简介本资源是一套面向工业自动化领域工程师与高校科研人员的AGV智能调度实战项目聚焦于动态环境下多任务、有时限约束的路径规划问题。项目基于Matlab平台融合Dijkstra最短路径算法与时间窗Time Window调度机制实现AGV在工厂地图中准时、避障、高效完成物料搬运任务的完整仿真流程。压缩包共19个文件含15个核心.m脚本涵盖地图初始化MapInit、路径搜索dijkstraR、时间窗判定Detection_TW、可视化plotMap_Path等模块、3张关键结果图png及1份说明文档README.md总大小仅168KB轻量易部署。已有379人学习下载提供从环境建模、任务分配、路径重规划到结果可视化的全链路可运行源码支持参数调整、场景扩展与算法对比验证是理解智能物流调度底层逻辑与工程落地的优质实践参考。 做AGV调度绕不开两座大山一是单台车的路径怎么走最短二是多台车同时跑的时候怎么不撞车、不堵死。最近手头这个基于Matlab的AGV调度项目用的就是Dijkstra算法做静态全局路径规划再用时间窗规划把“静态路径”升级成“动态占用计划”从而解决多车冲突。整个项目源码结构很清楚跑通之后的可视化效果也很直观非常适合做课程设计、毕业设计或者是刚接触工业AGV调度的工程师拿来练手。这篇文章我就把这个项目的设计思路、关键算法、核心代码和我在调试中踩过的坑全部整理出来尽量做到既能看懂原理也能直接上手改。1. 项目整体拆解AGV调度到底在解决什么问题AGV调度是一个典型的“规划决策”问题表面上看起来只是让小车从A点走到B点但实际落地时要考虑的东西比想象中多得多。任务分配、路径搜索、交通管理、死锁恢复、电量约束、充电策略任何一个环节没处理好整套系统就会变得很难看。这个项目做的是最核心的一条线给定多台AGV的起始点和目标点在已知栅格地图上先为每台车规划一条可行路径再通过时间窗机制避免多车在同一时刻占用同一路径资源。1.1 为什么路径规划和时间窗要一起做单台AGV的路径规划很简单用BFS、Dijkstra、A*都能得到最优路径。但多台AGV同时跑的时候单车最优并不等于全局最优。举个例子两台车相向而行如果只各自走最短路径就必然在中间撞上如果提前知道对方会占用哪些节点后来的车绕一下或者等一等整体效率反而更高。时间窗规划解决的就是这个“多车共享空间”的问题。它把每条路径、每个节点看成一个资源并给每个资源打上时间标签标注哪台车在哪个时间段占用。新增任务时先规划路径再挨个检查路径上的节点时间窗是否与已有车辆冲突。如果冲突就调整等待时间或者重新规划路径。Dijkstra负责“空间上怎么走”时间窗负责“时间上怎么让”两者配合才能完成一个完整的调度闭环。1.2 项目技术选型Matlab、Dijkstra、时间窗各自扮演的角色选Matlab做这个项目不是因为工业界用它做生产调度而是因为它极其适合做算法验证和可视化演示。Matlab的矩阵运算能力让Dijkstra的邻接矩阵操作非常自然画栅格地图、画路径、画车辆运行轨迹也就是几行代码的事调试效率比写C或者Python高很多。你可能会问工业AGV系统是不是都用Java或者C确实生产环境里大部分是C或者C#配PLC、调度平台那一套但算法原型阶段用Matlab跑通了逻辑没问题再移植到工程语言风险会小很多。Dijkstra算法在这个项目里负责求解单源最短路径。它是一个经典的贪心算法从起点开始逐步扩展最短路径树最终得到起点到地图上所有节点的最短距离和路径。相比A*Dijkstra没有启发式信息搜索范围更大但在栅格规模不大、车辆数量可控的情况下计算开销完全可以接受。更重要的是Dijkstra的实现和理解门槛低适合作为AGV调度项目的基础版本。时间窗规划是这个项目区别于“纯路径规划”的关键点。它的核心数据结构是一个时间窗表记录每个节点被每台AGV占用的开始时间和结束时间。新任务进入时用Dijkstra得到候选路径然后沿着路径的每个节点检查时间窗是否冲突如果冲突则插入等待时间最后把更新后的时间窗写回表里。这样每一台车都有自己的“时空轨迹”多车调度就变成了对时空轨迹的分配与调整。1.3 项目的完整流程与模块划分整个项目从数据输入到结果输出可以拆成四个环节地图与任务输入、路径规划、时间窗冲突检测与处理、可视化与结果导出。地图输入环节我用的是栅格地图每个格子的状态是0或10代表可通行1代表障碍物。在Matlab里用矩阵保存几行代码就能画出来。任务输入则是一个表格每一行包含任务编号、AGV编号、起始栅格坐标、目标栅格坐标和发起时间。路径规划环节核心是Dijkstra算法。我写了一个独立的dijkstra函数输入是邻接矩阵、起始节点和目标节点输出是最短路径节点序列和总代价。为了提升复用性地图的邻接矩阵单独用build_graph函数生成这样以后换地图或者改成A*算法只需要改动对应模块。时间窗规划环节核心是一个全局时间窗表我是用二维元胞数组实现的每个节点对应一个单元格里面存放该节点上所有已占用的时间段。每台AGV沿着规划好的路径依次检查每个节点的占用情况遇到冲突就插入等待并把新的时间段写入表里。可视化与结果导出环节我用Matlab的plot和rectangle函数绘制地图、障碍物、路径和车辆位置并用一个定时器模拟多台AGV按时间窗运动的动画效果。同时把每台车的路径和时间窗输出到CSV文件方便后续分析。2. Dijkstra算法地图建模与最短路径搜索Dijkstra算法本身不复杂但放到AGV场景里地图怎么建、代价怎么算、节点怎么编码会直接影响算法效果。很多初学者一上来就写算法结果地图数据一换就出bug根源往往在于地图建模这部分没有做好。2.1 栅格地图建模的细节栅格地图是最常见的AGV工作环境表示方法。我的做法是把地图划分成固定尺寸的网格每个网格称为一个栅格用二维矩阵map_data表示map_data(row, col) 0表示该栅格可通行 1表示障碍物。地图不能只存一个0/1矩阵还要能支持路径搜索。我通常把二维栅格坐标转换成一维节点编号公式是node_id (row - 1) * map_cols col。这种顺序编号的好处是节点ID和坐标可以互相换算邻接矩阵的索引也直接对应节点编号查起来非常快。邻接矩阵的生成也要注意边界条件。每个栅格最多有四个邻居上下左右如果当前栅格是障碍物就跳过它如果邻居越界跳过如果邻居也是障碍物跳过。我采用4连通而不是8连通是因为AGV在大多数工厂场景中走的是正交路径8连通虽然路径更短但会让车辆出现斜向运动实际控制起来麻烦。路径长度使用Manhattan距离即每移动一个格子代价为1这样更符合栅格代价的含义。这里有一个我在实际项目里踩过的坑地图外边界和障碍物边缘如果不做膨胀处理AGV很可能会贴着墙走。虽然栅格路径只是逻辑路径但到了真实车辆控制环节车体宽度会让贴墙路径变得不可执行。所以在输入地图后我会先对障碍物区域做一次膨胀膨胀半径视AGV尺寸而定。这个操作放在建图阶段不放在算法阶段思路更清晰。2.2 Dijkstra算法的核心逻辑与Matlab实现Dijkstra算法的核心逻辑可以概括为三句话维护一个未访问节点集合每次从未访问节点中选出当前距离最小的节点用该节点去更新邻居距离。重复这个过程直到目标节点被访问。我写了一个标准的Matlab实现函数签名如下function [path, dist] dijkstra(adj_matrix, start_node, target_node) num_nodes size(adj_matrix, 1); dist inf(1, num_nodes); prev zeros(1, num_nodes); visited false(1, num_nodes); dist(start_node) 0; for i 1:num_nodes % 找到未访问节点中距离最小的节点 min_dist inf; current -1; for j 1:num_nodes if ~visited(j) dist(j) min_dist min_dist dist(j); current j; end end if current -1 break; end if current target_node break; end visited(current) true; % 更新邻居距离 neighbors find(adj_matrix(current, :) 0); for k 1:length(neighbors) neighbor neighbors(k); if ~visited(neighbor) new_dist dist(current) adj_matrix(current, neighbor); if new_dist dist(neighbor) dist(neighbor) new_dist; prev(neighbor) current; end end end end % 回溯路径 path []; if dist(target_node) inf node target_node; while node ~ start_node path [node, path]; node prev(node); end path [start_node, path]; end end这份代码是最原始的Dijkstra实现没用优先队列因此复杂度是O(V^2)。对几百个栅格的地图来说运行时间在毫秒级别完全够用。如果你的地图规模很大比如上万栅格可以改用二叉堆优化Matlab里可以用containers.Map或Java的PriorityQueue接口来模拟但没必要在这个项目里过度设计。使用邻接矩阵时要注意矩阵里的0表示两个节点不连通但节点到自身的距离也应该是0所以在更新邻居时只处理大于0的边这样才能避免把自身当作邻居更新。2.3 Dijkstra的局限与为什么仍然用它每次提到Dijkstra总有人问为什么不用A*。A*在有启发式函数的情况下搜索速度确实更快尤其是在大地图上。但在AGV调度项目里真正耗时的往往不是单次路径搜索而是多车冲突解决和任务调度逻辑。Dijkstra的优势在于实现简单、逻辑确定没有启发式函数带来的调参问题。另一个局限是Dijkstra只能处理静态边权。如果地图上存在临时障碍物或者某条路径因为交通拥堵代价临时增高Dijkstra就得重新规划。在这个项目里我采用“先规划路径再用时间窗避让”的策略临时交通变化由时间窗处理所以Dijkstra的静态特性不会成为瓶颈。还有一点Dijkstra给出的是数学上的最短路径但不一定是运行时间最短的路径。两辆车路径长度一样一辆一路绿灯一辆全程等待它们的总完成时间完全不同。这就是为什么本项目必须搭配时间窗规划。你可以把Dijkstra理解为“找路”把时间窗理解为“排队”。3. 时间窗规划多AGV冲突避让的核心如果整个项目只做Dijkstra那就只是个路径规划Demo不能叫调度。真正让项目有价值的是时间窗机制。它让每台车在空间路径的基础上多了一个时间维度从而能预测潜在的占用冲突并提前做出避让。3.1 时间窗模型把路径从“二维线”变成“时空走廊”时间窗的基本思想很简单把路径上的每个节点和弧段视为一种资源用时间段表示资源的占用状态。比如AGV-01在时间t5到t7经过节点12那么节点12上就有一个时间窗[5, 7]。在实现时我通常区分两种资源节点资源和弧段资源。节点资源用于检测两台车是否同时到达同一位置弧段资源用于检测两台车是否在同一条边上相向而行。实际项目中节点资源用得多一些因为栅格地图中的弧段长度相同速度固定时通过弧段的时间也固定只要节点时间窗不重叠弧段冲突大概率能避免。时间窗表的数据结构可以用元胞数组每个节点一个单元格单元格里面存一个Nx2的矩阵第一列是开始时间第二列是结束时间。这样实现最直接time_windows cell(num_nodes, 1); % 在节点node上插入时间窗 [start_time, end_time] function flag insert_time_window(time_windows, node, start_time, end_time) windows time_windows{node}; % 按开始时间排序后插入 windows [windows; start_time, end_time]; windows sortrows(windows, 1); time_windows{node} windows; flag true; end3.2 冲突类型与检测方式多AGV冲突可以粗略分成三类节点冲突、相向冲突和追尾冲突。节点冲突是最常见的一种指的是两台车在同一时间到达同一个节点。这种情况直接检测时间窗是否重叠即可。假设两台车经过节点i的时间窗分别是[a, b]和[c, d]如果max(a, c) min(b, d)就说明存在重叠。相向冲突发生在两台车在同一条通道上相向而行。即使它们没有同时到达某个节点也可能在途中相遇。判断方法相对复杂一些需要比较两台车通过同一段弧段的时刻。在栅格地图中如果AGV-01从节点5走到节点6的时间段是[1,2]而AGV-02从节点6走到节点5的时间段是[1.5,2.5]那么它们会在弧段上相遇。追尾冲突指两台车同向行驶后车速度更快或启动时间不同导致车间距小于安全距离。栅格速度固定时追尾通常出现在路径汇入场景。比如两台车在不同分支汇入同一条路径后车到达汇入点的时间太早如果不等待就会追上前车。实际编码时我不会为每一种冲突写独立的检测函数而是统一抽象成“时间窗区间重叠判断”。无论哪种冲突最终都表现为某台车想要的占用时间段与已经存在的占用时间段有交集。这样代码更简洁也更容易扩展。3.3 时间窗更新与等待策略一旦检测到冲突处理策略有多种等待、减速、绕行、重新规划。在项目基础版本中我采用的是“等待”策略因为实现最简单而且对路径规划模块改动最小。后来的车如果发现目标节点的时间窗与已有车辆冲突就计算一个开始等待的时间点让自己到达该节点的时刻往后顺延直到冲突时间窗结束。假设节点i上已经有一台车占用了时间段[10, 11]而当前AGV计划在[9.5, 10.5]经过节点i。很明显区间[10, 10.5]重叠。此时当前AGV需要等待1.5秒即新的到达时间变为11离开时间变为11.5。但这个调整不是只改一个节点就行因为后续路径上的时间窗全部要跟着顺延。所以我写了一个循环逐步更新路径上每个节点的时间窗。这一步有个细节容易忽略如果等待时间太长可能会让后续路径上的时间窗产生连锁冲突甚至造成死锁。比如A车等待B车B车又在等A车两条路径形成循环等待。基础的“等待策略”无法完全避免死锁所以我在调度循环里加了一个最大等待时间阈值超过阈值就直接拒绝当前任务或者重新规划一条完全不同的路径。4. Matlab工程实现从算法到可跑的项目算法思路讲完接下来才是重点怎么把这些模块组织成一个能跑起来的Matlab项目。源码里的文件结构是按“数据-算法-调度-可视化”四个层次划分的代码量不大但每一步都很清晰。4.1 工程文件结构与核心函数项目根目录下的关键文件如下文件名作用main.m主入口负责加载地图和任务调用调度器展示结果build_graph.m根据栅格地图生成邻接矩阵dijkstra.mDijkstra最短路搜索check_conflict.m检查某个节点的时间窗是否冲突insert_time_window.m将新的时间窗写入全局时间窗表update_time_windows.m在路径检测到冲突后统一更新整条路径的时间窗agv_scheduler.m主调度器逐台车完成路径规划时间窗更新plot_map_and_paths.m绘制地图、路径和车辆运动动画export_result.m将路径和时间窗写入CSVmain.m的执行流程非常直白%% 1. 加载地图数据 map_data load_map(map.csv); %% 2. 生成邻接矩阵 adj_matrix build_graph(map_data); %% 3. 定义AGV任务 tasks [ 1, 1, 1, 10, 10; % 任务ID, AGV编号, 起始节点, 目标节点, 发起时间 2, 2, 5, 80, 2; 3, 3, 15, 40, 3; ]; %% 4. 调用调度器 [paths, time_windows] agv_scheduler(adj_matrix, tasks, map_data, params); %% 5. 可视化 plot_map_and_paths(map_data, paths, time_windows, params);4.2 关键代码实现主调度循环与时间窗分配主调度器是项目的心脏。它按照任务发起时间排序依次为每台AGV调用Dijkstra然后检查路径上的时间窗有冲突就顺延等待最终返回每台车的时间轨迹。核心循环如下function [paths, time_windows] agv_scheduler(adj_matrix, tasks, map_data, params) num_agvs max(tasks(:, 2)); time_windows cell(size(adj_matrix, 1), 1); paths cell(num_agvs, 1); % 按任务发起时间排序 tasks sortrows(tasks, 5); for i 1:size(tasks, 1) task_id tasks(i, 1); agv_id tasks(i, 2); start_node tasks(i, 3); target_node tasks(i, 4); release_time tasks(i, 5); % 步骤1Dijkstra规划路径 [path, ~] dijkstra(adj_matrix, start_node, target_node); % 步骤2沿路径初始化时间窗 current_time release_time; path_time_windows zeros(length(path), 2); for j 1:length(path) node path(j); arrival_time current_time; departure_time current_time params.stay_time(node); % 检查冲突 if ~isempty(time_windows{node}) while check_conflict(time_windows{node}, arrival_time, departure_time) % 计算需要等待的时间 [~, latest_end] find_latest_conflict(time_windows{node}, arrival_time, departure_time); wait_time latest_end - arrival_time; arrival_time arrival_time wait_time; departure_time departure_time wait_time; % 防止死循环 if wait_time params.max_wait_time disp([Task , num2str(task_id), cannot be scheduled within wait limit]); break; end end end path_time_windows(j, :) [arrival_time, departure_time]; current_time departure_time params.edge_time; end % 步骤3写入全局时间窗表 for j 1:length(path) node path(j); insert_time_window(time_windows, node, path_time_windows(j, 1), path_time_windows(j, 2)); end % 保存路径结果 paths{agv_id} struct(task_id, task_id, path, path, ... time_windows, path_time_windows); end end这段代码虽然简化了弧段冲突处理但核心思想已经完整时间优先、空间路径不变、冲突通过等待解决。运行起来你会发现任务越多后续车辆的等待时间越长这是预料之中的因为地图资源是有限的调度本质上就是资源竞争。4.3 参数调优与可视化验证项目里的params结构体有几个关键参数edge_time表示AGV通过一个栅格所需的时间stay_time是一个数组表示每个节点的停留时间max_wait_time是单次最大等待时间agv_speed是实际速度。不要小看这些参数它们直接影响调度结果。如果edge_time设得太小单位时间内路上的AGV就多冲突概率变大等待时间变长设得太大整体任务完成时间变长。我的经验是先按AGV实际速度和工作区域尺寸算一个基础值再做仿真对比。比如实际速度是1m/s栅格边长为1m那么edge_time大约是1秒。如果算上加减速我会再乘一个1.2的系数。可视化验证是Matlab项目最爽的部分。我画了两张图一张是地图和所有AGV路径的静态图不同车辆用不同颜色另一张是动态运行图按时间窗逐步刷新每台车的位置。静态图用来检查路径是否合理动态图用来检查时间窗是否存在冲突。如果某一段出现两车重叠那一定对应时间窗表里的某个bug。画出时间窗甘特图也是一个好习惯。横轴是时间纵轴是节点每个时间窗画成一个矩形色块。甘特图能直观显示各节点上的占用情况和等待时间排错效率极高。我在项目里用Matlab的rectangle函数手搓了一个简单的甘特图几十行代码但效果比任何调试日志都管用。5. 踩坑记录与项目扩展建议这一部分专门说我在写和调试这个项目时遇到的实际问题有些坑在网上不好搜到但几乎是所有AGV调度初学者都会踩的。5.1 我实际调试中遇到的5个问题第一个问题是Dijkstra路径回溯时死循环。原因是我的prev数组初始化成了0而节点编号也是从1开始回溯时一旦遇到prev[node] 0循环条件判断不出来就卡死了。解决方法是把prev初始化成NaN回溯时用isnan判断。第二个问题是时间窗冲突检测出现漏检。我一开始只检查了节点冲突没有检查弧段冲突结果动态仿真时看到两车在一条直线上迎面“穿模”。后来我在时间窗表里增加了一个edge_windows结构单独存储每条弧段的占用时间才解决掉。第三个问题是等待策略导致死锁。两台车互相等对方清空节点任务永远完不成。我加了一个max_wait_time超时就选择重新规划路径或者把当前任务挂起。这个阈值不能太大否则系统响应太慢也不能太小否则正常等待会被误判。我最终设的是5倍的edge_time。第四个问题是地图坐标和节点编号搞混。地图矩阵是(row, col)但plot画图时x对应coly对应row如果不做转换画出来的路径是镜像的。我在所有涉及坐标转换的地方封装了node_to_xy函数避免到处写转换逻辑。第五个问题是任务发起时间相同时的调度顺序不稳定。sortrows默认只按第一列排序但任务列表第一列是任务ID不是发起时间导致执行顺序不对。我改成显式指定排序键用sortrows(tasks, 5)才稳定下来。5.2 问题排查速查表现象可能原因排查思路路径包含障碍物节点地图膨胀不全或邻接矩阵错误检查build_graph中邻居合法性判断车辆路径不是最短Dijkstra算法中的prev回溯错误单步调试Dijkstra打印每个节点的dist和prev两车同时出现在同一节点未检测节点时间窗重叠检查check_conflict是否用了闭区间判断两车迎面穿过弧段冲突未被处理检查edge_windows是否维护正确仿真卡住不推进死锁查看各车等待时间调整max_wait_time或加入超时重新规划路径在实际场景中不可执行没有做障碍物膨胀在栅格地图生成阶段增加膨胀处理任务完成时间异常长edge_time设置不合理统计每个节点的平均等待时间调整参数5.3 项目还能怎么扩展这个项目虽然完整但离工业级AGV调度系统还有距离。如果你想进一步深入可以从三个方向扩展。第一个方向是改进路径规划算法。Dijkstra换A*或者加入D* Lite用于动态避障。时间窗机制不受影响只需要把dijkstra函数替换成新的算法函数返回路径格式保持一致即可。第二个方向是改进冲突解决策略。当前是等待策略下一步可以加入速度调节让车辆在接近冲突节点前减速而不是完全停下。更高级的做法是把时间窗调整变成“重新规划子路径”在局部区域搜索一条替代路径避免全局重新规划。第三个方向是把仿真和数据交互做厚。增加到真实地图导入比如从CAD或者建图软件导出栅格图增加任务优先级高优先级任务可以抢占时间窗增加AGV电量约束任务完成后自动调度到充电点。数据结构上可以用MATLAB的table或者struct数组替代元胞数组提高代码可读性。如果再往前走可以把算法部署到真实的AGV调度平台这时可能需要用C或者Python重写但核心的时间窗模型和调度思路可以原样保留。我个人在实际调试这个项目时最深刻的体会是算法不是越复杂越好Dijkstra加时间窗这套组合虽然经典但已经覆盖了AGV调度中最核心的冲突避免问题。很多看起来花哨的调度算法本质上也还是在解决“空间路径”和“时间占用”这两件事。最后再分享一个小技巧第一次跑通项目后别急着加功能先把时间窗甘特图画出来盯着它看十分钟你会理解很多冲突场景的演变过程。这个项目后续无论是做毕设展示还是作为研究起点都非常值得继续扩展。本文还有配套的精品资源点击获取 基于Matlab的AGV调度系统：Dijkstra路径规划与时间窗冲突避免
简介本资源是一套面向工业自动化领域工程师与高校科研人员的AGV智能调度实战项目聚焦于动态环境下多任务、有时限约束的路径规划问题。项目基于Matlab平台融合Dijkstra最短路径算法与时间窗Time Window调度机制实现AGV在工厂地图中准时、避障、高效完成物料搬运任务的完整仿真流程。压缩包共19个文件含15个核心.m脚本涵盖地图初始化MapInit、路径搜索dijkstraR、时间窗判定Detection_TW、可视化plotMap_Path等模块、3张关键结果图png及1份说明文档README.md总大小仅168KB轻量易部署。已有379人学习下载提供从环境建模、任务分配、路径重规划到结果可视化的全链路可运行源码支持参数调整、场景扩展与算法对比验证是理解智能物流调度底层逻辑与工程落地的优质实践参考。 做AGV调度绕不开两座大山一是单台车的路径怎么走最短二是多台车同时跑的时候怎么不撞车、不堵死。最近手头这个基于Matlab的AGV调度项目用的就是Dijkstra算法做静态全局路径规划再用时间窗规划把“静态路径”升级成“动态占用计划”从而解决多车冲突。整个项目源码结构很清楚跑通之后的可视化效果也很直观非常适合做课程设计、毕业设计或者是刚接触工业AGV调度的工程师拿来练手。这篇文章我就把这个项目的设计思路、关键算法、核心代码和我在调试中踩过的坑全部整理出来尽量做到既能看懂原理也能直接上手改。1. 项目整体拆解AGV调度到底在解决什么问题AGV调度是一个典型的“规划决策”问题表面上看起来只是让小车从A点走到B点但实际落地时要考虑的东西比想象中多得多。任务分配、路径搜索、交通管理、死锁恢复、电量约束、充电策略任何一个环节没处理好整套系统就会变得很难看。这个项目做的是最核心的一条线给定多台AGV的起始点和目标点在已知栅格地图上先为每台车规划一条可行路径再通过时间窗机制避免多车在同一时刻占用同一路径资源。1.1 为什么路径规划和时间窗要一起做单台AGV的路径规划很简单用BFS、Dijkstra、A*都能得到最优路径。但多台AGV同时跑的时候单车最优并不等于全局最优。举个例子两台车相向而行如果只各自走最短路径就必然在中间撞上如果提前知道对方会占用哪些节点后来的车绕一下或者等一等整体效率反而更高。时间窗规划解决的就是这个“多车共享空间”的问题。它把每条路径、每个节点看成一个资源并给每个资源打上时间标签标注哪台车在哪个时间段占用。新增任务时先规划路径再挨个检查路径上的节点时间窗是否与已有车辆冲突。如果冲突就调整等待时间或者重新规划路径。Dijkstra负责“空间上怎么走”时间窗负责“时间上怎么让”两者配合才能完成一个完整的调度闭环。1.2 项目技术选型Matlab、Dijkstra、时间窗各自扮演的角色选Matlab做这个项目不是因为工业界用它做生产调度而是因为它极其适合做算法验证和可视化演示。Matlab的矩阵运算能力让Dijkstra的邻接矩阵操作非常自然画栅格地图、画路径、画车辆运行轨迹也就是几行代码的事调试效率比写C或者Python高很多。你可能会问工业AGV系统是不是都用Java或者C确实生产环境里大部分是C或者C#配PLC、调度平台那一套但算法原型阶段用Matlab跑通了逻辑没问题再移植到工程语言风险会小很多。Dijkstra算法在这个项目里负责求解单源最短路径。它是一个经典的贪心算法从起点开始逐步扩展最短路径树最终得到起点到地图上所有节点的最短距离和路径。相比A*Dijkstra没有启发式信息搜索范围更大但在栅格规模不大、车辆数量可控的情况下计算开销完全可以接受。更重要的是Dijkstra的实现和理解门槛低适合作为AGV调度项目的基础版本。时间窗规划是这个项目区别于“纯路径规划”的关键点。它的核心数据结构是一个时间窗表记录每个节点被每台AGV占用的开始时间和结束时间。新任务进入时用Dijkstra得到候选路径然后沿着路径的每个节点检查时间窗是否冲突如果冲突则插入等待时间最后把更新后的时间窗写回表里。这样每一台车都有自己的“时空轨迹”多车调度就变成了对时空轨迹的分配与调整。1.3 项目的完整流程与模块划分整个项目从数据输入到结果输出可以拆成四个环节地图与任务输入、路径规划、时间窗冲突检测与处理、可视化与结果导出。地图输入环节我用的是栅格地图每个格子的状态是0或10代表可通行1代表障碍物。在Matlab里用矩阵保存几行代码就能画出来。任务输入则是一个表格每一行包含任务编号、AGV编号、起始栅格坐标、目标栅格坐标和发起时间。路径规划环节核心是Dijkstra算法。我写了一个独立的dijkstra函数输入是邻接矩阵、起始节点和目标节点输出是最短路径节点序列和总代价。为了提升复用性地图的邻接矩阵单独用build_graph函数生成这样以后换地图或者改成A*算法只需要改动对应模块。时间窗规划环节核心是一个全局时间窗表我是用二维元胞数组实现的每个节点对应一个单元格里面存放该节点上所有已占用的时间段。每台AGV沿着规划好的路径依次检查每个节点的占用情况遇到冲突就插入等待并把新的时间段写入表里。可视化与结果导出环节我用Matlab的plot和rectangle函数绘制地图、障碍物、路径和车辆位置并用一个定时器模拟多台AGV按时间窗运动的动画效果。同时把每台车的路径和时间窗输出到CSV文件方便后续分析。2. Dijkstra算法地图建模与最短路径搜索Dijkstra算法本身不复杂但放到AGV场景里地图怎么建、代价怎么算、节点怎么编码会直接影响算法效果。很多初学者一上来就写算法结果地图数据一换就出bug根源往往在于地图建模这部分没有做好。2.1 栅格地图建模的细节栅格地图是最常见的AGV工作环境表示方法。我的做法是把地图划分成固定尺寸的网格每个网格称为一个栅格用二维矩阵map_data表示map_data(row, col) 0表示该栅格可通行 1表示障碍物。地图不能只存一个0/1矩阵还要能支持路径搜索。我通常把二维栅格坐标转换成一维节点编号公式是node_id (row - 1) * map_cols col。这种顺序编号的好处是节点ID和坐标可以互相换算邻接矩阵的索引也直接对应节点编号查起来非常快。邻接矩阵的生成也要注意边界条件。每个栅格最多有四个邻居上下左右如果当前栅格是障碍物就跳过它如果邻居越界跳过如果邻居也是障碍物跳过。我采用4连通而不是8连通是因为AGV在大多数工厂场景中走的是正交路径8连通虽然路径更短但会让车辆出现斜向运动实际控制起来麻烦。路径长度使用Manhattan距离即每移动一个格子代价为1这样更符合栅格代价的含义。这里有一个我在实际项目里踩过的坑地图外边界和障碍物边缘如果不做膨胀处理AGV很可能会贴着墙走。虽然栅格路径只是逻辑路径但到了真实车辆控制环节车体宽度会让贴墙路径变得不可执行。所以在输入地图后我会先对障碍物区域做一次膨胀膨胀半径视AGV尺寸而定。这个操作放在建图阶段不放在算法阶段思路更清晰。2.2 Dijkstra算法的核心逻辑与Matlab实现Dijkstra算法的核心逻辑可以概括为三句话维护一个未访问节点集合每次从未访问节点中选出当前距离最小的节点用该节点去更新邻居距离。重复这个过程直到目标节点被访问。我写了一个标准的Matlab实现函数签名如下function [path, dist] dijkstra(adj_matrix, start_node, target_node) num_nodes size(adj_matrix, 1); dist inf(1, num_nodes); prev zeros(1, num_nodes); visited false(1, num_nodes); dist(start_node) 0; for i 1:num_nodes % 找到未访问节点中距离最小的节点 min_dist inf; current -1; for j 1:num_nodes if ~visited(j) dist(j) min_dist min_dist dist(j); current j; end end if current -1 break; end if current target_node break; end visited(current) true; % 更新邻居距离 neighbors find(adj_matrix(current, :) 0); for k 1:length(neighbors) neighbor neighbors(k); if ~visited(neighbor) new_dist dist(current) adj_matrix(current, neighbor); if new_dist dist(neighbor) dist(neighbor) new_dist; prev(neighbor) current; end end end end % 回溯路径 path []; if dist(target_node) inf node target_node; while node ~ start_node path [node, path]; node prev(node); end path [start_node, path]; end end这份代码是最原始的Dijkstra实现没用优先队列因此复杂度是O(V^2)。对几百个栅格的地图来说运行时间在毫秒级别完全够用。如果你的地图规模很大比如上万栅格可以改用二叉堆优化Matlab里可以用containers.Map或Java的PriorityQueue接口来模拟但没必要在这个项目里过度设计。使用邻接矩阵时要注意矩阵里的0表示两个节点不连通但节点到自身的距离也应该是0所以在更新邻居时只处理大于0的边这样才能避免把自身当作邻居更新。2.3 Dijkstra的局限与为什么仍然用它每次提到Dijkstra总有人问为什么不用A*。A*在有启发式函数的情况下搜索速度确实更快尤其是在大地图上。但在AGV调度项目里真正耗时的往往不是单次路径搜索而是多车冲突解决和任务调度逻辑。Dijkstra的优势在于实现简单、逻辑确定没有启发式函数带来的调参问题。另一个局限是Dijkstra只能处理静态边权。如果地图上存在临时障碍物或者某条路径因为交通拥堵代价临时增高Dijkstra就得重新规划。在这个项目里我采用“先规划路径再用时间窗避让”的策略临时交通变化由时间窗处理所以Dijkstra的静态特性不会成为瓶颈。还有一点Dijkstra给出的是数学上的最短路径但不一定是运行时间最短的路径。两辆车路径长度一样一辆一路绿灯一辆全程等待它们的总完成时间完全不同。这就是为什么本项目必须搭配时间窗规划。你可以把Dijkstra理解为“找路”把时间窗理解为“排队”。3. 时间窗规划多AGV冲突避让的核心如果整个项目只做Dijkstra那就只是个路径规划Demo不能叫调度。真正让项目有价值的是时间窗机制。它让每台车在空间路径的基础上多了一个时间维度从而能预测潜在的占用冲突并提前做出避让。3.1 时间窗模型把路径从“二维线”变成“时空走廊”时间窗的基本思想很简单把路径上的每个节点和弧段视为一种资源用时间段表示资源的占用状态。比如AGV-01在时间t5到t7经过节点12那么节点12上就有一个时间窗[5, 7]。在实现时我通常区分两种资源节点资源和弧段资源。节点资源用于检测两台车是否同时到达同一位置弧段资源用于检测两台车是否在同一条边上相向而行。实际项目中节点资源用得多一些因为栅格地图中的弧段长度相同速度固定时通过弧段的时间也固定只要节点时间窗不重叠弧段冲突大概率能避免。时间窗表的数据结构可以用元胞数组每个节点一个单元格单元格里面存一个Nx2的矩阵第一列是开始时间第二列是结束时间。这样实现最直接time_windows cell(num_nodes, 1); % 在节点node上插入时间窗 [start_time, end_time] function flag insert_time_window(time_windows, node, start_time, end_time) windows time_windows{node}; % 按开始时间排序后插入 windows [windows; start_time, end_time]; windows sortrows(windows, 1); time_windows{node} windows; flag true; end3.2 冲突类型与检测方式多AGV冲突可以粗略分成三类节点冲突、相向冲突和追尾冲突。节点冲突是最常见的一种指的是两台车在同一时间到达同一个节点。这种情况直接检测时间窗是否重叠即可。假设两台车经过节点i的时间窗分别是[a, b]和[c, d]如果max(a, c) min(b, d)就说明存在重叠。相向冲突发生在两台车在同一条通道上相向而行。即使它们没有同时到达某个节点也可能在途中相遇。判断方法相对复杂一些需要比较两台车通过同一段弧段的时刻。在栅格地图中如果AGV-01从节点5走到节点6的时间段是[1,2]而AGV-02从节点6走到节点5的时间段是[1.5,2.5]那么它们会在弧段上相遇。追尾冲突指两台车同向行驶后车速度更快或启动时间不同导致车间距小于安全距离。栅格速度固定时追尾通常出现在路径汇入场景。比如两台车在不同分支汇入同一条路径后车到达汇入点的时间太早如果不等待就会追上前车。实际编码时我不会为每一种冲突写独立的检测函数而是统一抽象成“时间窗区间重叠判断”。无论哪种冲突最终都表现为某台车想要的占用时间段与已经存在的占用时间段有交集。这样代码更简洁也更容易扩展。3.3 时间窗更新与等待策略一旦检测到冲突处理策略有多种等待、减速、绕行、重新规划。在项目基础版本中我采用的是“等待”策略因为实现最简单而且对路径规划模块改动最小。后来的车如果发现目标节点的时间窗与已有车辆冲突就计算一个开始等待的时间点让自己到达该节点的时刻往后顺延直到冲突时间窗结束。假设节点i上已经有一台车占用了时间段[10, 11]而当前AGV计划在[9.5, 10.5]经过节点i。很明显区间[10, 10.5]重叠。此时当前AGV需要等待1.5秒即新的到达时间变为11离开时间变为11.5。但这个调整不是只改一个节点就行因为后续路径上的时间窗全部要跟着顺延。所以我写了一个循环逐步更新路径上每个节点的时间窗。这一步有个细节容易忽略如果等待时间太长可能会让后续路径上的时间窗产生连锁冲突甚至造成死锁。比如A车等待B车B车又在等A车两条路径形成循环等待。基础的“等待策略”无法完全避免死锁所以我在调度循环里加了一个最大等待时间阈值超过阈值就直接拒绝当前任务或者重新规划一条完全不同的路径。4. Matlab工程实现从算法到可跑的项目算法思路讲完接下来才是重点怎么把这些模块组织成一个能跑起来的Matlab项目。源码里的文件结构是按“数据-算法-调度-可视化”四个层次划分的代码量不大但每一步都很清晰。4.1 工程文件结构与核心函数项目根目录下的关键文件如下文件名作用main.m主入口负责加载地图和任务调用调度器展示结果build_graph.m根据栅格地图生成邻接矩阵dijkstra.mDijkstra最短路搜索check_conflict.m检查某个节点的时间窗是否冲突insert_time_window.m将新的时间窗写入全局时间窗表update_time_windows.m在路径检测到冲突后统一更新整条路径的时间窗agv_scheduler.m主调度器逐台车完成路径规划时间窗更新plot_map_and_paths.m绘制地图、路径和车辆运动动画export_result.m将路径和时间窗写入CSVmain.m的执行流程非常直白%% 1. 加载地图数据 map_data load_map(map.csv); %% 2. 生成邻接矩阵 adj_matrix build_graph(map_data); %% 3. 定义AGV任务 tasks [ 1, 1, 1, 10, 10; % 任务ID, AGV编号, 起始节点, 目标节点, 发起时间 2, 2, 5, 80, 2; 3, 3, 15, 40, 3; ]; %% 4. 调用调度器 [paths, time_windows] agv_scheduler(adj_matrix, tasks, map_data, params); %% 5. 可视化 plot_map_and_paths(map_data, paths, time_windows, params);4.2 关键代码实现主调度循环与时间窗分配主调度器是项目的心脏。它按照任务发起时间排序依次为每台AGV调用Dijkstra然后检查路径上的时间窗有冲突就顺延等待最终返回每台车的时间轨迹。核心循环如下function [paths, time_windows] agv_scheduler(adj_matrix, tasks, map_data, params) num_agvs max(tasks(:, 2)); time_windows cell(size(adj_matrix, 1), 1); paths cell(num_agvs, 1); % 按任务发起时间排序 tasks sortrows(tasks, 5); for i 1:size(tasks, 1) task_id tasks(i, 1); agv_id tasks(i, 2); start_node tasks(i, 3); target_node tasks(i, 4); release_time tasks(i, 5); % 步骤1Dijkstra规划路径 [path, ~] dijkstra(adj_matrix, start_node, target_node); % 步骤2沿路径初始化时间窗 current_time release_time; path_time_windows zeros(length(path), 2); for j 1:length(path) node path(j); arrival_time current_time; departure_time current_time params.stay_time(node); % 检查冲突 if ~isempty(time_windows{node}) while check_conflict(time_windows{node}, arrival_time, departure_time) % 计算需要等待的时间 [~, latest_end] find_latest_conflict(time_windows{node}, arrival_time, departure_time); wait_time latest_end - arrival_time; arrival_time arrival_time wait_time; departure_time departure_time wait_time; % 防止死循环 if wait_time params.max_wait_time disp([Task , num2str(task_id), cannot be scheduled within wait limit]); break; end end end path_time_windows(j, :) [arrival_time, departure_time]; current_time departure_time params.edge_time; end % 步骤3写入全局时间窗表 for j 1:length(path) node path(j); insert_time_window(time_windows, node, path_time_windows(j, 1), path_time_windows(j, 2)); end % 保存路径结果 paths{agv_id} struct(task_id, task_id, path, path, ... time_windows, path_time_windows); end end这段代码虽然简化了弧段冲突处理但核心思想已经完整时间优先、空间路径不变、冲突通过等待解决。运行起来你会发现任务越多后续车辆的等待时间越长这是预料之中的因为地图资源是有限的调度本质上就是资源竞争。4.3 参数调优与可视化验证项目里的params结构体有几个关键参数edge_time表示AGV通过一个栅格所需的时间stay_time是一个数组表示每个节点的停留时间max_wait_time是单次最大等待时间agv_speed是实际速度。不要小看这些参数它们直接影响调度结果。如果edge_time设得太小单位时间内路上的AGV就多冲突概率变大等待时间变长设得太大整体任务完成时间变长。我的经验是先按AGV实际速度和工作区域尺寸算一个基础值再做仿真对比。比如实际速度是1m/s栅格边长为1m那么edge_time大约是1秒。如果算上加减速我会再乘一个1.2的系数。可视化验证是Matlab项目最爽的部分。我画了两张图一张是地图和所有AGV路径的静态图不同车辆用不同颜色另一张是动态运行图按时间窗逐步刷新每台车的位置。静态图用来检查路径是否合理动态图用来检查时间窗是否存在冲突。如果某一段出现两车重叠那一定对应时间窗表里的某个bug。画出时间窗甘特图也是一个好习惯。横轴是时间纵轴是节点每个时间窗画成一个矩形色块。甘特图能直观显示各节点上的占用情况和等待时间排错效率极高。我在项目里用Matlab的rectangle函数手搓了一个简单的甘特图几十行代码但效果比任何调试日志都管用。5. 踩坑记录与项目扩展建议这一部分专门说我在写和调试这个项目时遇到的实际问题有些坑在网上不好搜到但几乎是所有AGV调度初学者都会踩的。5.1 我实际调试中遇到的5个问题第一个问题是Dijkstra路径回溯时死循环。原因是我的prev数组初始化成了0而节点编号也是从1开始回溯时一旦遇到prev[node] 0循环条件判断不出来就卡死了。解决方法是把prev初始化成NaN回溯时用isnan判断。第二个问题是时间窗冲突检测出现漏检。我一开始只检查了节点冲突没有检查弧段冲突结果动态仿真时看到两车在一条直线上迎面“穿模”。后来我在时间窗表里增加了一个edge_windows结构单独存储每条弧段的占用时间才解决掉。第三个问题是等待策略导致死锁。两台车互相等对方清空节点任务永远完不成。我加了一个max_wait_time超时就选择重新规划路径或者把当前任务挂起。这个阈值不能太大否则系统响应太慢也不能太小否则正常等待会被误判。我最终设的是5倍的edge_time。第四个问题是地图坐标和节点编号搞混。地图矩阵是(row, col)但plot画图时x对应coly对应row如果不做转换画出来的路径是镜像的。我在所有涉及坐标转换的地方封装了node_to_xy函数避免到处写转换逻辑。第五个问题是任务发起时间相同时的调度顺序不稳定。sortrows默认只按第一列排序但任务列表第一列是任务ID不是发起时间导致执行顺序不对。我改成显式指定排序键用sortrows(tasks, 5)才稳定下来。5.2 问题排查速查表现象可能原因排查思路路径包含障碍物节点地图膨胀不全或邻接矩阵错误检查build_graph中邻居合法性判断车辆路径不是最短Dijkstra算法中的prev回溯错误单步调试Dijkstra打印每个节点的dist和prev两车同时出现在同一节点未检测节点时间窗重叠检查check_conflict是否用了闭区间判断两车迎面穿过弧段冲突未被处理检查edge_windows是否维护正确仿真卡住不推进死锁查看各车等待时间调整max_wait_time或加入超时重新规划路径在实际场景中不可执行没有做障碍物膨胀在栅格地图生成阶段增加膨胀处理任务完成时间异常长edge_time设置不合理统计每个节点的平均等待时间调整参数5.3 项目还能怎么扩展这个项目虽然完整但离工业级AGV调度系统还有距离。如果你想进一步深入可以从三个方向扩展。第一个方向是改进路径规划算法。Dijkstra换A*或者加入D* Lite用于动态避障。时间窗机制不受影响只需要把dijkstra函数替换成新的算法函数返回路径格式保持一致即可。第二个方向是改进冲突解决策略。当前是等待策略下一步可以加入速度调节让车辆在接近冲突节点前减速而不是完全停下。更高级的做法是把时间窗调整变成“重新规划子路径”在局部区域搜索一条替代路径避免全局重新规划。第三个方向是把仿真和数据交互做厚。增加到真实地图导入比如从CAD或者建图软件导出栅格图增加任务优先级高优先级任务可以抢占时间窗增加AGV电量约束任务完成后自动调度到充电点。数据结构上可以用MATLAB的table或者struct数组替代元胞数组提高代码可读性。如果再往前走可以把算法部署到真实的AGV调度平台这时可能需要用C或者Python重写但核心的时间窗模型和调度思路可以原样保留。我个人在实际调试这个项目时最深刻的体会是算法不是越复杂越好Dijkstra加时间窗这套组合虽然经典但已经覆盖了AGV调度中最核心的冲突避免问题。很多看起来花哨的调度算法本质上也还是在解决“空间路径”和“时间占用”这两件事。最后再分享一个小技巧第一次跑通项目后别急着加功能先把时间窗甘特图画出来盯着它看十分钟你会理解很多冲突场景的演变过程。这个项目后续无论是做毕设展示还是作为研究起点都非常值得继续扩展。本文还有配套的精品资源点击获取