[0001]
本发明属于无人驾驶技术领域，涉及露天矿山无人矿卡的调度方法。
背景技术：
[0002]
常见的无人矿卡调度方式主要分为三类：第一类是传统调度算法，主要包括最早装车法和最小饱和度算法等；第二类是智能化调度算法，主要包括遗传算法、粒子群算法等；第三类是基于流量的调度算法。
[0003]
传统的调度算法往往难以综合考虑每个电铲的工作强度约束，以及矿石品位的约束。比如最早装车法，往往会将矿卡集中派往路程最短的电铲/卸载点，在电铲工作强度不受约束，且不考虑矿石品位的前提下，能够取得最优效果。但是在实际生产中，电铲工作强度和每个装载点的矿石品位各不相同，所以最早装车法并不能很好的适应每种生产场景。
[0004]
智能化的调度方案，虽然能够取得最优解，但是通常难以考虑卡车在装载点的排队时间，并且计算复杂度高，难以适应经常发生变化的生产环境。
[0005]
现有的基于流量的调度算法，如专利cn200410009670.6中提到，是一种较优的无人矿山调度方案。但是该方案中在计算过程中只考虑了一种车型，适应性较差，不能在拥有多种矿车车型的矿山上使用。
[0006]
而现有的调度方案，一旦一条路线确定下来后，就难以改变，灵活性较差。
技术实现要素：
[0007]
本发明的目的是解决现有技术中存在的问题，提供一种基于露天无人矿山的卡车调度方法，能够结合每条道路的的实时拥堵程度，给每个装载点和卸载点规划出最优路径。而一旦装载或者卸载的最优路线发生改变，则原有的调度规则也将随之改变，从而使得生产效率最大化。
[0008]
本发明解决其技术问题采用的技术方案是：一种基于露天无人矿山的卡车调度方法，包括：
[0009]
第一步：周期性计算每个装载点到每个卸载点的最优路径；
[0010]
第二步：计算每条最优路径上的每种矿卡的最佳流量；
[0011]
第三步：根据车型，结合计算出的最佳流量和实时流量，对矿卡进行实时调度。
[0012]
作为本发明的一种优选方式，所述的第一步中，每个装载点到每个卸载点的最优路径的计算方法为：(1)根据矿山中每段道路的长度以及道路的实时拥堵信息，计算每段道路的代价因子cost。
[0013]
cost＝α*l+β*j
[0014]
其中，l为该段道路的长度，j为该段道路的拥堵因子；α和β为权重因子，默认值分别为1和10；
[0015]
(2)根据矿山的路网信息，结合每段道路的cost值，利用dijkstra算法计算出每个装载点到每个卸载点的最优路径。
[0016]
进一步优选地，道路拥堵因子的计算方法为：
[0017]
(1)统计每辆矿卡的gps位置信息和速度信息。并根据gps位置信息得到矿卡所在道路信息。
[0018]
(2)周期性统计每条道路上的平均车速v；
[0019]
(3)计算每条道路上的交通流密度k：
[0020]
根据格林希尔茨(green shields)模型，车速和交通流密度成如下关系：
[0021][0022][0023]
其中，v
f
为车辆自由行驶时的车速，k
j
为该道路阻塞时车辆的密度，v为道路的实际平均车速；
[0024]
(4)根据计算得到的该道路交通流密度k，实时拥堵因子j则有：
[0025][0026]
其中，ρ的默认值为0.8。
[0027]
进一步优选地，所述第二步中，每条最优路径上的每种矿卡的最佳流量的计算方法为：
[0028]
(1)构建线性规划目标函数：
[0029]
其中，x
ij
为从第i个装载点去往第j个卸载点的重车流量；n、m分别表示装载点、卸载点的个数；
[0030]
(2)利用卡车总数、车流基尔霍夫定律、装载点和卸载点工作强度、及矿石品位对所述的目标函数进行约束。
[0031]
进一步优选地，每条最优路径上的每种矿卡的最佳流量周期性进行计算，或者当矿山中的矿卡、装载点、卸载点、路径信息和道路拥堵信息发生变化时计算。
[0032]
与现有技术相比，本发明的方法具有的有益效果是：在计算装载点和卸载点之间的距离时，考虑了道路的实时拥堵程度，能够有效地节省行车时长。并且，当某条道路上由于车辆发生故障导致道路中断时，能够实时调度其余车辆绕开该道路。本发明计算装载点和卸载点之间的最佳流量时，考虑了不同车型的行驶速度和载重量，让整个调度方案更加符合实际生产要求。
附图说明
[0033]
图1是本发明实施例中基于露天无人矿山的卡车调度方法的流程示意图；
[0034]
图2为每段道路的起点和终点，以及道路的cost值形成的带有权重的有向图。
具体实施方式
[0035]
下面结合附图和实施例对本发明的技术方案进行详细的阐述和说明，需要理解，
提供的具体实施例仅是为了使本领域技术人员更容易理解本发明的技术方案，本发明的技术方案并不限于所提供的具体实施例，还包括除了具体实施例之外的其他实施例方式。
[0036]
本本发明提供的其中一个实施例是：基于露天无人矿山的卡车调度方法，该调度方法能够兼容多种型号矿卡，流程如图1所示，具体步骤为：
[0037]
第一步：周期性计算每个装载点到每个卸载点的最优路径。
[0038]
按照设定的时间周期，一般默认值为5分钟，周期性计算每个装载点到每个卸载点的最优路径，具体计算方法如下：
[0039]
(1)根据矿山中每段道路的长度以及道路的实时拥堵信息，计算每段道路的代价因子cost：
[0040]
cost＝α*l+β*j
[0041]
其中，l为该段道路的长度，j为该段道路的拥堵因子。α和β为权重因子，默认值分别为1和10。
[0042]
道路实时拥堵信息主要由拥堵因子j来表示，该拥堵因子j的计算方法为：
[0043]
①
统计每辆矿卡的gps位置信息和速度信息，并根据gps位置信息得到矿卡所在道路信息；
[0044]
②
周期性统计每条道路上的平均车速v；
[0045]
③
计算每条道路上的交通流密度k：
[0046]
根据格林希尔茨(green shields)模型，车速和交通流密度成如下关系：
[0047][0048][0049]
其中，v
f
为车辆自由行驶时的车速，k
j
为该道路阻塞时车辆的密度，v为道路的实际平均车速；
[0050]
④
通过上述公式计算得到的该道路交通流密度k，拥堵因子j则有：
[0051][0052]
其中，ρ的默认值为0.8。
[0053]
如果k大于ρ*k
j
，则认为该道路发生了严重堵塞，此时实时拥堵因子j为无穷大。否则，实时拥堵因子j＝k。
[0054]
(2)根据矿山的路网信息，结合每段道路的cost值，利用dijkstra算法计算出每个装载点到每个卸载点的最优路径。
[0055]
矿山的路网信包含整个矿山中的所有道路的起点、终点、限速信息和路径长度等信息。
[0056]
根据每段道路的起点和终点，以及道路的cost值，可以形成一张带有权重的有向图，根据有向图就能计算出两点之间的最优路径。带权重的有向图如2所示。
[0057]
第二步：计算每条最优路径上的重车流量和空车流量的最佳值
[0058]
假设整个矿山有n个装载点，m个卸载点，根据第一步得到的每个装载点和每个卸
载点之间的最优路径，设定从第i个装载点去往第j个卸载点的重车流量为x
ij
,从第j个卸载点去往第i个装载点路径上的空车流量为y
ji
。
[0059]
再假设整个矿山有k种矿车类型，每种矿车的载重量分别为d
k
(k＝0,1....,n)，每种矿车的个数为n
k
(k＝0,1....,k)。
[0060]
(1)根据上述假设，将整个问题抽象为线性规划问题，构建出目标函数：
[0061][0062]
其中，x
ij
为从第i个装载点去往第j个卸载点的重车流量。
[0063]
(2)目标函数的约束条件为：
[0064]
①
卡车总数约束
[0065]
对任意类型矿卡都有如下公式：
[0066]
对有，
[0067][0068]
并且还需要满足如下约束：
[0069][0070][0071]
其中，y
ji
为从第j个卸载点去往第i个装载点路径上的空车流量；
[0072]
q
ijk
等于第k种矿卡在第i个装载点去往第j个卸载点路径上的运行时间除以第k种矿卡的载重量，单位是辆小时/吨。q
ijk
与每种矿卡的载重量和行驶速度相关；
[0073]
p
jik
等于第k种矿卡在第j个卸载点去往第i个装载点路径上的运行时间除以第k种矿卡的装载能力，单位是辆小时/吨；
[0074]
α
ijk
为从第i个装载点去往第j个卸载点的重车流量分配给第k种矿卡的比例；
[0075]
β
jik
为从第j个卸载点去往第i个装载点路径上的空车流量分配给第k种矿卡的比例；
[0076]
②
车流基尔霍夫定律约束
[0077]
需要保证通往每个装载点和从每个装载点出来的每种车辆的个数相同。
[0078]
为此对每个装载点都有：
[0079]
对有，
[0080][0081]
其中，表示从第i个装载点流出的第k种车辆的个数；表示流入第i个装载点的第k种车辆的个数。
[0082]
对每个卸载点都有：
[0083]
对有，
[0084][0085]
其中，表示流入第j个卸载点的第k种车辆的个数；表示从第j个卸载点流出的第k种车辆的个数。
[0086]
③
装载点和卸载点工作强度约束
[0087]
对任意装载点有：
[0088][0089]
其中，o
i
为第i个装载点的最大工作强度。
[0090]
对任意卸载点有：
[0091][0092]
其中，u
j
为第j个卸载点的最大工作强度。
[0093]
④
矿石品位约束
[0094]
由于不同装载点矿石的品位不同，而每个卸载点对矿石的品位有一定的要求，所以需要对每条道路的流量进行限制，从而保证卸载点的矿石品位在合理范围内。
[0095]
品位约束的公式如下：
[0096][0097]
其中，g
i
为第i个装载点的矿石原有品位；
[0098]
v
lj
为第j个卸载点所能容忍的矿石品位的下限；
[0099]
v
hj
为第j个卸载带你所能容忍的矿石品位的上限。
[0100]
上述计算过程有两种触发机制，一种是周期性进行计算；另一种是当矿山中的矿卡、装载点、卸载点、路径信息和道路拥堵信息发生变化时，实时触发流量计算。
[0101]
第三步：对于矿卡发出的调度请求，结合上述步骤计算出每个装载点和卸载点之间的每种矿卡的最佳流量和实时流量，根据矿卡当前所在位置、矿卡类型，对矿卡进行调度。
[0102]
本实施例中，以第k种矿卡在第i个装载点处，发出调度请求为例进行说明：
[0103]
(1)调度系统收到请求后，查询每个与第i个装载点相连的卸载点最优道路的重车流量x
ij
，以及该道路分配给第k种矿卡的流量比例α
ijk
。
[0104]
(2)对任意相邻的卸载点，如果x
ij
或者α
ijk
为零，则说明不允许向第j个卸载点指派第k种矿卡。如果两者都不为零，则查询得到第i个装载点到该卸载点第k种矿卡的实时流量x
′
ijk
，并计算实时流量与理想流量的比值：
[0105][0106]
(3)遍历每个允许派车的卸载点，找到流量比值最小的卸载点。该卸载点就是本次调度需要指派的卸载点。
[0107]
同理，当矿卡在卸载点处，也可以按照上述方法进行实时调度，指派到合适的装载点。技术特征：
1.一种基于露天无人矿山的卡车调度方法，其特征在于，包括：第一步：周期性计算每个装载点到每个卸载点的最优路径；第二步：计算每条最优路径上的每种矿卡的最佳流量；第三步：根据车型，结合计算出的最佳流量和实时流量，对矿卡进行实时调度。2.根据权利要求1所述的基于露天无人矿山的卡车调度方法，其特征在于，所述的第一步中，每个装载点到每个卸载点的最优路径的计算方法为：(1)根据矿山中每段道路的长度以及道路的实时拥堵信息，计算每段道路的代价因子cost。cost＝α*l+β*j其中，l为该段道路的长度，j为该段道路的拥堵因子；α和β为权重因子，默认值分别为1和10；(2)根据矿山的路网信息，结合每段道路的cost值，利用dijkstra算法计算出每个装载点到每个卸载点的最优路径。3.根据权利要求2所述的基于露天无人矿山的卡车调度方法，其特征在于，道路拥堵因子的计算方法为：(1)统计每辆矿卡的gps位置信息和速度信息。并根据gps位置信息得到矿卡所在道路信息。(2)周期性统计每条道路上的平均车速v；(3)计算每条道路上的交通流密度k：根据格林希尔茨(green shields)模型，车速和交通流密度成如下关系：shields)模型，车速和交通流密度成如下关系：其中，v
f
为车辆自由行驶时的车速，k
j
为该道路阻塞时车辆的密度，v为道路的实际平均车速；(4)根据计算得到的该道路交通流密度k，实时拥堵因子j则有：其中，ρ的默认值为0.8。4.根据权利要求1所述的基于露天无人矿山的卡车调度方法，其特征在于，所述第二步中，每条最优路径上的每种矿卡的最佳流量的计算方法为：(1)构建线性规划目标函数：其中，x
ij
为从第i个装载点去往第j个卸载点的重车流量；n、m分别表示装载点、卸载点的个数；(2)利用卡车总数、车流基尔霍夫定律、装载点和卸载点工作强度、及矿石品位对所述的目标函数进行约束。
5.根据权利要求1-4任一项所述的基于露天无人矿山的卡车调度方法，其特征在于，每条最优路径上的每种矿卡的最佳流量周期性进行计算，或者当矿山中的矿卡、装载点、卸载点、路径信息和道路拥堵信息发生变化时计算。
技术总结
本发明属于无人驾驶技术领域，涉及露天矿山无人矿卡的调度方法。该方法包括：第一步：周期性计算每个装载点到每个卸载点的最优路径；第二步：计算每条最优路径上的每种矿卡的最佳流量；第三步：根据车型，结合计算出的最佳流量和实时流量，对矿卡进行实时调度。本发明的方法在计算装载点和卸载点之间的距离时，考虑了道路的实时拥堵程度，能够有效地节省行车时长。并且，计算装载点和卸载点之间的最佳流量时，考虑了不同车型的行驶速度和载重量，让整个调度方案更加符合实际生产要求。个调度方案更加符合实际生产要求。个调度方案更加符合实际生产要求。
技术研发人员：冯皓 张振良 谭石坚
受保护的技术使用者：青岛慧拓智能机器有限公司
技术研发日：2020.04.30
技术公布日：2021/2/23
声明：
“基于露天无人矿山的卡车调度方法与流程” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
479
编辑：中冶有色技术网
来源：青岛慧拓智能机器有限公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
中冶有色技术平台
2024年11月27日 ~ 29日 
