CC BY
72
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ
УДК 681.5; 519.2; 658.5
DOI: 10.24412/2071-6168-2022-7-348-357
РАЗРАБОТКА АВТОМАТИЗИРОВАННЫХ РЕШЕНИЙ ДЛЯ ИССЛЕДОВАНИЯ ВАРИАНТОВ МАРШРУТОВ ДОСТАВКИ ПРИ СОВМЕСТНОМ ИСПОЛЬЗОВАНИИ ТРАНСПОРТНОГО СРЕДСТВА И БЕСПИЛОТНОЙ АВИАЦИОННОЙ СИСТЕМЫ
В ГРАНИЦАХ ГОРОДА
А.С. Костин, Н.Н. Майоров
В статье рассматриваются модели и методы маршрутизации беспилотных авиационных систем, модели и методы совместного использования автомобильного транспорта и беспилотных авиационных систем для решения задачи доставки на последнюю милю в логистических операциях применительно к транспортным системам и системам доставки в городах. Актуальность исследования обусловлена возраставшей необходимость поиска новых автоматизированных решений для доставки грузов в мегаполисах в связи с увеличением загруженности улично-дорожных сетей и возрастания задержек в доставках. Одним из вариантов решений данной задачи доставки является использование возможностей беспилотной авиационной системы, квадрокоптеров на определенных маршрутах. В работе представлен вариант классической задачи маршрутизации транспортных средств, в котором беспилотная авиационная система работает совместно с традиционным грузовиком для раздачи посылок. Приводится разработанные модели и методы маршрутизации и оценка эффективности доставки грузов от внедрения решений на основе беспилотных авиационных систем. Решение данной задачи потребовало разработки новых моделей маршрутизации и их последующей проверки. В работе приводятся разработанные новые программные коды, выполняющие автономные полеты квадрокоптеров для доставки грузов, выполненные на практике в летном исследовательском поле лаборатории беспилотных авиационных систем инженерной школы ГУАП. Представленное решение по доставки грузов беспилотной авиационной системой можно применить для реальных логистических процессов, с условием разработки полетных заданий и внедрения центра управления полетами. Предлагаемое решение позволяет выполнять полетные задания по доставке грузов совместно с автомобильными участками в автономном режиме, что позволяет улучшить процессы доставки на последнюю милю в логистических системах и цепях поставок. Представленные в статье модели маршрутизации и программные решения способствуют практическому внедрению беспилотных авиационных систем для доставки грузов на последнюю милю.
Ключевые слова: квадрокоптер, доставка грузов, город, транспортная система, автономное пилотирование, ориентированный граф, маршрутизация беспилотных авиационных систем, многоадресная доставка
Ввиду увеличение количества автомобильного транспорта в городах, отставания темпов модернизации улично-дорожной сети под новые интенсивности движения, наблюдаются сбои в доставках грузов для клиентов. Несмотря на использование информационных систем навигации для водителей и возможности выбора наиболее кратчайшего маршрута [1], при изменчивой транспортной ситуации, возникает вероятность попадания в пробку, что отразиться
348
на времени доставки. Доставка груза клиенту, доставка на участке последней мили является самым дорогим и сложным звеном транспортной логистики. Рассмотрим ситуацию с практической точки зрения. Именно последняя миля, является наиболее заметным участком доставки, по которому пользователь оценивает эффективность работы всей системы. Данный участок хороши "виден" пользователю и является главным условием формирования клиентской лояльности. Ввиду распространения цифровых сервисов, недовольный клиент не только откажется совершать повторный заказ, но и может оставить негативный отзыв, что может нанести репута-ционный урон компании и повлиять на количество клиентов.
Согласно основным работам авторов [2,3,4], последняя миля в транспортной логистике и цепях поставок, является последним звеном доставки, включающим перемещение товаров из транспортного узла в конечный пункт назначения, склад или доставка до клиента. Термин и сам подход "Последняя миля" была заимствована из телекоммуникационной отрасли, в связи с трудностями при подключении отдельных домов к основной телекоммуникационной сети. Аналогично, в цепях поставок и транспортной логистике, описывается сложная последняя часть при транспортировке людей и посылок из хабов в конечные пункты назначения.
Поэтому сегодня многие индустриальные компании стремятся найти новые решения, которые позволили бы улучшить решение задачи доставки груза на последней мили. Одной из перспективных областей для нахождения решений является использование беспилотных авиационных систем, квадрокоптеров для городских транспортных систем. В статье авторов [5] представлены сферы применения беспилотных авиационных систем. На основе выполненного наукомерического исследования, представленного в работе [6], можно утверждать о увеличении интересна и количества публикаций, отражающих опыт решения задач использования беспилотных авиационных систем для доставки грузов. Однако опыт использования квадрокоптеров с интеграцией в наземные транспортные системы доставки представлен крайне ограниченно. В вопросах практической реализации сегодня имеют место значительные нормативные и технологические барьеров, которые необходимо преодолеть прежде чем дроны получат широкое распространение в коммерческом секторе в сфере доставки грузов в мегаполисах.
Однако, можно утверждать, что использование беспилотных авиационных систем для доставки грузов «последней мили» изменит ландшафт логистической отрасли в мегаполисах, создаст новые зоны притяжения грузопотоков. Причем доставка должна производиться в режиме автономного пилотирования, на основе специального полетного задания. Ввиду динамического характера возникновения заказов, точек доставки и изменения маршрутов доставки в мегаполисе необходима разработка моделей и методов маршрутизации работы системы «транспортное средство-беспилотная авиационная система». При построении моделей маршрутизации вводилось следующее упрощение: в учет не бралось количество груза в каждой точке доставки. Дополнительно принимаем условие, что необходимое количество груза может быть доставлено квадрокоптером до дронпоинта или до клиента.
Модели и методы маршрутизации работы системы доставки «транспортное средство-беспилотная авиационная система-клиент»
Для построения моделей и методов необходимо ввести следующие условия:
1. В системе доставки работают транспортные грузовые транспортные средства;
2. В систему доставки внедряются беспилотные авиационные системы, которые используются только на отдельных участках доставки.
3. Возможно как совместное использование беспилотных авиационных систем и транспортных средств для доставки груза клиентам, так и выполнение полета дрона для доставки груза с транспортного средства.
Рассмотрим прямую операцию доставки между складом и клиентом. Доставка с помощью беспилотной авиационной системы должна осуществляться из распределительных центров, расположенных в непосредственной близости от клиентов. Маршрут беспилотной авиационной системы должен ограничиваться временем полета в прямом и в обратном направлениях. При этом использование беспилотных авиационных систем будет образовывать некоторую окружность, в границах которой можно осуществить прямую доставку квадрокоптером до дронпоинта в мегаполисе. При решении задачи доставки мы рассматриваем доставку до соответствующего дронпоинта (точки доставки грузов в мегаполисе).
Для решения задачи маршрутизации на автомобильном транспорте используются следующее практические модели транспортных систем [7]: челночное движение грузовых автомобилей, кольцевое движение автомобилей, развоз или сбор груза, транспортный процесс обслу-
живания производственных структур, транспортный процесс обсаживания нескольких производственных структур. Все маршруты автомобильных перевозок делятся на маятниковые и кольцевые. Для систем доставки на автотранспорте вводят понятие зон доставки грузов.
Рассмотрим следующие варианты доставки:
1. Классическая система доставки автотранспортом системы клиентов (рис. 1).
2. Беспилотная авиационная система осуществляют доставку всем клиентам в пределах радиуса полета; транспортное средство обслуживает клиентов либо с большими грузами (крупные грузы) или тех, кто находится за пределами радиуса полета беспилотной авиационной системы (рис. 2).
3. Вариант оптимизированной доставки, когда часть грузов доставляется автомобильным транспортом (рис. 3).
Рис. 1. Вариант доставки грузов на последней миле автомобильным транспортом между
9 адресами доставки
так и беспилотной авиационной системой из склада
Выполним сравнение графиков (варианты транспортных графов [8]) поставок для трех представленных систем и представим на рис. 4.
350
Вариант 1 (рис.1)
Авто склад ^9 9 ^3 3 ^5 5 1 ^6 6 ^7 7 ^2 2 ^8 8 ^4 4 ^склад
БАС Применение беспилотной авиационной системы отсутствует
Вариант 2 (рис. 2)
Авто склад ^9 9 ^2 2 ^5 5^ склад
БАС склад^8 склад^7 склад^4
Вариант 3 (рис. 3)
Авто склад ^9 9 ^4 4^2 2 ^5 5^7 7^-склад
БАС склад^8 склад^2
Рис. 4. Сравнение графиков доставки грузов на основе вариантов (рис. 1-3)
На основе представленных вариантов на рис. 1-3 можно определить, что в зависимости от количества доступных беспилотных авиационных систем (квадрокоптеров), а также от технических и эксплуатационных характеристик квадрокоптеров, доставка с помощью беспи-лотника может быть не оптимальной для всех клиентов. К примеру, на рис. 3 общее время, необходимое для доставки всем клиентам, уменьшается, если транспортное средство доставляет посылки только к некоторым из клиентов, которых может обслужить беспилотная авиационная система. Причем точки доставки расположены в попутном направлении доставки грузов транспортным средством.
Представленный случай имеет место при реализации, в большинстве случаев, зональной системы доставки. В случаях, когда распределительный центр, склад расположен далеко от клиентов, альтернативой может быть использование беспилотной авиационной системы интегрированной в транспортной средство или работающее в паре с ним. Рассматриваемая ситуация приведена на рис. 5
(1)
Ок Участки доставки БАС
Рис. 5. Вариант доставки, при котором беспилотная авиационная система реализует
доставку на отдельном участке
На рассматриваемой на рис. 5 ситуации грузовое транспортное средство отправляется из распределительного центра с беспилотной авиационной системой на борту и грузами для клиентов. По мере того, как водитель выполняет доставку, беспилотная авиационная система запускается с транспортного средства, выполняя доставку на отдельных участках. Пока беспилотная авиационная система находится в пути, он не требует вмешательства оператора водителя доставки (выполняется автономный полет [9,10,11]). Затем беспилотная авиационная система возвращается в транспортное средство в заданной точке, который переместился к новому месту нахождения клиента. С эксплуатационных позиций водитель должен загрузить груз в грузовой контейнер беспилотной авиационной системы, заменить батареи квадрокоптера, а также вернуть дон на борт транспортного средства, чтобы он был закреплен во время транспортировки до следующей точки доставки. Описанная ситуация применима для участков доставки на рис. 5 {1-2-5} и {5-4-8}.
Ввиду наличия большого количества ограничений, рассматриваемые модели маршрутизации транспортного средства и беспилотной авиационной системы необходимо исследовать в специальных исследовательских летных полях и лаборатория. В ГУАП в 2020 году была создана специализированная лаборатория беспилотных авиационных систем инженерной школы ГУАП, позволяющая моделировать различные автономные полетные задания и моделировать системы доставки грузов как до клиентов, так и до специализированных дронпоинтов.
Практическая реализация автономных полетных заданий для моделирования различных вариантов работы системы «транспортное средство квадрокоптер - клиент».
Квадрокоптерами, на которых проводилось исследование маршрутов доставки, являются квадрокоптеры «Клевер» компании ООО «Коптер экспресс» модификации COEX Клевер 4 Code [12]. Особенностью квадрокоптеров Клевер является то, что он представляет собой учебный конструктор программируемого квадрокоптера, который можно применять для решения различных исследовательских задач: написания решений для автономного пилотирования, разработки новой полезной нагрузки для решения задачи доставки грузов и моделирования различных полетных режимов. Для проверки полетов по выбранной траектории использовалось специальное учебное летное поле, входящее в состав лаборатории ЭБАС ГУАП.
Особенностью квадрокоптеров Клевер (рис.6) является то, что он представляет собой учебный конструктор программируемого квадрокоптера, который можно применять для решения различных задач: перенос груза, FPV-пилотирование, автономное пилотирование, программирования и формирования групповых решений.
Рис. 6. Внешний вид квадрокоптера Клевер 4
При перемещении квадрокоптера в сложной среде осуществляется непрерывное планирование и построение траектории движения. Необходимо понимание следующих особенностей квадрокоптеров:
1. определение базовой системы координат, точек старта, границ полетного поля;
2. понимание движения квадрокоптера в пространстве, построение идеальной модели;
3. включение в модели ошибок, связанных с позиционирование коптера в пространстве и возможные отклонения при движении, вызванное как аэродинамическими свойствами, так и возможными вибрациями корпуса квадрокоптера.
Для автономных полетов используется функция navigate. Navigate - прилететь в обозначенную точку по прямой. Параметры:
x, y, z - координаты (м);
1. yaw - угол по рысканью (радианы);
2. yaw_rate - угловая скорость по рысканью (применяется при установке yaw в NaN)
3. speed - скорость полета (м/с);
4. auto_arm - перевести коптер в OFFBOARD и заармить автоматически (коптер взле-
5. frame_id - система координат, в которой заданы x, y, z и yaw (по умолчанию: map). Для полета в определенные координаты маркерного поля необходимо использовать
фрейм aruco_map. Aruco_map - координаты относительно карты ArUco-маркеров.
В начале необходимо взлететь, чтобы коптер увидел карту меток и появился фрейм aruco_map:
1. navigate(x=0, y=0, z=2, frame_id='body', speed=0.5, auto_arm=True) # взлет на 2 метра;
2. rospy.sleep(5) - ожидание выполнения команды в секундах;
3. auto_arm - перевести коптер в OFFBOARD и заармить автоматически (коптер взлетит);
4. Полет в координату 2:2 маркерного поля, высота 2 метра выполняется следующей командой: navigate (x=2, y=2, z=2, speed=1, frame_id='aruco_map')
(рад/с); тит);
Рассмотрим вариант одновременной доставки как транспортным средством, так и беспилотной авиационной системой из склада.
Для выполнения автономного полета квадрокоптера был построен маршрут (рис. 7) с ключевыми точками доставки грузов в рамках лабораторных испытаний.
Рис. 7. Автономный полет трех квадрокоптеров Clover к точке доставки грузов
В данном примере одной из конечных точек доставки является дронпоинт, к которому квадрокоптер должен прилететь.
Для реализации автономного полета квадрокоптера представлен фрагмент программного кода:
import math # импорт математической библиотеки
# ...
def navigate_wait(x=0, y=0, z=0, yaw=float('nan'), speed=0.5, frame_id-', auto_arm=False, tolerance=0.2):
navigate(x=x, y=y, z=z, yaw=yaw, speed=speed, frame_id=frame_id, au-to_arm=auto_arm)
while not rospy.is_shutdown():
telem = get_telemetry(frame_id-navigate_target') if math.sqrt(telem.x ** 2 + telem.y ** 2 + telem.z ** 2) < tolerance:
break rospy.sleep(0.2)
Данная функция (def) позволяет осуществить полет по заданным координатам доставки грузов с указанной погрешностью (tolerance), где tolerance = 0.2 - погрешность позиционирования в 0.2 метра.
При помощи цикла while происходит проверка текущих координат через frame id 'navigate_target', где navigate_target - координаты точки, в которую сейчас летит дрон.
Как только текущие координаты позиции дрона становятся меньше заданной погрешности, значит дрон достиг заданных координат.
Программа автономного полета реализуется подобным образом, как и указанные выше примеры, но добавляется дополнительная библиотека math, описывается функция navigate_wait и вместо функции navigate для полета дрона в заданные координаты применяется функция navigate_wait.
В зависимости от полетного задания и количества точек доставки указываются дополнительные координаты для полета.
Для реализации варианта доставки, при котором беспилотная авиационная система реализует доставку на отдельном участке требуется, помимо выполнения автономного полета, выполнить посадку на движущуюся платформу, т.е. транспортное средство.
Для выполнения посадки на подвижную платформу с слежением за ней были выполнены множественные тестовые полёты (рис.8), во время которых менялась скорость подвижной платформы и траектория её перемещения.
Рис. 8. Поиск и идентификация подвижной посадочной платформы
После идентификации подвижной посадочной платформы, начинается снижение с постоянным полетом к этой платформе.
Фрагмент программного кода поиска маркера на движущейся платформе:
def sub_callback(data): # объявляем функцию поиска маркера, передаем в нее значения всех обнаруженных маркеров global search
markers = data.markers # получаем id всех обнаруженных маркеров for marker in markers: # обрабатываем все полученные маркеры в цикле, если нужный маркер обнаружен, то переменная search становится истинной, функция завершается и выполняется функция полета и снижения к заданному маркеру if marker.id == 46: search = True break
else:
search = False
На рис. 9 отражён момент перед посадкой квадрокоптера, высота между дроном и меткой приближается к значению в 0.2 м.
Рис. 9. Момент посадки квадрокоптера на подвижную платформу
Может произойти ситуация, когда дрон потеряет найденную ранее посадочную метку. Если это случится, дрон поднимется с текущей высоты до 1.2 метра над землей и продолжит совершать облёт, пока не найдёт посадочный маркер.
Вывод:
Алгоритм посадки на подвижную платформу включает в себя режим слежения за подвижным объектом. В режиме слежения можно менять высоту полёта и скорость дрона.
На основе выполненного исследования были реализованы варианты автономных полетов беспилотной авиационной системы и грузового транспортного средства для моделирование различных вариантов согласованной работы при доставке грузов на последней миле.
Разработанный программный код на языке Python, производит формирование заданных (рис. 1-3 и рис. 5) автономных полетных заданий на основе идентификации в летной поле по Aruco-маркерам [13]. Представленное программное решение реализовано в виде программы "Программа идентификации посадочных мест для доставки грузов беспилотными авиационными системами в режиме автономного полета" (Регистрация программы ЭВМ № 2022615448
354
(31.03.2022) [14], "Программа автономного полета беспилотной авиационной системы для реализации многоадресной доставки грузов" (Регистрация программы ЭВМ № 2022615497 (31.03.2022) [15]. Программа позволяет квадрокоптеру функционировать полностью автономно.
Результаты выполнения полетных заданий продемонстрировали успешную интеграцию беспилотной авиационной системы в транспортное средство при выполнении доставки грузов. Следующим шагом исследования является определение границ времени выполнения полета при доставке клиенту в зависимости от массы груза.
Список литературы
1. Навигатор транспортных средств «Яндекс. Навигатор». [Электронный ресурс] URL: https://mobile.yandex.ru/apps/android/navigator (дата обращения: 10.04.2022).
2. Parcel Delivery. The Future of Last Mile / McKinsey & Company. 2016. 32 p.
3. Drexl M. Synchronization in vehicle routing - a survey of VRPs with multiple synchronization constraints. Transportation Science, 2012. 46(3). P. 297-316.
4. Гусев С.А., Васильев Д.А., Тюрина М.А. Логистика последней мили: теория и практике решения задачи // Техническое регулирование в транспортном строительстве. 2020. № 3(42). С. 162-164.
5. Костин А.С. Классификация гражданских беспилотных летательных аппаратов и сферы их применения // Системный анализ и логистика: журнал: выпуск №1(19). СПб.: ГУАП. 2019. С. 70-80.
6. Майоров Н.Н., Костин А.С. Автоматизация процесса идентификации объектов при выполнении автономных полетных заданий беспилотной авиационной системой // Известия Тульского государственного университета. Технические науки. 2022. Вып. 2. С. 640-646.
7. Горев А.Э. Основы теории транспортных систем: учеб. Пособие. СПб.: СПбГАСУ. 2010. 214 с.
8. Прокушев Л.А. Дискретная математика. Основы теории графов и алгоритмизации задач: учеб. пособие. СПб.: ГУАП, 2000. 81 с.
9. Kostin A.S. Models and methods for implementing the automous performance of transportation tasks using a drone. WECONF 2021. 9470584. DOI: 10.1109/WEC0NF51603.2021.9470584
10. Kostin A.S., Bogatov N.V., Maiorov N.N. Control and analysis of quadcopter flight when setting a complex trajectory of motion. Journal of Physics: Conference Series. 1925 012043 (2021). DOI: 10.1088/1742-6596/1925/1/012043.
11. Engel J., Sturm J., Cremers D. Accurate Figure Flying with a Quadrocopter Using Onboard Visual and Inertial Sensing // Proc. of the Workshop on Visual Control of Mobile Robots (ViCoMoR) at the IEEE/ RJS Intern. Conference on Intelligent Robot Systems (IROS). Vilamoura, Algarve, Portugal, 2012. P. 43-48.
12. COEX. [Электронный ресурс] URL: https://ru.coex.tech (дата обращения: 10.06.2022).
13. ArUco markers generator. [Электронный ресурс] URL: https://chev.me/arucogen (дата обращения: 11.04.2022).
14. Свидетельство о госрегистрации программы для ЭВМ № 2022615448. Рос. Федерация. Программа идентификации посадочных мест для доставки грузов беспилотными авиационными системами в режиме автономного полета / А.С. Костин, Н.Н. Майоров, Е.А. Вознесенский; правообладатель ФГАО ВО ГУАП (RU) — № 2022615448; заявл.31.03.2022; опубл. 31.03.2022, Реестр программ для ЭВМ. 1 c.
15. Свидетельство о госрегистрации программы для ЭВМ № 2021613689. Рос. Федерация. Программа автономного полета беспилотной авиационной системы для реализации многоадресной доставки грузов / А.С. Костин, Н.Н. Майоров, Е.А. Вознесенский; правообладатель ФГАО ВО ГУАП (RU) — № 2021613689; заявл.31.03.2022 ; опубл. 31.03.2022, Реестр программ для ЭВМ. 1 c.
Костин Антон Сергеевич, ассистент, antonl 3258@mail. ru, Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения,
Майоров Николай Николаевич, д-р техн. наук, профессор, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения
DEVELOPMENT OF AUTOMATED SOLUTIONS FOR THE RESEARCH OF DELIVERY ROUTE OPTIONS IN THE JOINT USE OF A VEHICLE AND AN UNMANNED AERIAL SYSTEM WITHIN
THE BOUNDARIES OF THE CITY
N.N. Maiorov, A.S. Kostin
The article deals with the models and methods of routing of unmanned aerial systems, models and methods of joint use of road transport and unmanned aerial systems to solve the problem of last mile delivery in logistics operations as applied to transportation systems and delivery systems in cities. The relevance of the research is due to the increasing need to find new automated solutions for the delivery of goods in megacities due to the increasing congestion of street and road networks and increasing delays in deliveries. One solution to this delivery problem is to use the capabilities of unmanned aerial system, quadcopters on certain routes. This paper presents a variant of the classical vehicle routing problem, in which an unmanned aircraft system works in conjunction with a traditional parcel delivery truck. The developed models and methods of routing and the evaluation of the efficiency of delivery of goods from the implementation of solutions based on unmanned aircraft systems are given. The solution to this problem required the development of new routing models and their subsequent validation. The paper presents the developed new software codes performing autonomous flights of quadcopters for cargo delivery, performed in practice in the flight research field of the Unmanned Aerial Systems Laboratory of the SUAI School of Engineering. The presented solution of cargo delivery by an unmanned aerial system can be applied to real logistics processes, with the condition of developing flight assignments and implementing a flight control center. The proposed solution allows to perform flight assignments for cargo delivery together with road sections in autonomous mode, which allows to improve last mile delivery processes in logistics systems and supply chains. The routing models and software solutions presented in the article contribute to the rightful implementation of unmanned aerial systems for last-mile cargo delivery.
Key words: quadcopter, cargo delivery, city, transportation system, autonomous piloting, oriented graph, unmanned aerial systems routing, multicast delivery
Kostin Anton Sergeyevich, assistant, anton13258@mail. ru, Russia, St. Petersburg, St. Petersburg State University of Aerospace Instrumentation,
Maiorov Nikolai Nikolaevich, doctor of technical sciences, professor, [email protected], Russia, St. Petersburg, St. Petersburg State University of Aerospace Instrumentation
