基于AMR集群的未来机场行李智能处理关键技术研究

In order to adapt to the “Four-Type Airport” development goals of CAAC in the future, further enhance the civil aviation service quality to meet the growing individual needs of passengers, it is necessary to continuously improve the intelligent level of airport baggage handling system. The new baggage handling system based on the AMR (Autonomous Mobile System – AMR) cluster technology will be one of the core intelligent technologies of the airport in the future. Aiming at the core problems of AMR cluster scale configuration, AMR global optimal scheduling and AMR real-time path planning, this project studies the effects regularity of the different airport application scenarios on the scale configuration of AMR cluster, and puts forward a method to predict and rationally configure the scale of AMR cluster. This project also studies the three-dimensional spatiotemporal model of AMR cluster based on different airport application scenarios, realizes the path planning of AMR cluster in dynamic environment, solves the conflict and deadlock problems, and explores the path planning algorithm of AMR cluster which conforms to the airport baggage handling operation. The research achievement will provide theoretical basis and implementation method for the future innovation of airport baggage handling technology.

为适应未来“四型机场”建设目标，进一步提升民航运输服务品质以及旅客日益增长的个性化需求，需要不断提升机场行李处理智能化水平。基于自主移动机器人（Autonomous Mobile Robot—AMR）集群的行李处理技术将是未来机场主要的智能化手段之一。本项目针对AMR集群规模配置、AMR全局最优调度、AMR实时路径规划等核心问题，研究机场各应用场景多要素对AMR集群规模配置的影响规律，研究能预测并合理配置AMR集群规模的方法。研究机场的行李信息数据关系，建立行李处理的优先级判定准则，探索出能够最优化任务分配及AMR调度策略的方法。研究基于机场应用场景的“长度-宽度-时间”三维时空模型，实现AMR集群在动态环境中的路径规划，解决冲突和死锁等问题，探索符合机场行李处理任务的AMR集群路径规划算法。研究成果将为未来机场行李处理技术的创新提供理论依据和实施方法。

为满足民航行业“四型机场”建设需求，进一步提升民航运输服务品质以及满足旅客日益增长的个性化需求，需要不断提升机场行李处理智能化水平，基于自主移动机器人（Autonomous Mobile Robot—AMR）集群的行李处理技术将是未来机场行李处理最主要的智能化手段之一。项目组围绕基于AMR集群的未来行李处理关键技术展开深入研究。针对AMR集群规模配置方法的研究，建立了一个关联决策整数规划模型（Associated Decision Integer Programming，简称ADIP），应用在柜台和AMR相互协作的共用自助值机托运系统中，实验结果表明，该模型可提高124%的设备利用率，可缩短72.8%的旅客排队等待时间。同时还提出了一种基于两阶段学习模型的新预测方法，对旅客数量预测的精度更高。针对AMR调度算法及任务分配类的研究，提出了一种基于改进贪婪式算法的任务分配与调度策略，该算法与策略可显著减少AMR运行时间，提升AMR运行效率。针对多目标优化研究所提的NSGAII-URS算法在保持收敛和分布均匀之间的良好平衡方面是有效且具更具有竞争力。针对AMR路径规划类的研究，在静态环境层面，将蚁群算法应用于路径规划，提出了三步判优禁忌法来改变蚁群算法节点的选择策略，提高了蚁群算法在静态环境下进行路径规划的收敛能力和全局搜索的能力，同时还基于传统Q-learning算法提出了每回合路径规划效果的强化学习算法(EPRQL)，解决了Q-learning算法收敛慢的问题。.项目成果发表了论文11篇，其中6篇被SCI和EI收录，获得授权发明专利1项，项目研究所提多个算法和仿真验证结果为创新成果转化提供了充足理论基础和科学支撑，真正服务了该项目依托单位的第I代AMR智能调度系统的研制开发，并成功应用于哈尔滨、贵阳等国际机场，帮助依托单位中标签署AMR新技术新产品合同共计1334万元，助力依托单位“大型机场旅客行李智能处理与全流程智慧化管控关键技术研究及应用”项目获得中国智能交通协会科技进步一等奖。项目成果对智慧机场建设、民航强国建设、交通强国建设和和民航运输服务品质优化具有重大意义。