CN113515721B - 基于人工智能的多洒水车协同调度方法及系统 - Google Patents

基于人工智能的多洒水车协同调度方法及系统 Download PDF

Info

Publication number
CN113515721B
CN113515721B CN202111076796.5A CN202111076796A CN113515721B CN 113515721 B CN113515721 B CN 113515721B CN 202111076796 A CN202111076796 A CN 202111076796A CN 113515721 B CN113515721 B CN 113515721B
Authority
CN
China
Prior art keywords
target
watering
sprinkler
route
road section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111076796.5A
Other languages
English (en)
Other versions
CN113515721A (zh
Inventor
徐晓玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANTONG HUAHAOJU ELECTRONIC TECHNOLOGY CO LTD
Original Assignee
NANTONG HUAHAOJU ELECTRONIC TECHNOLOGY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NANTONG HUAHAOJU ELECTRONIC TECHNOLOGY CO LTD filed Critical NANTONG HUAHAOJU ELECTRONIC TECHNOLOGY CO LTD
Priority to CN202111076796.5A priority Critical patent/CN113515721B/zh
Publication of CN113515721A publication Critical patent/CN113515721A/zh
Application granted granted Critical
Publication of CN113515721B publication Critical patent/CN113515721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Cleaning Of Streets, Tracks, Or Beaches (AREA)

Abstract

本发明涉及智能环卫技术领域，具体涉及一种基于人工智能的多洒水车协同调度方法及系统。方法包括：获取各洒水车对应的各路段的扬尘程度，得到目标路段；求各洒水车的第一调度指标，得到第一目标洒水车；根据构建各目标路段的特征向量，构建局部人工势场；根据局部人工势场，得到第一目标洒水车的新路径；根据得到的第二调度指标，得到第一目标洒水车的洒水路线；判断第一目标洒水车的洒水路线是否已覆盖设定比例的目标路线，若已覆盖，则只控制第一目标洒水车按照洒水路线进行洒水。本发明对多辆洒水车协同调度，在确保自己洒水路线抑尘效果的同时灵活规划洒水路径，使每辆洒水车作业时有效工作量达到最大，从而减少资源的浪费。

Description

基于人工智能的多洒水车协同调度方法及系统
技术领域
本发明涉及智能环卫技术领域，具体涉及一种基于人工智能的多洒水车协同调度方法及系统。
背景技术
随着城市的迅速发展，智能环卫越来越受关注。在智能环卫领域中，道路扬尘直接影响城市市民的出行体验以及身体健康，所以道路扬尘治理为智能环卫的重中之重。
现有技术中，通过洒水车洒水以达到道路抑尘的效果，每个洒水车有固定的洒水路线，通过调整洒水车作业频率完成道路抑尘作业，但是洒水路线上由于不同路段需要再次洒水的时间不同，使得洒水车每次作业时的有效作业区域较小，从而造成了资源浪费。
发明内容
为了解决洒水车作业时资源浪费的问题，本发明的目的在于提供一种基于人工智能的多洒水车协同调度方法及系统，所采用的技术方案具体如下：
第一方面，本发明提供了一种基于人工智能的多洒水车协同调度方法，该方法包括以下步骤：
获取各洒水车对应的原始洒水路线上各路段的扬尘程度，将所述扬尘程度大于扬尘程度阈值的路段记为目标路段；求各洒水车对应的原始洒水路线上目标路段的总长度与对应的原始洒水路线总长度之比，记为各洒水车对应的第一调度指标，并将第一调度指标最大的洒水车，记为第一目标洒水车；
构建各目标路段的特征向量，根据所述各目标路段的特征向量，构建局部人工势场；根据所述局部人工势场，得到第一目标洒水车的新路径；所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔；
求所述第一目标洒水车的新路径上目标路段总长度与新路径总长度之比，记为新路径对应的有效作业比例；求所述新路径对应的有效作业比例与原洒水路线对应的有效作业比例之差，记为第一目标洒水车的第二调度指标，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线；
判断所述第一目标洒水车的洒水路线是否已覆盖设定比例的目标路线，若已覆盖设定比例的目标路线，则只控制第一目标洒水车按照所述洒水路线进行洒水。
第二方面，本发明还提供了一种基于人工智能的多洒水车协同调度系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的基于人工智能的多洒水车协同调度方法。
优选的，若所述第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则根据未覆盖到的目标路段得到第二目标洒水车，根据第二目标洒水车的第二调度指标得到第二目标洒水车的洒水路线，并判断第二目标洒水车的洒水路线是否已覆盖设定比例的所述未覆盖到的目标路段，若是，则只控制第一目标洒水车和第二目标洒水车按照对应的洒水路线进行洒水。
优选的，根据所述各目标路段的特征向量，构建局部人工势场的方法包括：
根据道路分布，计算道路障碍物形成的斥力场；
将第一目标洒水车对应的原始洒水路线上与第一目标洒水车当前位置距离最近的目标路段的起始位置记为目标位置；
将第一目标洒水车当前位置作为起始位置，根据起始位置和目标位置，构建第一引力场；
根据剩余洒水车对应的原始洒水路线的目标路段的特征向量，构建第二引力场，所述剩余洒水车为除了第一目标洒水车以外的洒水车；
根据斥力场、第一引力场和第二引力场，构建局部人工势场。
优选的，所述第二引力场的计算公式为：
Figure 100002_DEST_PATH_IMAGE002
Figure 100002_DEST_PATH_IMAGE004
其中，
Figure 100002_DEST_PATH_IMAGE006
表示目标路段
Figure 100002_DEST_PATH_IMAGE008
对起始位置
Figure 100002_DEST_PATH_IMAGE010
的第二引力场，
Figure 100002_DEST_PATH_IMAGE012
为距离阈值，
Figure 100002_DEST_PATH_IMAGE014
表示第一目标洒水车从起始位置指向目标位置的向量，
Figure 100002_DEST_PATH_IMAGE016
表示第一目标洒水车从起始位置指向目标路段
Figure 6873DEST_PATH_IMAGE008
的向量，
Figure 100002_DEST_PATH_IMAGE018
为第一目标洒水车到目标路段
Figure 360756DEST_PATH_IMAGE008
的距离，
Figure 100002_DEST_PATH_IMAGE020
为引力系数，
Figure 100002_DEST_PATH_IMAGE022
为目标路段
Figure 974140DEST_PATH_IMAGE008
对应原始洒水路线的洒水车的第一调度指标，
Figure 100002_DEST_PATH_IMAGE024
为目标路段
Figure 71671DEST_PATH_IMAGE008
的扬尘程度，
Figure 100002_DEST_PATH_IMAGE026
为扬尘程度阈值，
Figure 100002_DEST_PATH_IMAGE028
为目标路段
Figure 719690DEST_PATH_IMAGE008
超出扬尘程度的时刻到当前时刻的时间间隔，
Figure 100002_DEST_PATH_IMAGE030
为自然常数。
优选的，根据所述局部人工势场，得到第一目标洒水车的新路径的方法包括：
将第一目标洒水车对应的原始洒水路线上各目标路段的起始点作为目标位置，终止点作为起始位置，根据起始位置和目标位置构建多个局部人工势场；
根据各局部人工势场，得到起始点到目标位置的最优路径；
根据各个最优路径，得到第一目标洒水车的新路径。
优选的，所述得到第一目标洒水车的第二调度指标的计算公式为：
Figure 100002_DEST_PATH_IMAGE032
其中，
Figure 100002_DEST_PATH_IMAGE034
为第一目标洒水车
Figure 100002_DEST_PATH_IMAGE036
的第二调度指标，
Figure 100002_DEST_PATH_IMAGE038
为第一目标洒水车
Figure 697005DEST_PATH_IMAGE036
的新路径的总长度，
Figure 100002_DEST_PATH_IMAGE040
为新覆盖的目标路段
Figure 100002_DEST_PATH_IMAGE042
，
Figure 100002_DEST_PATH_IMAGE044
为目标路段
Figure 892625DEST_PATH_IMAGE040
的长度，
Figure 100002_DEST_PATH_IMAGE046
为目标路段
Figure 262689DEST_PATH_IMAGE040
所在原始洒水路线的总长度，
Figure 100002_DEST_PATH_IMAGE048
为目标路段的扬尘程度。
优选的，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线的方法包括：
对第一目标洒水车的第二调度指标进行判断，若第二调度指标大于零，则将新路径作为第一目标洒水车的洒水路线；若第二调度指标小于等于零，则将第一目标洒水车对应的原始洒水路线作为洒水路线。
本发明实施例具有如下有益效果：
本发明根据获取到的各路段的扬尘程度得到各洒水车对应的第一调度指标，从而得到第一目标洒水车以及各目标路段的特征向量，所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔；根据各目标路段的特征向量构建局部人工势场，并根据局部人工势场得到第一目标洒水车的新路径，然后根据第一目标洒水车的新路径得到第一目标洒水车的第二调度指标，从而得到第一目标洒水车的洒水路线；若第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则继续获得第二目标洒水车，并得到第二目标洒水车的洒水路，直到洒水路线覆盖设定比例的目标路线为止。所述洒水路线既确保了原始洒水路线上的有效作业量，同时又完成了其他原始洒水路线上的有效作业量。本发明对多辆洒水车协同调度，在确保自己固定洒水路线抑尘效果的同时灵活的规划洒水路径，使得每辆洒水车单次作业时有效工作量达到最大，从而减少资源的浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于人工智能的多洒水车协同调度方法的流程图；
图2为本发明的洒水车新路径示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功能效果，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的多洒水车协同调度方法及系统进行详细说明如下。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
为了解决洒水车作业时资源浪费的问题，本发明的主要构思为：根据获取到的各路段的扬尘程度得到各洒水车对应的第一调度指标，从而得到第一目标洒水车以及各目标路段的特征向量；根据各目标路段的特征向量构建局部人工势场，并根据局部人工势场得到第一目标洒水车的新路径，然后根据第一目标洒水车的新路径得到第一目标洒水车的第二调度指标，从而得到第一目标洒水车的洒水路线；若第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则继续获得第二目标洒水车，并的到第二洒水车的洒水路，直到洒水路线覆盖设定比例的目标路线为止。本发明对多辆洒水车共同调度，在确保自己固定洒水路线抑尘效果的同时灵活的规划洒水路径，使得每辆洒水车单次作业时有效工作量达到最大，从而减少资源的浪费。
下面结合附图具体的说明本发明所提供的一种基于人工智能的多洒水车协同调度方法及系统的具体方案。
基于人工智能的多洒水车协同调度方法的实施例：
如图1所示，本实施例的基于人工智能的多洒水车协同调度方法包括以下步骤：
步骤S1，获取各洒水车对应的原始洒水路线上各路段的扬尘程度，将所述扬尘程度大于扬尘程度阈值的路段记为目标路段；求各洒水车对应的原始洒水路线上目标路段的总长度与对应的原始洒水路线总长度之比，记为各洒水车对应的第一调度指标，并将第一调度指标最大的洒水车，记为第一目标洒水车。
本实施例的步骤S1具体分为以下几个子步骤实现：
步骤S1-1，获取各洒水车对应的原始洒水路线上各路段的扬尘程度，将所述扬尘程度大于扬尘程度阈值的路段记为目标路段。
由于洒水车的洒水路线上各路段道路两侧环境和交通状况的不同使得各路段的扬尘程度存在差异，从而导致同一路线上不同路段达到需要再次洒水的时间不同。本实施例利用道路两侧的扬尘监测传感器获得各路段的扬尘程度。其中，扬尘监测传感器的部署间隔根据传感器的监测范围确定，一个扬尘监测传感器对应一个路段。
本实施例将获得的到的各路段的扬尘程度与扬尘程度阈值进行比较，判断该路段是否需要洒水，若该路段的扬尘程度大于扬尘程度阈值，则该路段需要洒水；若该路段的扬尘程度小于等于扬尘程度阈值，则该路段不需要洒水。本实施例将需要洒水的路段记为目标路段。
步骤S1-2，求各洒水车对应的第一调度指标，并获得第一目标洒水车。
在现有技术中洒水车以固定时间间隔进行作业，本实施例为达到再次作业时间的各个洒水车获得第一调度指标，第一调度指标是各洒水车对应的原始洒水路线上目标路段的总长度与对应的原始洒水路线总长度之比，反映的是各洒水车在原始洒水路线上的有效作业比例，若洒水车对应的第一调度指标越大，则该洒水车对应的原始线路上作业时的有效作业比例就越大。其中目标路段的总长度与第一调度指标呈正相关关系。
根据步骤S1-1，进一步获取各目标路段的长度，然后利用数学模型的方法拟合出各目标路段的总长度、原始洒水路线总长度与第一调度指标之间的函数关系，得到的第一调度指标的计算公式为：
Figure 100002_DEST_PATH_IMAGE050
其中，
Figure DEST_PATH_IMAGE052
表示洒水车
Figure 93110DEST_PATH_IMAGE042
的第一调度指标，
Figure 693856DEST_PATH_IMAGE026
为设定扬尘程度阈值，
Figure DEST_PATH_IMAGE054
为路段
Figure DEST_PATH_IMAGE056
的扬尘程度，
Figure DEST_PATH_IMAGE058
表示扬尘程度超过扬尘程度阈值的路段
Figure 111193DEST_PATH_IMAGE056
的长度，
Figure DEST_PATH_IMAGE060
为扬尘程度超过扬尘程度阈值的路段数量，
Figure DEST_PATH_IMAGE062
为洒水车
Figure 816106DEST_PATH_IMAGE042
原始洒水路线的总长度。本实施例将扬尘程度阈值设定为0.4，在实际过程中可根据实际需要自行设定。
本实施例将第一调度指标最大的洒水车作为需要调度的目标洒水车，记为第一目标洒水车。
步骤S2，构建各目标路段的特征向量，根据所述各目标路段的特征向量，构建局部人工势场；根据所述局部人工势场，得到第一目标洒水车的新路径；所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔。
本实施例的步骤S2通过构建人工势场对需要调度的第一目标洒水车进行路径规划，从而得到新的洒水路径，具体通过以下几个子步骤实现：
步骤S2-1，构建各目标路段的特征向量。
根据步骤S1-1获得的各洒水车对应的第一调度指标以及各路段的扬尘程度，来进一步获取各目标路段的特征向量，所述特征向量包括：路段对应洒水路线的洒水车的第一调度指标
Figure DEST_PATH_IMAGE064
、扬尘程度超出扬尘程度阈值的程度以及第一次超出扬尘程度阈值的时刻到当前时刻的时间间隔
Figure DEST_PATH_IMAGE066
，记目标路段
Figure 704297DEST_PATH_IMAGE008
的特征向量为
Figure DEST_PATH_IMAGE068
。
步骤S2-2，构建局部人工势场。
本实施例中构建的人工势场为第一目标洒水车当前位置到一个目标路段的目标位置的人工势场，将其记为局部人工势场。人工势场包含两种力场，分别为运动目标位置所形成的引力场和障碍物所形成的斥力场，在本实施例中对引力场进行了改进，使引力场由第一引力场和第二引力场组成。具体局部人工势场的构建方法如下：
第一，由于城市道路分布是固定的，所以局部人工势场的斥力场为一个固定场，是保持不变的。斥力场的计算公式如下：
Figure DEST_PATH_IMAGE070
其中，
Figure DEST_PATH_IMAGE072
表示第一目标洒水车当前位置的斥力场，
Figure DEST_PATH_IMAGE074
表示与第一目标洒水车当前位置与障碍物的距离，
Figure DEST_PATH_IMAGE076
为障碍物的作用阈值范围。
第二，本实施例中每一个目标路段都可视为一个运动目标位置，所以需要将原始洒水路线上的每一个目标路段作为目标位置来构建多个局部引力场，以确保重新规划的新路线可以覆盖原始洒水路线上的全部目标路段。所述目标位置为目标路段的起始位置。
从第一目标洒水车的出发点开始获得原始洒水路线上与第一目标洒水车距离最近的目标路段的目标位置
Figure DEST_PATH_IMAGE078
，以第一目标洒水车的出发点为起始点，以目标位置
Figure 35132DEST_PATH_IMAGE078
为终点，构建第一引力场，计算公式如下：
Figure DEST_PATH_IMAGE080
其中，其中，
Figure 408607DEST_PATH_IMAGE012
为距离阈值，
Figure 822271DEST_PATH_IMAGE078
为目标位置，
Figure DEST_PATH_IMAGE082
为起始位置
Figure 269695DEST_PATH_IMAGE010
的第一引力场，
Figure DEST_PATH_IMAGE084
为第一目标洒水车起始位置到目标位置
Figure 8981DEST_PATH_IMAGE078
的距离。设定距离阈值是为了避免第一目标洒水车在靠近目标位置时引力过大的问题，本实施例将距离阈值设为50，在实际过程中可根据需要进行设置。
第三，上述计算的第一引力场并没有考虑到其他路线上的目标路段所产生的影响，因此为了使新路径可以覆盖其他路线上的目标路段，需要根据其他路线上目标路段的特征向量构建第二引力场。
第二引力场反映的是喷洒该目标路段的需求度，本实施例根据第一目标洒水车的起始位到目标位置的方向与到其他洒水路线上的目标路段的方向之间的角度和第一目标洒水车到目标路段的距离，来确定该目标路段产生的第二引力场，则目标路段
Figure 978074DEST_PATH_IMAGE008
产生的第二引力场的计算方法如下：
Figure DEST_PATH_IMAGE002A
其中，
Figure 821527DEST_PATH_IMAGE006
表示目标路段
Figure 825255DEST_PATH_IMAGE008
对起始位置
Figure 204284DEST_PATH_IMAGE010
的第二引力场，
Figure 457411DEST_PATH_IMAGE014
表示第一目标洒水车从起始位置指向目标位置的向量，
Figure 212877DEST_PATH_IMAGE016
表示第一目标洒水车从起始位置指向目标路段
Figure 539953DEST_PATH_IMAGE008
的向量，
Figure 388086DEST_PATH_IMAGE018
为第一目标洒水车到目标路段
Figure 128509DEST_PATH_IMAGE008
的距离，
Figure 687666DEST_PATH_IMAGE020
为引力系数。
其中引力系数是根据该目标路段的特征向量构建的，若第一调度指标越小，扬尘程度超出扬尘程度阈值越大并且超出的时间越长，则产生的引力系数越大。利用数学建模的方法拟合出目标路段的特征向量与引力系数之间的函数关系，得到引力系数的计算公式为：
Figure DEST_PATH_IMAGE004A
其中，
Figure 993883DEST_PATH_IMAGE022
为目标路段
Figure 950600DEST_PATH_IMAGE008
对应原始洒水路线的洒水车的第一调度指标，
Figure 178319DEST_PATH_IMAGE024
为目标路段
Figure 10008DEST_PATH_IMAGE008
的扬尘程度，
Figure 842835DEST_PATH_IMAGE026
为扬尘程度阈值，
Figure 734568DEST_PATH_IMAGE028
为目标路段
Figure 449583DEST_PATH_IMAGE008
超出扬尘程度的时刻到当前时刻的时间间隔，
Figure 586428DEST_PATH_IMAGE030
为自然常数。
第四，根据上述所得到的斥力场、第一引力场以及第二引力场，得到第一目标洒水车从出发点到达目标位置的局部人工势场，其计算公式为：
Figure DEST_PATH_IMAGE086
其中，
Figure DEST_PATH_IMAGE088
表示不在第一目标洒水车对应的原始洒水路线上的所有目标路段的数量，
Figure DEST_PATH_IMAGE090
为局部人工势场。至此局部人工势场构建完成，然后基于梯度下降法得到第一目标洒水车从出发点到达目标位置
Figure 663975DEST_PATH_IMAGE078
的最优路径
Figure DEST_PATH_IMAGE092
，该最优路径既保证了第一目标洒水车原始洒水路线上的有效作业同时又可以完成其他原始洒水路线上的有效作业，从而减少其他洒水车的调度。
步骤S2-3，得到第一目标洒水车的新路径。
如图2所示，本实施例根据步骤S2-2得到的目标位置
Figure 24811DEST_PATH_IMAGE078
，所述目标位置
Figure 961543DEST_PATH_IMAGE078
指的是该目标路段的起始位置，获得该目标路段对应的终止位置记为
Figure DEST_PATH_IMAGE094
，以
Figure 931773DEST_PATH_IMAGE094
为起始点，以原始洒水路线上下一个目标路段的目标位置
Figure DEST_PATH_IMAGE096
为终点位置，按照步骤S2-2获得最优路径
Figure DEST_PATH_IMAGE098
，直至遍历完第一目标洒水车对应的原始洒水路线上所有的目标路段，得到多个最优路径
Figure DEST_PATH_IMAGE100
，其中
Figure DEST_PATH_IMAGE102
为该原始洒水路线上目标路段的个数，将
Figure 478206DEST_PATH_IMAGE102
个最优路径拼接在一起就可以得到第一目标洒水车辆的新路径，该新路径既确保完成了原始洒水路线上的有效作业量，又可以完成其他原始洒水路线上的有效工作量，因此可以避免第一调度指标较小的洒水车的调度时带来的资源浪费的问题。
步骤S3，求所述第一目标洒水车的新路径上目标路段总长度与新路径总长度之比，记为新路径对应的有效作业比例；求所述新路径对应的有效作业比例与原洒水路线对应的有效作业比例之差，记为第一目标洒水车的第二调度指标，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线。
该步骤对第一目标洒水车的新路径进行分析，得到第一目标洒水车的第二调度指标，以此来判断新路径是否能起到减少资源消耗的效果，以确定第一目标洒水车的洒水路线，所述第二调度指标是第一目标洒水车的新路径对应的有效作业比例与原洒水路线对应的有效作业比例作差的结果，通过将两者作差，可以体现出新规划的路线相较于之前原始的洒水路线是否有所改进。得到第二调度指标的具体过程为：
首先获得第一目标洒水车的新路径的总长度以及新路径上新覆盖的目标路段长度，构成集合
Figure DEST_PATH_IMAGE104
。利用数学建模的方法拟合出新路径的总长度、新路径上新覆盖的目标路段长度与第二调度指标之间的函数关系，得到第二调度指标的计算公式为：
Figure DEST_PATH_IMAGE032A
其中，
Figure 337840DEST_PATH_IMAGE034
为第一目标洒水车
Figure 761868DEST_PATH_IMAGE036
的第二调度指标，
Figure 4630DEST_PATH_IMAGE038
为第一目标洒水车
Figure 400977DEST_PATH_IMAGE036
的新路径的总长度，
Figure 805413DEST_PATH_IMAGE040
为新覆盖的目标路段
Figure 218202DEST_PATH_IMAGE042
，
Figure 999076DEST_PATH_IMAGE044
为目标路段
Figure 515508DEST_PATH_IMAGE040
的长度，
Figure 90846DEST_PATH_IMAGE046
为目标路段
Figure 489466DEST_PATH_IMAGE040
所在原始洒水路线的总长度，
Figure DEST_PATH_IMAGE106
表示新路径上的有效作业量比例，
Figure DEST_PATH_IMAGE108
为原始洒水路线中喷洒同等目标路段时所对应的有效作业量比例。
若
Figure DEST_PATH_IMAGE110
，表示新路径的有效作业比例大于原洒水路线喷洒同等目标路段时的有效作业比例，即新路径能够起到减少资源消耗的效果，则将新路径作为第一目标洒水车的洒水路线；若
Figure DEST_PATH_IMAGE112
，表示新路径的有效作业比例小于等于原洒水路线喷洒同等目标路段时的有效作业量比例，即新路径不能减少资源的消耗，则将第一目标洒水车对应的原始洒水路线作为第一目标洒水车的洒水路线。
步骤S4，判断所述第一目标洒水车的洒水路线是否已覆盖设定比例的目标路线，若已覆盖设定比例的目标路线，则只控制第一目标洒水车按照所述洒水路线进行洒水。
该步骤的目的是通过对第一目标洒水车的洒水路线进行分析，来判断是否还需要获取下一辆洒水车，并为下一辆洒水车规划新路线。
当确定了第一目标洒水车的洒水路线后，判断当前洒水路线是否已覆盖设定比例的目标路线，本实施例将目标路线的比例设定为0.9，在实际过程中可根据需要进行设置，其判断方法如下：
Figure DEST_PATH_IMAGE114
其中，
Figure DEST_PATH_IMAGE116
为目标路段的总数，
Figure DEST_PATH_IMAGE118
为当前调度结果中已经覆盖的目标路段数量。当得到的洒水路线的目标路段比例满足上式时，意味着已经有绝大部分目标路段被覆盖，因此不再调度新的洒水车，只控制第一目标洒水车按照得到的洒水路线进行洒水；当不满足上式时，意味有大于10%的目标路段没有被覆盖，还需要再调度一辆洒水车，因此就需要对剩余洒水车的第一调度指标进行更新，以获得第二目标洒水车，并得到第二目标洒水车的洒水路线。
具体更新过程为：将当前洒水路线中已经覆盖的目标路段舍去，利用剩余的目标路段按照步骤S1-2的方法获得剩余洒水车的第一调度指标，以得到第二目标洒水车，然后执行步骤S2和步骤S3得到第二目标洒水车的洒水路线，并对第二目标洒水车的洒水路线再次进行分析判断，直至洒水路线覆盖设定比例的剩余目标路段。若第二目标洒水车已覆盖设定比例的剩余目标路段，则只控制第一目标洒水车和第二目标洒水车按照对应的洒水路线进行洒水。
本发明根据获取到的各路段的扬尘程度得到各洒水车对应的第一调度指标，从而得到第一目标洒水车以及各目标路段的特征向量，所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔；根据各目标路段的特征向量构建局部人工势场，并根据局部人工势场得到第一目标洒水车的新路径，然后根据第一目标洒水车的新路径得到第一目标洒水车的第二调度指标，从而得到第一目标洒水车的洒水路线；若第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则继续获得第二目标洒水车，并得到第二目标洒水车的洒水路，直到洒水路线覆盖设定比例的目标路线为止。所述洒水路线既确保了原始洒水路线上的有效作业量，同时又完成了其他原始洒水路线上的有效作业量。本发明对多辆洒水车协同调度，在确保自己固定洒水路线抑尘效果的同时灵活的规划洒水路径，使得每辆洒水车单次作业时有效工作量达到最大，从而减少资源的浪费。
基于人工智能的多洒水车协同调度系统的实施例：
本实施例基于人工智能的多洒水车协同调度系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的基于人工智能的多洒水车协同调度方法。
由于基于人工智能的多洒水车协同调度方法已经在基于人工智能的多洒水车协同调度方法实施例中进行了说明，所以本实施例不再对基于人工智能的多洒水车协同调度方法进行赘述。
需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于人工智能的多洒水车协同调度方法，其特征在于，该方法包括以下步骤：
获取各洒水车对应的原始洒水路线上各路段的扬尘程度，将所述扬尘程度大于扬尘程度阈值的路段记为目标路段；求各洒水车对应的原始洒水路线上目标路段的总长度与对应的原始洒水路线总长度之比，记为各洒水车对应的第一调度指标，并将第一调度指标最大的洒水车，记为第一目标洒水车；
构建各目标路段的特征向量，根据所述各目标路段的特征向量，构建局部人工势场；根据所述局部人工势场，得到第一目标洒水车的新路径；所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔；
求所述第一目标洒水车的新路径上目标路段总长度与新路径总长度之比，记为新路径对应的有效作业比例；求所述新路径对应的有效作业比例与原洒水路线对应的有效作业比例之差，记为第一目标洒水车的第二调度指标，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线；
判断所述第一目标洒水车的洒水路线是否已覆盖设定比例的目标路线，若已覆盖设定比例的目标路线，则只控制第一目标洒水车按照所述洒水路线进行洒水；
所述各目标路段的特征向量，构建局部人工势场的方法包括：
根据道路分布，计算道路障碍物形成的斥力场；
将第一目标洒水车对应的原始洒水路线上与第一目标洒水车当前位置距离最近的目标路段的起始位置记为目标位置；
将第一目标洒水车当前位置作为起始位置，根据起始位置和目标位置，构建第一引力场；
根据剩余洒水车对应的原始洒水路线的目标路段的特征向量，构建第二引力场，所述剩余洒水车为除了第一目标洒水车以外的洒水车；
根据斥力场、第一引力场和第二引力场，构建局部人工势场。
2.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，若所述第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则根据未覆盖到的目标路段得到第二目标洒水车，根据第二目标洒水车的第二调度指标得到第二目标洒水车的洒水路线，并判断第二目标洒水车的洒水路线是否已覆盖设定比例的所述未覆盖到的目标路段，若是，则只控制第一目标洒水车和第二目标洒水车按照对应的洒水路线进行洒水。
3.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，所述第二引力场的计算公式为：
Figure DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE006
表示目标路段
Figure DEST_PATH_IMAGE008
对起始位置
Figure DEST_PATH_IMAGE010
的第二引力场，
Figure DEST_PATH_IMAGE012
为距离阈值，
Figure DEST_PATH_IMAGE014
表示第一目标洒水车从起始位置指向目标位置的向量，
Figure DEST_PATH_IMAGE016
表示第一目标洒水车从起始位置指向目标路段
Figure 527386DEST_PATH_IMAGE008
的向量，
Figure DEST_PATH_IMAGE018
为第一目标洒水车到目标路段
Figure 506843DEST_PATH_IMAGE008
的距离，
Figure DEST_PATH_IMAGE020
为引力系数，
Figure DEST_PATH_IMAGE022
为目标路段
Figure 37313DEST_PATH_IMAGE008
对应原始洒水路线的洒水车的第一调度指标，
Figure DEST_PATH_IMAGE024
为目标路段
Figure 42309DEST_PATH_IMAGE008
的扬尘程度，
Figure DEST_PATH_IMAGE026
为扬尘程度阈值，
Figure DEST_PATH_IMAGE028
为目标路段
Figure 341834DEST_PATH_IMAGE008
超出扬尘程度的时刻到当前时刻的时间间隔，
Figure DEST_PATH_IMAGE030
为自然常数。
4.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，根据所述局部人工势场，得到第一目标洒水车的新路径的方法包括：
将第一目标洒水车对应的原始洒水路线上各目标路段的起始点作为目标位置，终止点作为起始位置，根据起始位置和目标位置构建多个局部人工势场；
根据各局部人工势场，得到起始点到目标位置的最优路径；
根据各个最优路径，得到第一目标洒水车的新路径。
5.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，所述得到第一目标洒水车的第二调度指标的计算公式为：
Figure DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE034
为第一目标洒水车
Figure DEST_PATH_IMAGE036
的第二调度指标，
Figure DEST_PATH_IMAGE038
为第一目标洒水车
Figure 60568DEST_PATH_IMAGE036
的新路径的总长度，
Figure DEST_PATH_IMAGE040
为新覆盖的目标路段
Figure DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE044
为目标路段
Figure 704432DEST_PATH_IMAGE040
的长度，
Figure DEST_PATH_IMAGE046
为目标路段
Figure 716382DEST_PATH_IMAGE040
所在原始洒水路线的总长度，
Figure DEST_PATH_IMAGE048
为目标路段的扬尘程度，
Figure DEST_PATH_IMAGE050
为洒水车
Figure 401572DEST_PATH_IMAGE036
的第一调度指标。
6.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线的方法包括：
对第一目标洒水车的第二调度指标进行判断，若第二调度指标大于零，则将新路径作为第一目标洒水车的洒水路线；若第二调度指标小于等于零，则将第一目标洒水车对应的原始洒水路线作为洒水路线。
7.一种基于人工智能的多洒水车协同调度系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-6任一项所述的基于人工智能的多洒水车协同调度方法。
CN202111076796.5A 2021-09-14 2021-09-14 基于人工智能的多洒水车协同调度方法及系统 Active CN113515721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111076796.5A CN113515721B (zh) 2021-09-14 2021-09-14 基于人工智能的多洒水车协同调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111076796.5A CN113515721B (zh) 2021-09-14 2021-09-14 基于人工智能的多洒水车协同调度方法及系统

Publications (2)

Publication Number Publication Date
CN113515721A CN113515721A (zh) 2021-10-19
CN113515721B true CN113515721B (zh) 2021-11-16

Family

ID=78063350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111076796.5A Active CN113515721B (zh) 2021-09-14 2021-09-14 基于人工智能的多洒水车协同调度方法及系统

Country Status (1)

Country Link
CN (1) CN113515721B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034197A (zh) * 2012-12-11 2013-04-10 重庆陈氏清洁服务有限公司 数字环卫智能监控调度系统
CN105025256A (zh) * 2015-01-07 2015-11-04 泰华智慧产业集团股份有限公司 一种基于gis的资源监控与调度系统及方法
CN105741006A (zh) * 2015-08-21 2016-07-06 苏州市伏泰信息科技股份有限公司 环卫车辆作业状况智能监管系统
CN105825666A (zh) * 2016-05-13 2016-08-03 杭州电子科技大学 基于路面湿度检测的城市洒水车智能调度方法
CN107403548A (zh) * 2017-07-28 2017-11-28 武汉依迅北斗空间技术有限公司 一种洒水车的调度系统和调度方法
CN110232496A (zh) * 2019-04-24 2019-09-13 安徽酷哇机器人有限公司 无人驾驶洒水车的调度方法
CN110428145A (zh) * 2019-07-10 2019-11-08 芜湖酷哇机器人产业技术研究院有限公司 自动驾驶洒水车调度方法及系统
CN111738544A (zh) * 2020-05-15 2020-10-02 华南理工大学 一种洒水车智能预警调度系统及方法
CN112149979A (zh) * 2020-09-15 2020-12-29 珠海格力电器股份有限公司 一种洒水车调度方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090151964A1 (en) * 2007-12-17 2009-06-18 Alfred Rosen Fighting fires with water

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103034197A (zh) * 2012-12-11 2013-04-10 重庆陈氏清洁服务有限公司 数字环卫智能监控调度系统
CN105025256A (zh) * 2015-01-07 2015-11-04 泰华智慧产业集团股份有限公司 一种基于gis的资源监控与调度系统及方法
CN105741006A (zh) * 2015-08-21 2016-07-06 苏州市伏泰信息科技股份有限公司 环卫车辆作业状况智能监管系统
CN105825666A (zh) * 2016-05-13 2016-08-03 杭州电子科技大学 基于路面湿度检测的城市洒水车智能调度方法
CN107403548A (zh) * 2017-07-28 2017-11-28 武汉依迅北斗空间技术有限公司 一种洒水车的调度系统和调度方法
CN110232496A (zh) * 2019-04-24 2019-09-13 安徽酷哇机器人有限公司 无人驾驶洒水车的调度方法
CN110428145A (zh) * 2019-07-10 2019-11-08 芜湖酷哇机器人产业技术研究院有限公司 自动驾驶洒水车调度方法及系统
CN111738544A (zh) * 2020-05-15 2020-10-02 华南理工大学 一种洒水车智能预警调度系统及方法
CN112149979A (zh) * 2020-09-15 2020-12-29 珠海格力电器股份有限公司 一种洒水车调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113515721A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN105825666B (zh) 基于路面湿度检测的城市洒水车智能调度方法
JP7074873B2 (ja) ロボットによるインテリジェントなペット監視方法
CN110727272B (zh) 一种多台机器人的路径规划调度系统及方法
CN103295414B (zh) 一种基于海量历史gps轨迹数据的公交车到站时间预测方法
CN103927872B (zh) 一种基于浮动车数据预测多时段行程时间分布的方法
Smith et al. Multiple-interval freeway traffic flow forecasting
CN107168342A (zh) 一种用于机器人路径规划的行人轨迹预测方法
CN108422419A (zh) 一种智能机器人及其控制方法和系统
CN106297291A (zh) 城市快速路交通信息采集系统
CN106017496A (zh) 一种基于路况的实时导航方法
CN108782187A (zh) 一种基于墒情指数的土壤墒情预报方法
CN109191845A (zh) 一种公交车辆到站时间预测方法
CN114637303B (zh) 基于远程遥操作的搬运机器人路径规划方法、系统及介质
CN113515721B (zh) 基于人工智能的多洒水车协同调度方法及系统
JP2024521538A (ja) 交通予測のための分散マルチタスク機械学習
CN115796423A (zh) 一种基于物联网监测缓解城市扬尘的方法及系统
CN113672846A (zh) 网约车调度方法、装置、电子设备及存储介质
CN111340316A (zh) 一种智慧供水管理方法及系统
CN114431122A (zh) 一种道路绿化洒水智能控制系统及方法
CN114967711A (zh) 一种基于动态加权地图的多agv协同路径规划方法及系统
CN104965964A (zh) 一种基于监控视频分析的建筑物人员分布模型建立方法
CN113506049B (zh) 基于人工智能的道路洒水车调度方法及系统
CN111119114A (zh) 洒水控制方法和电子设备
CN116757509B (zh) 一种生态农业信息化用信息服务管理方法及管理系统
CN109255948A (zh) 一种基于卡尔曼滤波的分车道车流比例预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant