- 在封闭设施（如调度场）中，**自主配送车辆(autonomous delivery vehicles)** 需要完成充电、检查、清洁、装载等顺序任务，但基于**静态规则(static rules)** 的孤立自主操作容易导致**死锁(gridlock)** 和设施故障，暂时停止运营
- 现有方法缺乏对车辆与基础设施之间动态协作的考虑，无法在高需求场景下有效提高车辆吞吐量
- 研究背景：随着**自动驾驶(autonomous driving)** 逐步部署到城市道路，封闭场所由于不受极端边缘情况影响，更适合实现全自主运营
- 提出一种**编排式自主(orchestrated autonomy)** 解决方案，采用**去中心化动态优先级评分(decentralized dynamic priority scoring)**，基于调度场的当前状态（如任务进度、车辆位置）实时评估车辆优先级
- 将车辆最优分配到顺序任务（充电、检查、清洁、装载），以最大化车辆吞吐量
- 通过模拟三种调度场规模（小、中、大）和三种需求水平（低、中、高）进行实验验证
- **首创性**：首次将**动态优先级评分(dynamic priority scoring)** 与**去中心化编排(decentralized orchestration)** 结合，替代传统的静态规则自主操作，解决封闭设施内的死锁问题
- **效率提升**：在所有规模与需求组合下，车辆吞吐量均高于静态孤立自主方法，尤其在**高需求水平(high demand levels)** 下显著减少设施故障
- **鲁棒性增强**：通过实时感知设施状态动态调整任务分配，避免固定规则导致的系统级崩溃
- 为封闭场所（如**调度场(marshaling yard)**）中的**自主车辆-基础设施协同** 提供了一种可行的编排范本，提升整体运营效率
- 在仿真实验中证明了所提方法在不同规模和需求下的一致优越性，为实际部署提供了理论依据
- 推动了**混合自动化(hybrid automation)** 中车辆与基础设施联合决策的研究，为未来城市物流自动化奠定了基础