基于数字孪生体时空轨迹聚类的智能工厂物流路径动态优化方法

本发明公开了基于数字孪生体时空轨迹聚类的智能工厂物流路径动态优化方法。本发明中，通过引入图神经网络与拓扑数据分析技术进行轨迹解耦，有效分离了轨迹中的“固有路径偏好”与“瞬时空间耦合”分量，从根本上解决了轨迹空间耦合导致的伪团簇生成问题：能够为物流任务提供更合理的路径规划。新任务AGV不再被强制编入现有队列，能够根据实际情况启用备用通道，提高了物流设备运行的灵活性：优化后的物流路径动态优化方法使物流系统的效率得到显著提升，物流设备的运行效率提高，减少了货物在运输过程中的等待时间和拥堵情况，能够更快速、准确地完成物流任务，为智能工厂的高效生产提供了有力保障。