CN117035369A - 一种无人驾驶车辆资源的智能调度方法 - Google Patents
一种无人驾驶车辆资源的智能调度方法 Download PDFInfo
- Publication number
- CN117035369A CN117035369A CN202311287435.4A CN202311287435A CN117035369A CN 117035369 A CN117035369 A CN 117035369A CN 202311287435 A CN202311287435 A CN 202311287435A CN 117035369 A CN117035369 A CN 117035369A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- unmanned
- acquiring
- coefficient
- resource scheduling
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010586 diagram Methods 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 239000012634 fragment Substances 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000016776 visual perception 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
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明涉及资源调度技术领域,提出了一种无人驾驶车辆资源的智能调度方法,包括:获取无人驾驶车辆状态参数;根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数,根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数,根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图,根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数,根据无人驾驶车辆的电池能量损耗系数和无人驾驶车辆的资源调度优先图计算无人驾驶车辆的优先权重;根据无人驾驶车辆的优先权重获取最佳充电区域,进而利用最佳充电区域对无人驾驶车辆资源调度。本发明提高了资源调度的合理性。
Description
技术领域
本发明涉及资源调度技术领域,具体涉及一种无人驾驶车辆资源的智能调度方法。
背景技术
随着车载雷达设备和车载视觉感知技术不断成熟,无人驾驶技术逐渐深入日常交通运输驾驶过程中。无人驾驶技术是一种具有的驾驶路况环境感知、驾驶路径规划、紧急驾驶风险规避的多种智能高新技术的集合体。
鉴于无人驾驶技术的特殊性,以电能驱动的新能源汽车驾驶系统相较于传统燃油机械车辆驾驶系统更易调节,同时新能源汽车也可以较好地承载无人驾驶技术中多种传感器设备的能源供给。因此,电池作为新能源汽车的重要组成部件,制约了无人驾驶新能源汽车承载运输任务过程中的续航行驶里程,无人驾驶车辆的充电资源调度影响了运输任务的完成效率,也对无人驾驶车辆自身的电池寿命产生一定的影响。
发明内容
本发明提供一种无人驾驶车辆资源的智能调度方法,以解决由于多个无人驾驶车
辆对同一充电区域的抢占冲突导致传统算法无法寻找合理的车辆资源调度方案的问题,
所采用的技术方案具体如下:
本发明一个实施例一种无人驾驶车辆资源的智能调度方法,该方法包括以下步骤:
获取无人驾驶车辆状态参数;
根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数,根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数,根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图,根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数;
根据无人驾驶车辆的电池能量损耗系数和充电抢占系数计算无人驾驶车辆的优先权重,根据无人驾驶车辆的优先权重获取最佳充电区域,进而利用最佳充电区域对无人驾驶车辆资源调度。
优选的,所述获取无人驾驶车辆状态参数包括每个时刻无人驾驶车辆的车辆速度、载重量、电池温度、剩余电量,每个时刻无人驾驶车辆与充电区域的直线距离,无人驾驶车辆阻力系数。
优选的,所述根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数的方法为:
将每个不同时刻的无人驾驶车辆异常状态系数作为变点检测算法的输入,获取异常数据并置零剔除,使用插值算法对异常零数据进行插值填充,将填充后的数据记为无人驾驶车辆状态修正参数。
优选的,所述无人驾驶车辆异常状态系数计算方法为:
以每个不同时刻为起点获取预设长度的无人驾驶车辆状态参数,记为无人驾驶车辆数据特征片段,将无人驾驶车辆数据特征片段中最大值数据与当前时刻数据的差记为第一差值,将无人驾驶车辆数据特征片段中当前时刻数据与最小数据的差记为第二差值,将第一差值和第二差值的差记为第三差值,计算无人驾驶车辆数据特征片段中每个不同时刻数据为起点的无人驾驶车辆数据特征片段与当前时刻为起点的无人驾驶车辆数据特征片段之间的距离累加和,并记为第一累加和,计算第一累加和与第三差值的乘积记为当前时刻的异常状态系数。
优选的,所述根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数的方法为:
将无人驾驶车辆阻力系数与每个不同时刻无人驾驶车辆的载重量、速度和电池温度乘积记为每个不同时刻的无人驾驶车辆电池能量损耗系数。
优选的,所述根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图的方法为:
将无人驾驶车辆作为的无人驾驶车辆的资源调度优先图中第一类节点,将充电区域作为无人驾驶车辆的资源调度优先图中第二类节点,将每个第一类节点与所有第二类节点的连线作为无人驾驶车辆的资源调度优先图中的边,将第一类节点、第二类节点和所有节点的边构成的集合作为无人驾驶车辆的资源调度优先图。
优选的,所述根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数的具体方法为:
上述公式中,表示了以自然常数为底的指数函数,表示了无人驾驶车辆
冲突区域中所有不同无人驾驶车辆的个数,表示了无人驾驶车辆资源调度优先图中
第个第一类无人驾驶车辆节点的所有的边个数,表示了无人驾驶车辆冲突区域中
所有不同充电区域的个数,表示了无人驾驶车辆资源调度优先图中第个充电区域的所
有边个数,表示了第个时刻第个无人驾驶车辆充电抢占冲突系数。
优选的,所述无人驾驶车辆冲突区域的获取方法为:
在无人驾驶车辆的资源调度优先图中,以无人驾驶车辆节点为中心,以无人驾驶车辆与充电区域的直线距离的最大值为半径构成的圆形区域记为无人驾驶车辆冲突区域。
优选的,所述根据无人驾驶车辆的电池能量损耗系数和充电抢占系数计算无人驾驶车辆的优先权重的具体方法为:
上述公式中,表示了第个时刻的充电区域的冲突常量,表示了以自然常
数为底的指数函数,表示了无人驾驶车辆的第个时刻的电池能量损耗系数,表示了第
个时刻的无人驾驶车辆剩余电量,表示了第个时刻下无人驾驶车辆到充电区域之
间的直线距离,表示了第个时刻第个无人驾驶车辆充电抢占冲突系数,表示了
第个时刻无人驾驶车辆与充电区域之间的优先权重数值。
优选的,所述根据无人驾驶车辆的优先权重获取最佳充电区域的方法为:
利用优先权重数值对路径规划算法中启发函数进行优化,基于优化后的路径规划算法获取无人驾驶车辆最佳充电区域。
本发明的有益效果是:本发明首先根据无人驾驶车辆状态参数数据计算得到无人
驾驶车辆的异常状态系数,并利用无人驾驶车辆的异常状态系数获取无人驾驶车辆状态修
正参数,有效地规避了无人驾驶车辆状态参数数据中异常数据对后续计算过程中的干扰,
进一步地,本发明通过构建无人驾驶车辆资源调度优先图,并利用无人驾驶车辆资源调度
优先图计算获取得到无人驾驶车辆与充电区域之间的优先权重数值,同时,根据优先权重
对传统算法进行优化,有效地避免了无人驾驶车辆对于不同充电区域使用优先级不当导
致的资源抢占冲突的缺点,提高无人驾驶车辆资源调度过程中的合理性。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种无人驾驶车辆资源的智能调度方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种无人驾驶车辆资源的智能调度方法流程图,该方法包括以下步骤:
步骤S001,获取无人驾驶车辆状态参数。
需要说明的是,在无人驾驶车辆行驶过程中,车辆以不同速度驱动行进时,随着载重和温度不断变化,其电池能耗的损失变化情况也有所不同。同时,为了避免无人驾驶车辆在运输任务行进过程中出现电池电能不足以完成运输任务而导致的车辆抛锚异常情况的发生,需要实时获取无人驾驶汽车电池电量状态。当无人驾驶车辆行进过程中电池能源不足时,需要选择合适的充电区域进行能源补充,以达到顺利完成运输任务的目的。特别地,当多个无人驾驶汽车同时选择一个充电区域进行能源补充时,不同无人驾驶的新能源汽车电池充电等待时间会存在不同的差异。因此,需要获取不同时刻无人驾驶车辆的状态参数。
具体地,取时间间隔,每间隔一个时间获取一次无人驾驶状态参数,假设当
前时刻为,通过多种传感器获取当前时刻的无人驾驶车辆速度,无人驾驶车辆载重量
,无人驾驶车辆电池温度,无人驾驶车辆剩余电量。
步骤S002,根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数。
需要说明的是,在无人驾驶车辆行进过程中,通过多种传感器获取得到多个不同时刻状态无人驾驶车辆状态参数,但由于采集过程中由于传感器出现不稳定因素干扰,导致采集得到的无人驾驶车辆状态参数存在噪声干扰,出现无意义的异常数据点,为了消除无人驾驶车辆车状态参数中异常数据点对后续进一步分析计算过程中造成的计算干扰影响,首先对无人驾驶车状态参数的数据特征进行计算。
具体地,无人驾驶车辆正常行驶过程中,在较短的时间片段中,获取得到每个不同
时刻获取得到的无人驾驶车辆状态参数在数值上不存在异常,因此,以时刻点为起点,向
前取长度为的时间片段,记为时刻点的无人驾驶车辆数据特征片段,其中,本发明令
取预设经验值为5。
上述公式中,表示了获取得到的无人驾驶状态参数的一种参数数据,表示
了在以时刻点为起点的无人驾驶车辆数据特征片段中一种具体参数的最大值,表示
了在以时刻点为起点的无人驾驶车辆数据特征片段中一种具体参数的最小值,表示了无
人驾驶车辆数据特征片段的长度,表示了两个特征片段之间的距离函数,表示了
以时刻点为起点构成的无人驾驶车辆数据特征片段,表示了以时刻点为起点构成的
无人驾驶车辆数据片段,表示了无人驾驶状态参数中第个时刻的异常状态系数。
通过计算不同时刻下无人驾驶车辆状态参数的异常状态系数更能明显反映无人
驾驶状态参数数据的异常变化情况。假设在第个时刻处,由于噪声干扰或传感器内部结构
导致无人驾驶状态参数数值出现数值异常变化,此时在无人驾驶车辆数据特征片段中最大
数值和最小数值的差异会相对较大,同时,以不同时刻为起点所构成的无人驾驶车辆数据
特征片段之间的DTW距离也会相对变大,此时计算得到的第个时刻的异常状态系数数值会
相对变大。
因此,对于不同时刻下无人驾驶车辆异常状态系数,若当前时刻数值越大,说明当前时刻采集得到的数值越可能出现异常噪声干扰,因此将不同时刻下计算得到得无人驾驶车辆异常状态系数作为输入,使用贝叶斯变点检测算法获取异常数据点并置零剔除,对于置零剔除后的时刻点使用双线性插值算法填充,其中,贝叶斯变点检测算法和双线性插值算法为公知技术在此不再赘述。通过上述处理,获取无人驾驶车辆状态修正参数。
步骤S003,根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数,根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图,根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数,根据无人驾驶车辆的电池能量损耗系数和无人驾驶车辆的资源调度优先图计算无人驾驶车辆的优先权重。
需要说明的是,不同于传统燃油车辆,以电力能源作为主要驱动的无人驾驶车辆在行驶过程中车辆速度越高,其电量消耗越快,这是由于无人驾驶车辆的电力驱动特点导致的。因此,根据无人驾驶车辆行进过程中不同时刻速度变化情况对汽车电量损耗情况进行计算分析。
上述公式中,表示了阻力系数,其数值根据不同的车辆外形特点存在不同的差
异,本发明无人驾驶车辆的阻力系数取值为0.3。、、分别表示了第个时刻位置处的无
人驾驶车辆载重量、无人驾驶车辆速度和无人驾驶车辆温度,表示了第个时刻处的无人
驾驶车辆的电池能量损耗系数。
在无人驾驶车辆行驶过程中,当阻力系数越大,导致维持当前车辆行驶速度所需
要的电力能耗越高,此时计算得到的无人驾驶车辆电池能量损耗系数会相对变大。同时,当
前时刻状态下无人驾驶车辆的载重量越高,电池温度越高,此时无人驾驶车辆的电池能量
损耗系数也会相对变大。当无人驾驶车辆以较高的速度行进时,为了维持当前车辆速度,需
要更多的电力能源驱动,此时计算得到的电池能量损耗系数会相对较大。
需要说明的是,在无人驾驶车辆行驶过程中,由于不同时刻、不同的无人驾驶车辆运行状态有所不同,不同无人驾驶车辆对充电需求的紧急情况有所不同,因此为了避免多个不同的无人驾驶车辆同时抢占一个充电区域导致的充电资源冲突,需要根据不同无人驾驶车辆的状态进行进一步分析。
具体地,构建无人驾驶车辆资源调度优先图,其中,令无人驾驶车辆为资源调度优先图中的第一类节点,令充电的区域为第二类节点,在无人驾驶车辆资源调度优先图中,所有不同的第一类节点和第二类节点之间存在关联,但由于不同无人驾驶车辆不同时间状态有所差异,不同的无人驾驶车辆对充电能源需求的优先级强弱关联有所不同,因此根据不同节点的优先级建立无人驾驶车辆资源调度优先图不同节点之间的边。
假设当前时刻,无人驾驶车辆距离所有不同充电区域的直线距离分别记为,其中表示了无人驾驶车辆在时刻下所有不同充电区
域的个数。记最远距离为,将以无人驾驶车辆所在位置为圆心,以为半径的区
域记为无人驾驶车辆的冲突区域。
上述公式中,表示了以自然常数为底的指数函数,表示了无人驾驶车辆
冲突区域中所有不同无人驾驶车辆的个数,表示了无人驾驶车辆资源调度优先图中
第个第一类无人驾驶车辆节点的所有的边个数,表示了无人驾驶车辆冲突区域中
所有不同充电区域的个数,表示了无人驾驶车辆资源调度优先图中第个充电区域的所
有边个数,表示了第个时刻第个无人驾驶车辆充电抢占冲突系数。
在无人驾驶车辆的冲突区域中,若无人驾驶车辆个数越多,且在无人驾驶车辆资
源调度优先图中无人驾驶车辆节点所有边的个数越多,则在冲突区域中发生充电资源抢占
冲突的可能性越高,同时,在无人驾驶车辆冲突区域中, 若充电区域的个数越少,且在无
人驾驶车辆资源调度优先图中无人驾驶车辆节点所有边的个数越多,则在冲突区域中发生
充电资源抢占冲突的可能性越高,此时计算得到无人驾驶车辆充电抢占冲突系数的数值也
越大。
需要说明的是,由于无人驾驶车辆与不同充电区域之间的距离存在差异,因此无人驾驶车辆与充电区域的距离远近会影响无人驾驶车辆对充电区域选择的优先性,需要结合无人驾驶车辆与不同充电区域的距离对无人驾驶车辆资源调度优先图中不同节点的边进行调整。
上述公式中,表示了第个时刻的充电区域的冲突常量,表示了以自然常
数为底的指数函数,表示了无人驾驶车辆的第个时刻的电池能量损耗系数,表示了第
个时刻的无人驾驶车辆剩余电量,表示了第个时刻下无人驾驶车辆到充电区域之
间的直线距离,表示了第个时刻第个无人驾驶车辆充电抢占冲突系数,表示了
第个时刻无人驾驶车辆与充电区域之间的优先权重数值。
在无人驾驶车辆行进过程中,若第个时刻下电池能量损耗系数越大,说明当前电
池能量损耗速率越快,则无人驾驶车辆越有可能出现电池能耗不足,同时,若第个时刻下
无人驾驶车辆剩余电量越小,且无人驾驶车辆到充电区域之间的距离,第个无人驾驶车
辆充电抢占冲突系数越小,说明第个时刻无人驾驶车辆与充电区域之间发生充电抢占
冲突的可能性越低,此时,计算得到的无人驾驶车辆与充电区域之间的优先权重数值应
较小,充电区域的优先级较高。特别地,假设当前充电区域存在无人驾驶车辆,此时取
值当前时刻充电区域充电等待的无人驾驶车辆个数,若当前充电区域没有充电等待车
辆,此时取值为0,则当前时刻计算得到的无人驾驶车辆优先权重较小,处于较高优先
级,被优先选择调度。
步骤S004,根据无人驾驶车辆的优先权重获取最佳充电区域,进而利用最佳充电区域对无人驾驶车辆资源调度。
需要说明是,在无人驾驶车辆资源权重优先图中,不同无人驾驶车辆与不同充电区域之间存在不同优先选择性,因此,需要在无人驾驶车辆资源权重优先图中获取当前无人驾驶车辆节点与充电区域节点之间的最优规划。
具体地,为了避免传统算法中由于无人驾驶车辆仅根据充电区域距离搜索过程
中导致的多个不同无人驾驶车辆对同一个充电区域抢占冲突造成的资源不良竞争,本发明
通过将优先权重与算法的启发函数相乘对传统算法进行优化,通过优化后的算法得
到不同无人驾驶车辆最优路径与最佳充电区域,并将充电区域冲突常量加一,完成对无人
驾驶车辆资源的智能化调度。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种无人驾驶车辆资源的智能调度方法,其特征在于,该方法包括以下步骤:
获取无人驾驶车辆状态参数;
根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数,根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数,根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图,根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数;
根据无人驾驶车辆的电池能量损耗系数和充电抢占系数计算无人驾驶车辆的优先权重,根据无人驾驶车辆的优先权重获取最佳充电区域,进而利用最佳充电区域对无人驾驶车辆资源调度。
2.根据权利要求1所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述获取无人驾驶车辆状态参数包括每个时刻无人驾驶车辆的车辆速度、载重量、电池温度、剩余电量,每个时刻无人驾驶车辆与充电区域的直线距离,无人驾驶车辆阻力系数。
3.根据权利要求2所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆状态参数获取无人驾驶车辆状态修正参数的方法为:
将每个不同时刻的无人驾驶车辆异常状态系数作为变点检测算法的输入,获取异常数据并置零剔除,使用插值算法对异常零数据进行插值填充,将填充后的数据记为无人驾驶车辆状态修正参数。
4.根据权利要求3所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述无人驾驶车辆异常状态系数计算方法为:
以每个不同时刻为起点获取预设长度的无人驾驶车辆状态参数,记为无人驾驶车辆数据特征片段,将无人驾驶车辆数据特征片段中最大值数据与当前时刻数据的差记为第一差值,将无人驾驶车辆数据特征片段中当前时刻数据与最小数据的差记为第二差值,将第一差值和第二差值的差记为第三差值,计算无人驾驶车辆数据特征片段中每个不同时刻数据为起点的无人驾驶车辆数据特征片段与当前时刻为起点的无人驾驶车辆数据特征片段之间的距离累加和,并记为第一累加和,计算第一累加和与第三差值的乘积记为当前时刻的异常状态系数。
5.根据权利要求3所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆状态修正参数计算无人驾驶车辆的电池能量损耗系数的方法为:
将无人驾驶车辆阻力系数与每个不同时刻无人驾驶车辆的载重量、速度和电池温度乘积记为每个不同时刻的无人驾驶车辆电池能量损耗系数。
6.根据权利要求3所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆状态修正参数获取无人驾驶车辆的资源调度优先图的方法为:
将无人驾驶车辆作为的无人驾驶车辆的资源调度优先图中第一类节点,将充电区域作为无人驾驶车辆的资源调度优先图中第二类节点,将每个第一类节点与所有第二类节点的连线作为无人驾驶车辆的资源调度优先图中的边,将第一类节点、第二类节点和所有节点的边构成的集合作为无人驾驶车辆的资源调度优先图。
7.根据权利要求6所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆的资源调度优先图计算无人驾驶车辆的充电抢占系数的具体方法为:
;
上述公式中,表示了以自然常数为底的指数函数,/>表示了无人驾驶车辆冲突区域/>中所有不同无人驾驶车辆的个数,/>表示了无人驾驶车辆资源调度优先图中第/>个第一类无人驾驶车辆节点的所有的边个数,/>表示了无人驾驶车辆冲突区域/>中所有不同充电区域的个数,/>表示了无人驾驶车辆资源调度优先图中第/>个充电区域的所有边个数,/>表示了第/>个时刻第/>个无人驾驶车辆充电抢占冲突系数。
8.根据权利要求7所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述无人驾驶车辆冲突区域的获取方法为:
在无人驾驶车辆的资源调度优先图中,以无人驾驶车辆节点为中心,以无人驾驶车辆与充电区域的直线距离的最大值为半径构成的圆形区域记为无人驾驶车辆冲突区域。
9.根据权利要求7所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆的电池能量损耗系数和充电抢占系数计算无人驾驶车辆的优先权重的具体方法为:
;
上述公式中,表示了第/>个时刻的充电区域/>的冲突常量,/>表示了以自然常数为底的指数函数,/>表示了无人驾驶车辆的第/>个时刻的电池能量损耗系数,/>表示了第/>个时刻的无人驾驶车辆剩余电量,/>表示了第/>个时刻下无人驾驶车辆/>到充电区域/>之间的直线距离,/>表示了第/>个时刻第/>个无人驾驶车辆充电抢占冲突系数,/>表示了第/>个时刻无人驾驶车辆/>与充电区域/>之间的优先权重数值。
10.根据权利要求1所述的一种无人驾驶车辆资源的智能调度方法,其特征在于,所述根据无人驾驶车辆的优先权重获取最佳充电区域的方法为:
利用优先权重数值对路径规划算法中启发函数进行优化,基于优化后的路径规划算法获取无人驾驶车辆最佳充电区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287435.4A CN117035369B (zh) | 2023-10-08 | 2023-10-08 | 一种无人驾驶车辆资源的智能调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287435.4A CN117035369B (zh) | 2023-10-08 | 2023-10-08 | 一种无人驾驶车辆资源的智能调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035369A true CN117035369A (zh) | 2023-11-10 |
CN117035369B CN117035369B (zh) | 2023-12-22 |
Family
ID=88632195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311287435.4A Active CN117035369B (zh) | 2023-10-08 | 2023-10-08 | 一种无人驾驶车辆资源的智能调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035369B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376987A (zh) * | 2018-09-10 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车调度方法、装置、设备及存储介质 |
US20190111926A1 (en) * | 2016-04-27 | 2019-04-18 | Nio Nextev Limited | Adaptive driving behavior adjusting method for electric vehicle |
CN109784558A (zh) * | 2019-01-11 | 2019-05-21 | 浙江工业大学 | 一种基于蚁群算法的电动汽车充电调度优化方法 |
CN110533901A (zh) * | 2019-08-29 | 2019-12-03 | 厦门金龙联合汽车工业有限公司 | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 |
US20210255633A1 (en) * | 2020-02-14 | 2021-08-19 | Ford Global Technologies, Llc | Optimized recharging of autonomous vehicles |
CN114023094A (zh) * | 2022-01-07 | 2022-02-08 | 上海国际港务(集团)股份有限公司 | 一种码头车辆调度系统、方法、设备和介质 |
US20220126725A1 (en) * | 2020-10-22 | 2022-04-28 | Harbin Engineering University | Method for scheduling multi agent and unmanned electric vehicle battery swap based on internet of vehicles |
CN115205797A (zh) * | 2022-09-19 | 2022-10-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶车辆工作状态监控方法及装置 |
CN116142030A (zh) * | 2023-04-14 | 2023-05-23 | 浙江云针信息科技有限公司 | 一种无人驾驶车辆的自动充电方法和系统 |
CN116343514A (zh) * | 2023-03-30 | 2023-06-27 | 江苏大学 | 一种用于无人驾驶的车辆调度管理方法及系统 |
CN116612654A (zh) * | 2023-07-21 | 2023-08-18 | 北京斯年智驾科技有限公司 | 一种无人驾驶车队调度方法、装置及电子设备 |
CN116700296A (zh) * | 2023-07-26 | 2023-09-05 | 杜咏峻 | 基于深度学习的自主充电无人电动车智能规划方法及系统 |
-
2023
- 2023-10-08 CN CN202311287435.4A patent/CN117035369B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190111926A1 (en) * | 2016-04-27 | 2019-04-18 | Nio Nextev Limited | Adaptive driving behavior adjusting method for electric vehicle |
CN109376987A (zh) * | 2018-09-10 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 无人驾驶汽车调度方法、装置、设备及存储介质 |
CN109784558A (zh) * | 2019-01-11 | 2019-05-21 | 浙江工业大学 | 一种基于蚁群算法的电动汽车充电调度优化方法 |
CN110533901A (zh) * | 2019-08-29 | 2019-12-03 | 厦门金龙联合汽车工业有限公司 | 一种无人驾驶车辆群组的充电调度方法和云管理服务器 |
US20210255633A1 (en) * | 2020-02-14 | 2021-08-19 | Ford Global Technologies, Llc | Optimized recharging of autonomous vehicles |
US20220126725A1 (en) * | 2020-10-22 | 2022-04-28 | Harbin Engineering University | Method for scheduling multi agent and unmanned electric vehicle battery swap based on internet of vehicles |
CN114023094A (zh) * | 2022-01-07 | 2022-02-08 | 上海国际港务(集团)股份有限公司 | 一种码头车辆调度系统、方法、设备和介质 |
CN115205797A (zh) * | 2022-09-19 | 2022-10-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶车辆工作状态监控方法及装置 |
CN116343514A (zh) * | 2023-03-30 | 2023-06-27 | 江苏大学 | 一种用于无人驾驶的车辆调度管理方法及系统 |
CN116142030A (zh) * | 2023-04-14 | 2023-05-23 | 浙江云针信息科技有限公司 | 一种无人驾驶车辆的自动充电方法和系统 |
CN116612654A (zh) * | 2023-07-21 | 2023-08-18 | 北京斯年智驾科技有限公司 | 一种无人驾驶车队调度方法、装置及电子设备 |
CN116700296A (zh) * | 2023-07-26 | 2023-09-05 | 杜咏峻 | 基于深度学习的自主充电无人电动车智能规划方法及系统 |
Non-Patent Citations (5)
Title |
---|
THERESIA PERGER等: "Energy efficient route planning for electric veicles with special consideration of the topography and battery lifetime", 《ENERGY EFFICIENCY》 * |
XIZHENG ZHANG等: "Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging", 《CLUSTER COMPUTING》 * |
丁一;陈婷;: "基于滚动时域优化策略的多载AGV充电调度", 中国航海, no. 02 * |
苏宏业;周泽;刘之涛;张立炎;: "电动汽车智能动态无线充电系统的研究现状与展望", 智能科学与技术学报, no. 01 * |
陈丽丹;张尧;ANTONIO FIGUEIREDO;: "融合多源信息的电动汽车充电负荷预测及其对配电网的影响", 电力自动化设备, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN117035369B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109263640B (zh) | 基于模型的路线能量预测、修正和优化的车辆 | |
CN110341690B (zh) | 一种基于确定性策略梯度学习的phev能量管理方法 | |
CN104842797B (zh) | 电动汽车未来平均电耗预估、剩余续驶里程估计方法及系统 | |
Tian et al. | Data-driven hierarchical control for online energy management of plug-in hybrid electric city bus | |
CN105480095B (zh) | 估计可用行驶距离的系统和方法 | |
CN104590246B (zh) | 用于操作车辆的方法和系统 | |
CN109784558B (zh) | 一种基于蚁群算法的电动汽车充电调度优化方法 | |
Ali et al. | Optimal control of multi-source electric vehicles in real time using advisory dynamic programming | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
JP7079255B2 (ja) | ハイブリッド車のエネルギー消費を最適化するための方法 | |
CN113232553B (zh) | 一种加热电动汽车电池组的方法、装置、设备及可存储介质 | |
CN109795371A (zh) | 基于移动终端路线规划的电动车辆充电提醒方法及装置 | |
CN111038334A (zh) | 一种电动汽车续驶里程预测方法及装置 | |
CN106197459A (zh) | 考虑航程及充电站位置的电动汽车路径寻优方法 | |
CN102539016A (zh) | 车载自适应电池核心温度估计 | |
CN110936949A (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
CN109635985A (zh) | 订单分配方法、分配系统及计算机可读存储介质 | |
CN109693576A (zh) | 一种基于模拟退火算法的电动汽车充电调度优化方法 | |
CN110323519A (zh) | 电池包加热控制方法及系统 | |
CN107921886A (zh) | 用于计算用于管理混合动力机动车辆的燃料和电力消耗的设定点的方法 | |
EP4121329A1 (en) | Systems and methods for managing velocity profiles | |
US11267362B2 (en) | Systems and methods for adaptive optimization for electric vehicle fleet charging | |
CN104377760A (zh) | 基于最短哈密尔顿回路的电动汽车动态充电方法及系统 | |
JP2020505262A (ja) | ハイブリッド動力車の燃料および電力消費を管理する管理設定値を計算する方法 | |
Subramanya et al. | Exploiting battery storages with reinforcement learning: a review for energy professionals |
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 |