我们研究一种非标准化工业环境：一支由大型异构自动导引车（AGV）组成的车队沿路线图运行。该路线图描述了设施的几何与运行约束，包括狭窄的双向通道、交叉路口以及不规则布局。车辆在尺寸、运动学特性和运动能力方面各不相同，需要在共享工作空间内依次完成取货与卸货任务。
预备知识
本节介绍问题定义、用于建模环境的关键概念，以及确保所提方法可行性的相关假设。
问题定义
交通管理系统的目标是生成协调运动规划，使所有车辆能够安全、高效地完成各自任务。该问题将路径规划与车队协调整合到统一框架中，在确保运动无碰撞且满足动力学可行性的同时，持续检测并解决死锁，并以吞吐量和行驶时间为指标，尽可能降低总体通行成本。系统必须通过避免空间冲突和时间冲突来保证运行安全，即使在高密度交通条件下，也要维持交通流的连续性。
工业环境本质上是动态的：任务可能被重新分配，临时障碍物可能出现，运行优先级也可能在执行过程中发生变化。因此，协调框架必须实时运行，持续根据系统状态的变化、任务分配或工作空间配置的调整，以及可能导致死锁的情况——例如通道受阻或多个智能体相互等待——自适应地调整车辆轨迹。
假设
工业工厂的环境必须满足以下条件。
对于 AGV，作出以下简化假设：
- AGV 在路线图上运行时，只能在指定位置等待，或沿路段移动。
- 任务列表，即每辆 AGV 待执行的任务清单，由任务管理器提供。
- AGV 沿任务分配阶段计算出的固定路径行驶，以完成指定任务。
交通管理架构
所提策略的整体工作流程以一个中央控制单元为核心，该单元称为交通管理器（TM）。TM 按周期接收每辆 AGV 的最新状态信息，包括定位数据和状态指标。
TM 还会获取由任务管理器提供的任务列表。这些列表规定了当前分配给各车辆的任务，例如取货或卸货、前往指定地点，或在电池电量较低时前往充电站。
L-MAPF 协调器
L-MAPF 协调器负责为所有处于活动状态的 AGV 生成在空间和时间上相互协调的轨迹，确保运动无碰撞，同时执行分配给各车辆的固定路径，并遵守工业布局的结构约束。
不同于一次性规划策略，L-MAPF 协调器采用滚动时域方式运行。系统会定期重新计算实例，每个实例包含一组轨迹，从而持续适应新的任务分配、不断变化的 AGV 状态以及执行过程中的不确定性。
要严谨地表述每个实例中所解决的协调问题，必须准确说明轨迹生成涉及的所有量。相关要素包括：
- 与每辆 AGV 关联的当前目标位置。
- 用于执行协调的固定路径。
- 规划过程中使用的路线图子图。
- 表示环境约束和交通约束的静态与动态障碍物。
案例研究
该方案以 C# 实现，并集成到用于 AGV 系统的 TecnoFerrari Supervisor 软件中；该软件包含任务管理器模块。
所有实验均在一台笔记本电脑上进行，设备搭载 Intel Core i7-1165G7 处理器，主频 2.80 GHz，配备 16 GB DDR4-3200 内存。实验在与该公司合作的真实工业环境中完成验证。
补充视频展示了自动化工厂中进行的部分测试。
研究结果
分析结果全面呈现了所提系统在不同运行条件下的表现。
所提交通管理系统能够在具有狭窄双向通道和有限操作空间的非标准化工业路线图上，有效协调异构 AGV 车队；在布局更加规整、空间更加宽敞的环境中，也能保持稳定性能。
随着车队规模扩大，吞吐量会持续增长，直到每种布局达到由几何结构和交互密度决定的饱和点。超过这一上限后，增加 AGV 数量将不再提升生产效率。不过，除最拥堵的配置外，L-MAPF 协调器仍能在实时约束内处理冲突。
分配时域参数对系统整体性能的影响有限。在较宽的参数范围内，系统均能取得相近结果：较短时域在不规则布局中表现最佳，而较长时域在结构更规整的环境中仍具优势。
消融实验表明，在复杂布局中，任意时限机制（anytime mechanism）和 EHC 策略都发挥着关键作用。停用其中任一组件都会延迟冲突检测、增加死锁发生次数，并降低吞吐量、流转时间和管理效率。在规模较大且布局规整的环境中，这种影响较弱，但随着交互密度上升，两者仍能带来明显收益。
对比评估显示，在所有非标准化布局中，所提系统均优于基于规则的 TM、当前最先进的 TM，以及基于优先级的 L-MAPF 变体。通过预判冲突、在高密度交通下实现协调运动，并可靠地检测和解决死锁，该系统在几何约束较强的环境中始终实现更高吞吐量和更短行驶时间。
收敛性分析表明，随着时间范围扩大，ABH-CBS 求解器会逐步逼近最优且完备的 CBS 解。执行时间测量进一步表明，所有实例均满足实时约束；当可投入更多计算资源时，系统仍能恢复完整的 CBS 解。
致谢
作者衷心感谢 Gruppo TecnoFerrari S.p.A.，尤其感谢软件开发部门的 Anna Bellodi、Riccardo Benedetti 和 Andrea Bargi 对本文准备工作提供的支持。
利益冲突声明
作者声明，就本文研究、作者署名及发表事宜而言，不存在任何潜在利益冲突。
资助
本研究得到欧盟 Horizon Europe 研究与创新计划 Socially-acceptable Extended Reality Models and Systems（SERMAS）项目资助，项目资助协议编号为 101070351。
ORCID ID
- Alessandro Bonetti: 0009-0008-2068-6165
- Silvia Proia: 0000-0002-3801-4745
- Simone Guidetti: 0009-0002-1446-1142
- Lorenzo Sabattini: 0000-0002-2734-5549
常见问题
交通管理系统解决什么问题？ 它负责协调在非标准化工业环境中运行的大型异构 AGV，这些环境包含狭窄通道、交叉路口和不规则布局。
L-MAPF 协调器如何适应不断变化的条件？ 它通过滚动时域流程定期重新计算轨迹实例，以适应新任务、变化中的 AGV 状态和执行不确定性。
当车队达到某种布局的饱和点时会发生什么？ 由于几何结构和交互密度的限制，吞吐量将不再增长；不过，在大多数配置下，协调器仍能在实时约束内处理冲突。
哪些组件对复杂布局至关重要？ 任意时限机制和 EHC 策略都十分重要，因为停用其中任一组件都会延迟冲突检测、增加死锁，并降低系统性能。