System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种井工矿无人驾驶运输车的调度方法及系统技术方案_技高网

一种井工矿无人驾驶运输车的调度方法及系统技术方案

技术编号:43059096 阅读:6 留言:0更新日期:2024-10-22 14:39
本申请公开了一种井工矿无人驾驶运输车的调度方法及系统,涉及无人驾驶领域,包括:获取井工矿地图数据;对获取的地图数据进行处理,得到点云地图;构建井工矿地图;获取各无人驾驶运输车的行驶数据;根据各无人驾驶运输车的当前状态为空载或满载,将构建的井工矿地图作为有向拓扑图,通过A*算法进行路径规划,得到无人驾驶运输车从当前位置到达每个装载点或卸载点的路径;在获取的所有路径中,根据无人驾驶运输车在错车观察区的错车驶入和错车驶离的总耗时,选择一条最优路径;根据选择的最优路径,确定无人驾驶运输车的最终目的地;针对现有技术中井下无人驾驶调度效率低,本申请提高井下无人车调度效率。

【技术实现步骤摘要】

本申请涉及无人驾驶领域,特别涉及一种井工矿无人驾驶运输车的调度方法及系统


技术介绍

1、近年来,矿山开采向智能化、无人化的方向快速发展,越来越多的矿山企业开始引入无人驾驶运输车来替代传统的人工驾驶运输模式。无人驾驶运输车凭借其高效、安全、经济等优势,在露天矿、井工矿等复杂采矿环境中得到了广泛应用。然而,随着无人驾驶运输车数量的增加和应用场景的复杂化,对无人车队的智能调度提出了更高的要求。

2、传统的矿山运输调度主要依赖人工指挥和简单的调度规则,存在效率低下、响应慢、容易出错等问题。为了适应无人驾驶技术的发展,亟需一种能够自动感知矿场环境、动态优化车辆调度、协同控制车队运行的智能调度系统。这种智能调度系统需要具备数据集成、实时决策、精准控制等关键能力,从而在复杂多变的矿山环境中最大限度地发挥无人驾驶运输车的效能。目前,无人驾驶运输车的智能调度技术在露天矿领域已经得到了一定的研究和应用,但在井工矿环境下的应用还比较少。与露天矿相比,井工矿巷道狭窄、环境恶劣、车辆密集,给无人车调度带来了更大的困难和挑战。尤其是在车流分配和车辆避让方面,如何合理规划车辆行驶路径、预防车辆阻塞、提高系统运输效率,是一个亟待解决的关键问题。

3、具体而言,井工矿巷道普遍采用双向单车道布置,当两台无人车在狭窄巷道内相向而行时,如果没有及时、合理的避让措施,极易造成车辆阻塞,导致整个运输系统陷入瘫痪。为了避免这种情况,无人车需要在特定的错车硐室内进行错车避让。然而,频繁的错车避让会大大降低车辆的运输效率。如果调度系统盲目地将车辆派往正在错车的路段,反而会加剧车辆阻塞的风险,影响整个运输系统的效率和稳定性。


技术实现思路

1、针对现有技术中存在的井下无人驾驶调度效率低的问题,本申请提供了一种井工矿无人驾驶运输车的调度方法及系统,通过构建井工矿地图和a*算法路径规划,获取最优路径,提高井下无人车调度效率。

2、本申请的目的通过以下技术方案实现。

3、本说明书的一个方面提供一种井工矿无人驾驶运输车的调度方法,包括:获取井工矿地图数据;对获取的地图数据进行处理,得到点云地图;根据点云地图,构建井工矿地图;获取各无人驾驶运输车的行驶数据;行驶数据包含错车观察区的错车驶入和错车驶离的总耗时;根据各无人驾驶运输车的当前状态为空载或满载,将构建的井工矿地图作为有向拓扑图,通过a*算法进行路径规划,得到无人驾驶运输车从当前位置到达每个装载点或卸载点的路径;在获取的所有路径中,根据无人驾驶运输车在错车观察区的错车驶入和错车驶离的总耗时,选择一条最优路径;根据选择的最优路径,确定无人驾驶运输车的最终目的地;将确定的最优路径下发给选择的无人驾驶运输车,控制运输车按照最优路径行驶。

4、其中,点云地图:通过三维扫描仪等设备获取的包含大量三维空间点数据的数字化地图,每个点包含其三维坐标和其他属性信息。点云地图能够真实反映场景的三维结构特征。错车观察区:无人驾驶车辆用于观察是否有其他车辆驶入,判断是否需要让行的特定路段。通常设置在交叉路口、狭窄路段等容易发生车辆相遇的区域。a*算法:一种启发式搜索算法,常用于路径规划领域。该算法通过优先搜索最有可能达到目标的节点,能够高效地找到从起点到终点的最优路径。行驶数据还包含当前位置、速度、航向角、任务状态、驾驶状态和状态机等;计算考虑错车耗时的无人驾驶运输车在各个路径上的总耗时。

5、进一步的,通过如下公式选择一条最优路径:其中,n表示运输车最终被派往的装载点编号;tn表示运输车预计到达装载点n的时刻;tsn表示在装载点n的铲运车预计给当前运输车开始装车的时刻;n表示运输车调度供选择的装载点总个数。

6、进一步的,通过如下公式计算在装载点n的铲运车预计给当前运输车开始装车的时刻tsn:其中,tnow表示当前时刻;q表示运输车到达装载点n时,在装载点n等待区等候装载的运输车数量;t1表示运输车q到达装载点前,铲车的空闲等待时间;t2表示等待区到装载点的行驶时长;t3表示运输车的装车时长;t4表示运输车装载完成,驶离当前装载点行驶到主路经的时长。

7、进一步的,通过如下公式计算运输车预计到达装载点n的时刻tn:

8、

9、其中n表示装载点的编号,一共有n个装载点;tn表示运输车预计到达装载点n的时刻;tnow表示当前时刻;p表示运输车到达装载点n的路径个数;l表示运输车到达装载点n的路径p中的路段数量;sl表示运输车到达装载点n的路径p中的第l个路段的长度;vl表示运输车在到达装载点n的路径p中的第l个路段的行驶速度;m表示运输车到达装载点n的路径p中的错车观察区的个数;sm表示运输车到达装载点n的路径p中的第m个错车观察区内的在期望行驶轨迹上的主路径路段距离;vm表示运输车到达装载点n的路径p中的第m个错车观察区内的在期望行驶轨迹上的主路径路段的行驶速度;c表示到达错车观察区时间段与当前运输车到达该错车观察区时间段有重叠的并且行驶优先级高于当前运输车的个数,行驶优先级根据先到先行的原则;sm表示错车耗时,等于错车驶入与错车驶离的总耗时。

10、进一步的,根据选择的最优路径,确定无人驾驶运输车的最终目的地,包括:计算在装载点n等待区的第w辆运输车预计结束装载的时刻tw,n,e,计算公式如下:

11、

12、其中,tw,n,s表示在装载点n等待区中的第w辆运输车到达等待区时的时刻;tload表示运输车从等待区去装载点、装车、离开装载点的总耗时;将计算得到的铲运车预计给当前运输车开始装车的时刻tsn和运输车预计结束装载的时刻tw,n,e进行比较,选择空闲时长最长的装载点作为运输车的最终目的地,将最优路径的目的地更新为选择的最终共目的地。

13、进一步的,构建井工矿地图,包括:对井工矿进行三维扫描,得到包含井工矿空间位置信息和距离信息的地图数据;对得到的地图数据进行特征提取,得到井工矿的点云地图;对得到的点云地图进行语义标注;将语义标注后的点云地图转换为三维栅格地图数据格式,得到井工矿地图。

14、其中,空间位置信息:表示地图中各个元素(如路段、标志物等)的三维空间坐标数据(如x、y、z坐标),用于描述元素在三维空间中的位置。距离信息:表示地图中各个元素之间的距离数据,如两个路段端点之间的距离。结合空间位置信息,距离信息用于路径规划、定位等应用。语义标注:在地图数据处理中,通过识别点云等原始数据中的特定模式,将某些点集标注为具有特定语义属性(如车道线、交通标志、建筑物等)的过程。语义标注使地图具备特征级的可读性。

15、进一步的,语义标注包含:标注出点云地图中的车道线特征点集合,构成车道线信息,用于表示无人驾驶运输车的行驶路径;标注出点云地图中的观察区特征点集合,构成观察区信息,用于表示无人驾驶运输车进行错车观察的区域;标注出点云地图中的错车区域特征点集合,构成错车区域信息,用于表示无人驾驶运输车进行错车的区域;标注出点云地图中的停止线特征点集合,本文档来自技高网...

【技术保护点】

1.一种井工矿无人驾驶运输车的调度方法,包括:

2.根据权利要求1所述的井工矿无人驾驶运输车的调度方法,其特征在于:

3.根据权利要求2所述的井工矿无人驾驶运输车的调度方法,其特征在于:

4.根据权利要求3所述的井工矿无人驾驶运输车的调度方法,其特征在于:

5.根据权利要求4所述的井工矿无人驾驶运输车的调度方法,其特征在于:

6.根据权利要求1所述的井工矿无人驾驶运输车的调度方法,其特征在于:

7.根据权利要求6所述的井工矿无人驾驶运输车的调度方法,其特征在于:

8.根据权利要求7所述的井工矿无人驾驶运输车的调度方法,其特征在于:

9.根据权利要求8所述的井工矿无人驾驶运输车的调度方法,其特征在于:

10.一种井工矿无人驾驶运输车的调度系统,其特征在于,

【技术特征摘要】

1.一种井工矿无人驾驶运输车的调度方法,包括:

2.根据权利要求1所述的井工矿无人驾驶运输车的调度方法,其特征在于:

3.根据权利要求2所述的井工矿无人驾驶运输车的调度方法,其特征在于:

4.根据权利要求3所述的井工矿无人驾驶运输车的调度方法,其特征在于:

5.根据权利要求4所述的井工矿无人驾驶运输车的调度方法,其特征在于:

【专利技术属性】
技术研发人员:黄琰王超冯冲申永刚
申请(专利权)人:理工雷科智途北京科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1