【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及無(wú)人集卡，尤其是涉及一種基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法及系統(tǒng)。
技術(shù)介紹
1、現(xiàn)有港口集卡路口協(xié)同方法通過(guò)將路口往外延伸一段區(qū)域抽象為控制區(qū)，當(dāng)多個(gè)車輛到達(dá)控制區(qū)時(shí)，通過(guò)判斷自動(dòng)駕駛上報(bào)的未來(lái)一段行駛軌跡是否會(huì)有相交來(lái)判斷車輛通過(guò)路口是否發(fā)生沖突。若多車會(huì)發(fā)生沖突則按照先進(jìn)控制區(qū)先通行的規(guī)則讓車輛通行，后續(xù)車輛排隊(duì)等待，否則多個(gè)車輛則同時(shí)通過(guò)路口。
2、此種方法可以解決多個(gè)車輛通過(guò)路口時(shí)的沖突問(wèn)題，但對(duì)通行效率會(huì)有影響。如最先進(jìn)入控制區(qū)但是還未進(jìn)入路口的車輛會(huì)和后續(xù)多個(gè)互相不沖突車沖突時(shí)，由于遵循先到先走原則，此時(shí)會(huì)讓后續(xù)車輛停車等待，此時(shí)單路口通行效率并非最優(yōu)，因?yàn)樽尯罄m(xù)多個(gè)互不沖突的車輛先通行影響會(huì)大大降低。其次是無(wú)法根據(jù)業(yè)務(wù)定制通行優(yōu)先級(jí)，由于現(xiàn)有沖突判斷是根據(jù)軌跡點(diǎn)進(jìn)行判斷是否沖突，并不知道車輛行駛方向，若想做到精細(xì)化控制如讓南北或東西方向的車輛優(yōu)先通行或者轉(zhuǎn)大彎的車優(yōu)先通行，現(xiàn)有方法則無(wú)法滿足。
技術(shù)實(shí)現(xiàn)思路
1、鑒于以上問(wèn)題，本專利技術(shù)提供了一種基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法及系統(tǒng)，不僅可以提供整體自動(dòng)化水平，而且還可以進(jìn)行自適應(yīng)調(diào)節(jié)和規(guī)劃，從而滿足業(yè)務(wù)精細(xì)化控制需求，提升整體作業(yè)效率，增加運(yùn)營(yíng)收入，減少開(kāi)發(fā)運(yùn)營(yíng)人力投入成本。
2、為了實(shí)現(xiàn)上述目的及其他相關(guān)目的，本專利技術(shù)提供的技術(shù)方案如下：
3、一種基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，所述方法包括：
4、u1.無(wú)人集卡在港口
5、u2.基于所述車輛的歷史作業(yè)的行駛軌跡數(shù)據(jù)信息和所述車輛的位置數(shù)據(jù)信息，采用改進(jìn)的冠豪豬優(yōu)化-卷積-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)-注意力機(jī)制數(shù)據(jù)回歸預(yù)測(cè)算法對(duì)車輛行駛軌跡點(diǎn)序列進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的車輛行駛軌跡點(diǎn)序列數(shù)據(jù)信息；
6、u3.基于所述預(yù)測(cè)后的車輛行駛軌跡點(diǎn)序列數(shù)據(jù)信息和所述當(dāng)前道路的路口的交通狀況數(shù)據(jù)信息，采用基于改進(jìn)的灰狼優(yōu)化bp神經(jīng)網(wǎng)絡(luò)多輸入多輸出的預(yù)測(cè)算法對(duì)車輛的行駛決策數(shù)據(jù)信息進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的車輛的行駛決策數(shù)據(jù)信息；
7、u4.基于所述預(yù)測(cè)后的車輛的行駛決策數(shù)據(jù)信息，建立車輛路口協(xié)同通過(guò)的可行性函數(shù)f，對(duì)車輛路口協(xié)同通過(guò)的可行性值進(jìn)行推算，得到車輛路口協(xié)同通過(guò)的可行性值數(shù)據(jù)信息。
8、進(jìn)一步的，在步驟u2中，所述改進(jìn)的冠豪豬優(yōu)化-卷積-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)-注意力機(jī)制數(shù)據(jù)回歸預(yù)測(cè)算法對(duì)車輛行駛軌跡點(diǎn)序列進(jìn)行預(yù)測(cè)包括：
9、u21.將所述車輛的歷史作業(yè)的行駛軌跡數(shù)據(jù)信息輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行局部特征提取，得到車輛的歷史作業(yè)的行駛軌跡點(diǎn)特征矩陣數(shù)據(jù)信息，將所述車輛的位置數(shù)據(jù)信息輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行局部特征提取，得到車輛的位置點(diǎn)特征矩陣數(shù)據(jù)信息；
10、u22.將所述車輛的位置點(diǎn)特征矩陣數(shù)據(jù)信息和所述車輛的歷史作業(yè)的行駛軌跡點(diǎn)特征矩陣數(shù)據(jù)信息輸入雙向長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)車輛的位置點(diǎn)與車輛的歷史作業(yè)的行駛軌跡點(diǎn)的相關(guān)性進(jìn)行表征，得到車輛的位置點(diǎn)與歷史作業(yè)的行駛軌跡點(diǎn)的相關(guān)性數(shù)據(jù)信息；
11、u23.基于所述車輛位置點(diǎn)與歷史作業(yè)的行駛軌跡點(diǎn)的相關(guān)性數(shù)據(jù)信息，建立冠豪豬優(yōu)化后的車輛的行駛軌跡點(diǎn)序列預(yù)測(cè)函數(shù)q，
12、
13、其中，x為車輛位置點(diǎn)與歷史作業(yè)的行駛軌跡點(diǎn)的相關(guān)性數(shù)據(jù)信息，α1、α2和α3為冠豪豬優(yōu)化后的權(quán)重因子，對(duì)車輛行駛軌跡點(diǎn)序列進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的車輛行駛軌跡點(diǎn)序列數(shù)據(jù)信息。
14、進(jìn)一步的，所述冠豪豬優(yōu)化后的權(quán)重因子α1、α2和α3的約束條件為，
15、
16、其中，所述冠豪豬優(yōu)化后的權(quán)重因子為采用改進(jìn)的冠豪豬優(yōu)化算法對(duì)初始權(quán)重因子進(jìn)行優(yōu)化，得到冠豪豬優(yōu)化后的權(quán)重因子。
17、進(jìn)一步的，所述采用改進(jìn)的冠豪豬優(yōu)化算法對(duì)初始權(quán)重因子進(jìn)行優(yōu)化包括：
18、u231.基于所述初始權(quán)重因子，對(duì)冠豪豬種群進(jìn)行初始化，得到初始化后的冠豪豬種群數(shù)據(jù)信息；
19、u232.基于所述初始化后的冠豪豬種群數(shù)據(jù)信息，建立種群個(gè)體的適應(yīng)度函數(shù)w，
20、
21、其中，y為初始化后的冠豪豬種群數(shù)據(jù)信息，β1和β2為種群個(gè)體的適應(yīng)度差值因子，對(duì)種群個(gè)體的適應(yīng)度值進(jìn)行推算，得到種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息；
22、u233.基于所述種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息，建立種群個(gè)體的目標(biāo)優(yōu)化函數(shù)r，
23、
24、其中，z為種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息，δ1、δ2和δ3為種群個(gè)體的優(yōu)化因子，對(duì)初始權(quán)重因子進(jìn)行優(yōu)化，得到冠豪豬優(yōu)化后的權(quán)重因子。
25、進(jìn)一步的，在步驟u233中，所述種群個(gè)體的優(yōu)化因子δ1、δ2和δ3的約束函數(shù)f為，
26、
27、其中，所述約束函數(shù)f的取值范圍為(2,3)。
28、進(jìn)一步的，在步驟u3中，所述采用基于改進(jìn)的灰狼優(yōu)化bp神經(jīng)網(wǎng)絡(luò)多輸入多輸出的預(yù)測(cè)算法對(duì)車輛的行駛決策數(shù)據(jù)信息進(jìn)行預(yù)測(cè)包括：
29、u31.基于所述預(yù)測(cè)后的車輛行駛軌跡點(diǎn)序列數(shù)據(jù)信息和所述當(dāng)前道路的路口的交通狀況數(shù)據(jù)信息，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，得到初始化后的bp神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)數(shù)據(jù)信息；
30、u32.基于所述初始化后的bp神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)數(shù)據(jù)信息，對(duì)灰狼種群進(jìn)行初始化，得到初始化后的灰狼種群數(shù)據(jù)信息，并構(gòu)建灰狼種群個(gè)體的適應(yīng)度函數(shù)p，
31、
32、其中，r為初始化后的灰狼種群書信息，γ1和γ2為灰狼種群個(gè)體的適應(yīng)度決定因子，對(duì)灰狼種群的個(gè)體適應(yīng)度值進(jìn)行推算，得到灰狼種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息；
33、u33.基于所述灰狼種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息，建立目標(biāo)函數(shù)s，
34、
35、其中，a為灰狼種群個(gè)體的適應(yīng)度值數(shù)據(jù)信息，η1、η2和η3為灰狼種群的目標(biāo)優(yōu)化常量參數(shù)，對(duì)bp神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到灰狼優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型；
36、u34.基于所述灰狼優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型，輸入所述預(yù)測(cè)后的車輛行駛軌跡點(diǎn)序列數(shù)據(jù)信息和所述當(dāng)前道路的路口的交通狀況數(shù)據(jù)信息，對(duì)車輛的行駛決策數(shù)據(jù)信息進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的車輛的行駛決策數(shù)據(jù)信息。
37、進(jìn)一步的，所述灰狼種群的目標(biāo)優(yōu)化常量參數(shù)η1、η2和η3的約束條件為，
38、
39、進(jìn)一步的，所述車輛路口協(xié)同通過(guò)的可行性函數(shù)f為，
40、
41、其中，c為預(yù)測(cè)后的車輛的行駛決策數(shù)據(jù)信息，λ1、λ2和λ3為路口協(xié)同通過(guò)的自適應(yīng)調(diào)節(jié)因子；
42、所述方法還包括：
43、u5.基于所述車輛路口協(xié)同通過(guò)的可行性值數(shù)據(jù)信息，設(shè)置預(yù)設(shè)閾值，若車輛路口協(xié)同通過(guò)的可行性值數(shù)據(jù)小于預(yù)設(shè)閾值則無(wú)人集卡可安全通過(guò)路口，若車輛路口協(xié)同本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，在步驟U2中，所述改進(jìn)的冠豪豬優(yōu)化-卷積-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)-注意力機(jī)制數(shù)據(jù)回歸預(yù)測(cè)算法對(duì)車輛行駛軌跡點(diǎn)序列進(jìn)行預(yù)測(cè)包括：
3.根據(jù)權(quán)利要求2所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于：所述冠豪豬優(yōu)化后的權(quán)重因子α1、α2和α3的約束條件為，
4.根據(jù)權(quán)利要求3所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，所述采用改進(jìn)的冠豪豬優(yōu)化算法對(duì)初始權(quán)重因子進(jìn)行優(yōu)化包括：
5.根據(jù)權(quán)利要求4所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，在步驟U233中，所述種群個(gè)體的優(yōu)化因子δ1、δ2和δ3的約束函數(shù)f為，
6.根據(jù)權(quán)利要求1所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，在步驟U3中，所述采用基于改進(jìn)的灰狼優(yōu)化BP神經(jīng)網(wǎng)絡(luò)多輸入多輸出的預(yù)測(cè)算法對(duì)車輛的行駛決策數(shù)據(jù)信息進(jìn)行預(yù)測(cè)包括：
7.根據(jù)權(quán)利要
8.根據(jù)權(quán)利要求1所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于：所述車輛路口協(xié)同通過(guò)的可行性函數(shù)F為，
9.根據(jù)權(quán)利要求8所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于：所述路口協(xié)同通過(guò)的自適應(yīng)調(diào)節(jié)因子λ1、λ2和λ3為，
10.一種基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)系統(tǒng)，包括計(jì)算機(jī)設(shè)備，其特征在于，該計(jì)算機(jī)設(shè)備被編程或配置以執(zhí)行權(quán)利要求1～9中任意一項(xiàng)所述的基于港口物流L4無(wú)人集卡的路口協(xié)同通過(guò)方法的步驟。
...【技術(shù)特征摘要】
1.一種基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，在步驟u2中，所述改進(jìn)的冠豪豬優(yōu)化-卷積-雙向長(zhǎng)短期記憶網(wǎng)絡(luò)-注意力機(jī)制數(shù)據(jù)回歸預(yù)測(cè)算法對(duì)車輛行駛軌跡點(diǎn)序列進(jìn)行預(yù)測(cè)包括：
3.根據(jù)權(quán)利要求2所述的基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于：所述冠豪豬優(yōu)化后的權(quán)重因子α1、α2和α3的約束條件為，
4.根據(jù)權(quán)利要求3所述的基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，所述采用改進(jìn)的冠豪豬優(yōu)化算法對(duì)初始權(quán)重因子進(jìn)行優(yōu)化包括：
5.根據(jù)權(quán)利要求4所述的基于港口物流l4無(wú)人集卡的路口協(xié)同通過(guò)方法，其特征在于，在步驟u233中，所述種群個(gè)體的優(yōu)化因子δ1、δ2和δ3的約束函數(shù)f為，
6.根據(jù)權(quán)利要求1所述的基于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周文博，張建海，熊盼盼，劉志峰，劉千韋，
申請(qǐng)(專利權(quán))人：東風(fēng)汽車集團(tuán)股份有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。