[发明专利]一种基于端边云架构的矿车无人驾驶运输系统路权云智能分配方法

摘要

本专利公开了一种无人驾驶运输系统路权云智能分配方法，所述方法包括：步骤一、选取备选路径；步骤二、确定决策属性；步骤三，构建特征矩阵并进行标准化处理；步骤四、构造权重规范化矩阵；步骤五、计算距离及与理想解的接近程度。通过上述技术方案，用自动驾驶车辆取代了人工驾驶车辆，使得矿场内部道路利用律最大化，使尽可能多的矿车投入到生产运作当中，提高生产效率的同时降低了运输过程中的安全隐患。

主权项

1.一种无人驾驶运输系统路权云智能分配方法，其特征在于，所述方法包括：/n步骤一、选取备选路径/n首先在厂矿道路上建立与之匹配的初始路网，所述路网包含x个节点与y个路段，并标记有节点，相邻节点能够一次到达；根据初始路网和承担不同任务矿车的OD可获取备选轨迹集T＝{T₁，T₂，...，T_n}，T_j是第j条备选轨迹，n为备选轨迹个数；/n步骤二、确定决策属性/n选取车辆通过交叉口的次数、车辆通过路段数、车辆速度，3个决策属性；其中，车辆沿轨迹T_j所通过交叉口的次数为D_j，表示所有备选轨迹中车辆通过交叉口次数的最大值，表示所有备选轨迹中车辆通过交叉口次数的最小值；车辆沿轨迹T_j所通过的路段数为M_j，表示所有备选轨迹中车辆通过路段数的最大值，表示所有备选轨迹中车辆通过路段数的最小值；车辆沿备选轨迹T_j行驶的理论时速为V_j；计算方法为，划分白日与夜间两个时段对于备选轨迹T_j所包含的所有路段分别测得各时段所有路段的车速为则白日与夜间的V_j均由公式计算得出；/n 表示所有备选轨迹中车辆行驶的理论时速的最大值，表示所有备选轨迹中车辆行驶的理论时速的最小值；/n步骤三，构建特征矩阵并进行标准化处理/n对于备选轨迹T_j，车辆通过交叉口的次数、车辆通过路段数、车辆速度这三个决策属性分别为x_1j、x_2j、x_3j，1≤j≤n；对于所有的目标，特征矩阵为：/n /n对特征矩阵进行规范化处理，获得规范化矩阵v_ij：/n步骤四、构造权重规范化矩阵/n设定w_i值一致，即各决策属性所占权重相同，因此w₁＝w₂＝w₃且即w₁＝w₂＝w₃＝1/3；根据权重w_i计算权重规格化值v_ij，建立关于权重规范化值v_ij的权重规范化矩阵：v_ij＝w_ir_ij；/n根据权重的值v_ij得到所有决策属性的正理想解A⁺和负理想解A^-；/n正理想解为每个属性值中的最优值，具体到各个决策属性中分别为车辆通过交叉口的最小次数、车辆通过路段的最小个数、车辆的最大理论速度，即：其中表示在第i个属性值上的最优值，/n负理想解为每个属性值中的最劣值，具体到各个决策属性中分别为车辆通过交叉口的最大次数、车辆通过路段的最大个数、车辆的最小理论速度，即：表示在第i个属性值上的最劣值，/n步骤五、计算距离及与理想解的接近程度/n计算备选轨迹T_j到正负理想解的距离值，将每个备选轨迹到正理想解的距离记为S_j+，到负理想解的距离记为S_j-，则：/n /n /n分别获取了备选轨迹T_j到正负理想解的距离后，其与理想解的接近程度C_i可由公式C_j＝计算得出，其中0≤C_j≤1，当C_j＝0时是最差目标，当C_j＝1时为最优目标；将C_j+按大小进行排列，选取最大的C_j+作为最优解，此时对应的轨迹T_j即为备选轨迹中的最优轨迹。/n