【技术实现步骤摘要】
本申请涉及路径规划，尤其涉及一种集装箱港口自动驾驶车辆的路径规划及控制方法及系统。
技术介绍
1、目前在集装箱港口的自动驾驶车辆导航控制系统中，主要采用固定路径规划和简单的避障机制。这类系统通常依赖预设的路径点和基础的传感器数据，采用单一的路径规划算法进行导航。同时，现有的港口自动驾驶系统多采用独立的感知、规划和控制模块，各模块之间的信息交互有限，且控制策略较为固定，缺乏对复杂动态环境的自适应能力。
2、然而，这种传统的技术方案存在明显不足：首先，固定的路径规划无法有效应对港区内频繁变化的动态障碍物；其次，简单的模块化设计导致系统无法充分利用多源传感器数据进行协同决策；再次，缺乏自适应的安全控制机制，在复杂场景下容易产生安全隐患；最后，现有系统普遍缺乏对历史数据的学习优化能力，难以实现控制策略的持续改进。
技术实现思路
1、本申请提供了一种集装箱港口自动驾驶车辆的路径规划及控制方法及系统，用于在复杂多变的港区环境下，实现自动驾驶车辆的安全可靠运行，特别是在面对动态障碍物时，能够做出准确的路径规划和控制决策。
2、第一方面，本申请提供了一种集装箱港口自动驾驶车辆的路径规划及控制方法，所述集装箱港口自动驾驶车辆的路径规划及控制方法包括：经由多源传感器网络采集港区环境数据，通过时空配准算法对所述环境数据进行融合处理，得到港区数字孪生环境模型；根据所述港区数字孪生环境模型，通过三层递进式路径规划器对车辆路径进行分层优化处理，得到包含主路径和备选路径的路径规划方案；基
3、第二方面，本申请提供了一种集装箱港口自动驾驶车辆的路径规划及控制系统，所述集装箱港口自动驾驶车辆的路径规划及控制系统包括：
4、融合模块，用于经由多源传感器网络采集港区环境数据，通过时空配准算法对所述环境数据进行融合处理，得到港区数字孪生环境模型；
5、分层模块，用于根据所述港区数字孪生环境模型，通过三层递进式路径规划器对车辆路径进行分层优化处理，得到包含主路径和备选路径的路径规划方案；
6、预测模块，用于基于所述路径规划方案，利用时序注意力网络对港区动态目标进行轨迹预测分析，获得实时态势评估数据；
7、控制模块，用于依据所述实时态势评估数据，通过分布式模型预测控制算法对车辆进行协同控制处理，生成车辆控制指令序列；
8、监控模块，用于根据所述车辆控制指令序列，经由自适应安全约束模块对车辆的运动状态进行实时监控，形成多级安全响应策略，并利用深度强化学习网络对控制策略进行持续优化。
9、本专利技术第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的集装箱港口自动驾驶车辆的路径规划及控制方法。
10、本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的集装箱港口自动驾驶车辆的路径规划及控制方法。
11、本申请提供的技术方案中，通过多源传感器网络采集港区环境数据，并利用时空配准算法进行融合处理，构建了高精度的数字孪生环境模型，有效解决了传统单一传感器数据不完整、不准确的问题，显著提升了环境感知的全面性和准确性。采用三层递进式路径规划器对车辆路径进行分层优化，不仅能够生成最优主路径，还包含了多条备选路径，增强了系统在面对突发情况时的应对能力，提高了路径规划的鲁棒性。时序注意力网络的引入使系统能够对港区内的动态目标进行精准的轨迹预测，通过对目标运动特征的深度学习和时序关联分析，大幅提升了系统对动态环境变化的预测准确度。分布式模型预测控制算法的应用实现了多车辆间的协同控制，能够基于实时态势评估数据动态调整控制策略，显著提高了群体控制的效率和安全性。自适应安全约束模块配合深度强化学习网络的持续优化机制，使系统能够根据实际运行数据不断完善控制策略，建立了一个自适应进化的安全控制体系。特别是在算法特征方面，时序注意力网络通过对时间序列数据的注意力机制处理，提取了动态目标的关键时序特征，使轨迹预测更加准确；深度强化学习网络则通过与环境的持续交互和策略优化，不断提升了控制决策的智能性和适应性，这些算法特征的综合应用显著增强了系统在复杂港区环境下的适应能力和控制性能。整体而言，该方案通过多个创新算法的有机结合，构建了一个智能化、自适应的港口自动驾驶控制系统，实现了环境感知、路径规划、轨迹预测、协同控制和安全监控的全方位优化，大幅提升了港口自动驾驶车辆的运行效率和安全性。
本文档来自技高网...【技术保护点】
1.一种集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述集装箱港口自动驾驶车辆的路径规划及控制方法包括：
2.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述经由多源传感器网络采集港区环境数据，通过时空配准算法对所述环境数据进行融合处理，得到港区数字孪生环境模型，包括：
3.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述根据所述港区数字孪生环境模型，通过三层递进式路径规划器对车辆路径进行分层优化处理，得到包含主路径和备选路径的路径规划方案，包括：
4.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述基于所述路径规划方案，利用时序注意力网络对港区动态目标进行轨迹预测分析，获得实时态势评估数据，包括：
5.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述依据所述实时态势评估数据，通过分布式模型预测控制算法对车辆进行协同控制处理，生成车辆控制指令序列，包括：
6.根据权利要求1所述的集装
7.根据权利要求6所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述以所述安全风险评估指标作为权重系数，构建分级安全响应规则库，形成所述多级安全响应策略，包括：
8.一种集装箱港口自动驾驶车辆的路径规划及控制系统，用于实现如权利要求1-7中任一项所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述集装箱港口自动驾驶车辆的路径规划及控制系统包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的集装箱港口自动驾驶车辆的路径规划及控制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行如权利要求1至7中任一项所述的集装箱港口自动驾驶车辆的路径规划及控制方法。
...【技术特征摘要】
1.一种集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述集装箱港口自动驾驶车辆的路径规划及控制方法包括：
2.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述经由多源传感器网络采集港区环境数据，通过时空配准算法对所述环境数据进行融合处理，得到港区数字孪生环境模型，包括：
3.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述根据所述港区数字孪生环境模型，通过三层递进式路径规划器对车辆路径进行分层优化处理，得到包含主路径和备选路径的路径规划方案，包括：
4.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述基于所述路径规划方案，利用时序注意力网络对港区动态目标进行轨迹预测分析，获得实时态势评估数据，包括：
5.根据权利要求1所述的集装箱港口自动驾驶车辆的路径规划及控制方法，其特征在于，所述依据所述实时态势评估数据，通过分布式模型预测控制算法对车辆进行协同控制处理，生成车辆控制指令序列，包括：
6.根据权利要求1所述的集装箱港口自动驾驶车辆...
【专利技术属性】
技术研发人员：宁为玉，韩砚宝，崔汇源，孔席超，于良，郭昊冈，杨雪，张顺，刘晓阅，
申请(专利权)人：天津港第二集装箱码头有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。