基于GIS的农业机器人车辆三级自动化远程监控系统

《Smart Agricultural Technology》：GIS-based remote monitoring system for agricultural robot vehicles under level 3 automation

　　

多个农业机器人车辆（RVs）的远程操作提高了农业作业的效率；然而，在实际应用中，仍缺乏能够同时管理多个任务的集中式监控系统的证据。本研究提出了一种基于GIS的远程监控系统，用于实施日本农林水产省（MAFF）定义的三级自动化的农业RVs。通过理论估计、仿真和实际实验，研究人员将该系统与一级和二级自动化进行了评估，以评估多RV操作的效率改进。实验结果表明，在多RV操作期间，工作效率显著提高，完工时间（Makespan）减少了高达40.02%，加速比（Speedup）达到1.66，并行效率（Parallel efficiency）达到41%。仿真与实验结果的一致性验证了所提出的作业时间公式和仿真器。此外，将仿真器集成到基于GIS的监控系统中，可以直观地估计给定作业计划的最佳RV数量和预期效率参数。尽管当前的实施在成本上尚无法与较低自动化水平竞争，但它证明了集中式基于GIS框架的可行性，并为农业操作中的三级自动化提供了实际验证。

论文解读文章

研究背景：全球农业劳动力短缺问题日益严峻，主要由人口老龄化和农村劳动力减少导致。为在保证高品质粮食生产的同时减少劳动力依赖，亟需开发新型农业模式。智慧农业（包括机器人自动化）提供了有前景的解决方案。多机器人系统已被开发用于协作完成复杂任务，但需监控系统监督不同位置的多台机器人。国际标准定义了驾驶自动化等级（0-5级），而日本农林水产省（MAFF）定义了农业机械自动化的三个等级：一级（操作员在机上）、二级（无人状态下用户监督自动驾驶）、三级（完全无人自主运行）。目前，已有研究实现了多台机器人拖拉机的田间协同作业，但缺乏集中式监控系统的证据，尤其是对三级自动化远程监控系统的实际效率验证。因此，本研究旨在开发并评估基于GIS的农业机器人车辆（RVs）三级自动化远程监控系统，以量化其对多RV操作效率的提升。

研究人员开展了什么研究：研究人员构建了基于ArcGIS GeoEvent Server的远程监控系统，通过gRPC协议实现服务器与客户端通信。使用四台商用拖拉机（Kubota MR1000A HT/W、Yanmar EG105 W/EG83 W）作为RV，配备RTK-GNSS和IMU。设计了包含道路路径和四个测试田块的导航地图（北海道大学实验农场），建立了作业时间公式（Eq.1-8）用于估计理论完工时间。采用运动学自行车模型和纯追踪控制器（PPC）进行仿真。通过理论估计、仿真和实际实验，比较了手动操作、一级、二级和三级（三车及四车）自动化下完成作业计划的时间，评估了Makespan、Speedup和Parallel efficiency等效率参数。

结论：实验结果表明，三级自动化系统在多RV操作中显著提高了工作效率：Makespan减少高达40.02%，Speedup达到1.66，Parallel efficiency达到41%。仿真与实验结果高度一致，验证了作业时间公式和仿真器的准确性。将仿真器集成到GIS监控系统可直观估计给定作业计划的最佳RV数量和预期效率参数。尽管当前实施在成本上尚无法与较低自动化水平竞争，但它证明了集中式基于GIS框架的可行性，并为农业操作中的三级自动化提供了实际验证。

意义：本研究为农业三级自动化远程监控系统提供了实际验证，展示了基于GIS的集中式监控提升操作效率和辅助决策的潜力，为未来智慧农业应用奠定了基础。论文发表在《Smart Agricultural Technology》。

关键技术方法（不超过250字）：①远程监控系统架构：基于ArcGIS GeoEvent Server，服务器运行于Windows Server 2019，客户端通过gRPC协议通信，支持实时GIS可视化和命令发送，通信基于4G LTE互联网；②作业时间公式：结合道路行驶时间、田间作业时间、地头转向时间（switch-back方式）和田块转移时间（U-turn），用于估计单台或多台RV的Makespan、Speedup和Parallel efficiency；③运动学自行车模型仿真：采用纯追踪控制器（PPC），在Python环境下模拟车辆路径跟踪，输入速度为1.12 m/s（4 km/h），转向角范围-45°到+45°，验证时间公式；④实际实验：在北海道大学实验农场使用四台商用拖拉机（RV1-RV4），手动、一级、二级、三级（三车和四车）自动化，每配置重复三次，记录实际完成时间。样本队列来源为北海道大学实验农场。

研究结果（保留每个小标题）：

3.1 Level 1 efficiency evaluation results：通过单台RV在手动和自动模式下完成作业计划的实验。结果显示自动模式平均完成时间960.72 s，比手动模式（1125.38 s）快约165 s，且三次实验标准差仅±1.68 s，验证了自动模式的稳定性和作业时间公式的准确性。仿真误差0.76%。

3.2 Level 2 efficiency evaluation results：使用两台RV，RV1自动完成Fields A和B，RV2手动完成Fields C和D。实验表明自动RV完成时间接近理论值（646.10 s vs 664.40 s），手动RV耗时更久（803.31 s）。实际Makespan为803.31 s，Speedup 1.19，Parallel efficiency 59.5%。仿真误差约20%，主要由于手动驾驶的不确定性。

3.3 Level 3 remote monitoring system efficiency evaluation results：分为三级A（三台RV：RV1自动Field A，RV2自动Field B，RV3自动Fields C和D）和三级B（四台RV各自动一个Field）。实验显示三级A实际Makespan 674.93 s，Speedup 1.42，Parallel efficiency 47.3%；三级B实际Makespan 576.23 s，Speedup 1.66，Parallel efficiency 41.5%。所有三级实验仿真误差低于1%，验证了系统性能。

3.4 Simulation-based efficiency evaluation results：通过仿真扩展至5-8台RV。结果（Fig. 7）显示Makespan随RV数量增加而减少，但Speedup在四台RV后趋于平台（约1.67），Parallel efficiency持续下降但在四台后稳定约41%。确认四台RV为此作业计划的最优数量。仿真与理论值高度一致，证明集成仿真可辅助决策。

总结讨论部分：讨论指出，一级自动化相比手动驾驶显著提升效率且一致性高，验证了时间公式；二级自动化通过一台自动一台手动减少了总时间，但手动操作限制了效率，与基于互联网的远程监控相比优于传统点对点通信；三级自动化进一步减少完工时间，四台RV时Makespan减少40.02%，但Parallel efficiency下降至41.5%，反映了多机器人系统的典型特征（每台机器人利用率下降但整体Speedup提升）。系统可支持多达50台RV的远程监控，通信基于互联网，无需同一字段。成本目前较高，未来需通过政府支持或共享服务降低门槛。未来研究将整合信用在线算法和AI技术。

研究结论部分翻译：本研究提出了一种基于GIS的农业机器人车辆（RVs）远程监控系统，实现了日本农林水产省（MAFF）定义的三级自动化。通过理论估计、仿真和实际实验，研究人员将所提系统与一级和二级自动化进行了对比，评估了多RV操作的效率改进。作业时间公式基于先前研究，并在本研究中解释了选择和测试的理由。采用一个众所周知的仿真模型来帮助可视化模拟的工作效率参数。实验结果表明，该系统在远程操作多台RV时显著提高了工作效率。定量分析显示，总体完工时间（Makespan）减少了高达40.02%。加速比（Speedup）增至1.66，表示通过增加多台机器人系统变得更快。并行效率（Parallel efficiency）达到41%，表示系统有效利用额外RV的程度。此外，实验结果验证了所提出的作业时间公式和仿真器。仿真器集成到基于GIS的远程监控系统后，能够直观地估计给定作业计划的最佳RV数量和机队的预期效率参数。应注意，这些结果是在单一代表性作业计划配置下获得的，因此应视为初步结果且特定于评估的场景，作为所提框架的概念验证。基于这些定量结果，本研究的主要贡献可概括如下：（i）验证了效率增益与RV数量并非线性比例，而是由于任务划分和操作约束呈现递减回报；（ii）理论、仿真和实验结果的一致性表明，所提出的建模框架能在验证的操作范围内合理再现实际多车行为；（iii）在GIS环境中集成仿真，实现了在田间部署前估计机队规模的实用决策支持能力。尽管当前实施在成本上尚无法与较低自动化水平竞争，但它作为集中式基于GIS远程监控框架的概念验证，并展示了农业操作中三级自动化的成功实际验证。