摘要：随着电子商务的迅猛发展，给电商环节的物流作业带来了新的要求和挑战。基于电子商务物流任务多、拣选作业复杂的特性，越来越多的智能搬运机器人被投入使用。但多机器人同时进行工作，容易造成机器人拥堵与碰撞。本文通过规划特殊道路规则，对智能搬运机器人行走路径进行栅格法建模，设计其运行的合理路径，避免多机器人同时作业拥堵问题，提高拣选效率。

关键词：电商物流：智能搬运机器人：路径规划

一、前言

当前，部分电商物流配送中心已实现“无人化”作业模式，主要通过运用先进的“无人仓”技术，使用自动化立体仓库、无人叉车、智能搬运机器人等智能化设施设备进行仓储作业。智能搬运机器人主要运用“货到人”的拣选模式，与“人到货”拣选模式相比，节约大量人力，提高拣选作业效率。

随着电子商务的迅猛发展，给电商物流作业带来了新的要求和挑战。在仓储中心，随着机器人需完成的拣选作业以及搬运任务的复杂性与繁重性增加，多机器人同时进行工作时的调度问题也随之成为难点问题，在实际应用和学术研究领域，开始研究机器人的行走路径规划问题。智能搬运机器人在配送中心运作时，存在路线重叠、数量不足等问题。如果智能搬运机器人要充分发挥自身优势，就需要对仓储中智能机器人的行走路径做出优化设计。

因此，针对现有电商物流中智能搬运机器人存在的问题，本文主要从四个方面进行研究。第一，对智能搬运机器人的行走路径进行交通规划：第二，运用栅格法建模分析机器人的行走路径：第三，通过加入时间成本的A*算法设计机器人行走的合理路径：第四，对算法模型进行验证分析，确定方案的可行性。通过对智能搬运机器人路径模型的建设，解决智能搬运机器人运行中的拥堵碰撞等问题。

二、智能搬运机器人行走路径优化规则设计

（一）智能搬运机器人简介

智能搬运机器人是自动化控制领域出现的一项高新技术，配备电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护及各种移载功能的运输车。同时可以通过编程完成各种预期任务，在自身结构和性能上拥有人和机器的各自优势，体现了人工智能的适应性。

（二）路径优化规则设计

智能搬运机器人主要运用“货到人”的拣选模式，与“人到货”拣选模式相比，节约了大量人力，提高了拣选作业效率。但智能搬运机器人在实际仓储中心运作时，也存在很多问题，例如路线重叠、设备碰撞等问题。为了使智能搬运机器人充分发挥自身优势，使路径模型更优化.对智能搬运机器的行走路径规则做如下设计：

1.智能搬运机器人行走方向

根据智能搬运机器人的工作特点，同时结合物流配送中心智能拣选区地面为网点状（智能搬运机器人沿地面二维码运行），所以智能搬运机器人只能往正东、正西、正北、正南四个方向匀速移动，不能呈对角线匀速移动。

2.智能搬运机器人等待时间规则

多个机器人并行工作时，可通过自身传感技术从而及时规避碰撞等不良相遇问题。因此，需要制定智能搬运机器人相遇等待规则。

（1）智能搬运机器人的工作状态

在智能搬运机器人工作过程中，其工作阶段主要包括从空车存放区到目标货架、从目标货架到拣选台、从拣选台到空货位放置目标货架、从货架到空车存放区四个阶段;工作状态主要包括空载、满载。具体内容如表1所示。

（2）智能搬运机器人的优先级设计

智能搬运机器人在不同的工作状态下，优先级会有差异，下面对智能搬运机器人进行优先级设定如下表2所示：

（三）行走路线交通规则

对智能搬运机器人行走线路的交通规则设计对于系统作业效率影响重大。设计作业区通道类型分为两种，高速通行区和低速通行区。高速通行区指货架区域外的多条通道，允许多个机器人并行行驶。低速通行区指货架与货架之间的单条通道，只允许一个机器人通行。

智能搬运机器人货架行驶区域交通规则的划分主要分为4大部分，如图2所示。其中红色箭头代表向左行驶的通道，绿色箭头代表向右行驶的通道，黑色箭头代表向前行驶的通道，蓝色箭头代表向后行驶的通道，具体设置原则如下：

1.特殊通道交通规则设置原则

通道的货架入口处均没有拣货台，任务发布后，智能搬运机器人接收到信息，立即从存放区进入货架区，不会造成拥堵，能够减少等待时间以及提高拣选效率。

2.横向通道交通规则设置原则

由货架区通往拣选台的所有通道中，至少设置一条可直接通往拣选台的单行道，且与由拣选台通往货架区的单行道交替设置。

3.纵向通道交通规则设置原则

以横向通道设置原则为基础，纵向通道基本设置为由货架区进入拣选台的单行道两侧相向而行，同时设置为由拣选台进入货架区单行道两侧相背而行。为防止在货架区造成拥堵，将其最中间的纵向通道和最右边的通道设置为连贯单行道，加快智能搬运机器人进出货架区的速度。

4.特殊情况说明

机器人统一遵守优先级避让原则，空载状态下可在移动货架下方通行。

三、智能搬运机器人行走区域栅格法建模

（一）栅格地图二维平面

假设将智能搬运机器人在仓储中心的行走区域看成一个二維平面，记为AT.每个栅格为智能搬运机器人的最大步长。记gEAT为任意栅格，每一个栅格g有确定的坐标（x，y）;定义左上角第一个栅格的坐标为（0，0），第二个栅格的坐标为（1，0），第三个栅格的坐标为（2，0），以此类推，同时每一个栅格代表一个节点。

（二）传统A*算法

A*算法主要求解图论中的最短路径，广泛应用于路径规划领域。同时，A*算法具有实时性、高效性等，也应用于实时系统和人工智能系统。A*算法通过选择合适的估价函数计算从当前节点到目标节点代价最小的距离，从而确定路径的搜索方向，并最终确定整个路径。

传统A*算法在确定搜索区域后，对路径的节点搜索有开启列表和关闭列表两个集合（开启列表指智能搬运机器人将要到达的栅格，关闭列表指智能搬运机器人已经走过的栅格，行走过的栅格不可重复），通过估价函数[f（n）]对路径进行评分，不断选择f值最低的节点，直至搜索到目标节点，找出估值最低的路径。

在栅格法中，一般使用曼哈顿距离法计算最短路径，表达式为：

D（i，j）=lXi-Xjl+lYi-Yjl

A*算法的启发式估价函数表达式为：

F（n）=g（n）+h（n）

其中n表示栅格地图中某一需要被估算路径代价的栅格节点，g（n）指从起始节点到当前节点的代价实际值;h（n）指从当前节点到目标节点的代价估计值，一般用曼哈顿距离法求解。

（三）加入时间成本优化的A*算法

根据物流中心特点，在进行拣选作业时，由系统自行分配最短路径。在作业高峰期将会有多个智能搬运机器人同时工作，因此而产生动态障碍物，所以需要引入时间成本概念，即把智能搬运机器人在行驶过程中搜索到最短路径后，从当前节点行驶到目标节点的过程将会耗费多少时间，纳入考虑范围，以达到在高效完成拣选作业的同时分析时间成本耗费量。

1.模型假设

假设1：智能搬运机器人均为匀速行驶：

假设2：智能搬运机器人不能从移动货架下方穿行：

假设3：智能搬运机器人每转一次弯所需时间小于每行驶一个栅格所需时间，姑且不计。

2.加入时间成本的A*算法模型

所需花费总时间T（n）的表达式为：

其中t表示以一个栅格的行驶距离作为单位时间成本，每行驶一个栅格需t秒：在行驶过程中遇到动态障碍物的等待次数为m，所需花费的时间为ti秒;f（n）指从当前节点到目标节点的总距离;T（n）指机器人从当前节点以一条最短路径到达目标节点的总时间。

四、加入时间成本的A *算法模型验证分析

假设图4为仓储中心设置了交通规则的部分区域，智能搬运机器人B，是由存放区前往目标货架P进行拣选作业，同时处于空载状态的机器人：智能搬运机器人B2是由目标货架前往拣选台，同时处于满载状态的机器人。显然，B1的优先级小于B2的优先级。由于智能搬运机器人均为匀速行驶，因此B1与B2两辆机器人将会在M栅格相遇，B1机器人需停车等待B2机器人离开后再前进。

（一）计算最短路径

由图4可知，判断起始节点B1（1，2）到目标节点P（4，4）的最短路径时，会产生两条可行通道：

第一条：先沿X轴方向行驶到坐标（5，2），再向右转弯沿Y轴方向行驶到达目标货架P右侧栅格（5，4）;

第二条：先向右转弯沿Y轴方向行驶到坐标（1，5），再向左转弯沿X轴方向行驶到达目标货架P下方栅格（4.5）。所以根据A*算法可知：

f（n） =g（n） +h（n）=1+l（1-5）l+l（2-4）l =7

f（n） =g（n） +h（n]=1+l（1-4）l+l（2-5）l =7

由f（n）1和f（n）2的计算结果可知，根据传统A*算法搜索出的最短路径可能存在不只一条距离最短的路径，因此需要引入时间成本概念择优选取。

（二）计算时间成本

首先，计算第一条可行通道时间成本，根据假设条件可知：

由上述计算结果可知：第一条路径行走的时间为7t，第二条路径行走的时间为6t，在相同距离情况下，选择用时最短的路径。

在考虑时间成本进行路径优先选择时，可能会存在路径距离相同且路径行走时间相同的情况，此时，智能搬运机器人应自动选择动态障碍物少的路径或者不会出现等待时间的路径择优先行。

五、结束语

本文主要通过对智能搬运机器人在电商物流配送中心进行拣货作业时的行走路径进行交通规则设置，从而有效避免在作业高峰期出现行走线路重复，并且改善设备交通拥堵情况。基于交通规则，利用栅格法建模对智能搬运机器人行走路径进行分析，同时引入时间成本完善了传统的A*算法，设计智能搬运机器人合理路径。最后，通过算例验证，证明引入时间成本的A*算法模型具有可行性，能够优化智能搬运机器人行走路径。

（指导老师：何娜敏）

参考文献：

[1]潘成浩.仓储物流机器人拣选路径规划仿真研究[D].太原：中北大学，2017.

[2]高小杰.仓储系统中机器人小车路径规划算法研究[D].北京：北京邮电大学，2017.

[3]張喜妹.基于Kiva系统的拣选作业优化与算法研究[D].北京：北京邮电大学，2015.

[4]胡少龙，胡志华，曹杨.基于多候选储位的存取路径优化问题研究[J].运筹与管理，2013，22（5）：111-116.

[5]张丹露，基于智能仓库的多机器人动态路径规划关键技术研究[D].北京：中国科学院大学（中国科学院重庆绿色智能技术研究院）.2017.

作者简介：

高梦妮，重庆师范大学涉外商贸学院，重庆。