Костин Антон Сергеевич — аспирант, ассистент
190000, Санкт-Петербург, ул. Большая Морская, 67, лит. А
Kostin, Anton S. — Postgraduate, assistant67/A Bol’shaya Morskaya Str., St. Petersburg, 190000
Майоров Николай Николаевич — доктор технических наук, доцент
190000, Санкт-Петербург, ул. Большая Морская, 67, лит. А
Maiorov, Nikolai N. — Dr. of Technical Sciences, associate professor
67/A Bol’shaya Morskaya Str., St. Petersburg, 190000
Темой исследования являются современные тенденции в сфере транспортной логистики, связанные с потребностью в росте скорости грузоперевозок и снижением их стоимости, требующие проработки решений, которые позволят внедрить беспилотные транспортные средства для решения задач логистики. В работе рассмотрена новая задача маршрутизации беспилотной транспортной системы по точкам доставки с применением методов имитации отжига и муравьиного алгоритма. Данные методы были выбраны с учетом реальной ситуации усложнения условий возможной доставки, появления закрытых зон для доставки, получения большого количества точек для доставки или возникновения других особенностей. Выбранные алгоритмы относительно просты в реализации и при этом формируют допустимые маршруты движения с учетом исходных данных. Данные алгоритмы исследованы в программной симуляционной среде Gazebo на предмет возможности их применения в беспилотных транспортных системах и их эффективности при построении альтернативных маршрутов движения. В программной симуляции разработан программный код автономного движения беспилотной транспортной и сформирована имитационная среда с учетом тестовых данных. В тестовой среде выполнена проверка результатов работы муравьиного алгоритма относительно тестовых данных, особое внимание уделено исследованию скорости работы и точности выбранных алгоритмов. Следует отметить, что алгоритм имитации отжига позволяет выполнить быструю оптимизацию заданного маршрута, однако для получения более точных результатов необходимо дополнительно применять другие оптимизационные методы (например, муравьиный алгоритм). В результате применения предложенных методов сделан вывод о том, что удалось сформировать оптимальный маршрут движения относительно исходных данных в рамках длины пути и установить скорости его прохождения.
Modern challenges in the field of transport logistics associated with the need to increase the speed of cargo transportation and reduce the cost of transportation require the development of solutions that will allow the introduction of unmanned vehicles to solve logistics problems. Within the framework of this paper, a new problem of routing an unmanned transport system through delivery points using annealing simulation methods and an ant colony algorithm is considered. These methods are chosen taking into account the real situation of complication of the conditions of possible delivery, the emergence of closed areas for delivery, obtaining a large number of points for delivery, or the emergence of other features. The selected algorithms are relatively simple to implement and, at the same time, form acceptable routes of movement, taking into account the initial data. These algorithms are studied in the software simulation environment Gazebo for the possibility of their application in unmanned transport systems and their effectiveness in constructing alternative traffic routes. In the software simulation, a program code for the autonomous movement of an unmanned vehicle is developed and a simulation environment is formed taking into account the test data. In the test environment, the results of the ant colony algorithm are checked against the test data, and special attention is paid to the study of the speed and accuracy of the selected algorithms. It is worth noting that the annealing simulation algorithm allows you to quickly optimize a given route, however, to obtain more accurate results, you should additionally use other optimization methods, such as the ant colony algorithm. As a result of the proposed methods application, it is concluded that it is possible to form the optimal route of movement relative to the initial data within the length of the path and the speed of the generated route.
The authors declare that there are no conflicts of interest present.