一种基于大数据的无人驾驶碾压机群控制方法及装置制造方法及图纸

本发明专利技术提供了一种基于大数据的无人驾驶碾压机群控制方法及装置，涉及无人驾驶车辆技术领域，包括：获取历史工程信息、工程任务信息和实时监测数据；基于大数据技术对历史工程信息进行分析，构建得到路径预测模型，将工程任务信息作为路径预测模型的输入值，计算得到路径规划方案；根据路径规划方案和地质信息，将工程任务区域按照工作量和地形特征划分为至少两个子区域；根据工程任务信息和子区域确定碾压机群内部的走位方案；根据走位方案、压实度要求和实时监测数据，调整碾压机群的运行方式。本发明专利技术利用大数据技术对历史工程信息进行分析，构建路径预测模型，得到路径规划方案，提高路径规划的准确性和碾压机群的工作效率。高路径规划的准确性和碾压机群的工作效率。高路径规划的准确性和碾压机群的工作效率。

【技术实现步骤摘要】
一种基于大数据的无人驾驶碾压机群控制方法及装置


[0001]本专利技术涉及无人驾驶车辆
，具体而言，涉及一种基于大数据的无人驾驶碾压机群控制方法及装置。

技术介绍

[0002]土石坝是指用土、石、水泥等材料建造的一种工程建筑物，主要用于控制水流、拦截泥沙、提高河床水位等。土石坝碾压工程是指在建造土石坝的过程中，使用碾压机群对土方进行压实的工作。当前的碾压工程主要通过调度员组织和协调碾压机群的操作人员，根据压实度的要求和碾压机群的运行情况，制定碾压方案，并对碾压机群的工作进行监督和检查。这样的方法存在一些缺点，调度员需要具备较高的专业知识和技能，必须了解土石坝碾压工程的技术规范和碾压机群的使用方法，才能正确地制定碾压方案和进行监督和检查，且调度员的工作量较大，他们需要对碾压机群的工作进行全天候监督和检查，并随时应对突发情况，这对调度员的精力和耐力都有很大的要求。
[0003]基于上述问题，现需要一种基于大数据的无人驾驶碾压机群控制方法，通过大数据分析技术对历史工程信息进行分析建立路径预测模型，根据当前的工程任务信息自动规划碾压路径形成走位方案，并且无人驾驶碾压机群在碾压作业中能够通过实时监测数据智能决策以调整设备的运行方式。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的无人驾驶碾压机群控制方法及装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0005]一方面，本申请提供了一种基于大数据的无人驾驶碾压机群控制方法，包括：获取历史工程信息、工程任务信息和实时监测数据，所述历史工程信息包括历史工程任务及对应的路径规划数据，所述工程任务信息包括压实度要求、工程任务区域和地质信息，所述实时监测数据包括土石坝的压实度参数和碾压机群的运行参数；基于大数据技术对所述历史工程信息进行分析，构建得到路径预测模型，将所述工程任务信息作为所述路径预测模型的输入值，计算得到路径规划方案；根据所述路径规划方案和所述地质信息，将所述工程任务区域按照工作量和地形特征划分为至少两个子区域；根据所述工程任务信息和所述子区域确定碾压机群内部的走位方案；根据所述走位方案、所述压实度要求和所述实时监测数据，运用数据分析和机器学习技术进行智能决策，调整碾压机群的运行方式。
[0006]另一方面，本申请还提供了一种基于大数据的无人驾驶碾压机群控制装置，包括：获取模块，用于获取历史工程信息、工程任务信息和实时监测数据，所述历史工程信息包括历史工程任务及对应的路径规划数据，所述工程任务信息包括压实度要求、工程任务区域和地质信息，所述实时监测数据包括土石坝的压实度参数和碾压机群的运行参
数；预测模块，基于大数据技术对所述历史工程信息进行分析，构建得到路径预测模型，将所述工程任务信息作为所述路径预测模型的输入值，计算得到路径规划方案；划分模块，用于根据所述路径规划方案和所述地质信息，将所述工程任务区域按照工作量和地形特征划分为至少两个子区域；整合模块，用于根据所述工程任务信息和所述子区域确定碾压机群内部的走位方案；调整模块，用于根据所述走位方案、所述压实度要求和所述实时监测数据，运用数据分析和机器学习技术进行智能决策，调整碾压机群的运行方式。
[0007]本专利技术的有益效果为：本专利技术利用大数据技术对历史工程信息进行分析，构建路径预测模型，得到路径规划方案，提高路径规划的准确性和碾压机群的工作效率。本专利技术通过运用数据分析和机器学习技术进行智能决策，可以根据实时监测数据调整碾压机群的运行方式，确保碾压机群能够达到规定的压实度要求。
[0008]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0010]图1为本专利技术实施例中所述的基于大数据的无人驾驶碾压机群控制方法流程示意图；图2为本专利技术实施例中所述的基于大数据的无人驾驶碾压机群控制装置结构示意图。
[0011]图中标记：701、获取模块；702、预测模块；7021、第一处理单元；7022、第一分析单元；7023、第一计算单元；7024、第二处理单元；703、划分模块；7031、第三处理单元；7032、第四处理单元；7033、第五处理单元；7034、第一分类单元；704、整合模块；7041、第二计算单元；7042、第三计算单元；7043、第四计算单元；7044、第六处理单元；705、调整模块；7051、第七处理单元；7052、第八处理单元；7053、第九处理单元；7054、第二分析单元；7055、第十处理单元。
具体实施方式
[0012]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实
施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0014]实施例1：本实施例提供了一种基于大数据的无人驾驶碾压机群控制方法。
[0015]参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
[0016]步骤S1、获取历史工程信息、工程任务信息和实时监测数据，历史工程信息包括历史工程任务及对应的路径规划数据，工程任务信息包括压实度要求、工程任务区域和地质信息，实时监测数据包括土石坝的压实度参数和碾压机群的运行参数。
[0017]可以理解的是，在本步骤中，历史工程信息包括以往进行的工程任务及对应的路径规划数据，这些信息可以为后续构建路径预测模型提供重要参考。工程任务信息包括压实度要求、工程任务区域和地质信息，这些信息可以用来确定工程任务的具体要求和所在区域的地质情况。实时监测数据包括土石坝的压实度参数和碾压机群的运行参数，这些信息可以用来实时追踪工程的进展情况，并对碾压机群的运行进行调整。
[0018]步骤S2、基于大数据技术对历史工程信息进行分析，构建得到路径预测模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的无人驾驶碾压机群控制方法，其特征在于，包括：获取历史工程信息、工程任务信息和实时监测数据，所述历史工程信息包括历史工程任务及对应的路径规划数据，所述工程任务信息包括压实度要求、工程任务区域和地质信息，所述实时监测数据包括土石坝的压实度参数和碾压机群的运行参数；基于大数据技术对所述历史工程信息进行分析，构建得到路径预测模型，将所述工程任务信息作为所述路径预测模型的输入值，计算得到路径规划方案；根据所述路径规划方案和所述地质信息，将所述工程任务区域按照工作量和地形特征划分为至少两个子区域；根据所述工程任务信息和所述子区域确定碾压机群内部的走位方案；根据所述走位方案、所述压实度要求和所述实时监测数据，运用数据分析和机器学习技术进行智能决策，调整碾压机群的运行方式。2.根据权利要求1所述的基于大数据的无人驾驶碾压机群控制方法，其特征在于，基于大数据技术对所述历史工程信息进行分析，构建得到路径预测模型，将所述工程任务信息作为所述路径预测模型的输入值，计算得到路径规划方案，包括：对所述历史工程信息进行预处理得到结构化的数据表格；基于数据挖掘和分析技术对所述数据表格进行分析，得到影响路径规划的特征向量；使用支持向量机算法，通过对所述特征向量和对应的路径规划之间的分析，构建得到路径预测模型，将所述工程任务信息作为所述路径预测模型的输入值得到初步路径规划方案；使用遗传算法对所述初步路径规划方案进行优化得到路径规划方案。3.根据权利要求1所述的基于大数据的无人驾驶碾压机群控制方法，其特征在于，根据所述路径规划方案和所述地质信息，将所述工程任务区域按照工作量和地形特征划分为至少两个子区域，包括：基于GIS技术对所述地质信息进行可视化处理，得到任务区域地形图；根据所述路径规划方案中的路径信息在所述任务区域地形图中绘制出规划路线；根据预设的标注规则在所述规划路线上标注得到至少两个位置点，并标注出每个所述位置点的工作量值得到工作量分布图；将所述工作量分布图中的每个所述位置点作为一个单独的数据样本，并根据每个所述位置点的所述工作量值和地形特征进行分类运算，得到至少两个子区域。4.根据权利要求1所述的基于大数据的无人驾驶碾压机群控制方法，其特征在于，根据所述工程任务信息和所述子区域确定碾压机群内部的走位方案，包括：根据所述工程任务信息和所述子区域的划分情况，确定碾压机群中每个碾压机的移动顺序；根据所述移动顺序和所述地质信息，规划出碾压机群在每个所述子区域内部每个碾压机的行进路线；根据所述移动顺序和所述行进路线，确定碾压机群整体在相邻两个所述子区域间的转移路线；将所述移动顺序、所述行进路线和所述转移路线进行整合得到走位方案。5.根据权利要求1所述的基于大数据的无人驾驶碾压机群控制方法，其特征在于，根据
所述走位方案、所述压实度要求和所述实时监测数据，运用数据分析和机器学习技术进行智能决策，调整碾压机群的运行方式，包括：根据所述走位方案和所述压实度要求，利用GIS技术对碾压机群的路线进行可视化处理，得到压实度目标图；根据所述实时监测数据对碾压机群的实际压实度进行实时追踪，得到实际压实度图；根据所述压实度目标图和所述实际压实度图的数据计算出每一个相同位置的压实度差异值，并将这些压实度差异值按照空间位置关系可视化呈现，得到压实度差异图；基于回归分析方法，根据所述压实度差异图建立压实度偏差与影响因素之间的关系模型，分析各个因素对压实度偏差的贡献程度，得到压实度偏差的分析报告；根据所述分析报告和预设的参数设置规则调整碾压机群的运行方式。6.一...

【专利技术属性】
技术研发人员：韩勇，周远非，赵涛，
申请(专利权)人：成都工业职业技术学院，
类型：发明
国别省市：