CN116882645A - 一种无人驾驶矿车生产调度方法 - Google Patents

一种无人驾驶矿车生产调度方法 Download PDF

Info

Publication number
CN116882645A
CN116882645A CN202310640965.6A CN202310640965A CN116882645A CN 116882645 A CN116882645 A CN 116882645A CN 202310640965 A CN202310640965 A CN 202310640965A CN 116882645 A CN116882645 A CN 116882645A
Authority
CN
China
Prior art keywords
task
mine
scheduling
production
mine car
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
Application number
CN202310640965.6A
Other languages
English (en)
Inventor
郑安
郑树坤
王安尧
马广玉
魏圣杰
戚红建
韩硕
杨庆健
白宇
孙明岩
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.)
Uaneng Yimin Coal Power Co Ltd
Huaneng Information Technology Co Ltd
Original Assignee
Uaneng Yimin Coal Power Co Ltd
Huaneng Information 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 Uaneng Yimin Coal Power Co Ltd, Huaneng Information Technology Co Ltd filed Critical Uaneng Yimin Coal Power Co Ltd
Priority to CN202310640965.6A priority Critical patent/CN116882645A/zh
Publication of CN116882645A publication Critical patent/CN116882645A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Mining & Mineral Resources (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种无人驾驶矿车生产调度方法，属于矿车调度技术领域，其方法包括云端工作平台在当下时刻捕获矿场任务集，确定每个矿场任务优先级以及生产需求；基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案；监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车，得到对应目标矿场的第二调度方案；基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，并根据处于空闲状态的矿车任务中的被使用状态，对所述第一调度任务进行优化，得到第二调度任务；最后按照所述第二调度任务，实现矿车的协同工作。对露天矿车进行的动态车流规划与实时科学调度，使矿场作业效率能够显著提高。

Description

一种无人驾驶矿车生产调度方法
技术领域
本发明涉及矿车调度技术领域，特别涉及一种无人驾驶矿车生产调度方法。
背景技术
目前，无人驾驶产业出现井喷，但是真正落地、带来效益的项目寥寥无几，矿场相对封闭且矿场作业十分艰苦枯燥，驾驶员招聘困难，管理运输成本很高，大型采矿企业侧重于智慧矿区的实现以及矿区运营的整体无人化。这里潜藏着广阔的无人驾驶行业需求。对无人驾驶矿车进行的动态车流规划与实时科学调度，使矿场作业效率显著提高。
因此，本发明提供了一种无人驾驶矿车生产调度方法。
发明内容
本发明提供一种无人驾驶矿车生产调度方法，用以通过对矿场任务进行动态、科学的生产调度，提高设备作业效率。
本发明提供了一种无人驾驶矿车生产调度方法，包括：
步骤1：获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求；
步骤2：基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案；
步骤3；监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车，得到对应目标矿场的第二调度方案；
步骤4：基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，并根据处于空闲状态的矿车任务中的被使用状态，对所述第一调度任务进行优化，得到第二调度任务；
步骤5：按照所述第二调度任务，实现矿车的协同工作。
优选的，步骤1中，获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求，包括：
获取云端工作平台在当下时刻所捕获到的新下发任务以及未处理完成任务，并构成矿场任务集；
根据所述矿场任务集中每个矿场任务的下发时间以及允许最迟执行时间，向对应矿场任务设置优先级；
同时，对每个矿场任务进行任务解析，得到对应的生产需求。
优选的，对每个矿场任务进行任务解析，得到对应的生产需求，包括：
基于所述云端工作平台对同个矿场任务进行任务解析，获取得到若干任务关键词；
对所述若干任务关键词进行聚类分析，获取若干聚类块，并分别与聚类类型-机制映射表进行匹配，得到针对每个聚类块的筛选机制，其中，每个筛选机制都包含对应的预设对照表；
获取每个聚类块的聚类中心，并基于筛选机制所对应的预设对照表，得到与所述聚类中心一致的预设值；
基于所有预设值以及与所述预设值匹配的参数类型，得到对应的生产需求。
优选的，步骤2中，基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案，包括：
计算同个矿场任务的初始可容忍延迟值；
；其中，/>是云端工作平台通过分析当下时刻的所有实际生产任务集，得到的生产任务的最大时间间隔，/>是云端工作平台接收到任务的时刻，即当下时刻；/>是该生产任务中的最晚执行时间；/>是第/>个生产任务的生产需求中所对应的/>类型的矿的需求量；/>表示的是第/>个矿场中/>类型矿的实际存储量，是供矿场数量；/>表示取整符号；
对不同矿场所在历史时刻的任务接收及传输数据进行分析，判断出现数据传输误差的情况；
根据得到的情况对同个矿场任务的生产需求的参数类型的网络传输来源进行综合分析，得到传输介质以及数据通信方式在传输过程中可能出现的误差范围，计算每个数据通信方式的延迟因子；
；其中，/>是同个矿场任务下的第/>个导致数据传输出错的因素的误差概率，/>是针对同个矿场任务的历史数据中第/>个因素的误差平均值，/>是当下时刻所接收到的同个矿场任务观测值；/>是导致数据传输出错的因素总个数；
基于延迟因子，设置误差函数；
；其中，/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的数据通信方式的网络时延，/>表示历史数据中针对第c0个参数的平均通信时刻与当下网络传输时刻的差值；/>当下时刻的生产任务中的生产需求所涉及到的参数总个数；/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的延迟因子；
根据误差函数，对所述初始可容忍延迟值进行调整，得到最大可容忍延迟值；
；
根据对每一矿场生产任务设定的优先级，将矿场任务按照优先级建立相应的优先级队列；
为所述每一优先级队列分别设置预设延迟阈值；
将所述优先级队列的预设延迟阈值与最大可容忍延迟值进行比较，根据比较结果对所述优先级队列的生产任务进行调整，得到矿场生产任务的第一调度方案。
优选的，步骤3，监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车的过程中，还包括：
根据每个当下工作矿车上的第一监控端对矿车运行过程中的周围环境进行第一监测；
根据对应目标矿场的矿区所安装的第二监控端对目标矿场进行第二监测；
将第一监测结果以及第二监测结果传输至云端工作平台，进行矿区道路仿真，构建得到矿区地图；
分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案；
在所述矿区地图上将所述发生位置进行标注，并在标注位置对事件类型以及事件的解决方案进行批注显示；
针对突发事件建立资料库，得到不同类型突发情况的处理模型。
优选的，分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案，得到第二调度方案，包括：
对每一突发情况以及解决方案，存入资料库中并建立相应的处理模型；
在资料库中自动进行当下时刻所有道路的检索，确定当下时刻可进行生产任务的第一道路；
得到每个第一道路可能出现的突发情况以及处理方案，生成当前矿场可执行生产任务的道路的第二调度方案。
优选的，步骤4中，基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，包括：
基于所述第一调度方案以及第二调度方案，建立同个目标矿场的目标调度函数，具体如下：
基于所述第一调度方案，确定同个目标矿场的生产优化函数：
；其中，/>表示第/>个当下工作矿车接收到云端工作平台下发的需要去执行第一调度方案的指令，当第/>个当下工作矿车接收成功时，/>否则/>个当下工作矿车基于当前工作任务载运系数，/>表示第/>个当下工作矿车的当下位置/>到目标矿场的目标位置/>之间的道路通畅程度；/>表示同个目标矿场的当下工作矿车的总数量；
基于所述第二调度方案，确定当下矿场任务中每个当下工作矿车的第一调度系数；
；其中，/>表示第/>个当下工作矿车接收到云端工作平台下发的需要去执行第二调度方案的指令，当第/>个当下工作矿车接收成功时，/>否则/>表示第/>个当下工作矿车在从当下工作矿车规划的路径中A到目标矿场的目标位置/>的任务紧急程度，/>是指第/>个当下工作矿车在从A点到B点间的路线ab的道路通畅程度，/>表示第/>个当下工作矿车的第一调度系数；
构建调度约束函数；
其中，表示调度系数的判定范围的最小边界值；
基于生产优化函数以及调度约束函数Y2，得到第一调度任务。
优选的，步骤4中，根据处于空闲状态的矿车任务中的被使用状态，得到第二调度任务，包括：
根据第一调度任务中得到的道路信息以及矿车信息，对任务生产需求中所对应的目标矿场附近的矿车进行检索；
将矿车端与云端工作平台联通，得到附近矿车的实时信息；
基于第一调度任务所需时间、矿车载重以及油耗量情况对矿车使用情况进行分析；
选择合适的执行生产任务的实际矿车，得到第二调度任务；
按照第二调度任务对矿车进行生产调度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种无人驾驶矿车生产调度方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种无人驾驶矿车生产调度方法，如图1所示，包括：
步骤1：获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求；
步骤2：基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案；
步骤3；监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车，得到对应目标矿场的第二调度方案；
步骤4：基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，并根据处于空闲状态的矿车任务中的被使用状态，对所述第一调度任务进行优化，得到第二调度任务；
步骤5：按照所述第二调度任务，实现矿车的协同工作。
该实施例中，在云端工作平台对当下时刻用户提交的矿场任务进行获取，并对矿场任务的条件以及参数类型进行简单的处理得到矿场任务集，也就是该矿场任务集中包含若干矿产任务，其中，矿场任务包括：任务提交时间、最迟执行时间、所需矿产及其矿量等，通过对任务提交时间以及最迟执行时间的计算，对矿场任务集进行优先级的划分，对于计算数值小的，优先级设置为更高优先级，依次类推，将每10个单位的数值规定为一个优先级，生成矿场任务的优先级队列，此外，对生产需求的分析包括：提交任务的公司或个人、提交时间、该矿场任务中所需的矿产及其相对应的矿量等，通过对矿产任务信息的分析可以得到相对应的目标矿场以及可以使用的车型。
该实施例中，这里对矿场任务设定的服务规则，是基于云端工作平台通过简单处理得到的优先级队列以及其中每一任务的生产需求内容，进行的进一步调整，这里考虑到由于是无人驾驶矿车，所以在对矿车下发指令的过程中，可能会因为网络延时亦或者是无人驾驶矿车与下发指令端的连接不成功等因素，导致云端工作平台接收的矿场内各矿区的矿产数量等信息数据产生误差，构建误差函数以获得准确的优先级队列，关于优先级队列中的每一生产任务都已经按照优先级顺序确定好相对应的目标矿场，因此得到关于矿场任务的第一调度方案。
该实施例中，对矿场任务所对应的目标矿场进行监控，通过获取道路监控数据以及矿车运行过程中的监测数据，将监测数据传输至云端工作平台进行处理，得到关于该目标矿场的矿区地图信息以及相应的当下时刻的道路状况，在云端工作平台上进行道路的大数据分析，得到若干当前时刻可通行道路及其相对应的道路状况，得到关于矿场道路的第二调度方案。
该实施例中，基于第一调度方案，得到关于矿场任务的执行顺序，基于第二调度方案，得到关于目标矿场的道路通行状况，根据第一调度方案和第二调度方案，分析得到当下时刻按照任务优先级排列所对应的每一矿场任务的生产安排，构建生产优化函数以及调度约束函数，确保工作矿车接收到任务执行指令并确保每一任务都能调度到执行时刻最通畅的道路以及最佳的运载情况，确保同一时刻有且仅有一辆矿车通过某一路段，避免堵车带来时间上的延误或其他状况，得到第一调度任务。
该实施例中，对目标矿场内的矿车进行使用状态的查看，包括对矿车的载重量、当下时刻的可续航时间、矿车胎压数据、是否故障等情况，选择适合当下时刻矿场任务的矿车，选好矿车之后，结合第一调度任务得到第二调度任务。
该实施例中，协同工作指的是将符合的矿车按照第二调度任务协同去执行相应操作。
上述技术方案的有益效果是：通过对当下时刻矿场任务的科学调度，获得当下时刻的合理调度任务，其中，通过综合考虑生产任务的优先级以及矿场内生产状况，得到符合当前矿场的矿车与道路，实现合理调度，一定程度上使得矿场作业效率得到显著提高。
本发明提供一种无人驾驶矿车生产调度方法，步骤1中，获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求，包括：
获取云端工作平台在当下时刻所捕获到的新下发任务以及未处理完成任务，并构成矿场任务集；
根据所述矿场任务集中每个矿场任务的下发时间以及允许最迟执行时间，向对应矿场任务设置优先级；
同时，对每个矿场任务进行任务解析，得到对应的生产需求。
该实施例中，对当下时刻的生产任务进行收集，同时对之前时刻的未执行任务进行收集，获得当下时刻的矿场任务集，确保当下时刻每一未执行生产任务均被捕获，构成当下时刻的矿场任务集，并根据所述矿场任务集中每个矿场任务的下发时间以及允许最迟执行时间，计算得到每一矿场任务的可容忍延迟值，依据可容忍延迟值的大小进行优先级队列的排序，可容忍延迟值越小，优先级应当越高，并且按照每10个时间单位划分优先级，以此排序得到对应矿场任务的最初优先级队列。
该实施例中，矿场任务信息就作为任务解析时所对应的语料信息，对所述语料信息进行分词处理、聚类分析，解析任务需求，例如任务需求中若给定的条件不明晰，无法直接获取允许最迟可执行时间，任务中若给出[预收时间][验收期]等，均可通过对任务内容所需执行时间进行计算后，得到对应任务的执行时间，再使用所对应的数据进行相减，得到允许最迟可执行时间，其它生产需求均可按照类似方法得到更为明晰的需求条件，此处不再赘述。
上述技术方案的有益效果是：通过数据分析得到较为准确的优先级队列，处理生产需求条件，得到关于每一任务的量化的生产需求信息，以便于更好地进行任务的生产调度，间接提高了矿场作业效率。
本发明提供一种无人驾驶矿车生产调度方法，对每个矿场任务进行任务解析，得到对应的生产需求，包括：
基于所述云端工作平台对同个矿场任务进行任务解析，获取得到若干任务关键词；
对所述若干任务关键词进行聚类分析，获取若干聚类块，并分别与聚类类型-机制映射表进行匹配，得到针对每个聚类块的筛选机制，其中，每个筛选机制都包含对应的预设对照表；
获取每个聚类块的聚类中心，并基于筛选机制所对应的预设对照表，得到与所述聚类中心一致的预设值；
基于所有预设值以及与所述预设值匹配的参数类型，得到对应的生产需求。
该实施例中，对生产需求的分析，是通过对所述若干任务信息首先进行分词处理，例如[蓝天公司需要煤矿5吨，黄铜矿20吨，闪锌矿15吨，预收时间为2023年4月15日，]、[土地公司需要黄铜矿10吨，验收期为30天]；基于任务信息，分词得到[蓝天公司，煤矿(5吨)，黄铜矿(20吨)，闪锌矿(15吨)，预收时间(2023年4月15日)]土地公司，黄铜矿[10吨]，验收期(30天)]；经过分词之后，得到若干任务关键词以及相对应的数据信息。根据任务中的关键词，分别对每一任务提取公司名称、所需矿产及其矿量以及时间进行关键词的聚类分析，分别得到每一任务的这几方面的内容，找到聚类中心后对数据进行处理，需要计算的时间数据需要根据当前时间进行简单计算；由于每一关键词均包含其对应的数据信息，因此设置有聚类类型-机制映射表，先根据数据信息的参数类型映射相对应的数据筛选机制，在根据筛选机制中的预设对照表，对具体数据进行对照，得到与所述聚类中心一致的预设值，例如对于[黄铜矿，25吨]对应数据筛选机制中的[矿产量—10-50吨—吨量小—A型车][黄铜矿—第一矿区、第三矿区]，得到关于该矿场任务中的黄铜矿可以在第一矿区和第三矿区进行采集，同时使用小吨量的A 型矿车就可进行生产。
该实施例中，数据筛选机制是依据目前矿场内的矿区信息以及矿车信息建立的，与当前矿场适配程度高，可以进行基于本矿场的数据筛选，得到可靠的生产需求量化信息。
该实施例中，针对矿场任务中的吨量级以及相对应矿车的数据进行的筛选，含有向上兼容的特性，但每向上兼容一个量级，可能会产生一些成本上的损失，但是在矿车资源紧张、任务紧急的情况下可以按照对应量级向上兼容，选择尽快处理该矿场任务。
上述技术方案的有益效果是：对矿场任务进行数据分析，包括进行分词处理以及聚类分析，对生产需求进行预设值的确定，得到关于生产需求的量化信息，有助于矿场作业效率的提升。
本发明提供一种无人驾驶矿车生产调度方法，步骤2中，基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案，包括：
计算同个矿场任务的初始可容忍延迟值；
；其中，/>是云端工作平台通过分析当下时刻的所有实际生产任务集，得到的生产任务的最大时间间隔，/>是云端工作平台接收到任务的时刻，即当下时刻；/>是该生产任务中的最晚执行时间；/>是第/>个生产任务的生产需求中所对应的/>类型的矿的需求量；/>表示的是第/>个矿场中/>类型矿的实际存储量，是供矿场数量；/>表示取整符号；
对不同矿场所在历史时刻的任务接收及传输数据进行分析，判断出现数据传输误差的情况；
根据得到的情况对同个矿场任务的生产需求的参数类型的网络传输来源进行综合分析，得到传输介质以及数据通信方式在传输过程中可能出现的误差范围，计算每个数据通信方式的延迟因子；
；其中，/>是同个矿场任务下的第/>个导致数据传输出错的因素的误差概率，/>是针对同个矿场任务的历史数据中第/>个因素的误差平均值，/>是当下时刻所接收到的同个矿场任务/>观测值；/>是导致数据传输出错的因素总个数；
基于延迟因子，设置误差函数；
；其中，/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的数据通信方式的网络时延，/>表示历史数据中针对第c0个参数的平均通信时刻与当下网络传输时刻的差值；/>当下时刻的生产任务中的生产需求所涉及到的参数总个数；/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的延迟因子；
根据误差函数，对所述初始可容忍延迟值进行调整，得到最大可容忍延迟值；
；
根据对每一矿场生产任务设定的优先级，将矿场任务按照优先级建立相应的优先级队列；
为所述每一优先级队列分别设置预设延迟阈值；
将所述优先级队列的预设延迟阈值与最大可容忍延迟值进行比较，根据比较结果对所述优先级队列的生产任务进行调整，得到矿场生产任务的第一调度方案。
该实施例中，对每一任务的初始可容忍延迟值计算时，考虑了时间上的优先级与所需矿产以及矿量对应的矿场各个矿区的矿储备量，也就是说，只有时间上比较紧急的任务以及目前矿区内有储量的任务优先调度，对于时间紧急但是目前矿区内不能完成所对应的矿量的任务需要反馈至云端工作平台进行后续对接工作。
该实施例中，数据传输误差的出现主要是因为矿场内网络环境复杂，有些生产区网络与生活网络混杂在一起，生活网络可能会影响到生产区网络，或者是挖矿设备存在问题，中间节点过多，某些时候中间一个环节出现问题，就会影响到整体网络，例如某个中间节点，遭受到其他方向的流量侵占，缺乏优质的备选路由，所以会瞬断个几秒钟；这样一来由于不同矿区将实时数据传输至云端工作平台采用不同的网络形式等就会导致可能在某些时刻会发生不同程度上的数据误差。
该实施例中，建立误差函数时首先计算出每个数据通信方式的延迟因子，再与相应的时间延迟相乘，求取最大值，得到的是关于当前时刻误差范围进行最大程度的误差取值，然后根据误差函数对初始可容忍延迟值进行调整，得到最大可容忍延迟值，按照所述最大可容忍延迟值对之前云端工作平台初步设立的优先级队列进行调整：依据所述最大可容忍延迟值中的最小值为一个基准，按照每10个时间单位为一个预设延迟阈值，对每一优先级队列设置预设延迟阈值，当任务的最大可容忍延迟值小于当前队列预设延迟阈值时，将该矿场任务调整值更高一级的优先级队列中，同样，当任务的最大可容忍延迟值大于当前队列的预设延迟阈值时，将该矿场任务调整至更低一级的优先级队列中，得到关于矿场生产任务的第一调度方案。
上述技术方案的有益效果是：对矿场任务的可容忍延迟值进行优化，并对矿场内数据的误差进行分析，并设计相应的误差函数，避免网络时延带来的误差，最大程度还原实际数据，获得较为准确的任务优先级队列，确保在后续生产调度过程的任务执行顺序的准确性，使得最终每一矿场任务都能高质量的完成，最大程度提高矿场的作业效率。
本发明提供一种无人驾驶矿车生产调度方法，步骤3中，监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车的过程中，包括：
根据每个当下工作矿车上的第一监控端对矿车运行过程中的周围环境进行第一监测；
根据对应目标矿场的矿区所安装的第二监控端对目标矿场进行第二监测；
将第一监测结果以及第二监测结果传输至云端工作平台，进行矿区道路仿真，构建得到矿区地图；
分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案；
在所述矿区地图上将所述发生位置进行标注，并在标注位置对事件类型以及事件的解决方案进行批注显示；
并针对突发事件建立资料库，得到不同类型突发情况的处理模型。
该实施例中，第一监测主要是针对当下时刻处于工作状态的矿车的安装的车载监控进行数据监测，因此对矿场内的无人驾驶矿车均需搭载先进的车载传感器、控制器、执行器等装置，将矿车上的车辆传感器状态以及激光雷达、摄像头、GPS定位等环境感知和路径信息等采集上传，实现矿场无人驾驶样，包括定位、感知、规划、决策, 但是与城市场景的不同就是在于矿场的场景复杂性，需要融合现代通信与网络技术，实现车内网、车外网、车际网的无缝链接，考虑到矿场不同工作区的特征和通信需求，结合5G、V2X等技术的发展现状，采用多通信系统、加大频带和带宽的方式来增强通信系统的可靠性，提高系统的抗干扰能力，实现对矿场的可视化作业场景的数据采集。
该实施例中，第二监测是针对在矿场内安装的第二监控端，即安装在矿场内的道路监控以及产矿区，运矿区等各个生产区内的监控装置，在监控探头可观测范围内的数据进行的当下时刻以及之前时刻数据的对比分析与处理，得到关于矿场内道路信息、矿车聚集情况、矿场的产量等信息进行监测，传回至云端工作平台，得到矿场生产状态的远程监控。
该实施例中，将第一监测结果与第二监测结果上传至云端工作平台，首先通过卫星数据得到关于矿区的整体区域地图，再对监测结果进行剪接与拼接，生成关于矿区的实景地图，并对监测结果中的数据进行关键数据的提取，例如：矿车运行轨迹、易发生故障路段、道路养护状态这些情况，在当下时刻的地图中进行展示，建立起整个矿区的生态, 在云端工作平台上可以计算矿区生产运行成本。
该实施例中，通过监测结果，可以得到关于当下时刻以及历史时刻的道路易拥堵时刻与位置，将历史数据进行存储与分析，建立资料库，并针对不同的状况建立相应的风险分析模块，在云端工作平台上进行数据更新，以获得较为准确的道路风险预估以及得到高效的矿场任务调度路线。
该实施例中，在矿区地图上将历史数据当中事故高发路段以及由于天气情况或其他情况而导致的道路状态在矿区地图上相应的定位置使用一些颜色或文字进行标记，建立起相应的标注系统，针对相应的时间进行批注显示，得到更为直观的矿区道路运行图，例如：标注信息可以为[雨天-蓝色-A区第三街道易积水-道路不安全]，[大风天-黄色-C区全区易扬沙-道路视野及状况复杂]，[正常天气-淡黄色-F区第一街道易拥堵-下午时刻拥堵时长较长，建议更换道路]。
上述技术方案的有益效果是：获取到矿区地图，对当下时刻道路状况进行分析并且对突发状况建立风险预测与处理模型，调度完成的矿场任务执行起来更加高效，显著提高了矿场作业效率。
本发明提供一种无人驾驶矿车生产调度方法，分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案，包括：
对每一突发情况以及解决方案，存入资料库中并建立相应的处理模型；
在资料库中自动进行当下时刻所有道路进行的检索，针对当下时刻可以进行生产任务的道路，得到关于每一道路可能出现的突发情况以及处理方案；
得到关于当前矿场可以执行生产任务的道路的第二调度方案。
该实施例中，根据第一监测结果与第二监测结果，以及相应的历史监测数据，在云端工作平台上分析矿场中生产任务的运行状况，并对道路状况以及特殊天气状况等条件下道路的运行状况进行分析处理，建立资料库进行存储。
该实施例中，按照资料库中的数据，根据对生产任务在突发状况下对生产任务本身的影响程度进行分类，得到关于不同状况下对不同生产任务的影响，以便发生突发状况时进行及时的补救或提前预防，并针对资料库中关于矿场任务的突发状况，以及相应的影响与具体情况说明，建立起相应的应急处理模块，即当道路规划至某一事故多发路段时，及时对车端进行速度以及其他控制，防止意外发生，并对该情况的应对情况与措施置于模块中，即使无可避免地发生该状况，也能够做出及时的解决，减少损失，例如，建立不同天气状况的道路模型，当天气状况发生改变时，自动切入对应天气的模型，避免一些不安全道路的使用；还可以建立起道路拥堵模型，当某段道路发生拥堵后，针对矿车路线规划在该路段的，及时规划新的路线，避免拥堵。
该实施例中，在对矿场任务进行调度时，特别是进行道路选择时，可以对该生产任务的预选道路进行检索，在不影响进程的范围内选择最为安全可靠的道路，如果执行的任务是比较紧急的，而又不可避免的选择了易出现意外的道路，也要预先进行处理方案的确定。
该实施例中，对于资料库中由于道路本身问题而易引发事故的路段，上传至云端工作平台的相应模块，及时下达命令对道路进行养护。
上述技术方案的有益效果是：基于对实际矿场状况的监测，进行更为高效的矿场任务调度，在此基础上调用资料库中相关实际风险预测与处理模型，保证调度方案的安全可靠，进一步提高矿场作业效率。
本发明提供一种无人驾驶矿车生产调度方法，步骤4中，基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，包括：
基于所述第一调度方案以及第二调度方案，建立同个目标矿场的目标调度函数，具体如下：
基于所述第一调度方案，确定同个目标矿场的生产优化函数：/>
；其中，/>表示第个当下工作矿车接收到云端工作平台下发的需要去执行第一调度方案的指令，当第个当下工作矿车接收成功时，/>否则/>个当下工作矿车基于当前工作任务载运系数，/>表示第/>个当下工作矿车的当下位置/>到目标矿场的目标位置/>之间的道路通畅程度；/>表示同个目标矿场的当下工作矿车的总数量；
基于所述第二调度方案，确定当下矿场任务中每个当下工作矿车的第一调度系数；
；其中，/>表示第/>个当下工作矿车接收到云端工作平台下发的需要去执行第二调度方案的指令，当第/>个当下工作矿车接收成功时，/>否则/>表示第/>个当下工作矿车在从当下工作矿车规划的路径中A到目标矿场的目标位置/>的任务紧急程度，/>是指第/>个当下工作矿车在从A点到B点间的路线ab的道路通畅程度，/>表示第/>个当下工作矿车的第一调度系数；
构建调度约束函数；
其中，表示调度系数的判定范围的最小边界值；
基于生产优化函数以及调度约束函数Y2，得到第一调度任务。
该实施例中，第二调度任务是分别基于第一调度方案建立生产优化函数和基于第二调度方案建立调度约束函数综合起来得到的，是基于矿车接收到执行指令后，根据工作任务的载运系数、道路畅通状况以及任务紧急程度调度合适的车辆以及选择合适的道路。
该实施例中，调度约束函数中的最小边界值设置为0.3，排除掉矿车未接收到指令以及道路拥堵严重的情况，综合给出这样一个边界值，根据这个最小变截至可以确定一个较为良好的调度系数，进而得到较好的调度方案。
该实施例中，的取值范围为[0.5,1]，其中，任务越紧急，对应的/>的取值越大，/>的取值范围为[0,1]，其中，道路越通畅，对应的/>的取值越大。
上述技术方案的有益效果是：通过对生产优化函数和调度约束函数进行设计，在函数中直接排除一些低质量甚至不可取的调度方案，提高任务调度的效率，并综合考虑矿车状态、道路状况与任务需求，选取当前时刻矿场任务所对应的最佳调度方案，进一步提高了矿场的作业效率。
本发明提供一种无人驾驶矿车生产调度方法，步骤4中，基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，包括：
根据第一调度任务中得到的道路信息以及矿车信息，对任务生产需求中所对应的目标矿场附近的矿车进行检索；
将矿车端与云端工作平台联通，得到附近矿车的实时信息；
基于第一调度任务所需时间、矿车载重以及油耗量情况对矿车使用情况进行分析；
选择合适的执行生产任务的实际矿车，得到第二调度任务；
按照第二调度任务对矿车进行生产调度。
该实施例中，根据第一调度任务，针对任务生产需求中所对应的目标矿场附近的矿车进行检索，由于同一任务中所需矿产可能会有多种以及一个矿区不能满足该任务的所需矿量，就会导致需要调度不同矿区内的矿产，因此针对不同的相应矿区需要同时对该任务的矿车进行检索。
该实施例中，检索到可用车辆后，通过联通车端与云端，将生产需求信息与矿车状况进行匹配，基于第一调度任务的执行过程时间以及车辆的载重与油耗量情况等，在云端工作平台算出能够与任务匹配的矿车信息，包括：行驶的时间、速度和里程，统计油耗情况、出车情况、超速情况、燃油被盗情况、未按路线行驶情况等，匹配当下时刻最合适的矿车并保存矿车行驶的历史轨迹数据，添加至该矿场任务的任务矿车队列中，在确定执行当前任务的矿车数量以及具体的每一辆矿车后，在云端工作平台将该生产任务的路线以及调度情况传输至矿车端，进行矿场任务的执行，即根据第二调度任务进行调度。
上述技术方案的有益效果是：通过结合实际矿车情况，对矿车进行生产调度任务的安排，选取当下时刻的能够匹配矿场任务的最佳任务矿车队列，使矿场作业效率显著提高。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种无人驾驶矿车生产调度方法，其特征在于，包括：
步骤1：获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求；
步骤2：基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案；
步骤3；监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车，得到对应目标矿场的第二调度方案；
步骤4：基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，并根据处于空闲状态的矿车任务中的被使用状态，对所述第一调度任务进行优化，得到第二调度任务；
步骤5：按照所述第二调度任务，实现矿车的协同工作。
2.根据权利要求1所述的一种无人驾驶矿车生产调度方法，其特征在于，步骤1中，获取云端工作平台在当下时刻所捕获到的矿场任务集，并确定所述矿场任务集中每个矿场任务优先级以及每个矿场任务的生产需求，包括：
获取云端工作平台在当下时刻所捕获到的新下发任务以及未处理完成任务，并构成矿场任务集；
根据所述矿场任务集中每个矿场任务的下发时间以及允许最迟执行时间，向对应矿场任务设置优先级；
同时，对每个矿场任务进行任务解析，得到对应的生产需求。
3.根据权利要求2所述的无人驾驶矿车生产调度方法，其特征在于，对每个矿场任务进行任务解析，得到对应的生产需求，包括：
基于所述云端工作平台对同个矿场任务进行任务解析，获取得到若干任务关键词；
对所述若干任务关键词进行聚类分析，获取若干聚类块，并分别与聚类类型-机制映射表进行匹配，得到针对每个聚类块的筛选机制，其中，每个筛选机制都包含对应的预设对照表；
获取每个聚类块的聚类中心，并基于筛选机制所对应的预设对照表，得到与所述聚类中心一致的预设值；
基于所有预设值以及与所述预设值匹配的参数类型，得到对应的生产需求。
4.根据权利要求1所述的一种无人驾驶矿车生产调度方法，其特征在于，步骤2中，基于所述任务优先级以及生产需求，构建每个矿场任务的服务规则，得到第一调度方案，包括：
计算同个矿场任务的初始可容忍延迟值；
；其中，/>是云端工作平台通过分析当下时刻的所有实际生产任务集，得到的生产任务的最大时间间隔，/>是云端工作平台接收到任务的时刻，即当下时刻；/>是该生产任务中的最晚执行时间；/>是第/>个生产任务的生产需求中所对应的/>类型的矿的需求量；/>表示的是第/>个矿场中/>类型矿的实际存储量，是供矿场数量；/>表示取整符号；
对不同矿场所在历史时刻的任务接收及传输数据进行分析，判断出现数据传输误差的情况；
根据得到的情况对同个矿场任务的生产需求的参数类型的网络传输来源进行综合分析，得到传输介质以及数据通信方式在传输过程中可能出现的误差范围，计算每个数据通信方式的延迟因子；
；其中，/>是同个矿场任务下的第/>个导致数据传输出错的因素的误差概率，/>是针对同个矿场任务的历史数据中第/>个因素的误差平均值，/>是当下时刻所接收到的同个矿场任务/>观测值；是导致数据传输出错的因素总个数；
基于延迟因子，设置误差函数；
；其中，/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的数据通信方式的网络时延，/>表示历史数据中针对第c0个参数的平均通信时刻与当下网络传输时刻的差值；/>当下时刻的生产任务中的生产需求所涉及到的参数总个数；/>表示当下时刻的生产任务所涉及到的第c0个参数所对应的延迟因子；
根据误差函数，对所述初始可容忍延迟值进行调整，得到最大可容忍延迟值；
；
根据对每一矿场生产任务设定的优先级，将矿场任务按照优先级建立相应的优先级队列；
为所述每一优先级队列分别设置预设延迟阈值；
将所述优先级队列的预设延迟阈值与最大可容忍延迟值进行比较，根据比较结果对所述优先级队列的生产任务进行调整，得到矿场生产任务的第一调度方案。
5.根据权利要求1所述的一种无人驾驶矿车生产调度方法，其特征在于，步骤3，监控每个矿场任务所对应目标矿场以及对应目标矿场的当下工作矿车的过程中，还包括：
根据每个当下工作矿车上的第一监控端对矿车运行过程中的周围环境进行第一监测；
根据对应目标矿场的矿区所安装的第二监控端对目标矿场进行第二监测；
将第一监测结果以及第二监测结果传输至云端工作平台，进行矿区道路仿真，构建得到矿区地图；
分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案；
在所述矿区地图上将所述发生位置进行标注，并在标注位置对事件类型以及事件的解决方案进行批注显示；
针对突发事件建立资料库，得到不同类型突发情况的处理模型。
6.根据权利要求5所述的一种无人驾驶矿车生产调度方法，其特征在于，分析所述第一监测结果以及第二监测结果中存在的突发事件，并确定所述突发事件的发生位置、事件类型以及事件的解决方案，得到第二调度方案，包括：
对每一突发情况以及解决方案，存入资料库中并建立相应的处理模型；
在资料库中自动进行当下时刻所有道路的检索，确定当下时刻可进行生产任务的第一道路；
得到每个第一道路可能出现的突发情况以及处理方案，生成当前矿场可执行生产任务的道路的第二调度方案。
7.根据权利要求1所述的一种无人驾驶矿车生产调度方法，其特征在于，步骤4中，基于所述第一调度方案以及第二调度方案，确定同个目标矿场的第一调度任务，包括：
基于所述第一调度方案以及第二调度方案，建立同个目标矿场的目标调度函数，具体如下：
基于所述第一调度方案，确定同个目标矿场的生产优化函数：
；其中，/>表示第/>个当下工作矿车接收到云端工作平台下发的需要去执行第一调度方案的指令，当第/>个当下工作矿车接收成功时，/>否则/>个当下工作矿车基于当前工作任务载运系数，/>表示第/>个当下工作矿车的当下位置/>到目标矿场的目标位置/>之间的道路通畅程度；/>表示同个目标矿场的当下工作矿车的总数量；
基于所述第二调度方案，确定当下矿场任务中每个当下工作矿车的第一调度系数；
；其中，/>表示第/>个当下工作矿车接收到云端工作平台下发的需要去执行第二调度方案的指令，当第/>个当下工作矿车接收成功时，否则/>表示第/>个当下工作矿车在从当下工作矿车规划的路径中A到目标矿场的目标位置/>的任务紧急程度，/>是指第/>个当下工作矿车在从A点到B点间的路线ab的道路通畅程度，/>表示第/>个当下工作矿车的第一调度系数；
构建调度约束函数；
其中，表示调度系数的判定范围的最小边界值；
基于生产优化函数以及调度约束函数Y2，得到第一调度任务。
8.根据权利要求1所述的一种无人驾驶矿车生产调度方法，其特征在于，步骤4中，根据处于空闲状态的矿车任务中的被使用状态，得到第二调度任务，包括：
根据第一调度任务中得到的道路信息以及矿车信息，对任务生产需求中所对应的目标矿场附近的矿车进行检索；
将矿车端与云端工作平台联通，得到附近矿车的实时信息；
基于第一调度任务所需时间、矿车载重以及油耗量情况对矿车使用情况进行分析；
选择合适的执行生产任务的实际矿车，得到第二调度任务；
按照第二调度任务对矿车进行生产调度。
CN202310640965.6A 2023-05-30 2023-05-30 一种无人驾驶矿车生产调度方法 Pending CN116882645A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310640965.6A CN116882645A (zh) 2023-05-30 2023-05-30 一种无人驾驶矿车生产调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310640965.6A CN116882645A (zh) 2023-05-30 2023-05-30 一种无人驾驶矿车生产调度方法

Publications (1)

Publication Number Publication Date
CN116882645A true CN116882645A (zh) 2023-10-13

Family

ID=88259286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310640965.6A Pending CN116882645A (zh) 2023-05-30 2023-05-30 一种无人驾驶矿车生产调度方法

Country Status (1)

Country Link
CN (1) CN116882645A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117649094A (zh) * 2024-01-24 2024-03-05 中国科学院自动化研究所 无人驾驶矿车调度系统及方法
CN117880318A (zh) * 2023-12-20 2024-04-12 华能信息技术有限公司 矿用车通信调度方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
WO2021228147A1 (zh) * 2020-05-15 2021-11-18 长沙智能驾驶研究院有限公司 矿车运输驾驶控制方法、装置、矿车和存储介质
CN114911238A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车协同控制方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
WO2021228147A1 (zh) * 2020-05-15 2021-11-18 长沙智能驾驶研究院有限公司 矿车运输驾驶控制方法、装置、矿车和存储介质
CN114911238A (zh) * 2022-05-27 2022-08-16 上海伯镭智能科技有限公司 一种无人驾驶矿车协同控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王迪;: "云服务模式下露天矿智能调度系统应用研究", 中国钼业, no. 04, 31 December 2020 (2020-12-31), pages 18 - 23 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117880318A (zh) * 2023-12-20 2024-04-12 华能信息技术有限公司 矿用车通信调度方法及系统
CN117649094A (zh) * 2024-01-24 2024-03-05 中国科学院自动化研究所 无人驾驶矿车调度系统及方法

Similar Documents

Publication Publication Date Title
CN116882645A (zh) 一种无人驾驶矿车生产调度方法
CN106846863B (zh) 基于增强现实和云端智能决策的事故黑点警告系统及方法
CN103287359B (zh) 一种纯电动汽车能耗检测方法
CN103116824A (zh) 一种露天矿山车辆调度方法与系统
CN112735189A (zh) 一种飞行汽车地空模态转换与智能空管方法及系统
CN109859505B (zh) 高速站点的预警处理方法、装置、服务器和介质
CN113066285A (zh) 一种路况信息确定方法、装置、电子设备及存储介质
CN113781811A (zh) 一种矿区路口车辆通行决策系统及方法
CN105022742A (zh) 一种基于位置及天气的数据管理方法及数据管理系统
CN115909730A (zh) 一种基于数字孪生的隧道施工期交通智能管控系统
CN111160537B (zh) 一种基于ann的路口交通警力资源调度系统
CN117558129A (zh) 一种用于高速公路建设用的智能定位系统及方法
CN116909202A (zh) 车云协同自动驾驶车辆控制方法、装置、设备及介质
CN110956411B (zh) 基于设计一致性的公路运行安全性分级评价系统及评价方法
CN113569376A (zh) 一种多源数据驱动的交通仿真评估系统
CN110867072A (zh) 一种基于北斗导航与Hadoop技术的车辆追踪与调度系统
CN117874700B (zh) 航班运行数据处理评估系统、方法及电子设备
Shi et al. Traffic big data in the development of intelligent transportation system
CN116386365B (zh) 一种提升港区道路安全性的交通路径诱导方法及系统
US11935000B2 (en) Methods and Internet of Things systems for LNG management linked with warehousing, transportation, and smart terminals
CN116597646A (zh) 计算机信息和通信技术结合的城市路况信息管理系统
Xu et al. Research and Design of Traffic Management Platform Based on BD Processing
CN117151320A (zh) 电站区域的路径设计数据确定方法、装置及电子设备
Cheng Intelligent Design of Urban Traffic Information Management System
CN118470973A (zh) 交通方式识别和训练分类模型的方法和装置

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