CN118396188A - 一种有人驾驶矿卡的作业状态预测方法、装置和终端设备 - Google Patents

Abstract

本申请提供一种有人驾驶矿卡的作业状态预测方法、装置和终端设备，其方法包括：通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；获取与运输作业区域对应的有向带权图以及与有向带权图对应的多个路由；路由为表征运输作业区域中两个停靠点之间的行驶路径；根据定位数据和有向带权图确定待预测有人驾驶矿卡的目标候选路由；根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态。本方法能够使运输作业区域中的各无人驾驶矿卡和各有人驾驶矿卡更好地进行协调作业，避免运输作业区域拥堵；提高整个运输作业区域的生产运输效率和运输安全性。

Description

一种有人驾驶矿卡的作业状态预测方法、装置和终端设备

技术领域

本申请涉及智能调度技术领域，尤其涉及一种有人驾驶矿卡的作业状态预测方法、装置和终端设备。

背景技术

随着科技的不断发展，自动驾驶技术在各个领域都得到了广泛应用，包括矿区运输领域。在矿区的运输作业区域，通常调度无人驾驶矿卡和有人驾驶矿卡混合作业，无人驾驶矿卡可以利用自动驾驶技术实现更加智能高效的运输，而有人驾驶矿卡不能直接反馈自身的定位数据和作业状态；并且由于无人驾驶矿卡和有人驾驶矿卡存在运输路线的重叠，因此可能存在行驶路线的交汇与冲突，从而影响运输作业区域的运输调度，导致运输作业区域拥堵，从而影响整个运输作业区域的生产运输效率和运输安全性。

因此，如何精准预测有人驾驶矿卡的作业状态，提升运输作业区域的生产运输效率和运输安全性，是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的在于提供一种有人驾驶矿卡的作业状态预测方法、装置、终端设备和计算机可读存储介质，能够使运输作业区域中的各无人驾驶矿卡和各有人驾驶矿卡更好地进行协调作业，避免运输作业区域拥堵；提高整个运输作业区域的生产运输效率和运输安全性。

第一方面，本申请提供了一种有人驾驶矿卡的作业状态预测方法。所述方法包括：

通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

获取与运输作业区域对应的有向带权图以及与所述有向带权图对应的多个路由；所述路由为表征所述运输作业区域中两个停靠点之间的行驶路径；

根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由；

根据所述目标候选路由中与所述待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定所述待预测有人驾驶矿卡的作业状态。

在其中一个实施例中，所述根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由，包括：

若所述定位数据包括预测轨迹，则根据所述预测轨迹和所述有向带权图确定候选路由；

根据所述预测轨迹和所述候选路由确定隐马尔科夫模型对应的观测概率和转移概率；

根据所述观测概率和所述转移概率确定状态序列，得到目标候选路由。

在其中一个实施例中，所述方法还包括：

若所述定位数据包括轨迹点，则根据所述轨迹点和所述有向带权图确定候选路由；

确定各所述候选路由分别对应的代价值；

根据各所述代价值从各所述候选路由中确定目标候选路由。

在其中一个实施例中，所述确定各所述候选路由分别对应的代价值，包括：

针对每一个所述候选路由，在所述候选路由上确定与所述轨迹点对应的候选点，并确定所述候选点与所述轨迹点之间的投影距离；

确定所述候选点的航向角与所述轨迹点的航向角的航向角差值；

根据所述投影距离和所述航向角差值确定所述候选路由的代价值。

在其中一个实施例中，所述根据各所述代价值从各所述候选路由中确定目标候选路由，包括：

将各所述候选路由的代价值按照预设顺序排列；

根据代价值从高到低顺序依次计算相邻两个代价值的代价差值，并在所述代价差值小于或等于预设代价差值阈值时，将所述候选路由确定为相近候选路由；

根据所述相近候选路由确定目标候选路由。

在其中一个实施例中，所述根据所述相近候选路由确定目标候选路由，包括：

确定所述相近候选路由的候选数量；

若所述候选数量为1，则将所述相近候选路由确定为目标候选路由。

在其中一个实施例中，所述方法还包括：

若所述候选数量大于1，则确定各所述相近候选路由是否为卸载路由；

若各所述相近候选路由均为所述卸载路由，则针对每个所述相近候选路由，确定所述相近候选路由中在所述待预测有人驾驶矿卡的未来行驶路径上的车辆数量；

将车辆数量最少的相近候选路由确定为所述目标候选路由。

在其中一个实施例中，所述方法还包括：

若各所述相近候选路由不全为所述卸载路由，则根据所述待预测有人驾驶矿卡的车辆偏移量和轨迹点的航向角，从多个所述相近候选路由中确定所述目标候选路由。

第二方面，本申请还提供了一种有人驾驶矿卡的作业状态预测装置。所述装置包括：

定位数据获取模块，用于通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

路由获取模块，用于获取与运输作业区域对应的有向带权图以及与所述有向带权图对应的多个路由；所述路由为表征所述运输作业区域中两个停靠点之间的行驶路径；

目标候选路由确定模块，用于根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由；

作业状态预测模块，用于根据所述目标候选路由中与所述待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定所述待预测有人驾驶矿卡的作业状态。

第三方面，本申请还提供了一种终端设备。所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

本申请提供一种有人驾驶矿卡的作业状态预测方法，本方法根据无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据以及运输作业区域对应的有向带权图预测出待预测有人驾驶矿卡的目标候选路由，并根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态；通过预测有人驾驶矿卡的作业状态，可以更加合理地调度无人驾驶矿卡，安排运输任务和行驶路线；能够使运输作业区域中的各无人驾驶矿卡和各有人驾驶矿卡更好地进行协调作业，避免运输作业区域拥堵；提高整个运输作业区域的生产运输效率和运输安全性。

可以理解的是，本申请实施例提供的一种有人驾驶矿卡的作业状态预测装置、终端设备和计算机可读存储介质，具有如上述有人驾驶矿卡的作业状态预测方法相同的有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种有人驾驶矿卡的作业状态预测方法的流程图；

图2为本申请实施例提供的一种有向带权图的示意图；

图3为本申请实施例提供的一种确定目标候选路由的过程示意图；

图4和图5为本申请实施例提供的一种基于维特比动态规划算法的匹配结果示意图；

图6至图8为本申请实施例提供的相近候选路由与轨迹点匹配结果示意图；

图9为本申请实施例提供的另一种有人驾驶矿卡的作业状态预测方法的流程图；

图10为本申请实施例提供的一种有人驾驶矿卡的作业状态预测装置的结构示意图；

图11为本申请实施例提供的一种终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、设备、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。

本申请实施例提供的一种有人驾驶矿卡的作业状态预测方法，可以由终端设备的处理器在运行相应的计算机程序时执行；终端设备可以是运输作业区域对应的智能调度设备。

图1为本申请实施例提供的一种有人驾驶矿卡的作业状态预测方法的流程图，为了便于说明，仅示出了与本实施例相关的部分，本实施例提供的方法包括如下步骤：

S100：通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据。

其中，定位数据指的是表征待预测有人驾驶矿卡的位置信息的数据，包括轨迹点和预测轨迹。无人驾驶矿卡通过预先安装的传感器，如车身摄像头、激光雷达和毫米波雷达等确定出待预测有人驾驶矿卡的定位数据。

在一个具体实例中，通过车身摄像头采集周围的障碍物图像，通过对障碍物图像进行识别，在确定障碍物为有人驾驶矿卡时，通过定位装置获取自身的位置信息；通过激光雷达或毫米波雷达获取有人驾驶矿卡与自身的距离和方向；根据自身的位置信息以及有人驾驶矿卡与自身的距离和方向确定有人驾驶矿卡的轨迹点。具体的，无人驾驶矿卡在确定出待预测有人驾驶矿卡的定位数据后，通过MQTT（Message Queuing TelemetryTransport，消息队列遥测传输）将待预测有人驾驶矿卡的定位数据发送给智能调度设备，以使得智能调度设备获取待预测有人驾驶矿卡的定位数据。

S200：获取与运输作业区域对应的有向带权图以及与有向带权图对应的多个路由；路由为表征运输作业区域中两个停靠点之间的行驶路径。

其中，运输作业区域指的是矿区生产线中的矿山卸载区，有人驾驶矿卡和无人驾驶矿卡在运行作业区域混合作业。在运输作业区域中，无人矿卡的行驶路径一般是固定的，有人驾驶矿卡的行驶路径虽然具有随机性，但由于地理条件的限制，不会与无人矿卡的作业路径产生很大的偏离。

具体的，智能调度设备获取运输作业区域的路网数据，并根据路网数据构建对应的有向带权图，并根据有向带权图确定多个路由。其中，路网数据包括运输作业区域中的停靠点和行驶路径的地图信息；在实际应用中，可以通过GRPC（Google Remote ProcedureCall，谷歌远程过程调用）获取运输作业区域对应的路网数据。

图2为本申请实施例提供的一种有向带权图的示意图；如图2所示，有向带权图中的节点为运输作业区域中的停靠点，停靠点包括装卸点和起点等；有向带权图中的边为运输作业区域中的行驶路径；路由为表征运输作业区域中两个停靠点之间的行驶路径。根据有向带权图中任意两个节点之间的最短路径确定对应的路由，一个路由也就表示两个节点对应的行驶路径。

具体的，针对有向带权图中的每个节点，确定该节点与其他各节点分别对应的最短路径，即确定对应的路由。在实际应用中，可以通过Dijkstra（迪杰斯特拉）算法搜索该节点其到其余节点的最短路径，从而可以得到有向带权图中任意两节点之间的最短路径，即确定出对应的路由，预先存储在智能调度设备的缓存中。

本步骤中，是预先根据路网数据构建有向带权图，并通过路径搜索确定任意两个节点之间的最短路径，得到对应的路由；后续根据待预测有人驾驶矿卡的定位数据进行路由匹配时，可直接取基于路由进行匹配，因此能够减少计算耗时，提高地图匹配的实时性。

S300：根据定位数据和有向带权图确定待预测有人驾驶矿卡的目标候选路由。

其中，目标候选路由指的是从各路由中确定出的与待预测有人驾驶矿卡对应最匹配的路由。

本实施例中，根据定位数据和有向带权图确定待预测有人驾驶矿卡的目标候选路由；具体是根据定位数据与有向带权图的映射关系，以及预先确定出的有向带权图对应的各路由，确定待预测有人驾驶矿卡的目标候选路由。

S400：根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态。

其中，路由属性包括路由对应的任务类型、起点、各装卸点和目的地等，本实施例对路由属性的具体内容不做限定。

具体的，根据待预测有人驾驶矿卡的轨迹点与目标候选路由的映射关系，在目标候选路由中确定与待预测有人驾驶矿卡对应的候选点；获取目标候选路由的路由属性，根据候选点和路由属性，确定待预测有人驾驶矿卡的作业状态；其中，作业状态包括任务类型、目的地、当前所处路由和实际位置。

本申请实施例提供一种有人驾驶矿卡的作业状态预测方法，本方法根据无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据以及运输作业区域对应的有向带权图预测出待预测有人驾驶矿卡的目标候选路由，并根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态；通过预测有人驾驶矿卡的作业状态，可以更加合理地调度无人驾驶矿卡，安排运输任务和行驶路线；能够使运输作业区域中的各无人驾驶矿卡和各有人驾驶矿卡更好地进行协调作业，避免运输作业区域拥堵；提高整个运输作业区域的生产运输效率和运输安全性。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，根据定位数据和有向带权图确定待预测有人驾驶矿卡的目标候选路由，包括：

若定位数据包括预测轨迹，则根据预测轨迹和有向带权图确定候选路由；

根据预测轨迹和候选路由确定隐马尔科夫模型对应的观测概率和转移概率；

根据观测概率和转移概率确定状态序列，得到目标候选路由。

其中，预测轨迹指的是无人驾驶矿卡确定出的待预测有人驾驶矿卡的预测轨迹点序列。图3为本申请实施例提供的一种确定目标候选路由的过程示意图；本实施例中，若定位数据包括预测轨迹，根据预测轨迹和有向带权图确定候选路由；具体的，在根据运输作业区域的路网数据进行场景图构建，确定对应的有向带权图后，基于有向带权图确定对应的路由；

将预测轨迹中的各预测轨迹点映射至有向带权图中，得到对应的候选路由。在实际应用中，可以对轨迹数据进行预处理操作，根据预处理操作后的预测轨迹和有向带权图确定候选路由。

在一个具体实例中，针对每一个路由，确定路由对应的各子线段，确定预测轨迹点到各子线段分别对应的投影距离；比较各投影距离的大小关系，将投影距离最短的子线段确定为目标子线段；将预测轨迹点垂直映射至目标子线段，得到对应的候选点；获取预测轨迹点到候选点的投影距离，并确定该投影距离是否小于或等于候选半径；若投影距离小于或等于候选半径，则确定与该目标子线段对应的路由为候选路由，即将候选点所在的路由确定为候选路由。

在确定候选路由后，根据预测轨迹和候选路由确定隐马尔科夫（HMM，HiddenMarkov Model）模型对应的观测概率和转移概率。

需要说明的是，隐马尔科夫模型的建立基于以下两个假设：

假设1：轨迹点与候选点之间的投影距离服从正态分布，二者的投影距离越小，该轨迹点是因为待预测有人驾驶矿卡处于该候选点而产生的概率越大；也就是说，对于轨迹点（时刻对应的轨迹点），其对应的所有候选路由分别对应的观测概率，表示待预测有人驾驶矿卡实际在候选路由上导致观测到轨迹点的概率，计算方法服从上述假设1；因此，根据轨迹点与候选点之间的投影距离的正态分布概率密度函数计算得到观测概率。

假设2：在相邻两个时刻，两个候选点间的第一路径距离与两个轨迹点间的第二路径距离越接近，则待预测有人驾驶矿卡从前一候选点转移至后一候选点的概率越大；也就是说，对于轨迹点及其候选路由、轨迹点及其候选路由，都有一个转移概率，表示车辆从候选路由移动到候选路由的概率，计算方法服从假设2，为时刻轨迹点对应的候选路由，为时刻轨迹点对应的候选路由。因此，根据两个候选点间的第一路径距离与两个轨迹点间的第二路径距离之差的指数分布概率密度函数计算得到转移概率。其中，可以通过欧氏距离计算第一路径距离和第二路径距离，也可以是通过其他方式计算第一路径距离和第二路径距离，本实施例对此不做限定。

本实施例中，在确定出观测概率和转移概率后，根据观测概率和转移概率确定状态序列，得到目标候选路由。具体的，通过Viterbi（维特比）动态规划算法求解最优的状态序列，即每个时刻使观测概率及转移概率达到最大的候选路由，也就是确定目标候选路由。

图4和图5为本申请实施例提供的一种基于维特比动态规划算法的匹配结果示意图；如图4和图5所示，区域中的线条表示运输作业区域对应的有向带权图的若干条路由；图4中的圆点表示车辆的预测轨迹点序列；图5中的圆点是对预测轨迹点序列进行地图匹配后得到的候选点序列，候选点序列所在的路由即为目标候选路由，因此确定出目标候选路由。

可见，按照本实施例方法，能够在定位数据包括预测轨迹的情况下，高效便捷地确定出目标候选路由。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：

若定位数据包括轨迹点，则根据轨迹点和有向带权图确定候选路由；

确定各候选路由分别对应的代价值；

根据各代价值从各候选路由中确定目标候选路由。

若定位数据包括轨迹点，根据轨迹点和有向带权图确定候选路由；具体的，将轨迹点映射至有向带权图中，得到对应的候选路由。

在一个具体实例中，针对每一个路由，确定路由对应的各子线段，确定轨迹点到各子线段分别对应的投影距离；比较各投影距离的大小关系，将投影距离最短的子线段确定为目标子线段；将轨迹点垂直映射至目标子线段，得到对应的候选点；获取轨迹点到候选点的投影距离，并确定该投影距离是否小于或等于候选半径；若投影距离小于或等于候选半径，则确定与该目标子线段对应的路由为候选路由，即确定候选点所在的路由为候选路由。

在确定出候选路由后，根据轨迹点与各候选路由的几何关系，计算各候选路由分别对应的代价值；然后根据各代价值从各候选路由中确定目标候选路由。

可见，按照本实施例的方法，能够定位数据包括轨迹点的情况下，高效便捷地确定出目标候选路由，进而能够提升有人驾驶矿卡的作业状态的预测效率。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，确定各候选路由分别对应的代价值，包括：

针对每一个候选路由，在候选路由上确定与轨迹点对应的候选点，并确定候选点与轨迹点之间的投影距离；

确定候选点的航向角与轨迹点的航向角的航向角差值；

根据投影距离和航向角差值确定候选路由的代价值。

需要说明的是，根据轨迹点与各候选路由的几何关系，候选点与轨迹点之间的投影距离越小，对应的候选路由的代价值越大；候选点的航向角与轨迹点的航向角差值越小，对应的候选路由的代价值越大。

针对每一个候选路由，在候选路由上确定与轨迹点对应的候选点，并确定候选点与轨迹点之间的投影距离，确定候选点的航向角与轨迹点的航向角的航向角差值，根据投影距离和航向角差值确定候选路由的代价值；其中，投影距离可以是欧氏距离，也可以用其他方式计算投影距离，本实施例对此不做限定。

在一个具体实例中，代价值的计算公式如下：

；

其中，表示候选路由的代价值；表示候选点与轨迹点之间的投影距离；表示候选点的航向角与轨迹点的航向角的航向角差值；表示距离权重系数，表示航向角权重系数，表示候选半径。

可见，按照本实施例的方法，能够高效便捷地确定出候选路由的代价值，进而能够提高确定出目标候选路由的效率，提升有人驾驶矿卡的作业状态的预测效率。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，根据各代价值从各候选路由中确定目标候选路由，包括：

将各候选路由的代价值按照预设顺序排列；

根据代价值从高到低顺序依次计算相邻两个代价值的代价差值，并在代价差值小于或等于预设代价差值阈值时，将候选路由确定为相近候选路由；

根据相近候选路由确定目标候选路由。

本实施例中，是在确定各候选路由分别对应的代价值后，将各候选路由的代价值按照预设顺序排列；如可以按照代价值升序排列或者按照代价值降序排列，本实施例对此不做限定。

在一个具体实例中，先将各候选路由按照代价值降序排列，并将代价值排名第一的候选路由确定为相近候选路由；然后依次计算相邻两个代价值对应的代价值差值。具体的，从代价值排名第二的代价值开始依次计算，计算当前的候选路由的代价值与上一候选路由的代价值的代价差值，得到当前的候选路由的代价差值；确定代价差值是否小于或等于预设代价差值阈值；若代价差值小于或等于预设代价差值阈值时，则将当前的候选路由确定为相近候选路由；否则，即代价差值大于预设代价差值阈值，则确定该当前的候选路由不属于相近候选路由，并终止遍历计算代价差值。在遍历结束确定出全部的相近候选路由后，从相近候选路由中确定出目标候选路由。

可见，按照本实施例的方法，通过确定相近候选路由，并根据相近候选路由确定目标候选路由，能够使得最终确定出的目标候选路由与轨迹点的匹配度最高，从而提高有人驾驶矿卡的作业状态预测的精准度。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，根据相近候选路由确定目标候选路由，包括：

确定相近候选路由的候选数量；

若候选数量为1，则将相近候选路由确定为目标候选路由。

本实施例中，在确定出全部的相近候选路由后，确定相近候选路由的候选数量，并确定相近候选路由的候选数量是否为1；若相近候选路由的候选数量为1，表示仅将代价值最高的候选路由确定为相近候选路由，该相近候选路由的代价值远高于其他候选路由，即该相近候选路由的几何特征与轨迹点的几何特征明显相似，因此确定该相近候选路由为目标候选路由。

本实施例中，是在相近候选路由的候选数量为1时，直接将相近候选路由确定为目标候选路由，因此可以高效便捷地确定目标候选路由。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：

若候选数量大于1，则确定各相近候选路由是否为卸载路由；

若各相近候选路由均为卸载路由，则针对每个相近候选路由，确定相近候选路由中在待预测有人驾驶矿卡的未来行驶路径上的车辆数量；

将车辆数量最少的相近候选路由确定为目标候选路由。

本实施例中，是在相近候选路由的候选数量大于1时，从多个相近候选路由中确定目标候选路由。若相近候选路由的候选数量大于1，表示有多个代价值较高的候选路由的几何特征相近，需结合实际场景采用其他算法从多个相近候选路由中进一步确定目标候选路由。

需要说明的是，当相近候选路由的候选数量为多个时，首先确定各相近候选路由是否为卸载路由，卸载路由指的是该路由的路由属性为装卸任务；若各相近候选路由均为卸载路由，驾驶员在执行装卸任务时，往往会选择空闲或等待时长最短的装卸点执行装卸任务，以提高作业效率。

因此，针对每个相近候选路由，确定相近候选路由中在待预测有人驾驶矿卡的未来行驶路径的车辆数量；也就是根据待预测有人驾驶矿卡的轨迹点以及行驶方向，确定待预测有人驾驶矿卡的未来行驶路径；然后确定该未来行驶路径上对应的车辆数量，车辆数量也就表示执行装卸任务需要的等待时长；选择车辆数量最少的相近候选路由作为目标候选路由。

本实施例中，是在相近候选路由的候选数量大于1，且各相近候选路由均为卸载路由时，将待预测有人驾驶矿卡的未来行驶路径上的车辆数量最少的相近候选路由确定为目标候选路由，该目标候选路由对应的装卸等待时长最短，因此能够提高待预测有人驾驶矿卡的装卸效率。

在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：

若各相近候选路由不全为卸载路由，则根据待预测有人驾驶矿卡的车辆偏移量和轨迹点的航向角，从多个相近候选路由中确定目标候选路由。

本实施例中，是在确定各相近候选路由不全为卸载路由，即包括卸载路由和其他路由的情况下，从多个相近候选路由中确定出目标候选路由。

具体的，针对每一个相近候选路由，分别执行如下操作以确认该相近候选路由是否为目标候选路由：

确定相近候选路由的路由中心线，沿路由中心线向两侧扩充预设宽度，得到对应的路由区域多边形，也就是确定出车辆偏移量范围；其中，本实施例对预设宽度的具体取值不做限定，如可以取值为3m；

获取区域航向角，并计算轨迹点的航向角与区域航向角的差值；

确定轨迹点是否在路由区域多边形的区域范围内，也就是确定车辆偏移量是否在车辆偏移量范围内，以及确定该差值是否在预设误差容许范围内；其中，本实施例对预设误差容许范围的具体取值不做限定，如可以取值为15°；

若轨迹点在路由区域多边形的区域范围内，且该差值在预设误差容许范围内，则确定该相近候选路由与轨迹点匹配成功，该相近候选路由为目标候选路由；否则，若轨迹点不在路由区域多边形的区域范围内，或者该差值不在预设误差容许范围内，则确定该相近候选路由不是目标候选路由。

图6至图8为本申请实施例提供的相近候选路由与轨迹点匹配结果示意图，其中，图6中，轨迹点不在路由区域多边形的区域范围，因此表示相近候选路由与轨迹点匹配失败；图7中，区域航向角与轨迹点的航向角的差值大于预设误差容许范围，因此表示相近候选路由与轨迹点匹配失败；图8中，轨迹点在路由区域多边形的区域范围内，且该差值在预设误差容许范围内，因此确定该相近候选路由与轨迹点匹配成功。

可见，按照本实施例的方法，能够从多个相近候选路由中确定目标候选路由。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面结合实际应用场景对本申请实施例中的技术方案进行详细说明。在本申请实施例中，结合图9所示的本申请实施例提供的另一种有人驾驶矿卡的作业状态预测方法的流程图，一种有人驾驶矿卡的作业状态预测方法的具体步骤如下：

通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

获取与运输作业区域对应的有向带权图以及与有向带权图对应的多个路由；路由为表征运输作业区域中两个停靠点之间的行驶路径；

若定位数据包括预测轨迹，则根据地图匹配算法确定目标候选路由：根据预测轨迹和有向带权图确定候选路由；根据轨迹点与候选点之间的投影距离的正态分布概率密度函数计算得到观测概率；根据两个候选点间的第一路径距离与两个轨迹点间的第二路径距离之差的指数分布概率密度函数计算得到转移概率；根据观测概率和转移概率确定状态序列，得到目标候选路由；

若定位数据包括轨迹点，则根据轨迹点和有向带权图确定候选路由；

确定各候选路由分别对应的代价值：针对每一个候选路由，在候选路由上确定与轨迹点对应的候选点，并确定候选点与轨迹点之间的投影距离；确定候选点的航向角与轨迹点的航向角的航向角差值；根据投影距离和航向角差值确定候选路由的代价值；

对候选路由进行排序并确定相近候选路由：将各候选路由的代价值按照预设顺序排列；根据代价值从高到低顺序依次计算相邻两个代价值的代价差值，并在代价差值小于或等于预设代价差值阈值时，将候选路由确定为相近候选路由；

确定相近候选路由的候选数量；若候选数量为1，则将代价值最高的候选路由确定为目标候选路由；

若候选数量大于1，则确定各相近候选路由是否均为卸载路由；

若各相近候选路由均为卸载路由，则根据数量均衡算法确定目标候选路由：针对每个相近候选路由，确定相近候选路由中在待预测有人驾驶矿卡的未来行驶路径上的车辆数量；将车辆数量最少的相近候选路由确定为目标候选路由；

若各相近候选路由不全为卸载路由，则根据区域匹配算法确定目标候选路由：根据待预测有人驾驶矿卡的车辆偏移量和轨迹点的航向角，从多个相近候选路由中确定目标候选路由；

根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态；

输出待预测有人驾驶矿卡的作业状态。

本申请实施例提供一种有人驾驶矿卡的作业状态预测方法，本方法根据无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据以及运输作业区域对应的有向带权图预测出待预测有人驾驶矿卡的目标候选路由，并根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态；通过预测有人驾驶矿卡的作业状态，可以更加合理地调度无人驾驶矿卡，安排运输任务和行驶路线；能够使运输作业区域中的各无人驾驶矿卡和各有人驾驶矿卡更好地进行协调作业，避免运输作业区域拥堵；提高整个运输作业区域的生产运输效率和运输安全性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图10所示为本申请实施例提供的一种有人驾驶矿卡的作业状态预测装置的结构示意图。如图10所示，该实施例的有人驾驶矿卡的作业状态预测装置包括定位数据获取模块1010、路由获取模块1020、目标候选路由确定模块1030和作业状态预测模块1040；其中，

定位数据获取模块1010，用于通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

路由获取模块1020，用于获取与运输作业区域对应的有向带权图以及与有向带权图对应的多个路由；路由为表征运输作业区域中两个停靠点之间的行驶路径；

目标候选路由确定模块1030，用于根据定位数据和有向带权图确定待预测有人驾驶矿卡的目标候选路由；

作业状态预测模块1040，用于根据目标候选路由中与待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定待预测有人驾驶矿卡的作业状态。

本申请实施例提供的一种有人驾驶矿卡的作业状态预测装置，具有与上述一种有人驾驶矿卡的作业状态预测方法相同的有益效果。

在其中一个实施例中，目标候选路由确定模块包括：

第一候选路由确定子模块，用于若定位数据包括预测轨迹，则根据预测轨迹和有向带权图确定候选路由；

概率计算子模块，用于根据预测轨迹和候选路由确定隐马尔科夫模型对应的观测概率和转移概率；

第一目标候选路由确定子模块，用于根据观测概率和转移概率确定状态序列，得到目标候选路由。

在其中一个实施例中，一种有人驾驶矿卡的作业状态预测装置还包括：

第二候选路由确定子模块，用于若定位数据包括轨迹点，则根据轨迹点和有向带权图确定候选路由；

代价值确定子模块，用于确定各候选路由分别对应的代价值；

第二目标候选路由确定子模块，用于根据各代价值从各候选路由中确定目标候选路由。

在其中一个实施例中，代价值确定子模块包括：

投影距离计算单元，用于针对每一个候选路由，在候选路由上确定与轨迹点对应的候选点，并确定候选点与轨迹点之间的投影距离；

航向角差值计算单元，用于确定候选点的航向角与轨迹点的航向角的航向角差值；

代价值计算单元，用于根据投影距离和航向角差值确定候选路由的代价值。

在其中一个实施例中，第二目标候选路由确定子模块包括：

代价值排序单元，用于将各候选路由的代价值按照预设顺序排列；

相近候选路由确定单元，用于根据代价值从高到低顺序依次计算相邻两个代价值的代价差值，并在代价差值小于或等于预设代价差值阈值时，将候选路由确定为相近候选路由；

目标候选路由确定单元，用于根据相近候选路由确定目标候选路由。

在其中一个实施例中，目标候选路由确定单元包括：

候选数量确定子单元，用于确定相近候选路由的候选数量；

第一目标候选路由确定子单元，用于若候选数量为1，则将相近候选路由确定为目标候选路由。

在其中一个实施例中，一种有人驾驶矿卡的作业状态预测装置还包括：

卸载路由确定子单元，用于若候选数量大于1，则确定各相近候选路由是否为卸载路由；

车辆数量确定子单元，用于若各相近候选路由均为卸载路由，则针对每个相近候选路由，确定相近候选路由中在待预测有人驾驶矿卡的未来行驶路径上的车辆数量；

第二目标候选路由确定子单元，用于将车辆数量最少的相近候选路由确定为目标候选路由。

在其中一个实施例中，一种有人驾驶矿卡的作业状态预测装置还包括：

第三目标候选路由确定子单元，用于若各相近候选路由不全为卸载路由，则根据待预测有人驾驶矿卡的车辆偏移量和轨迹点的航向角，从多个相近候选路由中确定目标候选路由。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图11为本申请实施例提供的一种终端设备的结构示意图。如图11所示，该实施例的终端设备1100包括存储器1101、处理器1102以及存储在存储器1101中并可在处理器1102上运行的计算机程序1103；处理器1102执行计算机程序1103时实现上述各个有人驾驶矿卡的作业状态预测方法实施例中的步骤；或者处理器1102执行计算机程序1103时实现上述各装置实施例中各模块/单元的功能。

示例性的，计算机程序1103可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1101中，并由处理器1102执行，以实现本申请实施例的方法。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序1103在终端设备1100中的执行过程。例如，计算机程序1103可以被分割成定位数据获取模块、路由获取模块、目标候选路由确定模块和作业状态预测模块，各模块具体功能如下：

定位数据获取模块，用于通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

路由获取模块，用于获取与运输作业区域对应的有向带权图以及与所述有向带权图对应的多个路由；所述路由为表征所述运输作业区域中两个停靠点之间的行驶路径；

目标候选路由确定模块，用于根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由；

作业状态预测模块，用于根据所述目标候选路由中与所述待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定所述待预测有人驾驶矿卡的作业状态。

在应用中，终端设备1100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备1100可包括但不仅限于存储器1101和处理器1102。本领域技术人员可以理解，图11仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等；其中，输入输出设备可以包括摄像头、音频采集/播放器件、显示屏等；网络接入设备可以包括通信模块，用于与外部设备进行无线通信。

在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，也可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在应用中，存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存；也可以是终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等；还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序（Boot Loader）、数据以及其他程序等，例如计算机程序的程序代码等。存储器还可以用于暂时存储已经输出或者将要输出的数据。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。

本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或设备、记录介质、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

本申请实施例提供的一种计算机可读存储介质，具有与上述一种有人驾驶矿卡的作业状态预测方法相同的有益效果。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的设备及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，设备间接耦合或通讯连接，可以是电性，机械或其它的形式。

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精神和范围，均应包含在本申请的保护范围之内。

Claims (11)

1.一种有人驾驶矿卡的作业状态预测方法，其特征在于，所述方法包括：

通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

获取与运输作业区域对应的有向带权图以及与所述有向带权图对应的多个路由；所述路由为表征所述运输作业区域中两个停靠点之间的行驶路径；

根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由；

根据所述目标候选路由中与所述待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定所述待预测有人驾驶矿卡的作业状态。

2.根据权利要求1所述的方法，其特征在于，所述根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由，包括：

若所述定位数据包括预测轨迹，则根据所述预测轨迹和所述有向带权图确定候选路由；

根据所述预测轨迹和所述候选路由确定隐马尔科夫模型对应的观测概率和转移概率；

根据所述观测概率和所述转移概率确定状态序列，得到目标候选路由。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述定位数据包括轨迹点，则根据所述轨迹点和所述有向带权图确定候选路由；

确定各所述候选路由分别对应的代价值；

根据各所述代价值从各所述候选路由中确定目标候选路由。

4.根据权利要求3所述的方法，其特征在于，所述确定各所述候选路由分别对应的代价值，包括：

针对每一个所述候选路由，在所述候选路由上确定与所述轨迹点对应的候选点，并确定所述候选点与所述轨迹点之间的投影距离；

确定所述候选点的航向角与所述轨迹点的航向角的航向角差值；

根据所述投影距离和所述航向角差值确定所述候选路由的代价值。

5.根据权利要求4所述的方法，其特征在于，所述根据各所述代价值从各所述候选路由中确定目标候选路由，包括：

将各所述候选路由的代价值按照预设顺序排列；

根据代价值从高到低顺序依次计算相邻两个代价值的代价差值，并在所述代价差值小于或等于预设代价差值阈值时，将所述候选路由确定为相近候选路由；

根据所述相近候选路由确定目标候选路由。

6.根据权利要求5所述的方法，其特征在于，所述根据所述相近候选路由确定目标候选路由，包括：

确定所述相近候选路由的候选数量；

若所述候选数量为1，则将所述相近候选路由确定为目标候选路由。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

若所述候选数量大于1，则确定各所述相近候选路由是否为卸载路由；

若各所述相近候选路由均为所述卸载路由，则针对每个所述相近候选路由，确定所述相近候选路由中在所述待预测有人驾驶矿卡的未来行驶路径上的车辆数量；

将车辆数量最少的相近候选路由确定为所述目标候选路由。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

若各所述相近候选路由不全为所述卸载路由，则根据所述待预测有人驾驶矿卡的车辆偏移量和轨迹点的航向角，从多个所述相近候选路由中确定所述目标候选路由。

9.一种有人驾驶矿卡的作业状态预测装置，其特征在于，所述装置包括：

定位数据获取模块，用于通过无人驾驶矿卡获取待预测有人驾驶矿卡的定位数据；

路由获取模块，用于获取与运输作业区域对应的有向带权图以及与所述有向带权图对应的多个路由；所述路由为表征所述运输作业区域中两个停靠点之间的行驶路径；

目标候选路由确定模块，用于根据所述定位数据和所述有向带权图确定所述待预测有人驾驶矿卡的目标候选路由；

作业状态预测模块，用于根据所述目标候选路由中与所述待预测有人驾驶矿卡对应的候选点以及目标候选路由的路由属性确定所述待预测有人驾驶矿卡的作业状态。

10.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。