CN115640877A - 露天矿山的车流规划方法、装置、设备及存储介质 - Google Patents
露天矿山的车流规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115640877A CN115640877A CN202211189408.9A CN202211189408A CN115640877A CN 115640877 A CN115640877 A CN 115640877A CN 202211189408 A CN202211189408 A CN 202211189408A CN 115640877 A CN115640877 A CN 115640877A
- Authority
- CN
- China
- Prior art keywords
- loading
- point
- unloading
- road
- plan
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 31
- 238000005422 blasting Methods 0.000 claims description 53
- 238000004519 manufacturing process Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 27
- 230000002441 reversible effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 229910052751 metal Inorganic materials 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 11
- 239000002366 mineral element Substances 0.000 claims description 8
- 239000002184 metal Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000032258 transport Effects 0.000 description 39
- 239000002360 explosive Substances 0.000 description 10
- 238000005065 mining Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004200 deflagration Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种露天矿山的车流规划方法、装置、设备及存储介质。该方法包括：获取露天矿山的铲装计划；基于装载计划中的各装载点和卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；基于运输当量距离和设定的规划优化模型，得到车流规划方案；其中，规划优化模型的优化目标为矿山运输的总能耗最小，且规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；车流规划方案包括：从装载点到对应的卸载点的重车车次、及各重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各空车车次的运输路线。
Description
技术领域
本申请涉及矿山开采领域，尤其涉及一种露天矿山的车流规划方法、装置、设备及存储介质。
背景技术
露天矿山生产模式均以铲车装载、卡车运输的间断工艺为主，露天矿山运输成本的控制对于露天矿山总体效益的提高至关重要，而矿山运输总能耗是运输成本的直接体现。
露天矿山的车流规划的结果决定了矿山运输总能耗，当前，对于数字化、智能化建设程度较低的露天矿山而言，主要采用固定派车的方式进行生产，即基于铲装计划(含装载点、装载设备、装载量和对应的卸载点位置等信息)，指定固定数量的卡车，重复往返于固定的装载点和卸载点，该方式未进行车流规划，从而导致矿山运输总能耗较高；对于具有一定数字化、智能化建设基础的矿山，车流规划是矿山生产组织的环节之一，但是现有的车流规划方法主要以班生产产量最大化为目标，该类方法虽在局部周期内，一定程度上提高了矿山的生产效能，但从全局角度来看，忽视了矿山运输总能耗、矿山可持续发展规划和矿山生产矿石品质控制等。
其次，在露天矿山的车流规划的决策过程过程中，准确的估算装卸点之间的当量运输距离至关重要，当前的技术方法中均以装卸点之间的空间距离作为决策的依据，忽略了矿山道路质量等级、道路坡度、道路转弯等情况，造成车流规划结果不合理。
发明内容
有鉴于此，本申请实施例提供了一种露天矿山的车流规划方法、装置、设备及存储介质，旨在有效降低矿山开采的综合能耗，提高生产效益。
本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供了一种露天矿山的车流规划方法，包括：
获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划；
基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；
基于所述运输当量距离和设定的规划优化模型，得到车流规划方案；
其中，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
在一些实施例中，所述规划优化模型如下所示：
其中，s.t.表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc,e 为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
在一些实施例中，所述装载计划包括：班生产周期、装载点名称、装载点空间范围、铲装方位、装载点矿岩类型、装载量和装载点各矿物元素品质；
所述卸载计划包括：卸载点名称、卸载量和卸载点各矿物元素品质上下限。
在一些实施例中，所述基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离，包括：
基于所述装载计划确定装载点集合，并基于所述卸载计划确定卸载点集合；
基于所述装载点集合、所述卸载点集合和所述露天矿山的地理位置信息，构建道路网络对应的无向图；
对所述无向图中的各道路基于道路质量等级、道路坡度、道路限速和道路转弯半径对道路长度进行修正，得到修正后的修正距离值；
对任意成对装载点与卸载点，基于最优路径算法确定所述修正距离值最短的路径，将最短路径的所述修正距离值作为相应的装载点与卸载点之间的运输当量距离。
第二方面，本申请实施例提供了一种露天矿山的车流规划装置，包括：
获取模块，用于获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划；
确定模块，用于基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；
规划模块，用于基于所述运输当量距离和设定的规划优化模型，得到车流规划方案；
其中，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
在一些实施例中，所述规划优化模型如下所示：
其中，s.t.表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc,e 为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
第三方面，本申请实施例提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行计算机程序时，执行本申请实施例第一方面所述方法的步骤。
第四方面，本申请实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本申请实施例第一方面所述方法的步骤。
本申请实施例提供的技术方案，获取露天矿山的铲装计划；基于装载计划中的各装载点和卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；基于运输当量距离和设定的规划优化模型，得到车流规划方案；其中，规划优化模型的优化目标为矿山运输的总能耗最小，且规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；车流规划方案包括：从装载点到对应的卸载点的重车车次、及各重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各空车车次的运输路线。如此，可以在兼顾铲装计划约束、破碎站品位约束及运输周期约束的基础上，优化车流规划方案，实现矿山运输的总能耗最小，满足运输总能耗、矿山可持续发展规划和矿山生产矿石品质控制等多方面的综合需求，进而提高矿山生产效益。
附图说明
图1为本申请实施例露天矿山的车流规划方法的流程示意图；
图2为本申请实施例露天矿山的车流规划装置的结构示意图；
图3为本申请实施例电子设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
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申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
相关技术中，由于仅仅基于铲装计划来进行矿山生产，车流规划亦只关注班生产产量，本申请实施例提供了一种基于铲装计划的露天矿山的车流规划方法，结合矿山道路的道路质量等级、道路坡度、道路转弯等情况，准确估算装卸点之间的运输当量距离，作为车流规划决策的依据，实现以矿山运输总能耗最小化为目标，兼顾铲装计划约束、破碎站品位约束、运输周期约束等条件的露天矿山的车流规划，降低矿山生产能耗，提高矿山生产效益。
本申请实施例提供了一种露天矿山的车流规划方法，其可以应用于具有数据处理能力的电子设备上，例如，笔记本、台式电脑或者服务器中，实现了露天矿山的车流规划，如图1所示，该方法包括：
步骤101，获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划。
示例性地，露天铲山的铲装计划可以为根据矿山采剥时空发展顺序、排班计划及矿石品质控制的条件给各生产铲车下达的班生产指令。
在一示例中，所述装载计划包括：班生产周期、装载点名称、装载点空间范围、铲装方位、装载点矿岩类型、装载量和装载点各矿物元素品质；所述卸载计划包括：卸载点名称、卸载量和卸载点各矿物元素品质上下限。
步骤102，基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离。
需要说明的是，露天矿山的运输道路网复杂，且随着生产的推进不断更替。示例性地，露天矿山的运输道路网中根据道路的服务周期大致可分为三类：一类是固定道路，主要是用于连接采剥场、排土场和其他工业场地之间的道路，固定道路质量要求较高，路面较为平整，卡车运行速度相对较快；第二类是半固定道路，主要是用于出入采剥场各台阶和出入排土场的道路，随着开采的推进，道路定期更新，半固定道路质量要求一般，路面平整度一般，卡车运行速度一般；第三类是临时道路，主要用于建立供矿爆堆、剥离爆堆及倒运爆堆至半固定道路的联系，随着开采的推进，道路动态更新，临时道路质量低，路面不平整，卡车运行速度低。即前述的道路质量等级可以包括：固定道路对应的第一质量等级、半固定道路对应的第二质量等级和临时道路对应的第三质量等级。
示例性地，卡车在露天矿山的运输道路上运行时，除与道路质量等级有关之外，还受道路坡度、道路限速和道路转弯半径等因素的影响。露天矿山的卡车调度运输的运输当量距离是指综合考虑道路自身长度、道路质量等级、道路坡度、道路限速和道路转弯半径等因素的影响，以相应的影响系数修正实际道路长度，从而客观反映卡车在道路上运行时间的运距值。运输当量距离是露天矿山的最优路径决策和车流规划优化的基础。
在一应用示例中，运输当量距离lE的计算公式如下：
lE＝krkgkvktl
其中，kr表示矿山道路质量修正系数；
kg表示矿山道路的坡度修正系数；
kv表示矿山道路的限速修正系数；
kt表示矿山道路的转弯半径修正系数；
l表示矿山道路的空间运输距离。
在一些实施例中，所述基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离，包括：
基于所述装载计划确定装载点集合，并基于所述卸载计划确定卸载点集合；
基于所述装载点集合、所述卸载点集合和所述露天矿山的地理位置信息，构建道路网络对应的无向图；
对所述无向图中的各道路基于道路质量等级、道路坡度、道路限速和道路转弯半径对道路长度进行修正，得到修正后的修正距离值；
对任意成对装载点与卸载点，基于最优路径算法确定所述修正距离值最短的路径，将最短路径的所述修正距离值作为相应的装载点与卸载点之间的运输当量距离。
举例来说，设露天矿山的装载点的集合为I，卸载点的集合为J，其他中间节点的集合为K，可将道路网构建成无向图G＝(V,I∪J∪K)，露天矿山的最优路径决策是指寻找任意装载点i与任意卸载点j之间的运输当量距离(即修正距离值)最短的路径，因此，最优路径决策属于多源、无向、无负权边最短路径问题，可以通过Floyd-Warshall算法寻找最优路径。
步骤103，基于所述运输当量距离和设定的规划优化模型，得到车流规划方案。
这里，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
可以理解的是，本申请实施例的方法，可以在兼顾铲装计划约束、破碎站品位约束及运输周期约束的基础上，优化车流规划方案，实现矿山运输的总能耗最小，满足运输总能耗、矿山可持续发展规划和矿山生产矿石品质控制等多方面的综合需求，进而提高矿山生产效益。
在一些实施例中，所述规划优化模型如下所示：
其中，s.t.是subject to(such that)的缩写，表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc,e 为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
下面对本申请实施例的规划优化模型进行示例性说明：
假定该规划优化模型相关的集合如下：
I：装载点集合；
J：卸载点集合；
O：供矿爆堆集合；
E：金属元素集合；
W：剥离爆堆集合；
H：倒运爆堆集合；
S：电铲集合；
L：钩机集合；
T：卡车集合；
C：破碎站集合。
假定该规划优化模型相关的索引如下：
i：装载点索引；
j：卸载点索引；
o：供矿爆堆索引；
w：剥离爆堆索引；
h：倒运爆堆索引；
e：金属元素索引；
c：破碎站索引；
l：钩机索引；
t：卡车索引。
假定该规划优化模型相关的参数如下：
ta：调度运输周期的总时长；
nO：供矿爆堆数目；
nW：剥离爆堆数目；
nH：倒运爆堆数目；
nS：电铲数目；
nL：钩机数目；
nT：卡车数目；
fS：电铲能力；
fL：钩机能力；
tS：电铲装矿时长；
tL：钩机装矿时长；
tD：卸矿时长；
fT：卡车容量；
wT：卡车自重；
ve：空车速度；
vW：重车速度；
pi：装载点产量；
nI：装载点数目；
po：供矿爆堆矿石量；
go,e：供矿爆堆品位；
pw：剥离爆堆岩石量；
ph：倒运爆堆矿石量；
pj：卸载点产量；
nJ：卸载点数目；
gc,e：破碎站的品位要求下限。
该规划优化模型的决策变量如下：
xi,j：从第i个装载点到第j个卸载点的重车车次；
yi,j：从第j个卸载点到第i个装载点的空车车次。
该规划优化模型的约束条件如下：
(1)卡车调度运输往返车次一致性约束
(2)装载点基于铲装计划的产量约束
(3)卸载点基于铲装计划的产量约束
(4)供矿爆堆生产能力约束
(5)剥离爆堆生产能力约束
(6)倒运爆堆生产能力约束
(7)卸载点生产能力约束
(8)重车运输总时间约束
(9)空车运输总时间约束
(10)破碎站品位约束
(11)路径逻辑性约束
(12)决策变量逻辑性约束
其中，露天矿山的运输能耗是指运输当量距离与卡车总重量的乘积，露天矿山的运输车流规划的主要目的是使总能耗最小化，总能耗既包含重车运输的总能耗，同时也包含空车运输的总能耗，以此为目标函数，建立基于整数规划的露天矿运输车流规划数学模型。
其中，约束条件(1)保证卡车调度运输时的往返车次一致性，即从某装载点运往各个卸载点的总车次等于从各个卸载点返回该装载点的总车次，同时从某卸载点发回各个装载点的总车次等于从各个装载点运往该卸载点的总车次；约束条件(2)实现了各个装载点的装载能力大于装载点的产量，从而保证完成各个装载点的铲装计划产量需求；约束条件(3)实现了各个卸载点的卸载能力大于卸载点的产量，从而保证完成各个卸载点的铲装计划产量需求；约束条件(4)实现各个供矿爆堆在调度周期内完成供矿产量需求，即供矿爆堆电铲装载总量大于供矿爆堆的产量需求，同时总的装矿时间在调度周期时间范围以内；约束条件(5)实现各个剥离爆堆在调度周期内完成剥离产量需求，即剥离爆堆钩机装载总量大于剥离爆堆的产量需求，同时总的装载时间在调度周期时间范围以内；约束条件(6)实现各个倒运爆堆在调度周期内完成倒运产量需求，即倒运爆堆钩机装载总量大于倒运爆堆的产量需求，同时总的装载时间在调度周期时间范围以内；约束条件(7)实现各个卸载点在调度周期内完成卸载产量需求，保证总的卸载时间在调度周期时间范围以内；约束条件(8)实现重车约束总时间限制，保证重车车次运输总时间在调度周期时间范围以内；约束条件(9)实现空车约束总时间限制，保证空车车次运输总时间在调度周期时间范围以内；约束条件(10)实现破碎站品位波动限制，保证各个破碎站各个元素的平均品位在其允许的波动范围以内；约束条件(11)路径逻辑性约束，各个供矿爆堆装载的卡车只能相应地运往破碎站，各个剥离爆堆装载的卡车只能相应地运往排土场，各个倒运爆堆装载的卡车只能相应地运往堆场，避免物流装卸错乱；约束条件(12)保证各决策变量的非负性，整数规划中要求其决策变量为大于或等于0的整数。
解算本申请实施例的规划优化模型，得到车流规划方案，即得到从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
下面结合一应用示例，对本申请实施例的露天矿山的车流规划方法进行示例性说明。
本应用示例中，某露天矿山调度周期内的基本情况为：供矿爆堆共6个，剥离爆堆共3个，倒运爆堆共2个，分别由4台电铲和7台钩机进行装载工作，一期破碎站和二期破碎站的需求量均为40000t，剥离爆堆的总量为100000t，倒运爆堆的总量为50000t，电铲生产能力为25000t/天，钩机生产能力为18000t/天，电铲平均装矿时间为5min，钩机平均装矿时间为7min，卡车平均卸矿时间为2min，运输的卡车数为92辆，卡车平均自重和容重分别为44.13t和35t，卡车空车速度和重车速度分别为36km/h和25km/h。各供矿爆堆的产量和金属元素品位情况如表1所示，各破碎站的产量和金属元素品位需求如表2所示。
表1供矿爆堆产量及金属元素品位
表2破碎站产量及金属元素品位
剥离爆堆共2个，其产量需求分别为35000t和30000t，倒运爆堆共2个，其产量需求分别为25000t和20000t。卡车往返于各装载点和各卸载点的运输当量距离(又简称运距)如表3所示，其中路径约束如表4所示。
表3装载点与卸载点之间运距
表4装载点与卸载点之间路径约束
运输车流规划优化之前，矿山采用固定车铲的方式组织调度运输，即卡车固定的往返于指定的装载点与卸载点之间，此时各装载点至其相应的卸载点之间的重车车次必定等于空车车次，运输周期内的重车车次、空车车次、重车能耗和空车能耗如表5所示
表5运输车流规划优化前的能耗情况
采用运输车流规划整数规划数学模型对上述车流进行规划优化，求解数学模型，得到优化后的重车车次和空车车次分布如表6和表7所示。
表6运输车流规划优化后的重车车次分布
表7运输车流规划优化后的空车车次分布
统计分析得到，相同的装载量需求及卸载量需求，运输车流规划优化前，其总能耗为1.217×109t·m，运输车流规划优化后，其总能耗为1.030×109t·m，总能耗降低了15.4％。
为了实现本申请实施例的方法，本申请实施例还提供一种露天矿山的车流规划装置，设置在电子设备，如图2所示，该露天矿山的车流规划装置包括：获取模块201、确定模块202及规划模块203。获取模块201用于获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划；确定模块202用于基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；规划模块203用于基于所述运输当量距离和设定的规划优化模型，得到车流规划方案；其中，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
在一些实施例中，所述规划优化模型如下所示：
其中，s.t.表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc,e 为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
在一些实施例中，所述装载计划包括：班生产周期、装载点名称、装载点空间范围、铲装方位、装载点矿岩类型、装载量和装载点各矿物元素品质；
所述卸载计划包括：卸载点名称、卸载量和卸载点各矿物元素品质上下限。
在一些实施例中，确定模块202具体用于：
基于所述装载计划确定装载点集合，并基于所述卸载计划确定卸载点集合；
基于所述装载点集合、所述卸载点集合和所述露天矿山的地理位置信息，构建道路网络对应的无向图；
对所述无向图中的各道路基于道路质量等级、道路坡度、道路限速和道路转弯半径对道路长度进行修正，得到修正后的修正距离值；
对任意成对装载点与卸载点，基于最优路径算法确定所述修正距离值最短的路径，将最短路径的所述修正距离值作为相应的装载点与卸载点之间的运输当量距离。
实际应用时，获取模块201、确定模块202及规划模块203，可以由电子设备的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。
需要说明的是：上述实施例提供的露天矿山的车流规划装置在进行露天矿山的车流规划时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的露天矿山的车流规划装置与露天矿山的车流规划方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供一种电子设备。图3仅仅示出了该电子设备的示例性结构而非全部结构，根据需要可以实施图3示出的部分结构或全部结构。
如图3所示，本申请实施例提供的电子设备300包括：至少一个处理器301、存储器302、用户接口303和至少一个网络接口304。电子设备300中的各个组件通过总线系统305耦合在一起。可以理解，总线系统305用于实现这些组件之间的连接通信。总线系统305除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统305。
其中，用户接口303可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
本申请实施例中的存储器302用于存储各种类型的数据以支持电子设备的操作。这些数据的示例包括：用于在电子设备上操作的任何计算机程序。
本申请实施例揭示的露天矿山的车流规划方法可以应用于处理器301中，或者由处理器301实现。处理器301可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，露天矿山的车流规划方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器、数字信号处理器(DSP，DigitalSignal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器301可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器302，处理器301读取存储器302中的信息，结合其硬件完成本申请实施例提供的露天矿山的车流规划方法的步骤。
在示例性实施例中，电子设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，存储器302可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器302，上述计算机程序可由电子设备的处理器301执行，以完成本申请实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请披露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种露天矿山的车流规划方法，其特征在于，包括：
获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划；
基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；
基于所述运输当量距离和设定的规划优化模型，得到车流规划方案；
其中，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
2.根据权利要求1所述的方法，其特征在于，所述规划优化模型如下所示：
其中，s.t.表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc , e为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
3.根据权利要求1所述的方法，其特征在于，
所述装载计划包括：班生产周期、装载点名称、装载点空间范围、铲装方位、装载点矿岩类型、装载量和装载点各矿物元素品质；
所述卸载计划包括：卸载点名称、卸载量和卸载点各矿物元素品质上下限。
4.根据权利要求1所述的方法，其特征在于，所述基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离，包括：
基于所述装载计划确定装载点集合，并基于所述卸载计划确定卸载点集合；
基于所述装载点集合、所述卸载点集合和所述露天矿山的地理位置信息，构建道路网络对应的无向图；
对所述无向图中的各道路基于道路质量等级、道路坡度、道路限速和道路转弯半径对道路长度进行修正，得到修正后的修正距离值；
对任意成对装载点与卸载点，基于最优路径算法确定所述修正距离值最短的路径，将最短路径的所述修正距离值作为相应的装载点与卸载点之间的运输当量距离。
5.一种露天矿山的车流规划装置，其特征在于，包括：
获取模块，用于获取露天矿山的铲装计划，所述铲装计划包括：装载计划和卸载计划；
确定模块，用于基于所述装载计划中的各装载点和所述卸载计划中的各卸载点，以及道路的道路质量等级、道路坡度、道路限速和道路转弯半径中的至少一种，确定成对的装载点与卸载点之间的运输当量距离；
规划模块，用于基于所述运输当量距离和设定的规划优化模型，得到车流规划方案；
其中，所述规划优化模型的优化目标为矿山运输的总能耗最小，且所述规划优化模型的约束至少包括：铲装计划约束、破碎站品位约束及运输周期约束；所述车流规划方案包括：从装载点到对应的卸载点的重车车次、及各所述重车车次的运输路线，和从卸载点到对应的装载点的空车车次、及各所述空车车次的运输路线。
6.根据权利要求5所述的装置，其特征在于，所述规划优化模型如下所示：
其中，s.t.表示约束规则，I为装载点集合，i为装载点索引，J为卸载点集合，j为卸载点索引，fT为卡车容量，wT为卡车自重，xi,j为从第i个装载点到第j个卸载点的重车车次，yi,j为从第j个卸载点到第i个装载点的空车车次，
为运输当量距离，pi为装载点产量，pj为卸载点产量，fS为电铲能力，tS为电铲装矿时长，o为供矿爆堆索引，po为供矿爆堆矿石量，ta为调度运输周期的总时长，fL为钩机能力，tL为钩机装矿时长，w为剥离爆堆索引，pw为剥离爆堆岩石量，h为倒运爆堆索引，ph为倒运爆堆矿石量，tD为卸矿时长，vW为重车速度，ve为空车速度，
为破碎站的品位要求上限，go,e为供矿爆堆品位，gc , e为破碎站的品位要求下限，c为破碎站索引，e为金属元素索引，
为路径约束。
7.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，
所述处理器，用于运行计算机程序时，执行权利要求1至4任一项所述方法的步骤。
8.一种存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211189408.9A CN115640877A (zh) | 2022-09-28 | 2022-09-28 | 露天矿山的车流规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211189408.9A CN115640877A (zh) | 2022-09-28 | 2022-09-28 | 露天矿山的车流规划方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115640877A true CN115640877A (zh) | 2023-01-24 |
Family
ID=84942644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211189408.9A Pending CN115640877A (zh) | 2022-09-28 | 2022-09-28 | 露天矿山的车流规划方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115640877A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432969A (zh) * | 2023-04-19 | 2023-07-14 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于大数据可视化的矿山综合管控平台 |
-
2022
- 2022-09-28 CN CN202211189408.9A patent/CN115640877A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432969A (zh) * | 2023-04-19 | 2023-07-14 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于大数据可视化的矿山综合管控平台 |
| CN116432969B (zh) * | 2023-04-19 | 2024-03-26 | 中国建筑材料工业地质勘查中心四川总队 | 一种基于大数据可视化的矿山综合管控平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sha et al. | Scheduling optimization of yard cranes with minimal energy consumption at container terminals | |
| Facchini et al. | Optimal dry port configuration for container terminals: A non-linear model for sustainable decision making | |
| Chang et al. | Modelling and Optimizing an Open‐Pit Truck Scheduling Problem | |
| Qiu et al. | The value of sharing inland transportation services in a dry port system | |
| CN115640877A (zh) | 露天矿山的车流规划方法、装置、设备及存储介质 | |
| US10995615B2 (en) | Method for optimizing mining production | |
| WO2024032376A1 (zh) | 基于混合遗传算法的车辆路径优化方法及应用 | |
| Zhong et al. | Application of hybrid GA-PSO based on intelligent control fuzzy system in the integrated scheduling in automated container terminal | |
| CN114358233A (zh) | 基于双混合粒子群的多agv路径规划问题优化方法及系统 | |
| CN114662943A (zh) | 基于多目标遗传算法的露天矿卡车调度方法 | |
| Liang et al. | A multi-objective genetic algorithm for yard crane scheduling problem with multiple work lines | |
| CN115456296A (zh) | 卡车动态调度方法、装置、设备及存储介质 | |
| Basso et al. | An optimization approach and a heuristic procedure to schedule battery charging processes for stackers of palletized cargo | |
| Wu et al. | A dynamic programming model for joint optimization of electric drayage truck operations and charging stations planning at ports | |
| Gharehgozli et al. | Loading and unloading trains at the landside of container terminals | |
| Yu et al. | Yard template generation for automated container terminal based on bay sharing strategy | |
| Li et al. | Scheduling optimization of underground mine trackless transportation based on improved estimation of distribution algorithm | |
| Vitvitsky et al. | Optimization of the Schedule for Road Transportation of" Tails" Recycling of Solid Municipal Waste | |
| CN115796528A (zh) | 一种重载铁路装车端空车调配方法、装置、设备及介质 | |
| Jiang et al. | Optimization of integrated scheduling of restricted channels, berths, and yards in bulk cargo ports considering carbon emissions | |
| CN114707820A (zh) | 货物运输方法、装置、终端设备及可读存储介质 | |
| Yin et al. | Integrated quay crane–shuttle vehicle scheduling problem capacitated by apron buffer | |
| Pjevcevic et al. | DESIGN PROCESS OF DRY BULK CARGO HANDLING AT AN INLAND PORT: CASE STUDY OF PORT DANUBE PANCEVO. | |
| CN118428563B (zh) | 一种堆场智能规划方法及系统 | |
| CN117455100B (zh) | 一种基于全局最优化的智能仓储物流调度方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Applicant after: Changsha Dimai Technology Co.,Ltd. Address before: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Applicant before: CHANGSHA DIGITAL MINE CO.,LTD. |