【技术实现步骤摘要】
本专利技术涉及卡车编队规划调度系统领域，特别涉及一种基于自动驾驶卡车编队的节能调度方法及系统。
技术介绍
1、自动驾驶技术的作为车路协同领域中的一个研究重点，它可以通过无线通信手段获取周围车辆的驾驶状态，使得自车与前后车辆保持一个恒定的安全行车距离，并且可以根据前后车辆的运动状态的改变做出自车运动状态的改变，以及运用acc、cacc等技术实现定速巡航的功能，从而保持稳定的协同驾驶。
2、卡车作为物流公司的主要运输工具，其油耗成本已经成为物流公司各项成本中最高的一项，而将其按照不同车型进行排布形成队列形式行驶可以带来可观的燃油节省收益。
3、运输任务的发布时间、交付货物的截止时间、不同的货运起讫点导致了卡车有不同的任务时空域，现有的编队规划控制方法多以路径重合度作为评判指标，将路径重合的车辆视作潜在队列成员，亦或者是在城市复杂路网中使本不具有重合路径的车辆在可接受的绕路成本范围内进行一定的绕路行驶决策、让不具有重合路径的车辆拥有共同行驶路径从而编队行驶。上述方法，均从路径规划的角度出发，且多数未考虑运输任务的时效性与时间价值、以及速度规划的可能性。公路场景下的自动驾驶卡车队列以较高的速度行驶，带来的燃油节省收益相比城市道路更加可观，但由于公路的特性导致路径规划的可行性大大降低，固相比于以往路径规划技术现有技术针对公路场景甚少。
4、鉴于此，急需基于自动驾驶卡车编队的节能调度方法及系统，解决传统方法中由于公路的特性导致路径规划的可行性大大降低的技术问题。
技术实现思路<
1、针对现有技术的问题，本专利技术提供一种基于自动驾驶卡车编队的节能调度方法及系统，在考虑时空域下的公路多辆自动驾驶卡车编队规划控制方法，通过合理的路段平均速度规划以及执行任务出发时间的调控，在保证所有车辆满足任务时效性的前提下，将多辆卡车组成队列并按照最优队列排布顺序行驶。
2、一方面，本专利技术另一方面，本专利技术提出一种基于自动驾驶卡车编队的节能调度方法，包括：
3、步骤s1：提取路线图的特征，使用字典格式保存；
4、步骤s2：将每个任务的参数包括执行该任务的车辆编号、车型、最早出发时刻、最晚到达时刻、任务起讫点以及公司根据自身情况得出的时间价值，公路的最高限速和最低限速导入模型；
5、步骤s3：理论模型搭建编程写入与求解；
6、步骤s4：剔除无效变量信息并将模型结果分类与保存；
7、步骤s5：将结果进一步导入排布模块中得到最佳节油效果位置排布以及前后对内车间距；
8、步骤s6：将最终优化信息经由调度模块导入至调度中心，由调度中心指派给相应车辆；
9、进一步地，所述步骤s1中，选取实际公路中的每一个匝道口为一个分割点将整个公路主路分割成若干个子路段，包括以下步骤：
10、步骤s11：将实际公路的匝道口视作相邻子路段的链接点并将其集合定义为q＝{q1,q2...qn}，其中q1至qn为链接点的编号，定义子路段的集合为e＝{(q1,q2),(q2,q3)...(qn-1,qn)}；
11、查询并根据计算需求得到每个子路段的长度d(q1,q2)...d(qn-1,qn)，从路段上游至路段下游方向依次编号作为子路段的检索：
12、步骤s12：根据上述步骤s11中已提取的数据，将其以python中字典的数据形式保存,将子路段检索以元组的形式保存为字典的键keys，将距离保存为字典的值values,整体保存形式为dic＝{(q1,q2):d(q1,q2),...,(qn-1,qn):d(qn-1,qn)}，至此步骤s1已经将实际的公路转化为若干个子路段并将其储存于python之中；
13、进一步地，所述步骤s2中，将任务参数，时间价值，公路速度限制导入模型，包括以下步骤：
14、步骤s21：为了后续步骤方便读取，定义运输任务集合n＝{0,1,...,n}将所有运输任务按序保存在python的列表结构之中，每一个任务用一个元组的结构来保存从序号0开始依次为任务编号同时也代表着执行该任务的车辆编号n，车型g，任务的起始点on，任务的终止点dn，任务的最早出发时刻任务的最晚到达时刻所有运输任务的保存形如：
15、list＝[0,1,...,n]其中0位置的元组保存形式为按照步骤s21中所述形如：
16、
17、步骤s22：由近期或者未来预测的货运量出发定义时间价值系数ct，以及公路子路段法律规定货运卡车最高限速vmax和最低限速vmin，至此调度系统的信息录入模块工作完成，通过上述操作，为求解模块提供了实际路段长度信息以及路段限速信息，和车辆车型参数以及运输任务参数。
18、所述步骤s3中，调度系统中的求解模块分为理论模型搭建写入与求解，其中理论模型搭建为运用运筹优化理论的0-1整数模型搭建，模型写入部分则依托于python编程实现，最终在gurobi的环境中运用分支切割法进行求解，包括以下步骤：
19、步骤s31：将欲构建的0-1整数模型划分为目标函数，燃油消耗模块，流量约束模块，出发时刻约束模块，到达时刻约束模块，行程时间增量约束模块，队列形成约束模块，逻辑约束模块进行搭建；
20、步骤s32：构建模型中需要的变量，变量储存形式为字典(dic)形式，进一步的键keys为变量角标代表意义为实际对应意义，值valus为对应求解器gruobi中的变量设定包括变量取值上界ub与下界lb,变量类型包括binary和continuous形如：
21、x＝{}
22、x[n,keys]＝addvar(lb,ub,vtype)
23、代表为模型中的变量xn,ij其中角标n代表车辆编号；ij代表步骤s12中的子路段集合dic的values值检索，对应s12定义的dic.keys,通过该方法可以调用对应子路段键索引配对的值最终得到录入的子路段的长度；
24、步骤s33：剩余变量vn,ij、均按照步骤s32中设置；
25、步骤s34：理论模型目标函数为：
26、
27、其中tn,ij为行驶过路段(i,j)的距离通过公式vn,ij为执行运输任务n的车辆n在路段(i,j)上的行驶速度，该值为模型在满足所有约束模块的条件下使得目标函数最小的优化值，xn,g,ij与均为二进制变量，含义分别为车型为g的卡车n行驶过路段(i,j)；车型为g的卡车n和车型为k的卡车m以队列的方式行驶过路段(i,j)若发生则取值为1，反之其他为0，所以该两个二进制变量的变量类型设置为vtype＝binary，在这两个二进制开关控制之下固定了所有的车辆运输轨迹以及队列成员和队列编队情况；为队列节油率根据车型的排布前后顺序取不同的值；ct为步骤s22中确定的参数直接作为系数输入模型中单位为(yuan/h)；为待驶离的卡车在仓库等待发车时刻较为相近的卡车或是于仓库等待道路上游驶来的卡车，从本文档来自技高网...
【技术保护点】
1.一种基于自动驾驶卡车编队的节能调度方法，其特征在于，包括：
2.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤S1中的提取路线图的特征，包括：
3.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤S2中，所述任务参数包括在每个任务中执行该任务的车辆编号、车型、最早出发时刻、最晚到达时刻、任务起讫点以及公司根据自身情况得出的时间价值，公路的最高限速和最低限速，将任务参数，时间价值，公路速度限制导入模型，包括以下步骤：
4.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤S3中的理论模型搭建编程写入与求解，所述理论模型搭建为运用运筹优化理论的0-1整数模型搭建，模型写入部分则依托于Python编程实现，最终在Gurobi的环境中运用分支切割法进行求解，包括以下步骤：
5.根据权利要求4所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，还包括：
6.根据权利要求5所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，还包括：
<...【技术特征摘要】
1.一种基于自动驾驶卡车编队的节能调度方法，其特征在于，包括：
2.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤s1中的提取路线图的特征，包括：
3.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤s2中，所述任务参数包括在每个任务中执行该任务的车辆编号、车型、最早出发时刻、最晚到达时刻、任务起讫点以及公司根据自身情况得出的时间价值，公路的最高限速和最低限速，将任务参数，时间价值，公路速度限制导入模型，包括以下步骤：
4.根据权利要求1所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，所述步骤s3中的理论模型搭建编程写入与求解，所述理论模型搭建为运用运筹优化理论的0-1整数模型搭建，模型写入部分则依托于python编程实现，最终在gurobi的环境中运用分支切割法进行求解，包括以下步骤：
5.根据权利要求4所述的基于自动驾驶卡车编队的节能调度方法，其特征在于，还包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：杨志发，马骎，董朔，王龙，王新月，李元佳，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。