海陆空无人载具物流调度方法及装置

本发明涉及智能物流系统，具体而言，涉及一种海陆空无人载具物流调度方法及装置。

背景技术：

1、随着无人驾驶、物联网与人工智能技术的快速发展，无人机、无人车、无人船等无人运输无人载具已在物流配送、区域转运、港口作业等场景中得到初步应用。然而，现有物流调度装置仍存在以下技术局限：

2、模态割裂与协同缺失：现有装置多为单一运输模式设计，缺乏对海、陆、空无人载具的统一接入与协同调度机制，跨模态运输依赖人工协调，效率低下且难以实现任务无缝衔接。

3、路径规划静态化与环境适应性差：现有路径规划多基于静态地图，未能充分融入实时气象、交通流、突发障碍等多源动态信息，规划结果在实际复杂环境中往往不可行或风险较高。

4、决策智能化程度有限：调度决策多依赖预设规则，无法应对动态变化与突发异常，装置自适应性与鲁棒性较弱。

技术实现思路

1、本技术实施例旨在提供一种海陆空无人载具物流调度方法及装置，以解决上述背景技术中提及的模态协同困难、环境适应性差、决策智能化不足等问题。

2、为实现上述目的，本技术实施例的一方面提出一种海陆空无人载具物流调度装置，包括：

3、任务调度模块，用于接收物流任务请求，基于任务属性、地理约束与实时硬件资源状态生成无人载具的协同调度方案，所述协同调度方案满足无人载具的载荷、续航、算力硬件硬约束，所述无人载具包括无人机、无人车、无人船；

4、路径规划模块，用于融合静态地理与动态环境数据生成所述协同调度方案对应的统一语义地图，基于所述统一语义地图以及预设算法进行全局路径规划和动态局部规划以获取所述协同调度方案对应的无人载具的路线信息，所述算法包括多模态a*算法、四维时空rrt*算法、弗洛伊德算法、流场引导算法；

5、实时监控与状态管理模块，用于以预设频率采集所述协同调度方案对应的无人载具的运行状态数据，通过规则引擎与轻量化预测模型处理所述运行状态数据，根据处理结果进行异常检测和动态调度。

6、进一步地，包括智能装箱模块，所述智能装箱模块基于三维装箱算法与货物属性生成所述物流任务请求对应的装载方案，所述装载方案中的重心分布建议与所述无人载具的硬件运动特性匹配。

7、进一步地，所述基于任务属性、地理约束与实时硬件资源状态生成无人载具协同调度方案，包括：

8、通过规则引擎、启发式算法单元生成初始调度方案；

9、采用改进型非支配排序遗传算法迭代所述初始调度方案，生成所述协同调度方案。

10、进一步地，基于所述统一语义地图以及预设算法进行全局路径规划和动态局部规划，包括：

11、利用所述多模态a*算法用于在所述统一语义地图中进行跨路径搜索生成初始路径；

12、在动态环境中利用所述四维时空rrt*算法规划无人机的避障轨迹；

13、在静态路网中利用弗洛伊德算法单元预计算所有节点间最短路径；

14、基于洋流、风场数据、所述流场引导算法规划无人船和无人机的航线；

15、根据所述初始路径、避障轨迹、所述节点间最短路径以及所述航线生成路线规划结果。

16、进一步地，包括设有合同网协议任务分配单元、分布式一致性协调单元及四维时空冲突检测与仲裁单元的多智能体协同模块，

17、所述合同网协议任务分配单元用于在接收到投标信息后，通过投标-评标机制进行子任务的分布式资源匹配，所述投标信息是空闲对象根据自身硬件状态、剩余续航、运输成本评估任务可行性提交的，所述空闲对象包括空闲的无人载具；

18、所述分布式一致性协调单元用于在网络异常时，对所述协同调度方案对应的关键协同指令进行一致性处理；

19、所述四维时空冲突检测与仲裁单元用于通过轨迹预测模型识别无人载具间的潜在冲突，并基于识别结果消除所述潜在冲突。

20、进一步地，包括设有高频数据采集单元、状态缓存与建模单元及混合异常检测单元的监控与状态管理模块，

21、所述高频数据采集单元用于根据预设频率采集所述无人载具对应的状态报文；

22、所述状态缓存与建模单元用于缓存所述状态报文，并根据缓存的状态报文生成轨迹回放信息、趋势分析信息；

23、所述混合异常检测单元用于根据所述状态报文以及预设的阈值规则、轻量lstm预测模型识别异常状态。

24、进一步地，包括设有多源数据时空对齐单元、混合预测引擎单元及决策生成单元的数据融合与决策模块，

25、所述多源数据时空对齐单元用于根据时空核匹配算法将所述无人载具对应的多源数据映射至统一网格基准，所述多源数据包括所述状态报文；

26、所述混合预测引擎单元，用于根据所述多源数据进行静态资源配置优化与动态延误风险预测；

27、所述决策生成单元采用nsga-ii算法在成本、时间、安全目标间寻找帕累托最优解，并通过效用函数输出最终调度策略。

28、进一步地，所述无人载具通过边缘无人载具与云端连接，所述无人载具上设有导航模块、雷达以及传感器，且所述无人载具上设有边缘计算控制器，所述边缘计算控制器用于对所述无人载具的本地数据和传感器数据进行预处理；

29、所述边缘无人载具设有边缘计算单元，所述云端设有gpu算力集群，且树莓派4b边缘计算控制器运行轻量级debian装置，搭载onnx runtime/tensorflow lite轻量化推理框架以实现轻量算法模型的本地化运行与硬件传感器数据的预处理。

30、进一步地，所述在动态环境中利用所述四维时空rrt*算法规划无人机的避障轨迹，包括：

31、利用所述导航模块获取所述无人机的轨迹数据，根据所述轨迹数据和所述四维时空rrt*算法预测无人机间的路径或资源冲突；

32、获取无人机对应的任务紧急程度，根据预测结果以及任务紧急程度确定无人机的通行优先级，基于所述通行优先级规划无人机的避障轨迹。

33、本技术实施例的一方面提出一种海陆空无人物流协同调度方法，用于如上所述的海陆空无人载具物流调度装置，所述方法，包括：

34、通过任务调度模块接收物流任务请求，基于任务属性、地理约束与实时硬件资源状态生成无人载具的协同调度方案；

35、静态地理与动态环境数据生成所述协同调度方案对应的统一语义地图，基于所述统一语义地图以及预设算法进行全局路径规划和动态局部规划以获取所述协同调度方案对应的无人载具的路线信息，所述算法包括多模态a*算法、四维时空rrt*算法、弗洛伊德算法、流场引导算法；

36、基于预设频率采集运行状态数据，通过规则引擎与轻量化预测模型处理所述运行状态数据，根据处理结果进行异常检测和动态调度

37、相较于现有技术，本发明的海陆空无人载具物流调度装置包括：任务调度模块，用于接收物流任务请求，基于任务属性、地理约束与实时硬件资源状态生成无人载具的协同调度方案，协同调度方案满足无人载具的载荷、续航、算力硬件硬约束，无人载具包括无人机、无人车、无人船；路径规划模块，用于融合静态地理与动态环境数据生成协同调度方案对应的统一语义地图，基于统一语义地图以及预设算法进行全局路径规划和动态局部规划以获取协同调度方案对应的无人载具的路线信息，算法包括多模态a*算法、四维时空rrt*算法、弗洛伊德算法、流场引导算法；实时监控与状态管理模块，用于以预设频率采集运行状态数据，通过规则引擎与轻量化预测模型处理运行状态数据，根据处理结果进行异常检测和动态调度。本发明能够实现海陆空无人载具的统一接入和调度，有效降低对人工协调的依赖，提升调度效率，并能结合动态环境进行路径规划，提升路径的环境适应性且能够有效应对动态变化与突发异常，强化自适应性和鲁棒性。