CN116611645A - 一种基于冲突检测的无人矿卡智能调度方法及系统 - Google Patents
一种基于冲突检测的无人矿卡智能调度方法及系统 Download PDFInfo
- Publication number
- CN116611645A CN116611645A CN202310522115.6A CN202310522115A CN116611645A CN 116611645 A CN116611645 A CN 116611645A CN 202310522115 A CN202310522115 A CN 202310522115A CN 116611645 A CN116611645 A CN 116611645A
- Authority
- CN
- China
- Prior art keywords
- task
- scheduling
- point
- preset
- track
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000011217 control strategy Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
本公开是关于一种基于冲突检测的无人矿卡智能调度方法、系统、电子设备以及存储介质。其中，该方法包括：基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、可行轨迹方案集合，构造距离矩阵；以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；对所述调度任务中各无人矿卡的轨迹进行冲突检测，并进行优化更新；基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定并下发。本公开通过调度任务生成流程中引入了冲突检测机制，通过引入轨迹方案的维度，形成多维距离矩阵，使生成的调度任务的安全性、合理性更高，提高了无人矿卡任务执行的效率。
Description
技术领域
本公开涉及矿卡无人驾驶领域，具体而言，涉及一种基于冲突检测的无人矿卡智能调度方法、系统、电子设备以及计算机可读存储介质。
背景技术
露天矿无人运输是加速推进我国露天矿山智能化无人化建设的重要体现，一套完善、合理的调度系统是无人矿卡高效安全地完成“装-运-卸”任务的有力保障。
在传统有人运输情况下，矿区卡调系统需提前排产每日每台矿卡的调度时刻计划表，计划表中的要素主要包括到达站点序列及对应的到达时刻，并由驾驶员按计划完成运输任务。如果过程中出现岔路口、交叉口等路况，驾驶员需根据矿区的路权管控规则进行合理先行或避让，因此矿卡在运输过程中并非始终保持匀速行驶状态。这种非匀速驾驶难免会导致实际运行与计划出现偏差，为了减小或消除这个偏差，驾驶员在驾驶过程中需要灵活的加减速对矿卡进行调整。可以看出，在有人驾驶模式时，需要充分发挥驾驶员主观性，来保证矿卡在规定时间点到达指定作业区。
与有人驾驶不同，无人矿卡是严格按照云端系统下发的调度任务执行，如果云端系统在生成调度任务时，未考虑到路况中可能出现的冲突问题，将会极大削弱调度任务在实际运行的指导意义。虽然无人矿卡可以利用车辆自身的智能驾驶能力，对紧急情况进行临时调整，但也间接增加了运输过程的不稳定性，甚至导致很多矿区潜在风险。因此，在云端系统生成调度任务时，需要充分利用矿区道路的拓扑关系，考虑岔路口、相交路段等潜冲突风险，同时包含更丰富的要素信息。可以看出，生成合理调度任务对提高无人矿卡作业的合理性、提升矿区安全高效运行都有着重要意义。
现有技术中，一种露天矿卡车智能调度方法及系统提出的调度方法是以总等待时间最短和总运输总成本最小为目标，实现各装卸载点之间的路线规划和分配，约束条件是从装卸载所需时间、矿卡最大载重和矿卡安全驾驶阈值三个方面建立；基于多目标遗传算法的露天矿卡车调度方法以卡车总运输量和卡车非作业时间最小为目标建立多目标优化模型，在车流规划采用理想车流模型，可生成多种调度方案；基于多目标遗传算法的露天矿卡调度优化研究提出以总运输成本和总等待时间综合最小的调度模型，从产量要求、装卸载点容量、品位限制等方面建立了约束条件，同时引入优选因子分配车辆，进而优化露天矿卡的动态调配过程；露天矿卡车调度问题的建模和优化方法研究提出在如何提升多目标规划问题的求解算法，通过算法改进可有效提高模型的寻优效率。
现有技术存在如下问题：
(1)时间约束条件过于理想化。上述成果在矿卡运输时间的计算过程中，采用了总运输距离除以车辆行驶速度的方式进行获取，这种方法默认了车辆在整个运输路段均是匀速行驶。正如前文所述，矿卡实际运输过程的车速会受到具体路况影响，在典型岔路口处可能会出现减速或停车的情况。因此，全程匀速行驶的假设与实际情况不符；
(2)装卸载间距离矩阵单一。上述成果中使用的装卸载点间距离矩阵是二维的，并基于该距离矩阵迭代出的最优调度任务方案。引用二维矩阵也间接约定了各装载点与卸载点之间的距离是唯一的，即默认从指定装载点到指定卸载点的路线只有一条。但实际矿区中，装卸载点间的路线可能有多条，基于固定距离矩阵的假设严重限制了可行解的搜索空间，得到的调度方案也未必是全局最优解；
(3)生成的调度任务包含要素较少，不利于无人矿卡直接使用。上述成果中得到的调度任务仅包含矿卡到达站点序列及对应的到达时刻，无人矿卡接受到调度任务后，还需要根据每个运输任务的起始位置和目标位置，调用速度规划器和轨迹规划器，生成具体控制指令，这无疑增加了车端的计算量。同时车端局部计算的结果也未对无法评估其全局合理性，因此在安全性、效率等方面都会存在潜在风险。
因此，需要一种或多种方法解决上述问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种基于冲突检测的无人矿卡智能调度方法、系统、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供一种基于冲突检测的无人矿卡智能调度方法，包括：
系统配置步骤，获取预设配置信息，并在调度系统中配置所述预设配置信息；
距离矩阵构造步骤，基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、基于轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵；
调度任务生成步骤，以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；
冲突检测步骤，基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务进行优化更新；
调度任务判定步骤，基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定，若判定通过，则执行调度任务下发步骤，若判定未通过，则执行基于遗传算法迭代更新并执行调度任务生成步骤；
调度任务下发步骤，将判定通过的调度任务基于V2X通信模块下发至各无人矿卡以供各无人矿卡基于所述调度任务完成车辆控制。
在本公开的一种示例性实施例中，所述系统配置步骤中的预设配置信息包括装载点、所述各装载点的任务量、卸载点、所述各卸载点的承载容量、所述各装载点与所述各卸载点间的距离、无人矿卡数量、无人矿卡满载速度、无人矿卡空载速度、行驶费用单价、维护费用单价。
在本公开的一种示例性实施例中，所述方法的距离矩阵构造步骤还包括：
基于调度系统中的地图管理模块生成矿区道路拓扑关系；
基于调度系统中的轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合；
获取所述调度系统中预设配置的各装载点与各卸载点间的距离；
基于预设矿区道路拓扑关系、各装载点与各卸载点间的距离、各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵。
在本公开的一种示例性实施例中，所述方法中的距离矩阵为各装载点与各卸载点间的多维距离矩阵：
所述距离矩阵的高度表示可用装载点的数量；
所述距离矩阵的宽度表示可用卸载点的数量；
所述距离矩阵的深度表示在各装载点与各卸载点间的可行轨迹方案集合中可行轨迹数量的最大值。
在本公开的一种示例性实施例中，所述方法的调度任务生成步骤还包括：
以总等待时间最少为目标函数建立调度模型为
其中，m表示装载点数量；n表示卸载点数量；k表示无人矿卡车辆总数；T1 ijh表示第h辆矿卡在由i装载点到j装载点任务中在装载点的作业时间；表示第h辆矿卡在由i装载点到j装载点任务中在卸载点的作业时间；/>表示第h辆矿卡在由i装载点到j装载点任务中匀速行驶消耗的时间；/>在由i装载点到j装载点任务中冲突区变速行驶消耗的时间。
在本公开的一种示例性实施例中，所述方法的冲突检测步骤中所述预设路权管控策略还包括：
重载车辆行驶优先级大于轻载车辆；
上坡车辆行驶优先级大于下坡车辆。
在本公开的一种示例性实施例中，所述方法还包括：
基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务中的T4 ijh的值进行优化更新。
在本公开的一种示例性实施例中，所述方法的调度任务判定步骤中的预设调度任务判定规则还包括：
若迭代次数大于第一预设迭代次数，则判定通过；
若连续迭代第二预设迭代次数调度任务未优化，则判定通过。
在本公开的一个方面，提供一种基于冲突检测的无人矿卡智能调度系统，包括地图管理模块、轨迹规划模块、速度规划模块、V2X通信模块、车辆监管模块，其中：
所述地图管理模块用于生成矿区道路拓扑关系并进行轨迹冲突判定；
所述轨迹规划模块用于生成的各装载点与各卸载点间的可行轨迹方案集合；
所述速度规划模块包含路权规则管理模块及冲突道路速度规划模块，所述路权规则管理模块用于执行预设路权管控策略，所述冲突道路速度规划模块用于基于路权规则对冲突车辆的速度进行规划；
所述V2X通信模块用于实现所述调度系统与无人矿卡之间的数据通信；
所述车辆监管模块用于显示并监测所述无人矿卡的预设车辆信息、任务状态、生成状态。
在本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面，提供一种计算机可读存储介质，其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根据上述任意一项所述的方法。
本公开的示例性实施例中的一种基于冲突检测的无人矿卡智能调度方法，其中，该方法包括：基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、可行轨迹方案集合，构造距离矩阵；以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；对所述调度任务中各无人矿卡的轨迹进行冲突检测，并进行优化更新；基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定并下发。本公开通过调度任务生成流程中引入了冲突检测机制，通过引入轨迹方案的维度，形成多维距离矩阵，使生成的调度任务的安全性、合理性更高，提高了无人矿卡任务执行的效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的一种基于冲突检测的无人矿卡智能调度方法的流程图；
图2示出了根据本公开一示例性实施例的一种基于冲突检测的无人矿卡智能调度方法的逻辑流程图；
图3示出了根据本公开一示例性实施例的一种基于冲突检测的无人矿卡智能调度方法的距离矩阵示意图；
图4示出了根据本公开一示例性实施例的一种基于冲突检测的无人矿卡智能调度系统的示意框图；
图5示意性示出了根据本公开一示例性实施例的电子设备的框图；以及
图6示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、系统、步骤等。在其它情况下，不详细示出或描述公知结构、方法、系统、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
在本示例实施例中，首先提供了一种基于冲突检测的无人矿卡智能调度方法；参考图1中所示，该一种基于冲突检测的无人矿卡智能调度方法可以包括以下步骤：
系统配置步骤S110，获取预设配置信息，并在调度系统中配置所述预设配置信息；
距离矩阵构造步骤S120，基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、基于轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵；
调度任务生成步骤S130，以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；
冲突检测步骤S140，基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务进行优化更新；
调度任务判定步骤S150，基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定，若判定通过，则执行调度任务下发步骤，若判定未通过，则执行基于遗传算法迭代更新并执行调度任务生成步骤；
调度任务下发步骤S160，将判定通过的调度任务基于V2X通信模块下发至各无人矿卡以供各无人矿卡基于所述调度任务完成车辆控制。
本公开的示例性实施例中的一种基于冲突检测的无人矿卡智能调度方法，其中，该方法包括：基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、可行轨迹方案集合，构造距离矩阵；以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；对所述调度任务中各无人矿卡的轨迹进行冲突检测，并进行优化更新；基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定并下发。本公开通过调度任务生成流程中引入了冲突检测机制，通过引入轨迹方案的维度，形成多维距离矩阵，使生成的调度任务的安全性、合理性更高，提高了无人矿卡任务执行的效率。
下面，如图2所示，将对本示例实施例中的一种基于冲突检测的无人矿卡智能调度方法进行进一步的说明。
实施例一：
在系统配置步骤S110中，可以获取预设配置信息，并在调度系统中配置所述预设配置信息。
在本示例的实施例中，所述系统配置步骤中的预设配置信息包括装载点、所述各装载点的任务量、卸载点、所述各卸载点的承载容量、所述各装载点与所述各卸载点间的距离、无人矿卡数量、无人矿卡满载速度、无人矿卡空载速度、行驶费用单价、维护费用单价。
在距离矩阵构造步骤S120中，可以基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、基于轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵。
在本示例的实施例中，所述方法的距离矩阵构造步骤还包括：
基于调度系统中的地图管理模块生成矿区道路拓扑关系；
基于调度系统中的轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合；
获取所述调度系统中预设配置的各装载点与各卸载点间的距离；
基于预设矿区道路拓扑关系、各装载点与各卸载点间的距离、各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵。
在本示例的实施例中，所述方法中的距离矩阵为各装载点与各卸载点间的多维距离矩阵：
所述距离矩阵的高度表示可用装载点的数量；
所述距离矩阵的宽度表示可用卸载点的数量；
所述距离矩阵的深度表示在各装载点与各卸载点间的可行轨迹方案集合中可行轨迹数量的最大值。
在调度任务生成步骤S130中，可以以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务。
在本示例的实施例中，所述方法的调度任务生成步骤还包括：
以总等待时间最少为目标函数建立调度模型为
其中，m表示装载点数量；n表示卸载点数量；k表示无人矿卡车辆总数；T1 ijh表示第h辆矿卡在由i装载点到j装载点任务中在装载点的作业时间；表示第h辆矿卡在由i装载点到j装载点任务中在卸载点的作业时间；/>表示第h辆矿卡在由i装载点到j装载点任务中匀速行驶消耗的时间；/>在由i装载点到j装载点任务中冲突区变速行驶消耗的时间。
在冲突检测步骤S140中，可以基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务进行优化更新。
在本示例的实施例中，所述方法的冲突检测步骤中所述预设路权管控策略还包括：
重载车辆行驶优先级大于轻载车辆；
上坡车辆行驶优先级大于下坡车辆。
在本示例的实施例中，所述方法还包括：
基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务中的的值进行优化更新。
在调度任务判定步骤S150中，可以基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定，若判定通过，则执行调度任务下发步骤，若判定未通过，则执行基于遗传算法迭代更新并执行调度任务生成步骤。
在本示例的实施例中，所述方法的调度任务判定步骤中的预设调度任务判定规则还包括：
若迭代次数大于第一预设迭代次数，则判定通过；
若连续迭代第二预设迭代次数调度任务未优化，则判定通过。
在调度任务下发步骤S160中，可以将判定通过的调度任务基于V2X通信模块下发至各无人矿卡以供各无人矿卡基于所述调度任务完成车辆控制。
实施例二：
在本示例的实施例中，首先在云端系统中配置调度所需信息，包括：可用的装载点及对应任务量、可用卸载点及对应承载容量、各装卸载点间的距离(公里)、无人矿卡车辆数量、无人矿卡分别在满载和空载时对应的速度(公里/小时)、费用(元/公里)、维护费用(元/小时)。
在本示例的实施例中，根据输入的装卸载点间距离信息，结合云端系统地图管理模块提供的矿区道路拓扑关系、以及轨迹规划模块生成的各装卸载点的可行轨迹方案集合，构造装卸载点多维距离矩阵，如图3所示，矩阵的高度和宽度分别表示可用装载点和可用卸载点的数量，矩阵深度表示在装卸载点轨迹方案最多对应的数量。为方便表示，将矩阵尺寸表示为m×n×k，其中m表示当前有m个可用的装载点，n表示当前有n个可用的卸载点，在全部m和n卸载点间的轨迹中，方案最多的共有k条轨迹方案，元素(i,j,l)表示第i个装载点到第j个卸载点，在第l轨迹方案下的总运输距离，当轨迹方案数量小于k，则将多余轨迹方案对应的元素置为最大值，表示道路不通。此外，还需要为每条轨迹保存对应的道路编号，如针对图中的(m,n,1)＝6还需要保存该轨迹方案是从1号道路到3号道路，再到4号道路。
在本示例的实施例中，以总等待时间最少为目标函数建立调度模型，如式(1)所示。
其中，m表示装载点数量；n表示卸载点数量；k表示无人矿卡车辆总数；T1 ijh表示第h辆矿卡在由i装载点到j装载点任务中在装载点的作业时间；表示第h辆矿卡在由i装载点到j装载点任务中在卸载点的作业时间；/>表示第h辆矿卡在由i装载点到j装载点任务中匀速行驶消耗的时间；/>在由i装载点到j装载点任务中冲突区变速行驶消耗的时间，此步中先置为0。
在本示例的实施例中，根据生成的调度任务，结合对应的轨迹方案，判断该调度任务中是否包含冲突道路，其中主要考虑典型冲突道路的情况，包括：“X型”、“T型”、“Y型”和“V型”四种。若存在冲突道路，则需要结合路权管控策略对该轨迹方案进行速度规划。路权管控策略为：①轻载车辆让重载车辆先行；②下坡车辆让上坡车辆先行。速度规划是指针对同时出现在同一典型冲突道路的全部无人矿卡车辆，基于路权管控策略及速度规划模块算法优化每辆车的速度，以保证车辆通过冲突道路时不会出现事故，且全部车辆通过的累计时间最短。也就是说，通过优化每辆无人矿卡车速，达到车辆快速、无碰撞通过的目标。进一步，根据重规划的速度计算每辆矿卡通过冲突道路所需时间，并更新式(1)中的数值。若不存在冲突道路，则直接计算该调度任务对应的目标函数值。
在本示例的实施例中，判断当前调度任务是否达到最优方案，判断遵循两个依据：①迭代是否达到最大次数；②连续10次得到的调度任务方案不变。如果未达到最优调度方案，采用遗传算法对目标函数进一步迭代，通过选择、交叉、编译等遗传操作生成新的调度任务方案，并重复步骤(4)，遗传算法较为成熟，在此不作赘述；若已达到最优调度方案，则将生成的调度任务信息进一步丰富，结合轨迹方案及冲突区的速度规划方案，组合成“------序号------时刻-------作业点-------轨迹点-------规划速度-------”格式的任务文件，并通过V2X通信模块下发到每个车端执行。
在本示例的实施例中，本公开围绕露天矿无人运输调度系统展开，在传统调度模型基础上进一步优化，通过调度任务生成流程中引入了冲突检测机制、在装卸载点间距离矩阵中引入轨迹方案的维度形成多维距离矩阵、下发车端的调度任务包含要素及文件格式等方式，生成更符合实际生产、具有更高安全性、合理性的调度任务。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种基于冲突检测的无人矿卡智能调度系统。参照图4所示，该一种基于冲突检测的无人矿卡智能调度系统400可以包括：地图管理模块410、轨迹规划模块420、速度规划模块430、V2X通信模块440、车辆监管模块450。其中：
所述地图管理模块410用于生成矿区道路拓扑关系并进行轨迹冲突判定；
所述轨迹规划模块420用于生成的各装载点与各卸载点间的可行轨迹方案集合；
所述速度规划模块430包含路权规则管理模块及冲突道路速度规划模块，所述路权规则管理模块用于执行预设路权管控策略，所述冲突道路速度规划模块用于基于路权规则对冲突车辆的速度进行规划；
所述V2X通信模块440用于实现所述调度系统与无人矿卡之间的数据通信；
所述车辆监管模块450用于显示并监测所述无人矿卡的预设车辆信息、任务状态、生成状态。
上述中各一种基于冲突检测的无人矿卡智能调度系统模块的具体细节已经在对应的一种基于冲突检测的无人矿卡智能调度方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了一种基于冲突检测的无人矿卡智能调度系统400的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施例的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110至步骤S160。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5203的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线550可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备570(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线550与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端系统、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图6所示，描述了根据本发明的实施例的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (11)
1.一种基于冲突检测的无人矿卡智能调度方法，其特征在于，所述方法包括：
系统配置步骤，获取预设配置信息，并在调度系统中配置所述预设配置信息；
距离矩阵构造步骤，基于预设矿区道路拓扑关系、所述调度系统的各装载点与各卸载点间的距离、基于轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵；
调度任务生成步骤，以总等待时间最少为目标函数建立调度模型，基于所述调度模型，以所述距离矩阵为输入，生成调度任务；
冲突检测步骤，基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务进行优化更新；
调度任务判定步骤，基于预设调度任务判定规则，对所述优化更新后的调度任务进行判定，若判定通过，则执行调度任务下发步骤，若判定未通过，则执行基于遗传算法迭代更新并执行调度任务生成步骤；
调度任务下发步骤，将判定通过的调度任务基于V2X通信模块下发至各无人矿卡以供各无人矿卡基于所述调度任务完成车辆控制。
2.如权利要求1所述的方法，其特征在于，所述方法中，所述系统配置步骤中的预设配置信息包括装载点、所述各装载点的任务量、卸载点、所述各卸载点的承载容量、所述各装载点与所述各卸载点间的距离、无人矿卡数量、无人矿卡满载速度、无人矿卡空载速度、行驶费用单价、维护费用单价。
3.如权利要求1所述的方法，其特征在于，所述方法的距离矩阵构造步骤还包括：
基于调度系统中的地图管理模块生成矿区道路拓扑关系；
基于调度系统中的轨迹规划模块生成的各装载点与各卸载点间的可行轨迹方案集合；
获取所述调度系统中预设配置的各装载点与各卸载点间的距离；
基于预设矿区道路拓扑关系、各装载点与各卸载点间的距离、各装载点与各卸载点间的可行轨迹方案集合，构造距离矩阵。
4.如权利要求3所述的方法，其特征在于，所述方法中的距离矩阵为各装载点与各卸载点间的多维距离矩阵：
所述距离矩阵的高度表示可用装载点的数量；
所述距离矩阵的宽度表示可用卸载点的数量；
所述距离矩阵的深度表示在各装载点与各卸载点间的可行轨迹方案集合中可行轨迹数量的最大值。
5.如权利要求1所述的方法，其特征在于，所述方法的调度任务生成步骤还包括：
以总等待时间最少为目标函数建立调度模型为
其中，m表示装载点数量；n表示卸载点数量；k表示无人矿卡车辆总数；表示第h辆矿卡在由i装载点到j装载点任务中在装载点的作业时间；/>表示第h辆矿卡在由i装载点到j装载点任务中在卸载点的作业时间；/>表示第h辆矿卡在由i装载点到j装载点任务中匀速行驶消耗的时间；/>在由i装载点到j装载点任务中冲突区变速行驶消耗的时间。
6.如权利要求1所述的方法，其特征在于，所述方法的冲突检测步骤中所述预设路权管控策略还包括：
重载车辆行驶优先级大于轻载车辆；
上坡车辆行驶优先级大于下坡车辆。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
基于所述调度任务，对所述调度任务中各无人矿卡的轨迹进行冲突检测，若存在冲突，则基于冲突类型及预设路权管控策略优化无人矿卡的轨迹，并对应对调度任务中的T4 ijh的值进行优化更新。
8.如权利要求1所述的方法，其特征在于，所述方法的调度任务判定步骤中的预设调度任务判定规则还包括：
若迭代次数大于第一预设迭代次数，则判定通过；
若连续迭代第二预设迭代次数调度任务未优化，则判定通过。
9.一种基于冲突检测的无人矿卡智能调度系统，其特征在于，所述系统包括地图管理模块、轨迹规划模块、速度规划模块、V2X通信模块、车辆监管模块，其中：
所述地图管理模块用于生成矿区道路拓扑关系并进行轨迹冲突判定；
所述轨迹规划模块用于生成的各装载点与各卸载点间的可行轨迹方案集合；
所述速度规划模块包含路权规则管理模块及冲突道路速度规划模块，所述路权规则管理模块用于执行预设路权管控策略，所述冲突道路速度规划模块用于基于路权规则对冲突车辆的速度进行规划；
所述V2X通信模块用于实现所述调度系统与无人矿卡之间的数据通信；
所述车辆监管模块用于显示并监测所述无人矿卡的预设车辆信息、任务状态、生成状态。
10.一种电子设备，其特征在于，包括
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，其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根据权利要求1至8中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310522115.6A CN116611645A (zh) | 2023-05-10 | 2023-05-10 | 一种基于冲突检测的无人矿卡智能调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310522115.6A CN116611645A (zh) | 2023-05-10 | 2023-05-10 | 一种基于冲突检测的无人矿卡智能调度方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116611645A true CN116611645A (zh) | 2023-08-18 |
Family
ID=87684683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310522115.6A Pending CN116611645A (zh) | 2023-05-10 | 2023-05-10 | 一种基于冲突检测的无人矿卡智能调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116611645A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117893349A (zh) * | 2024-03-18 | 2024-04-16 | 宁波长壁流体动力科技有限公司 | 一种基于物联网的矿山管理方法以及管理系统 |
-
2023
- 2023-05-10 CN CN202310522115.6A patent/CN116611645A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117893349A (zh) * | 2024-03-18 | 2024-04-16 | 宁波长壁流体动力科技有限公司 | 一种基于物联网的矿山管理方法以及管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10062287B2 (en) | Contention avoidance | |
| Tang et al. | Robust scheduling strategies of electric buses under stochastic traffic conditions | |
| Gu et al. | Plan-based flexible bus bridging operation strategy | |
| CN109596132A (zh) | 车辆调度方法和装置 | |
| Zhang et al. | Real-time scheduling of autonomous mining trucks via flow allocation-accelerated tabu search | |
| CA3193121C (en) | Method and apparatus for coordinating multiple cooperative vehicle trajectories on shared road networks | |
| CN116611645A (zh) | 一种基于冲突检测的无人矿卡智能调度方法及系统 | |
| CN112466111B (zh) | 一种车辆行驶控制方法、装置、存储介质及电子设备 | |
| CN110378506A (zh) | 车辆碳排放量规划方法、装置、电子设备和存储介质 | |
| CN110275492A (zh) | 一种基于巷道确定自动引导运输车行驶路径的方法和装置 | |
| CN105528644A (zh) | 一种矿山铲、运、排动态台效优化系统及方法 | |
| CN113781811A (zh) | 一种矿区路口车辆通行决策系统及方法 | |
| CN113008253A (zh) | 一种混合动力车辆行驶方法、设备和存储介质 | |
| van der Heijden et al. | Using simulation to design an automated underground system for transporting freight around Schiphol Airport | |
| JP3212028B2 (ja) | 無人搬送車システム | |
| CN113859053A (zh) | 基于行驶需求的燃料电池管理方法、系统、设备及介质 | |
| CN116468210A (zh) | 煤矿辅助运输的车辆调度方法、装置与电子设备 | |
| Jia et al. | Intelligent scheduling method of port vehicles based on probability information | |
| Nourmohammadzadeh et al. | Fuel efficient truck platooning with time restrictions and multiple speeds solved by a particle swarm optimisation | |
| CN115744031A (zh) | 一种仓储小车调度系统 | |
| CN115469669A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
| CN111123865A (zh) | 一种基于点阵地图的多导航车协同调度方法 | |
| WO2023072418A1 (en) | Method and device for coordinating vehicle routes in confined areas | |
| JP2024049253A (ja) | システム、方法及びプログラム | |
| CN114964285A (zh) | 基于动态等待区域的导航方法、系统、设备及存储介质 |
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 |