[發明專利]基于博弈論的智能倉儲優化方法

在審

• 申請號: 201711472458.7
• 申請日: 2017-12-29
• 公開（公告）號: CN108171459A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 朱金龍;于繁華;趙東
• 申請（專利權）人: 長春師范大學
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q10/06;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于博弈論的智能倉儲優化方法，采用Agent運動模型構建倉儲運輸機器人和工作人員屬性、位置信息，利用蒙特卡洛模型評估策略效益值，再結合博弈論生成最優運輸方案；

所需設備：采用54個陣列式監控攝像頭-SLP-ZS39160D、VGA6464電腦VGA矩陣切換器、PC機、海康硬盤錄像機DS-8016HS-S一臺,以及用于連接PC和嵌入式設備的線路；攝像頭布局：攝像頭工作范圍為長30米寬6米長區域；攝像頭布置原則以覆蓋全部儲貨架區域，每一個攝像頭根據工作范圍監控固定區域內工作人員的運動軌跡，以一個儲物區6排3通道貨架，貨架長度為60米，通道寬度6米為例，共需要6個攝像頭，9個儲物區共需54個攝像頭。

2.方法步驟如下：

（010）部分，視頻監測具體步驟如下：

步驟C011：根據攝像頭拍攝的視頻提取背景，獲取圖像掩模；

步驟C012：設定時間閾值x，根據閾值法判定背景是否發生突變；若背景發生突變則設置變化后的圖像為背景，利用背景模型的自適應性將運動目標在背景初始化時造成的影響消除，然后利用自適應背景更新算法，跟蹤背景細節；

步驟C013：行人目標檢測采用幀差法(Frame difference)確定行人目標；

步驟C014：采用最大類間方差法形成行人的整體輪廓；

步驟C015：采用數學形態學處理圖像應用開運算，其效果是消除細小物體、在較為纖細的連接點分離物體、平滑較大物體的邊界，同時保持物體的面積不改變；

步驟C016：采用多人坐標映射分割法分割相連的行人, 經過坐標映射分割，圖像中的行人區域被分割出來，以最小外接矩形框包圍，形成矩形目標塊；在這些塊中，有包含單個行人的，也有包含多個互相接觸的行人的；多個行人相接觸，形成了圖像中的合并(merge)問題, 利用塊中目標像素點個數來估計其中所包含的人數，在判別出多人塊之后，就要根據其面積和寬度，來決定分割的子塊個數；

步驟C017：合并、分離處理, 合并、分離問題是采用攝像機垂直拍攝方式進行視頻人數統計中的一個關鍵問題；能否較好的處理合并、分離問題，是準確統計人數的關鍵, 首先，在合并、分離情況出現時，依靠多人塊分割，將含有多人的目標塊分割成只含有一個行人的子塊，且子塊之間不存在重疊；然后，在跟蹤過程中，根據子塊重疊系數作為匹配特征，區分出合并在一起的子塊；

步驟C018：行人計數方法，本方法分為兩個統計方式：一個是統計當前場景中的工作人員總數，另一個是統計通過計數線的人數；兩個統計內容，都要首先依賴于統計區域的劃分，采用雙計數線劃分統計區域，在雙線三區的基礎上，設立了釋放區域；

（020）部分，初始化倉儲仿真模擬子系統配置，具體步驟如下：

步驟C021：當智能倉儲系統運行時，倉儲仿真模擬子系統同時啟動，加載庫房三維場景，并根據攝像頭檢測的人數、位置在仿真場景中自動初始化等數量Agent人體，根據運輸機器人的室內定位信息在仿真場景中初始化等數量的Agent機器人；

步驟C022：根據用戶配置設置Agent機器人的屬性，屬性包括；運動速度、優先級別、最大承重量、最大承載體積；

（030）部分，模擬處理過程，具體步驟如下：

步驟C031：計算各個路徑的人群密度態勢，即Agent機器人運輸的過程中每個單位區域上的人數；

步驟C032：采用Dijkstra算法計算出各個Agent機器人達到空閑狀態時相距任務點的最短距離；

步驟C033：計算各個Agent機器人經過C032計算的最短路徑所需的時間，速度為Agent機器人自身的速度屬性；

步驟C034：在多任務并行時，應用博弈論決定每個Agent機器人的任務目的地和運輸軌跡，其收益函數參考因素包括：Agent機器人達到任務點的最短時間，各個路徑的運輸效益，任務的等級，Agent機器人的等級，人群密度態勢分布，定式策略，根據收益函數值，取貝葉斯納什均衡點，決定各個Agent機器人的任務路線；

（040）部分，分析處理過程，具體步驟如下：

步驟C041：根據任務調度過程數據，評估策略的最優率，如策略最優率低于額定閾值時，將該策略納入定式策略庫，用以作為策略生成依據。