[发明专利]用于矿山无人驾驶路网交通流优化的模型构建方法及装置

权利要求书

1.一种用于矿山无人驾驶路网交通流优化的模型构建方法，其特征在于，该方法包括：

基于矿山的无人驾驶作业区域和路口构建有向图G＝(V,E)；

其中，顶点集合V＝{v₁,v₂,…,v_m}表示矿山无人驾驶作业区域以及路口的集合；

边集合E＝{e_ij}表示顶点i与j之间连接的边e_ij的集合，且

对路网的车流量与车流密度的关系进行模拟，得到每条边的最优车流量q_opt对应的最优车流密度ρ_opt；

基于最优车流密度ρ_opt计算各条边e_ij的交通流量权重

基于交通流量权重对有向图G＝(V,E)中各边进行赋权，令车流密度ρ超过最优车流密度ρ_opt时，交通流量权重与车流密度ρ成正比，得到矿山无人驾驶路网的赋权有向图模型G’；

其中，所述对路网的车流量与车流密度的关系进行模拟，得到每条边的最优车流量q_opt对应的最优车流密度ρ_opt，包括：

采用NS模型对路网的车流量与车流密度的关系进行模拟，得到每条边的最优车流量q_opt对应的最优车流密度ρ_opt；

其中，在单位时间段的变化过程中，NS模型车辆状态演化的并行更新规则包括：

车辆加速：v_n→min(v_n+1,v_max)；

车辆减速：v_n→min(v_n,d_n-1)；

车辆以概率P随机减速：v_n→min(v_n-1,0)，

且概率

车辆位置更新：x_n→x_n+v_n；

n表示车辆编号，k₁表示可调权重参数，x表示车辆位置，v表示车辆速度，d表示车辆间距，d_n＝x_n+1-x_n-1，d_min表示最低安全间距；

且所述基于交通流量权重对有向图G＝(V,E)中各边进行赋权，还包括：

基于路网的基础属性权重与交通流量权重共同对有向图G＝(V,E)中各边进行赋权；

且路网的基础属性权重包括路网长度权重路况条件权重提升高度权重中的至少一种；

其中，路段的长度l越长，路况长度权重越高；

路况越差，路况条件权重越高；

路段的提升高度越高，提升高度权重越高；且上坡的权重k₄比下坡的权重k₅大，即：

i＝j或e_ij不存在时，令e_ij＝0；

否则，e_ij为路网的基础属性与交通流量权重之和。

2.如权利要求1所述的一种用于矿山无人驾驶路网交通流优化的模型构建方法，其特征在于，所述基于矿山的无人驾驶作业区域和路口构建有向图G＝(V,E)，还包括：

若两个顶点之间存在s≥2个路段直接连接，则在其中的s-1个路段上各增加一个虚拟顶点来切分该路段，使有向图G＝(V,E)中两个顶点之间的边唯一；

且对于虚拟顶点切分开的路段，在赋权时将权重平均分配给切分开的两个路段。

3.如权利要求1所述的一种用于矿山无人驾驶路网交通流优化的模型构建方法，其特征在于，所述基于最优车流密度ρ_opt计算各条边e_ij的交通流量权重包括：

其中，k₂和k₃为可调参数，ρ为实际的车流密度。