Design of a digital-twin-based dynamic scheduling system for AGVs in automated container terminals
Xinyu Xie, Liqun Lu, Shanshan Fu , YiXuan Cui & Jing Zhao
a School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo Shandong, China;
b College of Agricultural Engineering and Food Science, Shandong University of Technology, Zibo Shandong, China
研究提出一种基于数字孪生的AGV动态调度系统，通过融合蚁群信息素引导与跳点搜索改进A*算法，实现自动化码头多AGV路径规划与冲突预测。系统结合三维可视化、实时数据映射与虚实闭环控制，实现任务调度、碰撞预警与动态优化。实验结果表明，该方法在复杂场景下能够有效缩短路径距离、降低冲突数量并提升系统利用率。
随着自动化集装箱码头的发展，AGV已成为港口物流运输的重要设备。然而，多AGV协同运行过程中容易出现路径冲突、拥堵与调度效率下降等问题。传统静态调度方法难以适应复杂动态环境，而数字孪生技术能够通过虚实同步与实时数据交互提升调度智能化水平。为此，研究提出一种融合数字孪生与改进A*算法的动态调度系统，通过实时仿真、碰撞预测与闭环决策提升AGV协同运输效率与运行安全性。
研究构建了数字孪生AGV动态调度系统整体架构，包括物理AGV层、数据采集层、数字孪生虚拟层、调度决策层与可视化交互层。系统通过OPC UA协议实现物理设备与虚拟模型之间的数据同步，并结合数据库完成实时与历史运行数据存储。数字孪生环境不仅用于路径规划验证与碰撞预测，还用于调度优化与状态监测，从而形成“感知—决策—执行”闭环控制框架。
3.1 路径规划算法
研究首先比较Dijkstra、Greedy Best-First、A与蚁群优化算法（ACO）的性能，并在不同障碍物密度环境下开展路径规划仿真实验。结果表明，A算法在路径距离与规划时间之间具有最佳综合性能，因此被选为基础路径规划方法。
随后，研究提出一种融合蚁群信息素与跳点搜索策略的改进A*算法。算法首先通过轻量化蚁群预搜索生成信息素分布，并利用双向优先队列同时从起点与终点展开搜索。在搜索过程中，算法结合跳点搜索跳过冗余对称节点，从而显著降低搜索空间。
研究进一步构建融合信息素奖励项的评价函数：
f(n)=g(n)+w⋅h(n)−k⋅s(n)
其中，g(n)表示实际路径代价，h(n)表示启发式距离，s(n)表示信息素强度。研究设置权重w=2、信息素系数k=0.2，以平衡搜索效率与路径最优性。最终算法通过路径剪枝进一步减少冗余转向，提高AGV运动平滑性与实际运行效率。
3.2 数字孪生技术
研究指出，数字孪生是整个系统的核心，其主要功能包括虚拟仿真验证、闭环调度优化与三维交互支持。系统首先利用Three.js构建自动化码头三维虚拟环境，包括AGV、场桥与堆场等模型，并通过纹理映射提升场景真实感，为路径规划与碰撞验证提供高保真虚拟空间。
在实时映射方面，系统通过传感器采集AGV位置、速度与姿态等数据，并利用OPC UA协议与FastAPI接口实现物理AGV与虚拟模型之间的同步更新。同时，系统引入基于PPO算法的Critic网络，结合历史数据与实时状态预测任务完成时间与潜在冲突热点，并将优化结果反馈至物理AGV控制器，实现双向闭环控制。
为了避免多AGV协同运行中的路径冲突，研究进一步构建基于时间窗口的碰撞预测机制。系统根据AGV到达节点时间差进行碰撞判断，当时间间隔小于10秒安全阈值时触发冲突预警，并通过局部重规划与延迟控制生成无冲突调度方案。所有候选方案均需要在数字孪生环境中重新仿真验证后才能执行，从而实现“先仿真、后执行”的安全调度机制。
研究同时开发三维可视化交互平台，用于实时显示AGV状态、路径规划结果与碰撞预警信息，并支持任务分配、状态查询与人工干预操作，从而形成面向人机协同的智能调度决策界面。
4.1 路径规划结果分析
研究在三种不同复杂度虚拟码头环境中测试改进A*算法性能，包括不同地图尺寸与障碍物密度场景。实验结果表明，改进算法在所有场景下均能够获得更短路径距离，并在复杂高障碍环境中显著降低规划时间。统计检验结果显示，在复杂环境下算法时间优势具有显著性，说明跳点搜索与信息素引导能够有效减少节点扩展数量并提升复杂环境搜索效率。
4.2 消融实验
研究进一步开展消融实验，对比无信息素改进A*、融合蚁群信息素的改进A以及纯蚁群算法三种方法。结果表明，融合信息素后的算法在复杂环境下能够进一步缩短路径长度，同时保持较高搜索效率；相比纯蚁群算法，其平均路径长度降低约57.3%。研究表明，蚁群信息素主要用于提供全局启发式搜索能力，而A则负责快速局部搜索，两者融合有效兼顾了搜索效率与路径最优性。
4.3 调度能力分析
研究将数字孪生调度系统与传统非数字孪生调度系统进行比较。结果显示，数字孪生系统能够显著降低平均任务完成时间与冲突数量，同时提高任务完成率、系统利用率与能源效率。其中平均任务时间由70.4秒降低至45秒，冲突数量由2.3次降低至0.5次，系统利用率由72.3%提高至87.4%。研究认为，数字孪生提供的实时可视化与数据驱动决策能力能够有效提升码头运行鲁棒性与整体协同效率。
研究提出了一种基于数字孪生的AGV动态调度系统，实现了AGV状态监测、任务调度、路径规划与碰撞预警等核心功能。通过构建“感知—决策—执行”闭环控制框架，系统能够适应复杂动态码头环境并实现多AGV协同优化。研究进一步提出融合蚁群信息素与跳点搜索的改进A*算法，在保证路径最优性的同时提高了复杂环境搜索效率。实验结果表明，数字孪生与智能路径规划结合能够有效提升自动化码头运输效率、安全性与调度可靠性，为未来智能港口与数字化物流系统建设提供了新的技术路径。
