杜慧

摘 要：汽車(chē)行業(yè)從2018年起出現(xiàn)下滑，整個(gè)行業(yè)進(jìn)入寒冬期，2020年又經(jīng)新冠疫情影響，汽車(chē)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(wú)人物流車(chē)運(yùn)行為案例，分析無(wú)人物流車(chē)在共用路段、交叉路口因車(chē)輛安全追蹤距離過(guò)近而出現(xiàn)擁堵原因，挖掘無(wú)人物流車(chē)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(wú)人物流車(chē)的運(yùn)行控制與動(dòng)態(tài)調(diào)度之中，建立無(wú)人物流車(chē)的“大腦和神經(jīng)中樞”，實(shí)現(xiàn)各線(xiàn)路協(xié)同高效運(yùn)行，推動(dòng)無(wú)人物流車(chē)運(yùn)行控制智能化。

關(guān)鍵詞：調(diào)度 運(yùn)行控制 無(wú)人物流車(chē) 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(wú)人物流車(chē)專(zhuān)線(xiàn)相繼交付運(yùn)營(yíng)，實(shí)現(xiàn)了由有人駕駛到無(wú)人駕駛顛覆創(chuàng)新，但隨著線(xiàn)路交付的增加，無(wú)人物流車(chē)擁堵問(wèn)題日益突出，在共用路段多臺(tái)無(wú)人物流車(chē)相互干涉停滯在公司道路上，無(wú)法自動(dòng)行駛，需要人工干預(yù)。未來(lái)將有100臺(tái)以上無(wú)人物流車(chē)在上汽通用五菱河西基地廠內(nèi)運(yùn)行，擁堵問(wèn)題將更加突出。經(jīng)調(diào)研分析，無(wú)人物流車(chē)出現(xiàn)停滯、擁堵導(dǎo)致無(wú)法自動(dòng)駕駛，產(chǎn)生原因主要四個(gè)方面（如圖1所示）：

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

②無(wú)人物流車(chē)為家用E100更換控制器等，完成無(wú)人駕駛的改制，通過(guò)采集線(xiàn)路地圖，外循環(huán)配送實(shí)現(xiàn)自動(dòng)駕駛，但車(chē)輛之間無(wú)通訊交互。

③調(diào)度系統(tǒng)：無(wú)人物流車(chē)主要依靠障礙物識(shí)別，低于最小安全追蹤距離將自動(dòng)停車(chē)，無(wú)車(chē)輛調(diào)度、發(fā)車(chē)控制等模塊，操作人員一旦吃飯或休息，將出現(xiàn)無(wú)人物流車(chē)集中?？?。

④排班與響應(yīng)：汽車(chē)行業(yè)按生產(chǎn)節(jié)拍進(jìn)行裝配，需要全天候準(zhǔn)時(shí)響應(yīng)生產(chǎn)。各生產(chǎn)線(xiàn)吃飯和休息時(shí)段不同，且產(chǎn)量隨著市場(chǎng)的變動(dòng)而變動(dòng)，故各線(xiàn)路運(yùn)行時(shí)長(zhǎng)經(jīng)常變動(dòng)，使無(wú)人物流車(chē)運(yùn)行與交互環(huán)境更加復(fù)雜。

針對(duì)以上四個(gè)問(wèn)題，我們采取了對(duì)無(wú)人物流車(chē)調(diào)度需求進(jìn)行重新梳理、構(gòu)建，搭建智能控制與動(dòng)態(tài)調(diào)度系統(tǒng)，利用數(shù)字化手段對(duì)每臺(tái)無(wú)人物流車(chē)進(jìn)行跟蹤，保證各線(xiàn)路無(wú)人物流車(chē)按秩序、按節(jié)拍平穩(wěn)運(yùn)行。

2 無(wú)人物流車(chē)運(yùn)行控制與調(diào)度的構(gòu)建分析

2.1 汽車(chē)行業(yè)無(wú)人物流車(chē)廠內(nèi)配送的運(yùn)營(yíng)特點(diǎn)

無(wú)人物流車(chē)應(yīng)用于汽車(chē)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(shí)路段壓力突出，無(wú)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(hào)）、車(chē)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(xiàn)停線(xiàn)，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(yíng)效率和應(yīng)對(duì)突發(fā)事件能力是對(duì)無(wú)人物流車(chē)運(yùn)行穩(wěn)定的重大需求。

2.2 無(wú)人物流車(chē)運(yùn)行控制與調(diào)度的構(gòu)建分析

無(wú)人物流車(chē)在網(wǎng)絡(luò)化、智能化、數(shù)字化發(fā)展趨勢(shì)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(chē)、路、網(wǎng)資源，對(duì)無(wú)人物流車(chē)路網(wǎng)跨時(shí)空全局運(yùn)行狀態(tài)進(jìn)行綜合感知，實(shí)現(xiàn)在線(xiàn)智能優(yōu)化調(diào)度和實(shí)時(shí)精準(zhǔn)控制，打破原有靠障礙物識(shí)別的運(yùn)行控制架構(gòu)，實(shí)現(xiàn)運(yùn)行控制與動(dòng)態(tài)調(diào)度一體化。如圖2所示。

作為無(wú)人物流車(chē)的“大腦和神經(jīng)中樞”，無(wú)人車(chē)運(yùn)行調(diào)度控制系統(tǒng)是控制車(chē)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(wú)人物流車(chē)安全運(yùn)行和高效運(yùn)營(yíng)的重要保障與核心裝備。面向智能化，提升網(wǎng)絡(luò)運(yùn)營(yíng)的可靠性、彈性和運(yùn)營(yíng)水平，借助自動(dòng)駕駛技術(shù)、人工智能和大數(shù)據(jù)融合，以達(dá)到無(wú)人物流車(chē)高效運(yùn)營(yíng)的目標(biāo)，調(diào)度系統(tǒng)實(shí)現(xiàn)自動(dòng)化與智能化，運(yùn)行控制與動(dòng)態(tài)調(diào)度一體化。

3 無(wú)人物流車(chē)運(yùn)行控制與動(dòng)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(shí)提升無(wú)人物流車(chē)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(mǎn)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(duì)無(wú)人物流車(chē)運(yùn)行環(huán)境的全面深度感知，在安全運(yùn)營(yíng)的模式下利用車(chē)輛、路、網(wǎng)、大數(shù)據(jù)分析等資源，全面提升無(wú)人物流車(chē)運(yùn)行效率。如圖3所示。

模塊1【地理信息管理】需要對(duì)各無(wú)人物流車(chē)的地理信息需要進(jìn)行管理，建立數(shù)據(jù)庫(kù)檢索功能，為無(wú)人物流車(chē)調(diào)度與運(yùn)行提供位置追蹤。

模塊2【無(wú)人駕駛】無(wú)人駕駛按設(shè)計(jì)軌跡行駛，同時(shí)生成各站點(diǎn)、各車(chē)輛運(yùn)行路的實(shí)時(shí)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(tái)無(wú)人物流車(chē)都有停靠站點(diǎn)，通過(guò)調(diào)度系統(tǒng)追蹤與控制各站點(diǎn)發(fā)車(chē)順序、運(yùn)行沖突、沖突消解，避免無(wú)人物流車(chē)擁堵、停滯。

模塊4【運(yùn)行狀態(tài)監(jiān)控】采集、處理和上報(bào)無(wú)人物流車(chē)運(yùn)行日常統(tǒng)計(jì)，包括：到站點(diǎn)時(shí)間、突發(fā)事件、系統(tǒng)調(diào)度故障、車(chē)輛故障、電量消耗監(jiān)測(cè)、運(yùn)行效率等。

模塊5【運(yùn)行圖管理】從調(diào)度系統(tǒng)與無(wú)人駕駛運(yùn)行系統(tǒng)中獲得實(shí)時(shí)線(xiàn)路數(shù)據(jù)和地理信息數(shù)據(jù)，自動(dòng)生成無(wú)人物流車(chē)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(wú)人物流車(chē)之間需建立主動(dòng)通訊，并實(shí)時(shí)與調(diào)度系統(tǒng)交互，尤其是突發(fā)的事件下各無(wú)人物流車(chē)之間協(xié)同通訊，保證通訊實(shí)時(shí)性、精確性和可靠性。

4 創(chuàng)新點(diǎn)

4.1 全面深度感知無(wú)人物流車(chē)運(yùn)行狀態(tài)

對(duì)于無(wú)人物流車(chē)的運(yùn)行狀態(tài)及環(huán)境，需要全面、實(shí)時(shí)、精準(zhǔn)智能感知，需要結(jié)合無(wú)人物流車(chē)的運(yùn)行速度、地理位置、線(xiàn)路距離、線(xiàn)路交叉、各線(xiàn)路運(yùn)行時(shí)間等信息高精度傳輸給調(diào)度系統(tǒng)，建立無(wú)人物流車(chē)協(xié)同控制調(diào)度系統(tǒng)，從而實(shí)現(xiàn)各線(xiàn)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(wú)人物流車(chē)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(wú)人物流車(chē)運(yùn)行控制之中，所有運(yùn)行中的無(wú)人物流車(chē)均設(shè)置足夠?？空军c(diǎn)，無(wú)人物流車(chē)從站點(diǎn)啟動(dòng)前，需向調(diào)度系統(tǒng)申請(qǐng)下一個(gè)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(shí)段集中?？康膯?wèn)題，同時(shí)解決了共用路段因追蹤距離過(guò)近而停滯無(wú)法自動(dòng)駕駛的問(wèn)題。構(gòu)建后無(wú)人物流車(chē)站點(diǎn)運(yùn)行圖如圖4所示。

4.3 無(wú)人物流車(chē)協(xié)同運(yùn)行控制與動(dòng)態(tài)調(diào)度一體化

打破原有依靠障礙物識(shí)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(chē)、路、網(wǎng)資源，實(shí)現(xiàn)無(wú)人物流車(chē)動(dòng)態(tài)智能優(yōu)化調(diào)度和實(shí)時(shí)精準(zhǔn)控制。無(wú)人物流車(chē)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(wú)法運(yùn)行時(shí)，超過(guò)正常運(yùn)行時(shí)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(jí)啟動(dòng)相應(yīng)預(yù)案。

5 總結(jié)

通過(guò)對(duì)上汽通用五菱無(wú)人物流車(chē)運(yùn)行擁堵問(wèn)題分析，提出將公共交通的站點(diǎn)調(diào)度應(yīng)用到無(wú)人物流車(chē)調(diào)度控制之中，同時(shí)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(yíng)的模式下利用車(chē)輛、路、網(wǎng)、大數(shù)據(jù)分析等資源構(gòu)建無(wú)人物流車(chē)智能控制與動(dòng)態(tài)調(diào)度，使擁堵問(wèn)題具有實(shí)施價(jià)值的解決方案，保障了無(wú)人物流車(chē)車(chē)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(wú)人物流車(chē)運(yùn)行控制由被動(dòng)變?yōu)橹鲃?dòng)，將使無(wú)人物流車(chē)創(chuàng)新成果得以挖掘出更大潛力，彌補(bǔ)了現(xiàn)有無(wú)人物流車(chē)無(wú)調(diào)度系統(tǒng)的空白，引導(dǎo)團(tuán)隊(duì)成員繼續(xù)升級(jí)無(wú)人物流車(chē)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(mén)設(shè)計(jì)無(wú)人物流車(chē)智能調(diào)度框架，開(kāi)發(fā)無(wú)人物流車(chē)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(shí)為后續(xù)無(wú)人物流車(chē)推廣及智能化運(yùn)作奠定技術(shù)儲(chǔ)備基礎(chǔ)。

參考文獻(xiàn)：

[1]吳良江. 基于數(shù)據(jù)驅(qū)動(dòng)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(cái)富》2016年第25期.

[3]劉剛，朱濤，金福才.德國(guó)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(guó)鐵路調(diào)度指揮系統(tǒng)[J].中國(guó)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(guó)石油大學(xué)，2019.

[6]譚永麗.基于智能定位技術(shù)的無(wú)人物流車(chē)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）.