2. AMR运行场景与交通需求建模

AMR交通管制的第一步不是画地图、也不是调参数，而是把“车从哪来、到哪去、什么时候来、走哪条路”这件事说清楚。交通需求建模的本质，是把物理场景中的业务任务翻译成一张随时间变化的OD（起终点）矩阵，再叠加到路网上形成可计算的交通流。场景不同，交通流的时空特征差异极大，用同一套参数去治理必然失效。本节按仓储、产线、港口、医院四类典型场景展开，并给出从任务数据到OD需求、再到时空分布建模的完整方法。

四类场景的交通流特征

仓储场景是AMR应用最密集的领域，典型对象是货架、拣选站、充电桩和分拣口。其交通流呈现“潮汐+热点”特征：订单波次触发时，数百台AMR在几分钟内从停车区涌向目标货架，再汇聚到少数几个拣选站，形成明显的汇聚型拥堵。任务到达近似泊松过程叠加波次脉冲，OD需求高度集中——起点是货架位，终点是拣选站，反向搬运则相反。通道宽度通常2.5～3.5米，双向通行能力有限，拥堵多发生在拣选站入口和主通道交叉口。

产线场景的核心是节拍。AMR在工位之间按固定节拍配送物料、回收空箱，任务到达具有强周期性，OD对相对固定，路径重复度高。交通流特征是“低密度、高确定性、窄通道”，但一旦某台AMR因等待或故障停滞，会迅速阻塞整条配送链路。产线场景的建模重点不是随机到达，而是节拍约束下的时序冲突——多台AMR在同一时刻争抢同一工位接口。

港口场景面对的是集装箱、岸桥、堆场和外部集卡。AMR（或IGV）承担岸桥到堆场的水平运输，任务到达受船舶装卸计划驱动，呈现“大颗粒、长距离、强方向性”。单次任务距离可达数百米，OD需求在岸桥与堆场箱区之间形成稳定的重载流，空载回程与重载去程方向相反，形成闭环。港口路网宽阔但交叉口少，拥堵主要发生在岸桥作业区和堆场出入口，且受天气、船期影响波动大。

医院场景最为特殊：AMR运送药品、标本、餐食和污物，通道与人员、病床、轮椅混行。任务到达随机性强，单次载重小，但OD分布极广，几乎覆盖全院。交通流特征是“低速、高干扰、强安全约束”，电梯成为关键瓶颈资源。建模时必须把人员流作为背景噪声，把电梯等待时间作为OD行程时间的重要组成部分。

任务到达规律的建模方法

任务到达规律决定了交通流的“输入函数”。工程上分三步处理：

第一步，数据清洗与字段对齐。从上游系统导出任务记录，至少保留任务ID、起点位置编码、终点位置编码、创建时间、开始执行时间、完成时间、载重类型。不同系统的位置编码必须映射到统一的路网节点ID，否则OD无法落到图上。例如仓储WMS中的“A区-03排-05列”要映射为路网节点“N_A03_05”。

第二步，到达过程拟合。把一天切成若干时间片（仓储常用5分钟，产线用节拍周期，港口用小时，医院用15分钟），统计每个时间片内的任务数。若任务数均值与方差接近，可近似为泊松过程，用λ(t)表示时变到达率；若呈现明显周期性，则用周期函数叠加；港口和产线更适合直接用计划表驱动，不需要随机拟合。

第三步，OD矩阵构建。对每个时间片，统计从节点i到节点j的任务数，形成OD矩阵O(i,j,t)。矩阵规模等于路网节点数的平方，实际中大量为0，可用稀疏矩阵存储。OD矩阵就是交通需求的空间表达，时间片序列就是其时间表达。

时空分布建模与路网加载

有了OD矩阵，还需要把它“加载”到路网上，才能得到各路段、各路口的流量。加载过程分两步：路径分配和流量累加。

路径分配解决“从i到j走哪条路”。仓储和产线场景路网简单，可用最短路径或预设路径；港口和医院场景需要考虑转弯代价、电梯等待、单行限制，建议用带权图的最短路径，权重为“距离/速度+转弯惩罚+等待时间”。分配后，每条OD对对应一条路径，路径上的每条边获得一份流量。

流量累加把所有OD对的路径流量叠加，得到每个时间片内各路段的流量f(e,t)。这个f(e,t)就是交通管制的直接输入——哪里流量超过通行能力，哪里就需要管制。

以一个仓储示例说明：某时间片内，从货架区A到拣选站P1有12个任务，从货架区B到P1有8个任务，从P1返回货架区A有5个空载任务。路径分配后，主通道C1承担了12+8=20个去程流量和5个回程流量，若C1单向通行能力为15台/时间片，则C1在该时间片过载，需要分流或错峰。这就是从OD到拥堵判断的完整链条。

场景化建模的落地建议

实际项目中，不必一开始就追求高精度随机模型。更务实的做法是：先用一周的历史任务数据统计出各时间片的OD矩阵，用确定性加载得到基线流量图，识别出Top 5拥堵路段和拥堵时段；再针对这些瓶颈，引入到达波动和路径选择行为做敏感性分析。这样既快速见效，又为后续精细化建模留出迭代空间。

对于医院和港口这类外部干扰强的场景，建议在OD矩阵之外单独建立“干扰事件表”，记录电梯故障、船期变更、紧急插单等事件及其对到达率和路径通行时间的影响系数。交通管制策略在运行时读取该表，动态调整路径权重和放行策略，才能应对真实场景的不确定性。

最后需要强调：OD需求建模的输出不是一张静态图，而是一组随时间变化的流量矩阵和路段流量序列。它既是交通管制策略的输入，也是评估管制效果的基准——只有先知道“不加管制会堵成什么样”，才能判断管制是否真正起了作用。