[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

说明书

本发明提供了一种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，涉及矿山路网交通流优化技术领域。对矿山无人驾驶场景进行建模，采用加权有向图的方式将矿山封闭场景的路网进行抽象。在此基础上，结合无人驾驶车辆的特点，通过对路段的交通流进行分析，得到最优的交通密度值。基于最优的交通密度值对加权有向图模型进行赋权，得到了符合实际矿山运营的路网模型。模型建立后，可直接应用图搜索算法进行最优路径搜索，得到的结果即为考虑了交通流的矿区交通流分配和优化结果。

技术领域

本发明涉及矿山路网交通流优化技术领域，具体涉及一种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。

背景技术

矿山无人驾驶场景是一个封闭场景，针对该封闭场景内路网交通流量优化问题，其最终目标是实现整个场景内，路网交通流量的最大化。因此在考虑封闭场景内路网交通流量优化问题时，除了考虑各路段的交通流量最大化之外，还需要对全局的路网交通流量进行合理的分配，达到总交通流量最大化的目的。

现有的路网交通流优化模型均是针对城市道路路网的交通流量进行优化，且主要目的是用于缓解瓶颈路段拥堵。另外，相比于矿山无人驾驶场景，城市道路进行路网交通流优化时，无法对所有车辆的位置和状态全局已知，从而无法实现全局的交通流量分配，只能通过路口交通信号设备进行局部的交通流控制，无法做到全局最优。

因此，现有的优化模型没有考虑到矿山无人驾驶场景与城市道路的差异性，无法很好的使用在矿山的场景中。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种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，解决了如何针对矿山无人驾驶场景构建模型对路网进行交通流优化的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，提供了一种用于矿山无人驾驶路网交通流优化的模型构建，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},i＝1,...,m,j＝1,...,m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’。

进一步的，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。

进一步的，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：