[0001]

本發(fā)明屬于無人駕駛技術領域，涉及露天礦山無人礦卡的調度方法。

背景技術：

[0002]

常見的無人礦卡調度方式主要分為三類：第一類是傳統(tǒng)調度算法，主要包括最早裝車法和最小飽和度算法等；第二類是智能化調度算法，主要包括遺傳算法、粒子群算法等；第三類是基于流量的調度算法。

[0003]

傳統(tǒng)的調度算法往往難以綜合考慮每個電鏟的工作強度約束，以及礦石品位的約束。比如最早裝車法，往往會將礦卡集中派往路程最短的電鏟/卸載點，在電鏟工作強度不受約束，且不考慮礦石品位的前提下，能夠取得最優(yōu)效果。但是在實際生產中，電鏟工作強度和每個裝載點的礦石品位各不相同，所以最早裝車法并不能很好的適應每種生產場景。

[0004]

智能化的調度方案，雖然能夠取得最優(yōu)解，但是通常難以考慮卡車在裝載點的排隊時間，并且計算復雜度高，難以適應經常發(fā)生變化的生產環(huán)境。

[0005]

現有的基于流量的調度算法，如專利cn200410009670.6中提到，是一種較優(yōu)的無人礦山調度方案。但是該方案中在計算過程中只考慮了一種車型，適應性較差，不能在擁有多種礦車車型的礦山上使用。

[0006]

而現有的調度方案，一旦一條路線確定下來后，就難以改變，靈活性較差。

技術實現要素：

[0007]

本發(fā)明的目的是解決現有技術中存在的問題，提供一種基于露天無人礦山的卡車調度方法，能夠結合每條道路的的實時擁堵程度，給每個裝載點和卸載點規(guī)劃出最優(yōu)路徑。而一旦裝載或者卸載的最優(yōu)路線發(fā)生改變，則原有的調度規(guī)則也將隨之改變，從而使得生產效率最大化。

[0008]

本發(fā)明解決其技術問題采用的技術方案是：一種基于露天無人礦山的卡車調度方法，包括：

[0009]

第一步：周期性計算每個裝載點到每個卸載點的最優(yōu)路徑；

[0010]

第二步：計算每條最優(yōu)路徑上的每種礦卡的最佳流量；

[0011]

第三步：根據車型，結合計算出的最佳流量和實時流量，對礦卡進行實時調度。

[0012]

作為本發(fā)明的一種優(yōu)選方式，所述的第一步中，每個裝載點到每個卸載點的最優(yōu)路徑的計算方法為：(1)根據礦山中每段道路的長度以及道路的實時擁堵信息，計算每段道路的代價因子cost。

[0013]

cost＝α*l+β*j

[0014]

其中，l為該段道路的長度，j為該段道路的擁堵因子；α和β為權重因子，默認值分別為1和10；

[0015]

(2)根據礦山的路網信息，結合每段道路的cost值，利用dijkstra算法計算出每個裝載點到每個卸載點的最優(yōu)路徑。

[0016]

進一步優(yōu)選地，道路擁堵因子的計算方法為：

[0017]

(1)統(tǒng)計每輛礦卡的gps位置信息和速度信息。并根據gps位置信息得到礦卡所在道路信息。

[0018]

(2)周期性統(tǒng)計每條道路上的平均車速v；

[0019]

(3)計算每條道路上的交通流密度k：

[0020]

根據格林希爾茨(green shields)模型，車速和交通流密度成如下關系：

[0021][0022][0023]

其中，v

f

為車輛自由行駛時的車速，k

j

為該道路阻塞時車輛的密度，v為道路的實際平均車速；

[0024]

(4)根據計算得到的該道路交通流密度k，實時擁堵因子j則有：

[0025][0026]

其中，ρ的默認值為0.8。

[0027]

進一步優(yōu)選地，所述第二步中，每條最優(yōu)路徑上的每種礦卡的最佳流量的計算方法為：

[0028]

(1)構建線性規(guī)劃目標函數：

[0029]

其中，x

ij

為從第i個裝載點去往第j個卸載點的重車流量；n、m分別表示裝載點、卸載點的個數；

[0030]

(2)利用卡車總數、車流基爾霍夫定律、裝載點和卸載點工作強度、及礦石品位對所述的目標函數進行約束。

[0031]

進一步優(yōu)選地，每條最優(yōu)路徑上的每種礦卡的最佳流量周期性進行計算，或者當礦山中的礦卡、裝載點、卸載點、路徑信息和道路擁堵信息發(fā)生變化時計算。

[0032]

與現有技術相比，本發(fā)明的方法具有的有益效果是：在計算裝載點和卸載點之間的距離時，考慮了道路的實時擁堵程度，能夠有效地節(jié)省行車時長。并且，當某條道路上由于車輛發(fā)生故障導致道路中斷時，能夠實時調度其余車輛繞開該道路。本發(fā)明計算裝載點和卸載點之間的最佳流量時，考慮了不同車型的行駛速度和載重量，讓整個調度方案更加符合實際生產要求。

附圖說明

[0033]

圖1是本發(fā)明實施例中基于露天無人礦山的卡車調度方法的流程示意圖；

[0034]

圖2為每段道路的起點和終點，以及道路的cost值形成的帶有權重的有向圖。

具體實施方式

[0035]

下面結合附圖和實施例對本發(fā)明的技術方案進行詳細的闡述和說明，需要理解，

提供的具體實施例僅是為了使本領域技術人員更容易理解本發(fā)明的技術方案，本發(fā)明的技術方案并不限于所提供的具體實施例，還包括除了具體實施例之外的其他實施例方式。

[0036]

本本發(fā)明提供的其中一個實施例是：基于露天無人礦山的卡車調度方法，該調度方法能夠兼容多種型號礦卡，流程如圖1所示，具體步驟為：

[0037]

第一步：周期性計算每個裝載點到每個卸載點的最優(yōu)路徑。

[0038]

按照設定的時間周期，一般默認值為5分鐘，周期性計算每個裝載點到每個卸載點的最優(yōu)路徑，具體計算方法如下：

[0039]

(1)根據礦山中每段道路的長度以及道路的實時擁堵信息，計算每段道路的代價因子cost：

[0040]

cost＝α*l+β*j

[0041]

其中，l為該段道路的長度，j為該段道路的擁堵因子。α和β為權重因子，默認值分別為1和10。

[0042]

道路實時擁堵信息主要由擁堵因子j來表示，該擁堵因子j的計算方法為：

[0043]

①

統(tǒng)計每輛礦卡的gps位置信息和速度信息，并根據gps位置信息得到礦卡所在道路信息；

[0044]

②

周期性統(tǒng)計每條道路上的平均車速v；

[0045]

③

計算每條道路上的交通流密度k：

[0046]

根據格林希爾茨(green shields)模型，車速和交通流密度成如下關系：

[0047][0048][0049]

其中，v

f

為車輛自由行駛時的車速，k

j

為該道路阻塞時車輛的密度，v為道路的實際平均車速；

[0050]

④

通過上述公式計算得到的該道路交通流密度k，擁堵因子j則有：

[0051][0052]

其中，ρ的默認值為0.8。

[0053]

如果k大于ρ*k

j

，則認為該道路發(fā)生了嚴重堵塞，此時實時擁堵因子j為無窮大。否則，實時擁堵因子j＝k。

[0054]

(2)根據礦山的路網信息，結合每段道路的cost值，利用dijkstra算法計算出每個裝載點到每個卸載點的最優(yōu)路徑。

[0055]

礦山的路網信包含整個礦山中的所有道路的起點、終點、限速信息和路徑長度等信息。

[0056]

根據每段道路的起點和終點，以及道路的cost值，可以形成一張帶有權重的有向圖，根據有向圖就能計算出兩點之間的最優(yōu)路徑。帶權重的有向圖如2所示。

[0057]

第二步：計算每條最優(yōu)路徑上的重車流量和空車流量的最佳值

[0058]

假設整個礦山有n個裝載點，m個卸載點，根據第一步得到的每個裝載點和每個卸

載點之間的最優(yōu)路徑，設定從第i個裝載點去往第j個卸載點的重車流量為x

ij

,從第j個卸載點去往第i個裝載點路徑上的空車流量為y

ji

。

[0059]

再假設整個礦山有k種礦車類型，每種礦車的載重量分別為d

k

(k＝0,1....,n)，每種礦車的個數為n

k

(k＝0,1....,k)。

[0060]

(1)根據上述假設，將整個問題抽象為線性規(guī)劃問題，構建出目標函數：

[0061][0062]

其中，x

ij

為從第i個裝載點去往第j個卸載點的重車流量。

[0063]

(2)目標函數的約束條件為：

[0064]

①

卡車總數約束

[0065]

對任意類型礦卡都有如下公式：

[0066]

對有，

[0067][0068]

并且還需要滿足如下約束：

[0069][0070][0071]

其中，y

ji

為從第j個卸載點去往第i個裝載點路徑上的空車流量；

[0072]

q

ijk

等于第k種礦卡在第i個裝載點去往第j個卸載點路徑上的運行時間除以第k種礦卡的載重量，單位是輛小時/噸。q

ijk

與每種礦卡的載重量和行駛速度相關；

[0073]

p

jik

等于第k種礦卡在第j個卸載點去往第i個裝載點路徑上的運行時間除以第k種礦卡的裝載能力，單位是輛小時/噸；

[0074]

α

ijk

為從第i個裝載點去往第j個卸載點的重車流量分配給第k種礦卡的比例；

[0075]

β

jik

為從第j個卸載點去往第i個裝載點路徑上的空車流量分配給第k種礦卡的比例；

[0076]

②

車流基爾霍夫定律約束

[0077]

需要保證通往每個裝載點和從每個裝載點出來的每種車輛的個數相同。

[0078]

為此對每個裝載點都有：

[0079]

對有，

[0080][0081]

其中，表示從第i個裝載點流出的第k種車輛的個數；表示流入第i個裝載點的第k種車輛的個數。

[0082]

對每個卸載點都有：

[0083]

對有，

[0084][0085]

其中，表示流入第j個卸載點的第k種車輛的個數；表示從第j個卸載點流出的第k種車輛的個數。

[0086]

③

裝載點和卸載點工作強度約束

[0087]

對任意裝載點有：

[0088][0089]

其中，o

i

為第i個裝載點的最大工作強度。

[0090]

對任意卸載點有：

[0091][0092]

其中，u

j

為第j個卸載點的最大工作強度。

[0093]

④

礦石品位約束

[0094]

由于不同裝載點礦石的品位不同，而每個卸載點對礦石的品位有一定的要求，所以需要對每條道路的流量進行限制，從而保證卸載點的礦石品位在合理范圍內。

[0095]

品位約束的公式如下：

[0096][0097]

其中，g

i

為第i個裝載點的礦石原有品位；

[0098]

v

lj

為第j個卸載點所能容忍的礦石品位的下限；

[0099]

v

hj

為第j個卸載帶你所能容忍的礦石品位的上限。

[0100]

上述計算過程有兩種觸發(fā)機制，一種是周期性進行計算；另一種是當礦山中的礦卡、裝載點、卸載點、路徑信息和道路擁堵信息發(fā)生變化時，實時觸發(fā)流量計算。

[0101]

第三步：對于礦卡發(fā)出的調度請求，結合上述步驟計算出每個裝載點和卸載點之間的每種礦卡的最佳流量和實時流量，根據礦卡當前所在位置、礦卡類型，對礦卡進行調度。

[0102]

本實施例中，以第k種礦卡在第i個裝載點處，發(fā)出調度請求為例進行說明：

[0103]

(1)調度系統(tǒng)收到請求后，查詢每個與第i個裝載點相連的卸載點最優(yōu)道路的重車流量x

ij

，以及該道路分配給第k種礦卡的流量比例α

ijk

。

[0104]

(2)對任意相鄰的卸載點，如果x

ij

或者α

ijk

為零，則說明不允許向第j個卸載點指派第k種礦卡。如果兩者都不為零，則查詢得到第i個裝載點到該卸載點第k種礦卡的實時流量x

′

ijk

，并計算實時流量與理想流量的比值：

[0105][0106]

(3)遍歷每個允許派車的卸載點，找到流量比值最小的卸載點。該卸載點就是本次調度需要指派的卸載點。

[0107]

同理，當礦卡在卸載點處，也可以按照上述方法進行實時調度，指派到合適的裝載點。技術特征：

1.一種基于露天無人礦山的卡車調度方法，其特征在于，包括：第一步：周期性計算每個裝載點到每個卸載點的最優(yōu)路徑；第二步：計算每條最優(yōu)路徑上的每種礦卡的最佳流量；第三步：根據車型，結合計算出的最佳流量和實時流量，對礦卡進行實時調度。2.根據權利要求1所述的基于露天無人礦山的卡車調度方法，其特征在于，所述的第一步中，每個裝載點到每個卸載點的最優(yōu)路徑的計算方法為：(1)根據礦山中每段道路的長度以及道路的實時擁堵信息，計算每段道路的代價因子cost。cost＝α*l+β*j其中，l為該段道路的長度，j為該段道路的擁堵因子；α和β為權重因子，默認值分別為1和10；(2)根據礦山的路網信息，結合每段道路的cost值，利用dijkstra算法計算出每個裝載點到每個卸載點的最優(yōu)路徑。3.根據權利要求2所述的基于露天無人礦山的卡車調度方法，其特征在于，道路擁堵因子的計算方法為：(1)統(tǒng)計每輛礦卡的gps位置信息和速度信息。并根據gps位置信息得到礦卡所在道路信息。(2)周期性統(tǒng)計每條道路上的平均車速v；(3)計算每條道路上的交通流密度k：根據格林希爾茨(green shields)模型，車速和交通流密度成如下關系：shields)模型，車速和交通流密度成如下關系：其中，v

f

為車輛自由行駛時的車速，k

j

為該道路阻塞時車輛的密度，v為道路的實際平均車速；(4)根據計算得到的該道路交通流密度k，實時擁堵因子j則有：其中，ρ的默認值為0.8。4.根據權利要求1所述的基于露天無人礦山的卡車調度方法，其特征在于，所述第二步中，每條最優(yōu)路徑上的每種礦卡的最佳流量的計算方法為：(1)構建線性規(guī)劃目標函數：其中，x

ij

為從第i個裝載點去往第j個卸載點的重車流量；n、m分別表示裝載點、卸載點的個數；(2)利用卡車總數、車流基爾霍夫定律、裝載點和卸載點工作強度、及礦石品位對所述的目標函數進行約束。

5.根據權利要求1-4任一項所述的基于露天無人礦山的卡車調度方法，其特征在于，每條最優(yōu)路徑上的每種礦卡的最佳流量周期性進行計算，或者當礦山中的礦卡、裝載點、卸載點、路徑信息和道路擁堵信息發(fā)生變化時計算。

技術總結

本發(fā)明屬于無人駕駛技術領域，涉及露天礦山無人礦卡的調度方法。該方法包括：第一步：周期性計算每個裝載點到每個卸載點的最優(yōu)路徑；第二步：計算每條最優(yōu)路徑上的每種礦卡的最佳流量；第三步：根據車型，結合計算出的最佳流量和實時流量，對礦卡進行實時調度。本發(fā)明的方法在計算裝載點和卸載點之間的距離時，考慮了道路的實時擁堵程度，能夠有效地節(jié)省行車時長。并且，計算裝載點和卸載點之間的最佳流量時，考慮了不同車型的行駛速度和載重量，讓整個調度方案更加符合實際生產要求。個調度方案更加符合實際生產要求。個調度方案更加符合實際生產要求。

技術研發(fā)人員：馮皓 張振良 譚石堅

受保護的技術使用者：青島慧拓智能機器有限公司

技術研發(fā)日：2020.04.30

技術公布日：2021/2/23