【技术实现步骤摘要】
本专利技术涉及车辆调度，具体地涉及一种矿井运输车辆调度方法、一种煤矿运输车辆调度装置和一种电子设备。
技术介绍
1、在安全高效煤矿矿井生产中，主运输方式一般指煤从地下运输到地面采用胶带运输机的运输方式，辅助运输方式一般是指采用有轨列车、无轨胶轮车、单轨吊等运输设备来运输人员、物资、设备的运输方式。现在条件相对较好的大型矿井，一般广泛采用无轨胶轮车的运输方式。无轨胶轮车具有行驶路线灵活、运输能力大、爬坡能力强等优势，在越来越多的煤矿矿井中得到应用，相应的就产生了矿井车辆的调度任务。
2、但是，目前的井下矿井车辆(如无轨胶轮车)的调度任务仍需通过调度人员来人工完成，当井下矿井车辆较多时，调度效率会明显下降进而影响矿井整体的生产效率。
技术实现思路
1、本专利技术实施例的目的是提供一种矿井运输车辆调度方法、一种煤矿运输车辆调度装置和一种电子设备，用以解决目前的井下矿井车辆(如无轨胶轮车)的调度任务仍需通过调度人员来人工完成，当井下矿井车辆较多时，调度效率会明显下降进而影响矿井整体的生产效率的缺陷。
2、为了实现上述目的，本专利技术实施例提供一种矿井运输车辆调度方法，包括：
3、获取多个矿井运输订单信息，获取矿井沙盘信息以及获取多个车辆信息；
4、将每个所述矿井运输订单信息输入至订单价格预测模型，得到所述订单价格预测模型输出的每个所述矿井运输订单信息的预测订单价格；其中，所述订单价格预测模型是基于样本矿井运输订单信息和所述样本矿井运输订单信息
5、将所述矿井沙盘信息和每个所述车辆信息输入接单意向预测模型，得到所述接单意向预测模型输出的每个所述车辆信息的预测接单意向值；其中，所述接单意向预测模型是基于样本矿井沙盘信息和样本车辆信息，以及所述样本矿井沙盘信息和所述样本车辆信息对应的接单意向值标签训练得到；
6、基于每个所述预测订单价格和每个所述预测接单意向值构建图网络；所述图网络表征每个车辆信息和每个矿井运输订单信息之间基于所述预测订单价格和所述预测接单意向值的关联关系；
7、通过车辆调度模型对所述图网络求解最优解，得到所述车辆调度模型输出的每个车辆信息对应的调度结果；其中，所述车辆调度模型的模型结构是基于所述图网络构建的。
8、可选的，所述通过车辆调度模型对所述图网络求解最优解，得到所述车辆调度模型输出的每个车辆信息对应的调度结果，包括：
9、构建每个车辆信息的节点和每个矿井运输订单信息的节点之间基于所述预测订单价格和所述预测接单意向值的边关系作为所述车辆调度模型的模型结构；
10、重复执行如下步骤直至得到预设迭代次数：计算所述车辆调度模型的输出特征；基于所述输出特征和预设真实标签计算所述车辆调度模型的损失函数；基于所述损失函数更新所述车辆调度模型的模型参数；
11、将迭代结束后所述车辆调度模型的输出结果作为所有车辆信息对应的调度结果。
12、可选的，所述图网络的约束条件是调整所有矿井运输订单信息和所有车辆信息之间的匹配方式，以使订单价格最大化。
13、可选的，所述图网络的约束条件通过以下公式表示：
14、
15、其中，i(i≤n)是车辆信息的序号，j(j≤m)是矿井运输订单信息的序号，aij是预测订单价格，pij是预测接单意向值，esr是约束条件。
16、可选的，所述车辆调度模型是基于多头图注意力网络构建得到的。
17、可选的，所述矿井运输订单信息包括：订单目的地、期望出发时间、承载人数以及物料重量中的至少一种。
18、可选的，所述矿井沙盘信息包括：井下实时路况、井下交通状况、井下通行情况以及报警危险情况中的至少一种；
19、所述车辆信息包括：车辆型号、车辆尺寸、车辆可行驶里程、车辆可通行信息以及车辆司机信息中的至少一种。
20、另一方面，本专利技术实施例还提供一种矿井运输车辆调度装置，包括：
21、数据获取模块，用于获取多个矿井运输订单信息，获取矿井沙盘信息以及获取多个车辆信息；
22、订单价格预测模块，用于将每个所述矿井运输订单信息输入至订单价格预测模型，得到所述订单价格预测模型输出的每个所述矿井运输订单信息的预测订单价格；其中，所述订单价格预测模型是基于样本矿井运输订单信息和所述样本矿井运输订单信息对应的订单价格标签训练得到；
23、接单意向值预测模块，用于将所述矿井沙盘信息和每个所述车辆信息输入接单意向预测模型，得到所述接单意向预测模型输出的每个所述车辆信息的预测接单意向值；其中，所述接单意向预测模型是基于样本矿井沙盘信息和样本车辆信息，以及所述样本矿井沙盘信息和所述样本车辆信息对应的接单意向值标签训练得到；
24、图网络构建模块，用于基于每个所述预测订单价格和每个所述预测接单意向值构建图网络；所述图网络表征每个车辆信息和每个矿井运输订单信息之间基于所述预测订单价格和所述预测接单意向值的关联关系；
25、车辆调度结果计算模块，用于通过车辆调度模型对所述图网络求解最优解，得到所述车辆调度模型输出的每个车辆信息对应的调度结果；其中，所述车辆调度模型的模型结构是基于所述图网络构建的。
26、另一方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述矿井运输车辆调度方法。
27、另一方面，本专利技术还提供一种机器可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述矿井运输车辆调度方法。
28、通过上述技术方案，本专利技术实施例通过订单价格预测模型得到每个矿井运输订单信息的预测订单价格，通过接单意向预测模型得到实时的矿井沙盘信息和车辆信息的预测接单意向值，再基于车辆调度模型对预测订单价格预测接单意向值构建的图网络进行最优解的求解，从而本专利技术实施例通过机器学习模型得到预测订单价格和预测接单意向值，以及通过机器学习模型自动对预测订单价格和预测接单意向值构建的图网络求解所有车辆信息的调度结果，无需人工调度，本专利技术实施例实现提高矿井运输车辆调度效率和矿井的生产效率。
29、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种矿井运输车辆调度方法，其特征在于，包括：
2.根据权利要求1所述的矿井运输车辆调度方法，其特征在于，所述通过车辆调度模型对所述图网络求解最优解，得到所述车辆调度模型输出的每个车辆信息对应的调度结果，包括：
3.根据权利要求1所述的矿井运输车辆调度方法，其特征在于，所述图网络的约束条件是调整所有矿井运输订单信息和所有车辆信息之间的匹配方式，以使订单价格最大化。
4.根据权利要求3所述的矿井运输车辆调度方法，其特征在于，所述图网络的约束条件通过以下公式表示：
5.根据权利要求1至4中任一项所述的矿井运输车辆调度方法，其特征在于，所述车辆调度模型是基于多头图注意力网络构建得到的。
6.根据权利要求1至4中任一项所述的矿井运输车辆调度方法，其特征在于，所述矿井运输订单信息包括：订单目的地、期望出发时间、承载人数以及物料重量中的至少一种。
7.根据权利要求1至4中任一项所述的矿井运输车辆调度方法，其特征在于，所述矿井沙盘信息包括：井下实时路况、井下交通状况、井下通行情况以及报警危险情况中的至少一种；
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。