基于机器学习的平洞内双向单车道智能会车调度方法技术

本发明专利技术公开了基于机器学习的平洞内双向单车道智能会车调度方法，涉及矿山开挖工程管理与车辆调度领域，其方法步骤如下：步骤一：首先由会车态势感知线程收集并预处理洞内车辆关键信息，并将信息缓存起来；步骤二：进一步由会车预警线程实时轮询车辆缓存信息；步骤三：调用预置的综合决策模型，并自动适时下发会车调度指令或提示人工干预会车调度，本发明专利技术利用不同种类学习模型（经验函数、有监督学习、无监督学习）的融合，取长补短，经验函数能够表示通用规则，高效简洁，同时该综合决策模型随着工程实际样本的增加，可以通过重复训练升级准确率，该方法能够适应洞内复杂环境，具有应用潜力大，调度效率高、调度准确度高的显著效果。调度准确度高的显著效果。调度准确度高的显著效果。

【技术实现步骤摘要】
基于机器学习的平洞内双向单车道智能会车调度方法


[0001]本专利技术涉及矿山开挖工程管理与车辆调度领域，具体是基于机器学习的平洞内双向单车道智能会车调度方法。

技术介绍

[0002]在矿山开挖工程中，许多巷道由于断面较小，限制了车辆通行宽度，往往仅能支持车辆单向通行，但地下洞内运输作业过程中常存在车辆对向行驶情况，会车双方仅能通过经验约定(如小车让大车等规则)，灯光、鸣笛示意等方式进行自主协调，以上方式在巷道拐弯处严重失效，大大降低了运输效率；另外，井下环境光线不足、空间逼仄，司机视野不畅，极易发生决策失误，造成车辆剐蹭甚至人员伤亡等安全事故，给现场车辆调度管理埋下极大安全隐患。目前，为保证井下双向单车道车辆顺利通行，常在双向单行道上每隔一定距离设置避让硐室，同时由调度室人员根据矿山综合信息系统提供的车辆位置等信息，进行人工判别，利用信号灯指示、语音广播等手段，对会车双方进行统一调度，分时复用单车道。但在现场生产作业中，车辆通行需求频繁，调度室人员调度压力过大，容易出现指挥失误和混乱，调度决策的实时性、有效性难以保证。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器学习的平洞内双向单车道智能会车调度方法，以解决上述
技术介绍
中提出的目前，为保证井下双向单车道车辆顺利通行，常在双向单行道上每隔一定距离设置避让硐室，同时由调度室人员根据矿山综合信息系统提供的车辆位置等信息，进行人工判别，利用信号灯指示、语音广播等手段，对会车双方进行统一调度，分时复用单车道。但在现场生产作业中，车辆通行需求频繁，调度室人员调度压力过大，容易出现指挥失误和混乱，调度决策的实时性、有效性难以保证的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：
[0005]一种基于机器学习的平洞内双向单车道智能会车调度方法，其方法步骤如下：
[0006]步骤一：首先由会车态势感知线程收集并预处理洞内车辆关键信息，并将信息缓存起来；
[0007]步骤二：进一步由会车预警线程实时轮询车辆缓存信息；
[0008]步骤三：进一步调用预置的综合决策模型，并自动适时下发会车调度指令或提示人工干预会车调度。
[0009]作为本专利技术进一步的方案：所述步骤一中会车态势感知线程根据巷道信息采集区内车辆信息，进一步处理辨识得到会车前的车辆信息。
[0010]作为本专利技术再进一步的方案：所述会车前的车辆信息包括：
①
车况，分两类，车型和是否空车，车型由车辆自身定位标签中录入的登记信息决定，是否空车由驾驶员根据情况即时设置；
②
车队内车辆数目，先根据同运动趋势相邻车的相对距离，规定时间内低于一定相对阈值的相邻车被归为一个车队，单车视为数量为1的车队；
③
速度，由位置差分取值
得出，决定了避让决策是否发出，静止的车辆默认不接收避让信息；
④
方向，由位置和速度趋势联合判断得出，取进出巷道，或者上下坡方向；
⑤
车辆与避让硐室相对距离，可能潜在影响避让指令下发时机；
⑥
车辆与巷道口相对距离，一般相对于巷道入口，为车辆排序提供基准；
⑦
避让硐室数量，与巷道编号绑定。
[0011]作为本专利技术再进一步的方案：所述步骤二中会车预警线程，需要将缓存更新的巷道车辆信息，进行遍历预处理。
[0012]作为本专利技术再进一步的方案：所述步骤三中将需要会车调度的会车样本输入至综合决策模型中，综合决策模型包含人为预先制定的规则函数、无监督机器学习与有监督机器学习三种会车调度模型，训练好的三种模型最终将对会车场景同时做出决策，各自的决策根据投票机制融合得出最终结果。
[0013]与现有技术相比，本专利技术的有益效果是：
[0014]1、本专利技术能够自动化地做出洞内双向单车道的会车调度决策，可以大大减小调度人员的工作压力、提高洞内通行效率、降低洞内会车风险；
[0015]2、本专利技术利用不同种类学习模型(经验函数、有监督学习、无监督学习)的融合，取长补短，经验函数能够表示通用规则，高效简洁，但无法表达复杂场景的潜在信息，机器学习能够挖掘利用复杂场景司机决策的考虑因素(如灯光、欠挖支路做为临时避让地等)，同时降低系统延时(车辆显示位置和实际位置不一致的问题，由于机器学习利用的样本来自同一时刻，调度人员不在反馈回路，所以该问题将有所改善)带来的负面影响，所选算法兼顾实时性，该综合决策模型随着工程实际样本的增加，可以通过重复训练升级准确率。综合来看，该方法能够适应洞内复杂环境，具有应用潜力大，调度效率高、调度准确度高的显著效果。
附图说明
[0016]图1为基于机器学习的平洞内双向单车道智能会车调度方法的方法流程图。
[0017]图2为基于机器学习的平洞内双向单车道智能会车调度方法的现场示意图。
[0018]图3为基于机器学习的平洞内双向单车道智能会车调度方法的综合决策模型图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0020]请参阅图1～3，本专利技术实施例中，一种基于机器学习的平洞内双向单车道智能会车调度方法，其方法步骤如下：
[0021]步骤一：首先由会车态势感知线程收集并预处理洞内车辆关键信息，并将信息缓存起来；
[0022]步骤二：进一步由会车预警线程实时轮询车辆缓存信息；
[0023]步骤三：进一步调用预置的综合决策模型，并自动适时下发会车调度指令或提示人工干预会车调度；
[0024]所述步骤一中会车态势感知线程根据巷道信息采集区(巷道内除避让硐室附近的会车区域的部分)内车辆信息，进一步处理辨识得到会车前的车辆信息，共七种，
①
车况，分两类，车型和是否空车，车型由车辆自身定位标签中录入的登记信息决定，是否空车由驾驶员根据情况即时设置(车载终端需配备空车指示信息功能)；
②
车队内车辆数目，先根据同运动趋势相邻车的相对距离，规定时间内低于一定相对阈值的相邻车被归为一个车队，单车视为数量为1的车队；
③
速度，由位置差分取值得出，决定了避让决策是否发出，静止的车辆默认不接收避让信息；
④
方向，由位置和速度趋势联合判断得出，取进出巷道，或者上下坡方向；
⑤
车辆与避让硐室相对距离，可能潜在影响避让指令下发时机；
⑥
车辆与巷道口相对距离，一般相对于巷道入口，为车辆排序提供基准；
⑦
避让硐室数量，与巷道编号绑定。
[0025]会车预警线程，需要将缓存更新的巷道车辆信息，进行遍历预处理，如图1～3所示，最后将需要会车调度的会车样本输入至综合决策模型中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的平洞内双向单车道智能会车调度方法，其特征在于：其方法步骤如下：步骤一：首先由会车态势感知线程收集并预处理洞内车辆关键信息，并将信息缓存起来；步骤二：进一步由会车预警线程实时轮询车辆缓存信息；步骤三：进一步调用预置的综合决策模型，并自动适时下发会车调度指令或提示人工干预会车调度。2.根据权利要求1所述的基于机器学习的平洞内双向单车道智能会车调度方法，其特征在于：所述步骤一中会车态势感知线程根据巷道信息采集区内车辆信息，进一步处理辨识得到会车前的车辆信息。3.根据权利要求2所述的基于机器学习的平洞内双向单车道智能会车调度方法，其特征在于：所述会车前的车辆信息包括：
①
车况，分两类，车型和是否空车，车型由车辆自身定位标签中录入的登记信息决定，是否空车由驾驶员根据情况即时设置；
②
车队内车辆数目，先根据同运动趋势相邻车的相对距离，规定时间内低于一定相对阈值的相邻车被归为一个车队，单车视为数量为1的车队；
③

【专利技术属性】
技术研发人员：付良瑞，李增彦，陈涛，邓金球，代佳凯，朱宝良，潘荣敏，
申请(专利权)人：西北核技术研究所，
类型：发明
国别省市：