基于CiteSpace的AGV路径规划研究热点分析

刘羽飞，张绪美，梁晓磊

(武汉科技大学汽车与交通工程学院,湖北 武汉 430065)

0 引 言

自动导引车(Automated Guided Vehicle， AGV)是装备有电磁或光学等自动导引装置，由计算机控制，以轮式移动为特征，自带动力或动力转换装置，并且能够沿规定的导引路径自动行驶的运输工具，一般具有安全防护、移载等多种功能。AGV具有高自动化的特点，被广泛应用于制造业、仓储业等领域。

Le-Anh等[1]及Vis[2]在其文献中阐明了AGV应用过程中所面临的各种问题，并指出路径规划问题是最值得考虑的问题之一。

国内外对AGV路径规划均有大量研究，纵观已有研究成果，虽然涉及面非常广泛，对AGV路径规划研究的切入点也各有不同，但没有对文献综述展开研究，不能准确掌握领域研究热点与进展。本文采用关键词分析的方法，对AGV物流领域路径规划文献进行搜集整理，系统地进行分析，旨在将现有学者研究成果进行分类总结，概括出该学科研究热点，对今后学者确立研究方向与内容起到一定的参考作用。

1 研究方法与数据搜集

1.1 研究方法

本文采用关键词可视化分析法，运用CiteSpace对题录结果进行数据统计与可视化分析，绘制AGV路径规划知识图谱。

通过CiteSpace软件统计的数据对关键词词频与中介中心性进行排序对比得出研究热点是一种被广泛应用的研究方法[3-4]。词频(Frequency)是指不同节点类型(Node types)在某一领域的分析数据中出现的次数，可以通过统计某种节点类型的频数的高低来计量分析某领域的研究现状,代表着对此关键词研究量的多少，频次代表了学术界的认可度，反映了相应的学术贡献[5-6]。中介中心性(Centrality)是由Freeman[7]提出的用于测量网络中个体地位的计量指标，是社会网络分析的主要指标之一。它是指网络中经过某点并连接这2点的最短路径占这2点之间的最短路径线总数之比，是测量网络节点在网络图谱中对资源控制程度的一个中心性指标，从科学计量的角度来看，中心性越大，传递的信息越重要[8]。频次与中介中心性均位于前列的关键词足以反映领域的研究热点。

1.2 数据搜集

对中文外文文献进行对比分析，中文文献通过中国知网以“AGV路径规划”为主题进行检索，选择库为期刊、硕博士学位论文库，时间跨度为2010-2019年，选取近十年文献作为研究对象,可以良好地反映出领域的发展，不会因时间跨度较短而使结果具有片面性；外文文献通过Web of Science以对应中文主题的“automated guided vehicle path”为主题检索，选择库为可以进行题录导出的核心合集库，近十年文献数仅为105篇，由于外文文献基数较小，不便于软件的可视化分析，而将时间扩展为所有年份，检索结果中最早文献为2006年，检索文献数共134篇，时间跨度仍处于15年以内，具有分析价值，所以最终选择时间跨度为2006-2019年。

2 研究热点分析

2.1 中文文献分析

2.1.1 中文研究热点确立

通过第1.2节文献搜集方法，在中国知网共检索到386篇文献，将所有文献的题录导出至CiteSpace，软件基于题录中包含的信息进行统计研究。通过人工将同义异性关键词进行合并，并将关键词中心性大小以节点面积表示，共现关系及频次以连线粗细表示，运行程序结果如图1所示。

图1 中文关键词共现图谱

关键词频次与中心性排序结果如表1所示。选取频次与中心性均位于前列的关键词作为研究热点进行述评。其中Dijkstra算法、A*算法、蚁群算法、遗传算法均为对算法的研究，合并为一类进行述评。其余热点关键词相对独立，单独述评。最终得到热点关键词如下：

①路径规划算法的研究：Dijkstra算法、A*算法、遗传算法、蚁群算法及改进算法等。

②任务调度。

③时间窗。

④激光导航。

表1 中文关键词词频与中心性排序

2.1.2 中文研究热点述评

针对上一节得到的中文文献研究热点，本节进行详细述评分析。

1)路径规划算法。

算法作为解决AGV路径规划问题最关键的一个步骤，算法的优劣直接决定路径的结果。根据CiteSpace统计结果，包含各类算法(包含其改进算法)的论文数量随年份变化对比结果如图2所示。

图2 算法对比分析图

由图2可知，代表着传统算法的A*算法与代表着智能算法的遗传算法均有着很高的热度。AGV路径规划问题是NP-hard问题，传统算法适用于静态环境下的全局路径规划，能获得最优解。而随着环境复杂程度的增加与动态因素的干扰，传统算法出现了求解效率低、鲁棒性不足的缺陷，智能算法则更具优势。

已有很多研究[9-10]证实用A*算法进行全局路径规划是可行的。而随着AGV应用的发展，工作环境变得愈发复杂，单一的全局路径规划已不能满足多AGV的共同运作。采用全局与局部路径规划结合的方法，成为新的热点研究趋势。张旭等[11]先用A*算法生成局部目标节点序列，再用人工势场法进行局部路径规划，达到不仅生成全局最优路径并能及时避障的目标。

遗传算法由美国的J.Holland教授1975年首先提出，在路径规划领域有着广泛的应用，对静态路径规划[12-13]与动态路径规划[14]都取得了良好的结果。

不同学者通过对遗传算法的各个环节进行改进优化，从而使遗传算法应用于不同的问题中。

初始化阶段，夏谦等[15]采用结合蚁群算法的方式解决传统遗传算法产生初始种群时存在无效路径的问题。选择运算阶段，李庆中等[16]通过把路边约束、动态避障要求和最短路径要求融合成一个简单的适度函数从而实现AGV的动态路径规划。刘二辉等[17]结合灰狼算法对遗传算法选择运算环节作出改进，避免了传统策略使种群多样性变差的缺点，增强了全局搜索能力。王雷等[13]采用锦标赛选择和最优保存策略相结合的方式进行选择，以提高算法的收敛速度。目前应用最广泛的交叉运算方法有：单点交叉、两点交叉、一致交叉；变异运算方法有：基本变异、逆转变异、自适应变异[16]。

总体来说，传统算法只能解决单一的静态路径问题，而智能算法更适用于复杂的建模问题，有着优良的性能，但仍存在着不足之处。遗传算法具有较强的全局搜索能力，但也有易出现早熟和陷入局部最优解的问题；粒子群算法设定参数少，算法简洁易实现，收敛速度比较快，但有时由于种群在搜索空间中多样性的丢失而易陷入局部最优；蚁群算法的鲁棒性强，但却容易陷入局部最优解且收敛速度慢。

2)AGV调度。

自动导引小车的调度是AGV领域的另一大研究问题，可描述为通过将多个任务分配给合适的AGV并指派先后顺序，按照给定的路线运行，从而达到系统需求的目标。从整体性的角度而言，对于构建完整的AGV系统，调度问题与路径规划问题紧密相关。AGV的行驶路程常被作为调度模型的重要性能指标之一。郑海丽等[19]进行路径规划研究，将小车运行时间作为AGV调度的指标；孟冲等[20]以总体运行时间为优化目标，其本质仍与AGV路径规划相关。

与路径规划问题类似，调度问题同样可以分为静态调度与动态调度。静态调度指针对系统某一静态时刻，解决AGV任务指派与排序、任务执行时序问题，模型虽然简单，但环境适应性较差；动态调度则在动态扰动情况下(任务变更、设备故障、冲突死锁等)，实时更新系统状态，在线求解任务分配方案。AGV调度的主要方法有：传统分析方法、建模与仿真方法、智能优化方法、混合优化方法等[21]。在现有文献中，AGV路径规划与调度往往被作为一个整体的问题进行研究，并未有明确的划分，这也导致了二者研究分类与方法的高度相似性。

3)时间窗。

时间窗避障是指通过对AGV行驶过程中通过不同位置的时间集合进行记录，实现小车的无碰撞行驶。贺丽娜等[22]首次系统化利用全局路径规划与时间窗相结合解决无碰撞路径规划问题。他们采用Dijkstra算法先对单个小车进行路径规划，并记录时间窗信息，在此基础上再进行下一小车的路径规划。这个思路也被后续研究广泛应用[23]。胡彬等[24]采用另一种思路，先完成各车静态路径规划，再进行时间窗的排布与调整。泰应鹏等[25]同样采用第二种思路，并加入了AGV动态分配优先级的策略，提升了系统效率。上述文献均采用最短路径作为AGV路径规划时的指标，并未考虑运行时间，没有充分利用路段的时间资源，张峥炜等[26]提出了这一问题，采用了行驶时间最短作为规划指标，并进行了算法仿真对比实验。

时间窗通过与A*算法或Dijkstra算法结合，实现了从单AGV向多AGV路径规划的转换，具有重要的研究意义，但采用时间窗法现有研究仍存在着仅适用于AGV数量规模较小的系统，若增加AGV数量，则会使计算复杂度快速上升。

4)激光导航。

常见的AGV导航方式有电磁导航、磁带导航、视觉导航、激光导航等。激光导航开始于90年代初期，不需要对地面进行任何处理，在AGV的行走区域安装位置精确的激光反射板，AGV通过其上的激光扫描仪发射激光并采集由不同角度的反射板反射回来的激光光束，利用三角或三边几何定位算法，确定当前小车的位置和方向，并通过连续定位算法实现AGV的导引。由于其定位精确、柔性好、便于随环境变动而被广泛应用。国内针对激光导航研究的文献多集中于学位论文，且此类论文相对于路径规划的研究，更侧重于对AGV控制系统的设计。唐天晓[27]在论文中探讨了最新的无反光板激光导航，推导出小车的运动学方程，并从硬件、软件2个方面实现了对AGV的控制；路程[28]在论文中对车载系统和上位机系统进行了整体设计。

激光导航是目前应用最为广泛的导航方式，具有广阔的市场，随着技术的发展，不设置反射板进行激光导航等技术都是未来研究的热点。

2.2 外文文献分析

2.2.1 外文研究热点确立

通过第1.2节文献搜集方法，在Web of Science共检索到134篇文献，将题录导入CiteSpace进行分析。将同义关键词合并后运行程序，可视化结果如图3所示。

图3 外文关键词共现图谱

将关键词以频次与中心度进行排序，结果如表2所示。

由表2可知，中心性与频次均位于前列的外文文献研究热点为algorithm(算法)、flexible manufacturing system(柔性制造系统)、AGV system(AGV系统)、material handling system(物料处理系统)、design(设计)、layout(布局)、optimization(优化)。由于其中的动词性短语，如设计、优化不能表达文章的核心内容，仅为作者意图的抽象表达，所以本文只对其中具有实际意义的名词性热点关键词进行述评。

表2 外文关键词词频与中心性排序

2.2.2 外文研究热点述评

外文研究热点包含范围广且相互之间有着紧密的联系，flexible manufacturing system与material handling system代表着AGV应用的场景，是研究的背景；AGV system是对系统整体的研究，是研究的对象；layout是路径规划研究的补充与扩展；algorithm则是解决问题的关键方法。往往许多论文是以上多个热点的交叉研究成果。

1)flexible manufacturing system与material handling system。

柔性制造系统(Flexible Manufacturing System, FMS)是一种智能化、高度集成化、协同化的生产系统，是AGV应用最为广泛的场景。FMS通常包括2个基本部分：物料处理系统(material handling system)和制造系统(manufacturing system)。区别于传统的制造系统，FMS更强调机器与AGV的配合。多功能机器负责制造各种类型的产品，而自动导引车(AGV)负责向机器输送材料。通过二者合理地调配才能保证系统高效的运行，因此调度、路径规划、机器布局等问题是FMS下主要研究的对象。

早期一些学者研究了机器与AGV的调度问题。Ulusoy等[29]提出了一种调度算法，将AGV调度与FMS环境中的总体活动调度集成在一起，并利用这2个方面之间的相互作用。他们在文献[30]中假设没有车辆碰撞，制定了非线性混合整数规划模型，并提出了一种基于时间窗的启发式算法。后来的研究中，他们还提出了一种遗传算法来同时解决机器调度和AGV调度问题[31]。

上述研究仅针对柔性制造系统中的调度问题，却没有考虑车辆碰撞与路由问题。Lyu等[32]着眼于柔性制造系统中的机器和AGV调度问题，同时考虑了AGV的最佳数量、最短的运输时间、路径规划问题和无冲突路由问题(CFRP)，为了同时研究这些问题，他们提出了一种基于时间窗的遗传算法与Dijkstra相结合的算法。Umar等[33]研究了FMS环境下作业和AGV的综合调度、任务分配和无冲突路由问题，提出了一种混合多目标的遗传算法进行求解。

FMS中的material handling system作为自动导引小车应用最为广泛的场景，有着广阔的研究前景，是一直以来研究的热门方向。

2)layout。

车间布局问题是在物料搬运系统下研究的一个重要问题，与路径规划问题有着紧密的联系。Tubaileh对机器布局问题进行了许多研究，其在文献[34]中提出了一种解决方案和算法用于确定自主材料处理系统(例如移动机器人或自动导引车)的最佳机器布局。不同于以前的工作，通过优化设施之间的距离来解决布局问题，其在优化物料搬运系统的行程时间的基础上解决了机器布局问题。在文献[35]中将机器沿AGV路径水平布置以减少总成本，并利用蚁群算法与模拟退火算法对单、双、多排机器布局最优解以及最优机器布置进行了求解。布局设计和物料搬运系统设计是设施规划的2个主要方面。传统设施规划的方法分为2个步骤：第一步，构建块布局，即车间中各部门的位置；第二步，设计物料搬运系统。然而对问题的这2个方面进行单独的优化会导致达不到全局最优解。Sedehi等[36]则以单回路AGV系统为目标，将二者整合起来设计了一个算法进行求解。

3)AGV system。

AGV系统研究是对AGV运行过程中存在的各类问题进行组合研究，通常包含的问题有导向路径设计、确定车辆需求、车辆调度、闲置车辆定位、电池管理、车辆路线和死锁解决[1]，不同的问题之间存在着交互与关联。其中系统规划方面的问题(调度、路径规划与死锁解决)一直是学者研究的主要方面，而对车辆管理方面的研究有所欠缺。Yan等[37]针对AGV发生故障时的维护方式进行了研究，分析了多AGV系统中故障AGV回收过程中维修地点位置的变化对回收效率的影响。同时随着技术的发展，AGV系统中控制方面的问题也开始受到了关注。目前AGV系统多采用一个集中控制器，它可以沿着预定的路径向车辆发送运输任务。虽然这种方法更容易确保系统的正确运行，但它有几个缺点：路径必须提前规划，不仅耗时而且可能不是最优结果；同时随着车辆数量的增加，集中式控制不能很好地进行扩展。Draganjac等[38]提出了一个分散控制的方法，其中每辆车规划自己的路径来完成指定的任务，并与其他车辆协商通行权，以避免碰撞。

4)algorithm。

算法同样是外文文献的研究热点，研究内容主要分为2个方面：算法性能的改进优化与算法应用的创新。

将不同算法进行综合成为混合优化算法是研究的热点方向，此举可以使其优点互为补充，避免单一方法的缺陷，因此混合优化方法有时能取得更好的效果。Mousavi等[39]将遗传算法与粒子群算法进行综合来解决FMS中的AGV多目标调度问题，目的是在考虑AGV电池电量的同时最大程度地减少AGV的制造时间和数量。同时将混合算法与单独算法结果进行比较，验证了算法的优越性。

将智能算法应用于调度与路径规划组合问题上是一个新的思路。Yi等[40]改进了蚁群算法的启发式信息，通过作业处理序列和处理时间来比较作业的相似性。同时将目标问题分为路径规划和调度2个问题。蚁群算法用于寻找路径和调度，并将路径的结果反馈给调度，调度结果给出路径规划的目标。Saidi-Mehrabad等[41]采取类似的方法，提出了两阶段蚁群算法，在阶段1，将作业序列递送到AGVS，在阶段2，优化AGV选择的路径以完成作业的处理路线。

本文对外文文献中AGV路径规划问题研究所采用的算法总结如表3所示。

表3 AGV路径规划外文文献算法分类

3 中外文文献对比

通过对国内外文献的系统分析，可以发现研究热点有着许多异同之处。主要的相似点如下：

1)采用的算法种类与改进方向大体相同。传统算法对寻找最短路径有着很好的效果，国内外学者均有采用，而对复杂的带有约束条件的路径规划则属于NP-hard问题，采用智能算法能很好地进行解决。对智能算法的应用也由经典的单一算法向适应特定模型进行改进，或将多个算法组合互补来优化算法。

2)随着AGV应用的普及，在工作环境中，往往是多台AGV或AGV与其他设备协同运作，影响系统整体效率的不仅仅是小车的路径，将AGV路径规划问题与其余有联系的问题共同进行研究，特别是调度问题与路径规划问题的协同研究成为了国内外文献共同的热点。同时不仅限于AGV的调度，与其他物料处理环节的共同调度优化逐渐成为新的研究方向。

3)在研究越来越注重应用价值的趋势下，单一的路径规划问题已不能满足需求，而包含多个问题的共同建模，才能更好地描述实际应用场景。国内外研究均开始向灵活多变的动态路径规划问题靠拢，如何对系统中出现的各种干扰进行快速的响应是未来的研究方向。同时针对大型AGV系统的研究也在逐步深入，研究的主要问题有：现有模型能否直接套用；流程布局的设计；车辆拾取点与交付点的选取；考虑电池问题与故障的建模等。

研究的差异则在于以下几点：

1)国内文献在研究时更注重对不同算法的比较，更为严谨。既有从计算复杂度进行对比研究，也有从模型求解结果来进行对比研究。外文文献则较少进行此类工作，而是把侧重点放在模型的构建。国内部分研究将路径规划问题类同于运筹学中的经典模型，此举虽能使求解顺利，但却过于理想化，忽略了实际应用中的各种变化。

2)国外AGV发展较早，研究体系更为成熟，研究内容也更偏向具体的应用场景。福特汽车公司于1913年将最早的自动搬运车用到汽车底盘装配上，到了20世纪50年代中期，英国人首先去掉了地面上的导引轨道采用地板下埋线，组成了以电磁感应导引的AGVS，1959年AGV用到仓储自动化和企业生产作业上。而在我国1976年，北京起重机械研究所才研制出第一台AGV，同时最早应用上AGV的是烟草行业。因此外文文献中高频次出现了柔性制造系统与物料搬运系统，中文文献中“烟草”虽未能成为热门关键词，但也在早期文献标题中有所体现。不同领域最大的区别在于所使用的AGV数量、运输请求数量、AGV占用程度、运输距离以及接送站和送货站数目，从而使研究各具创新点。

3)由于中外文文献写作方式以及关键词选取习惯的差异，中文文献多为短篇期刊论文与学位论文。期刊论文研究内容多呈细而精的特点，特别是针对算法方面的研究，已取得丰厚的成果。但此举会造成研究缺乏整体性，建立在诸多前提假设上，实际应用价值不如外文文献。而学位论文虽更具全局观，但研究深度却有所欠缺。外文文献研究问题更具系统整体性，除路径规划问题以外，对机器布局以及综合调度等能影响柔性制造系统整体运作效率的问题也进行了充分研究，中文文献方面则有所欠缺。

AGV的发展可以在一方面体现出物流业的发展。随着国家工业的发展以及对物流行业的逐渐重视，我国物流已进入新时期，旧动能不足以支撑物流产业的发展，新动能逐渐替代旧动能。理念创新引领物流发展，智慧物流的提出、多式联运的熟练运用、无车承运人的合法化等创新理念逐步渗透物流的各个环节。同时电商快递行业的崛起也促进了各式先进的物流的快速发展，无人仓、AGV、无人机等已成为今后主流的物流技术。虽然我国物流行业起步与机械化设备的应用相对较晚，但在国家政策的鼓励以及作为第一工业大国的背景下，发展十分迅速，越来越多新的技术进入到了学者们的研究范围之内，与国外的差距也正逐步缩小。

4 AGV路径规划研究展望

现有研究已取得重要进展，从研究成果来看，未来AGV路径规划的研究将会着重以下几方面：

1)结合不同算法特点，进行组合优化。

智能算法有着良好的性能，但仍存在不足之处。由于各类算法本身机制原理的原因，通过改进算子的传统改进方式往往不能彻底解决算法的劣势。而将多种智能算法进行结合互补可有效保留各自算法本身的优势，并对劣势进行互补，如何挖掘各类算法的特点，采用何种方式进行组合是今后研究值得关注的地方。

2)面向不同应用场景，进行针对性建模。

随着研究越来越注重应用性，传统的简单模型已不能满足各式应用场景。根据研究场景的特点及布局等方面进行针对性的建模，可使模型更符合实际应用。特别是针对大型活动区域，与前后端工艺流程的衔接等，势必会大幅增加模型复杂度，其中面临的系统整体优化目标选取、约束条件制定、AGV避障等是今后研究所面临的重要难题。

3)将路径规划问题与其他问题协同研究。

单一路径规划问题的研究已有丰厚的成果，而在实际应用中，AGV系统里除路径规划问题外还有许多其他问题，诸如与调度问题共同研究，体现了系统整体性；与AGV硬件共同研究，满足多学科交叉研究的趋势等。开拓思维，找寻出AGV系统运行过程中存在的各方面问题，不同问题之间的关联，以及如何将有关的问题协同研究，是需要进一步探索的方向。同时随着计算机技术的发展，AGV的作用绝不仅仅是简单的运输，而应向更加智能化、自动化的方向发展，与其他生产设备以及智能物流设施交互形成智能生产运输网络，是未来的发展趋势。这其中也将会存在着许多问题等待学者们去解决。

5 结束语

本文通过CiteSpace软件的分析，得出中外文文献的研究热点，对各个热点进行逐一述评总结；最后对AGV路径规划未来研究方向进行展望。外国AGV应用较早，有着深厚的研究基础，而随着工业4.0时代的到来，我国AGV应用也逐渐普及，与国外先进生产系统的差距也逐步缩小，更在电商物流领域取得了良好的成果。通过对AGV路径规划及其他技术的发展研究势必会带动工业及仓储业的革新与进步。