一种用于机场特种车的路径规划方法、装置及电子设备与流程

本技术涉及机场特种车，具体涉及一种用于机场特种车的路径规划方法、装置及电子设备。

背景技术：

1、随着民航业的快速发展，越来越多的机场规模逐渐扩大，机场的日吞吐量也日益增加，这对机场地面作业和机场提供的服务提出了更高的要求。提高机场的地面作业和服务效率可以有效地降低航班延误率。而飞机准点率是评价航空服务质量的重要指标之一。

2、机场的无人特种车辆种类繁多，各司其职，共同保障飞机的正常运行。目前机场的地面保障服务作业仍旧需要依靠人工调度。人工调度效率较低，且一个无人特种车辆每次只能对一个航班进行服务，会导致车辆任务分配不均衡、路线规划不合理、无人特种车辆的任务容易出现差错、航班地面保障服务时间增加，进一步致使航班延误率增高。如何能够优化机场无人特种车辆的路径规划，进行合理调度，降低航班的延误率，从而降低机场管理成本显得格外的重要。显然，目前亟需一种新的用于机场特种车的路径规划方法，以解决上述问题中至少之一。

3、需要说明的是，上述内容仅提供了与本技术相关的背景技术信息，不必然构成在先技术。

技术实现思路

1、鉴于以上所述现有技术的缺点，本技术提供一种用于机场特种车的路径规划方法、装置及电子设备，以提升路径规划的效率，并能避开动态障碍物，提升了机场特种车行驶的安全性。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的一个方面，提供了一种用于机场特种车的路径规划方法，包括：获取机场环境模型、所述机场环境模型对应的目标任务信息和所述机场环境模型对应的目标车辆的当前位置，其中，所述目标任务信息包括目标任务对应的全局出发点和所述目标任务对应的全局目标点；通过目标路径算法结合所述机场环境模型对所述全局出发点到所述全局目标点进行路径规划，得到任务路径，使得所述目标车辆沿着所述任务路径执行所述目标任务，其中，所述目标路径算法通过在预设a星算法中增加预设系数作为启发式函数的权重得到；根据所述目标车辆的当前位置确定路径规划区域，将所述路径规划区域作为动态窗口，并根据预设的动态窗口算法对所述路径规划区域内的任务路径进行规划，以根据规划结果更新所述任务路径。

4、在本技术的一个实施例中，基于前述方案，获取机场环境模型，包括：对机场场景区域进行区域划分，得到多个子区域；获取各所述子区域对应的障碍信息，并根据所述障碍信息从各所述子区域中确定障碍区域和行驶区域；根据所述障碍区域和所述行驶区域生成机场环境模型。

5、在本技术的一个实施例中，基于前述方案，通过目标路径算法结合所述机场环境模型对所述全局出发点到所述全局目标点进行路径规划，得到任务路径，包括：将所述全局出发点所处的行驶区域确定为起始节点，并将所述全局目标点所处的行驶区域确定为最终节点；将所述起始节点加入待处理节点集合；计算所述待处理节点集合中各节点的总代价，以将总代价最小的行驶区域确定为当前节点；响应于确定所述当前节点，从各所述行驶区域中确定所述当前节点对应的相邻节点；将所述当前节点作为相邻节点的父节点，并将所述当前节点对应的相邻节点加入所述待处理节点集合；分别计算所述当前节点对应的各相邻节点的实际代价，若计算的相邻节点的实际代价小于存储的所述相邻节点的实际代价，则根据计算的相邻节点的实际代价更新所述存储的相邻节点的实际代价；若任一相邻节点为所述最终节点，则根据所述当前节点对应的所有父节点生成所述任务路径；若各所述相邻节点的实际代价均大于所述当前节点的实际代价，则将当前节点移入已处理节点集合，并将所述待处理节点集合中总代价最小的节点确定为新的当前节点。

6、在本技术的一个实施例中，基于前述方案，所述目标路径算法通过在预设a星算法中增加预设系数作为启发式函数的权重得到，包括：统计所述起始节点到所述最终节点之间的子区域数量，以及所述当前节点到所述最终节点之间的障碍区域数量；基于所述子区域数量和所述障碍区域数量确定所述预设系数，并在预设a星算法中将所述预设系数作为启发式函数的权重，得到所述目标路径算法。

7、在本技术的一个实施例中，基于前述方案，根据实际代价和预计代价分别计算各所述行驶区域的总代价，其中，所述实际代价根据所述行驶区域到所述起始节点的路径长度确定，所述预计代价根据所述行驶区域与所述最终节点之间的距离确定；其中，所述总代价的计算公式包括：f(n)＝g(n)+ep/q(h(n)+h(p)-kcosβ)；其中，f(n)为各所述当前节点的总代价，g(n)为从所述起始节点到所述当前节点的实际代价，ep/q(h(n)+h(p)-kcosβ)为所述当前节点的预计代价，q为从所述起始节点到所述最终节点的子区域数量，p为所述当前节点到所述最终节点的障碍区域数量，ep/q为所述启发式函数的权重，h(n)为所述当前节点到所述最终节点的预计代价，h(p)为所述当前节点的父节点到所述最终节点的预计代价，β为第一直线与第二直线的夹角，其中，所述第一直线由所述当前节点与所述起始节点组成，第二直线由所述当前节点与所述最终节点组成，k为预设的包含角余弦的权重系数。

8、在本技术的一个实施例中，基于前述方案，根据所述目标车辆的当前位置确定路径规划区域，将所述路径规划区域作为动态窗口，并根据预设的动态窗口算法对所述路径规划区域内的任务路径进行规划，以根据规划结果更新所述任务路径，包括：获取目标车辆的车速区间和时间区间；根据所述车速区间和所述时间区间进行计算，得到所述目标车辆的预期移动半径；根据所述预期移动半径和所述当前位置确定所述路径规划区域，并监测所述路径规划区域中的障碍物；将所述路径规划区域与所述任务路径的交点中未行驶过的交点确定为中间目标点；通过所述动态窗口算法根据所述障碍物确定所述当前位置到所述中间目标点之间的最优路径，以根据所述最优路径更新所述任务路径。

9、在本技术的一个实施例中，基于前述方案，通过所述动态窗口算法根据所述障碍物确定所述当前位置到所述中间目标点之间的最优路径，包括：通过所述动态窗口算法根据所述目标车辆的角速度和线速度建立所述目标车辆的运动模型；根据所述运动模型预测所述目标车辆的模拟运动轨迹，并根据目标车辆的速度限制、减速度限制、以及速度范围确定一个或多个下一时刻的移动速度；将航向角、线速度和模拟运动轨迹末端与障碍物之间的最短距离作为所述动态窗口算法的评价函数指标，根据所述评价函数指标确定所述最优路径。

10、在本技术的一个实施例中，基于前述方案，将航向角、线速度和模拟运动轨迹末端与障碍物之间的最短距离作为所述动态窗口算法的评价函数指标之后，所述方法还包括：将所述评价函数指标进行归一化处理，得到归一化后的轨迹评价函数，其中所述轨迹评价函数的公式包括：g(v,ω)＝α·heading(v,ω)+β·dist(v,ω)+γ·vel(v,ω)；式中，α,β,γ为三个权重系数，且α+β+γ＝q；heading(v,ω)表示航向与中间目标点之间的夹角；dist(v,ω)为模拟运动轨迹末端与最近障碍物之间的距离；vel(v,ω)为当前模拟运动轨迹的速度。

11、根据本技术实施例的一个方面，提供了一种用于机场特种车的路径规划装置，包括：获取模块，用于获取机场环境模型、所述机场环境模型对应的目标任务信息和所述机场环境模型对应的目标车辆的当前位置，其中，所述目标任务信息包括目标任务对应的全局出发点和所述目标任务对应的全局目标点；第一规划模块，用于通过目标路径算法结合所述机场环境模型对所述全局出发点到所述全局目标点进行路径规划，得到任务路径，使得所述目标车辆沿着所述任务路径执行所述目标任务，其中，所述目标路径算法通过在预设a星算法中增加预设系数作为启发式函数的权重得到；第二规划模块，用于根据所述目标车辆的当前位置确定路径规划区域，将所述路径规划区域作为动态窗口，并根据预设的动态窗口算法对所述路径规划区域内的任务路径进行规划，以根据规划结果更新所述任务路径。

12、根据本技术实施例的一个方面，提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述各实施例中任一项所述的用于机场特种车的路径规划方法。

13、本技术的有益效果：本技术通过获取机场环境模型、机场环境模型对应的目标任务信息和机场环境模型对应的目标车辆的当前位置，通过目标路径算法结合机场环境模型对全局出发点到全局目标点进行路径规划，得到任务路径，使得目标车辆沿着任务路径执行目标任务，其中，目标路径算法通过在预设a星算法中增加预设系数作为启发式函数的权重得到，通过目标路径算法进行路径规划可以使任务分配更加合理，使路径规划更加合理，减少执行目标任务的时间，提升路径规划的效率，进而降低航班延误率、降低机场管理成本；根据目标车辆的当前位置确定路径规划区域，将路径规划区域作为动态窗口，并根据预设的动态窗口算法对路径规划区域内的任务路径进行规划，以根据规划结果更新任务路径，通过预设的动态窗口算法进行局部路径规划能避开动态障碍物，满足机场特种车辆在复杂环境中的导航要求，提升了机场特种车行驶的安全性。

14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。