一种面向露天矿的无人驾驶矿卡实时行程时间预测方法技术

本发明专利技术属于集成交通预测领域，涉及一种面向露天矿的无人驾驶矿卡实时行程时间预测方法，包括：建立矿区路网图；选取无人驾驶矿卡实时行程时间的预测因子；获取完整的预测因子和采集无人驾驶矿卡在各路段上的行程时间；构建时间序列数据集并将其分为训练集、验证集和测试集；利用训练集和验证集对初始神经网络进行训练和验证，建立实时行程时间预测模型，利用测试集验证实时行程时间预测模型的有效性。本发明专利技术可以对矿区内所有车辆在个各路段中的行车时间进行预测，对于空重两辆车在同一时间运行至同一路段的情况，遵循空车避让重车的原则，使空车等待，重车通行，从而优化矿区内部的车辆调配。

【技术实现步骤摘要】
一种面向露天矿的无人驾驶矿卡实时行程时间预测方法
本专利技术属于集成交通预测领域，涉及一种面向露天矿的无人驾驶矿卡实时行程时间预测方法。
技术介绍
在露天矿环境中，有人矿卡车辆在单行道会让或者路口通过时，考虑到重车停车并重新启动的安全隐患和经济效益损失，露天矿区一般遵循空车避让重车的原则，空车会人为控制停车。而无人驾驶矿卡车辆也应该遵循空车避让重车的原则，但无人驾驶矿卡车辆缺少人为控制，需要自主决策避让策略，实现自动管控。而车辆在路径上的行驶时间是矿卡车辆管控的重要依据，对时间预测准确程度的高低会直接影响到管控决策的实时性和可靠性。因此，对于无人驾驶矿卡车辆进行实时行程时间预测的研究尤为重要。现行的行程时间预测方法.主要分为两大类：一类是传统的统计学方法，如线性回归、自回归移动平均值等(例如中国专利CN201610940816.1)，但这些方法都不能很好地预测具有非线性特点的行程时间；另一类是诸如模糊推理系统、支持向量机和神经网络等机器学习法。模糊推理系统(中国专利CN201410149283.6)缺乏自学习能力，支持向量机(中国专利C本文档来自技高网...

【技术保护点】
1.一种面向露天矿的无人驾驶矿卡实时行程时间预测方法，其特征在于，包括如下步骤：/nS1：获取矿区地图并根据矿区路段特征划分整个矿区环境，建立矿区路网图；/nS2：选取无人驾驶矿卡实时行程时间的预测因子，包括路面类型、路段坡度、路段长度、感知条件、车型、车辆载重类型以及行驶时段；/nS3：获取无人驾驶矿卡的真实矿区位置、车型、车辆载重类型、感知条件和行驶时段，并根据矿区地图，将真实矿区位置映射到步骤S1中建立的矿区路网图之中，获取无人驾驶矿卡所行使路段的路面类型、路段坡度、路段长度，获得完整的预测因子；同时采集无人驾驶矿卡在各路段上的行程时间；/nS4：将步骤S3中获得的预测因子和无人驾驶矿卡...

【技术特征摘要】
1.一种面向露天矿的无人驾驶矿卡实时行程时间预测方法，其特征在于，包括如下步骤：
S1：获取矿区地图并根据矿区路段特征划分整个矿区环境，建立矿区路网图；
S2：选取无人驾驶矿卡实时行程时间的预测因子，包括路面类型、路段坡度、路段长度、感知条件、车型、车辆载重类型以及行驶时段；
S3：获取无人驾驶矿卡的真实矿区位置、车型、车辆载重类型、感知条件和行驶时段，并根据矿区地图，将真实矿区位置映射到步骤S1中建立的矿区路网图之中，获取无人驾驶矿卡所行使路段的路面类型、路段坡度、路段长度，获得完整的预测因子；同时采集无人驾驶矿卡在各路段上的行程时间；
S4：将步骤S3中获得的预测因子和无人驾驶矿卡在各路段上的行程时间作为原始历史数据，构建时间序列数据集并将其分为训练集、验证集和测试集；
S5：利用训练集和验证集对初始神经网络进行训练和验证，建立实时行程时间预测模型；将测试集输入实时行程时间预测模型，并进行反标准化处理，得到对应的行程时间预测值，以验证实时行程时间预测模型的有效性；
S6：利用步骤S3所述方法，获取待预测的无人驾驶矿卡实时行程时间的预测因子并将其输入步骤S5建立的实时行程时间预测模型，输出无人驾驶矿卡实时行程时间预测值。


2.根据权利要求1所述的方法，其特征在于，步骤S1中，所述矿区路段特征包括坡度、台阶和交叉口。


3.根据权利要求1所述的方法，其特征在于，步骤S2中，所述路面类型包括干线，半干线和移动线三种类型；所述车辆载重类型包括空车和重车；所述路段坡度的取值范围为-8％～+8％，其中-表示下坡，+表示上坡；所述感知条件包括白天、夜间、扬尘、光照条件等。

【专利技术属性】
技术研发人员：蔡凡，黄立明，崔向阳，褚立庆，杜宇飞，董陆军，
申请(专利权)人：北京踏歌智行科技有限公司，内蒙古霍林河露天煤业股份有限公司，
类型：发明
国别省市：北京;11