了路網(wǎng)的正常運(yùn)行，影響生產(chǎn)線停線，給主機(jī)廠造成巨大經(jīng)濟(jì)損失。在保障運(yùn)行安全的前提下，不斷提升運(yùn)營效率和應(yīng)對突發(fā)事件能力是對無人物流車運(yùn)行穩(wěn)定的重大需求。

2.2 無人物流車運(yùn)行控制與調(diào)度的構(gòu)建分析

無人物流車在網(wǎng)絡(luò)化、智能化、數(shù)字化發(fā)展趨勢下，調(diào)度系統(tǒng)必然向智能調(diào)度方向發(fā)展，在安全運(yùn)行的前提下利用車、路、網(wǎng)資源，對無人物流車路網(wǎng)跨時空全局運(yùn)行狀態(tài)進(jìn)行綜合感知，實(shí)現(xiàn)在線智能優(yōu)化調(diào)度和實(shí)時精準(zhǔn)控制，打破原有靠障礙物識別的運(yùn)行控制架構(gòu)，實(shí)現(xiàn)運(yùn)行控制與動態(tài)調(diào)度一體化。如圖2所示。

作為無人物流車的“大腦和神經(jīng)中樞”，無人車運(yùn)行調(diào)度控制系統(tǒng)是控制車輛的運(yùn)行速度、追蹤間隔和行進(jìn)方向，全天候不間斷運(yùn)行，是確保無人物流車安全運(yùn)行和高效運(yùn)營的重要保障與核心裝備。面向智能化，提升網(wǎng)絡(luò)運(yùn)營的可靠性、彈性和運(yùn)營水平，借助自動駕駛技術(shù)、人工智能和大數(shù)據(jù)融合，以達(dá)到無人物流車高效運(yùn)營的目標(biāo)，調(diào)度系統(tǒng)實(shí)現(xiàn)自動化與智能化，運(yùn)行控制與動態(tài)調(diào)度一體化。

3 無人物流車運(yùn)行控制與動態(tài)調(diào)度一體化

運(yùn)用先進(jìn)的感知、傳輸、控制方法和及時提升無人物流車的運(yùn)行控制和調(diào)度智能化水平，實(shí)現(xiàn)路網(wǎng)的整體運(yùn)行效率全局最優(yōu)，滿足主機(jī)廠生產(chǎn)響應(yīng)節(jié)拍，全面提升快速處理突發(fā)事件的能力。增強(qiáng)對無人物流車運(yùn)行環(huán)境的全面深度感知，在安全運(yùn)營的模式下利用車輛、路、網(wǎng)、大數(shù)據(jù)分析等資源，全面提升無人物流車運(yùn)行效率。如圖3所示。

模塊1【地理信息管理】需要對各無人物流車的地理信息需要進(jìn)行管理，建立數(shù)據(jù)庫檢索功能，為無人物流車調(diào)度與運(yùn)行提供位置追蹤。

模塊2【無人駕駛】無人駕駛按設(shè)計(jì)軌跡行駛，同時生成各站點(diǎn)、各車輛運(yùn)行路的實(shí)時數(shù)據(jù)。

模塊3【智能調(diào)度系統(tǒng)】除了上、下料點(diǎn)的站點(diǎn)外，增加在途站點(diǎn)，使每臺無人物流車都有?？空军c(diǎn)，通過調(diào)度系統(tǒng)追蹤與控制各站點(diǎn)發(fā)車順序、運(yùn)行沖突、沖突消解，避免無人物流車擁堵、停滯。

模塊4【運(yùn)行狀態(tài)監(jiān)控】采集、處理和上報無人物流車運(yùn)行日常統(tǒng)計(jì)，包括：到站點(diǎn)時間、突發(fā)事件、系統(tǒng)調(diào)度故障、車輛故障、電量消耗監(jiān)測、運(yùn)行效率等。

模塊5【運(yùn)行圖管理】從調(diào)度系統(tǒng)與無人駕駛運(yùn)行系統(tǒng)中獲得實(shí)時線路數(shù)據(jù)和地理信息數(shù)據(jù)，自動生成無人物流車運(yùn)行的全部數(shù)據(jù)，傳遞給調(diào)度系統(tǒng)。

模塊6【通訊系統(tǒng)】無人物流車之間需建立主動通訊，并實(shí)時與調(diào)度系統(tǒng)交互，尤其是突發(fā)的事件下各無人物流車之間協(xié)同通訊，保證通訊實(shí)時性、精確性和可靠性。

4 創(chuàng)新點(diǎn)

4.1 全面深度感知無人物流車運(yùn)行狀態(tài)

對于無人物流車的運(yùn)行狀態(tài)及環(huán)境，需要全面、實(shí)時、精準(zhǔn)智能感知，需要結(jié)合無人物流車的運(yùn)行速度、地理位置、線路距離、線路交叉、各線路運(yùn)行時間等信息高精度傳輸給調(diào)度系統(tǒng)，建立無人物流車協(xié)同控制調(diào)度系統(tǒng)，從而實(shí)現(xiàn)各線路在響應(yīng)周期內(nèi)順暢運(yùn)行。

4.2 將公共交通的站點(diǎn)調(diào)度應(yīng)用到無人物流車調(diào)度控制

創(chuàng)造性提出將公共交通道路的站點(diǎn)調(diào)度控制，應(yīng)用到上汽通用五菱無人物流車運(yùn)行控制之中，所有運(yùn)行中的無人物流車均設(shè)置足夠?？空军c(diǎn)，無人物流車從站點(diǎn)啟動前，需向調(diào)度系統(tǒng)申請下一個站點(diǎn)的使用權(quán)，如獲批準(zhǔn)則繼續(xù)行駛，否則繼續(xù)等待直至站點(diǎn)使用權(quán)獲得批準(zhǔn)，該控制策略解決了操作者吃飯或休息時段集中?？康膯栴}，同時解決了共用路段因追蹤距離過近而停滯無法自動駕駛的問題。構(gòu)建后無人物流車站點(diǎn)運(yùn)行圖如圖4所示。

4.3 無人物流車協(xié)同運(yùn)行控制與動態(tài)調(diào)度一體化

打破原有依靠障礙物識別的運(yùn)行控制架構(gòu)，應(yīng)用大數(shù)據(jù)、人工智能、通訊技術(shù)，在安全運(yùn)行的前提下利用車、路、網(wǎng)資源，實(shí)現(xiàn)無人物流車動態(tài)智能優(yōu)化調(diào)度和實(shí)時精準(zhǔn)控制。無人物流車正常運(yùn)轉(zhuǎn)情況下，按站點(diǎn)調(diào)度控制運(yùn)行。運(yùn)行區(qū)間發(fā)生故障無法運(yùn)行時，超過正常運(yùn)行時間，調(diào)度系統(tǒng)做預(yù)警提示，人工根據(jù)系統(tǒng)提供的應(yīng)急處置預(yù)案響應(yīng)標(biāo)準(zhǔn)，判斷事故等級啟動相應(yīng)預(yù)案。

5 總結(jié)

通過對上汽通用五菱無人物流車運(yùn)行擁堵問題分析，提出將公共交通的站點(diǎn)調(diào)度應(yīng)用到無人物流車調(diào)度控制之中，同時提出運(yùn)用大數(shù)據(jù)、人工智能、通訊技術(shù)，在安全運(yùn)營的模式下利用車輛、路、網(wǎng)、大數(shù)據(jù)分析等資源構(gòu)建無人物流車智能控制與動態(tài)調(diào)度，使擁堵問題具有實(shí)施價值的解決方案，保障了無人物流車車項(xiàng)目順利推進(jìn)，預(yù)計(jì)可優(yōu)化37人。

此研究的推進(jìn)實(shí)施，使無人物流車運(yùn)行控制由被動變?yōu)橹鲃樱瑢⑹篃o人物流車創(chuàng)新成果得以挖掘出更大潛力，彌補(bǔ)了現(xiàn)有無人物流車無調(diào)度系統(tǒng)的空白，引導(dǎo)團(tuán)隊(duì)成員繼續(xù)升級無人物流車標(biāo)準(zhǔn)化、智能化及持續(xù)創(chuàng)新。該研究有利于技術(shù)與IT部門設(shè)計(jì)無人物流車智能調(diào)度框架，開發(fā)無人物流車智能調(diào)度系統(tǒng)，使研究成果得以轉(zhuǎn)化為實(shí)際應(yīng)用的產(chǎn)品，同時為后續(xù)無人物流車推廣及智能化運(yùn)作奠定技術(shù)儲備基礎(chǔ)。

參考文獻(xiàn)：

[1]吳良江. 基于數(shù)據(jù)驅(qū)動智能公交調(diào)度系統(tǒng)研究.中南大學(xué)，2019.

[2]鄭繼林. 關(guān)于高鐵調(diào)度隊(duì)伍建設(shè)的思考.《科學(xué)與財富》2016年第25期.

[3]劉剛，朱濤，金福才.德國鐵路BZ2000調(diào)度指揮信息系統(tǒng)淺析與思考，鐵路信息技術(shù)與電子商務(wù)，2015（2）：28-34.

[4]夏德春.德國鐵路調(diào)度指揮系統(tǒng)[J].中國鐵道科學(xué)，2016，26（4）：142-144.

[5]武斌. 基于遺傳算法的公交調(diào)度模糊最優(yōu)解.中國石油大學(xué)，2019.

[6]譚永麗.基于智能定位技術(shù)的無人物流車輛智能監(jiān)控系統(tǒng)設(shè)計(jì).湖北第二師范學(xué)院 2019.

[7]王其才.天津地鐵調(diào)度指揮輔助決策支持系統(tǒng)研究.《山東工業(yè)技術(shù)》2016年第05期.

[8]盧曙光，齊磊，楊軍.城市軌道交通調(diào)度指揮仿真系統(tǒng)研究[J]. 都市快軌交通，2009（10）.