一种重卡物流路线智能规划方法及系统与流程
本发明涉及物流路径规划领域,特别涉及一种重卡物流路线智能规划方法及系统。
背景技术:
1、在双碳目标驱动、新能源电池电机等核心技术不断成熟下,新能源汽车产业迅猛发展,商用车领域的运营降本需求更推动了新能源技术落地。动能回收作为新能源汽车的核心标配技术,可有效降低车辆能耗、减少运营成本,成为新能源汽车实现能耗优化与商业化盈利的关键。
2、目前,新能源汽车通过感知车辆工况、路径及环境状态,经能耗预测调控将制动、滑行动能转化为电能,实现动能回收。如中国专利申请号为cn114802189a文件公开的车辆能耗控制方法,通过检测车辆实际路况、环境数据及整车状态,结合历史能耗计算实际能耗,再据此预测车辆沿当前路径规划行驶的多个未来能耗,最终生成最小未来能耗对应的最佳行驶策略,以此调控动能回收的时机与强度,实现能耗与回收效率的平衡。
3、然而,上述方案的最佳行驶策略基于既定路径设计,依托相对稳定的车辆工况与载重条件,更适配小型新能源汽车。而重卡运输的货物种类、载重差异极大,驾驶高度依赖驾驶员的实操经验,运输过程中的行驶策略主要由驾驶员主观制定,致使动能消耗难以准确预估。同时,重卡长距离运输时,受天气、行车环境、地形地貌等因素影响,驾驶员制定的行驶策略更具多变性,进一步加大了动能消耗的预估难度。在长距离运输场景下,部分新能源重卡需中途去充能点补充能量,驾驶员为保障行驶过程中动力充足,往往会多次提前补能,这既增加了运输成本,又延长了运输时长,降低了整体运输效率。
技术实现思路
1、本发明提供了一种重卡物流路线智能规划方法及系统,以解决重卡运输过程中动能消耗预估精度低、驾驶员需多次提前补能,进而导致整体运输效率低的问题。
2、为了解决上述技术问题,本技术提供如下技术方案:
3、重卡物流路线智能规划方法,包括以下步骤:
4、s10:获取驾驶员的身份标识,采集车辆的行驶数据并与身份标识关联,结合采集时间整合为历史驾驶数据;行驶数据包括行驶位置、货物类型、导航路径、海拔数据、操作参数;
5、s20:根据历史驾驶数据中导航路径、海拔数据与行驶位置将导航路径划分为若干路段,对各路段聚类分析得到各路段的路段特征,构建路段特征库;获取预设的目标导航路径,将目标导航路径划分为若干目标路段,并从路段特征库中匹配得到各目标路段的目标路段特征;
6、s30:基于同一身份标识、货物类型的历史驾驶数据,获取各路段、对应的路段特征和对应操作参数,并根据采集时间同步获取经过路段的环境数据,再一并输入预设机器学习模型进行训练,得到同一驾驶员在不同环境数据、路段特征下运输同一货物的操作特征,并与身份标识、环境数据、路段特征关联存储;
7、s40:以目标出发时间、货物类型为基础,获取车辆行经首个目标路段的预设环境数据,获取预设的目标身份标识关联的操作特征,结合目标路段、对应目标路段特征、预设的消耗获取方法,获取车辆行经首个目标路段的动能消耗和预估行经时间;
8、s50:获取与目标导航路径距离小于预设最短距离的充能点,并根据充能点与目标导航路径间的往返路径调整目标路径;重复s40步骤迭代推演每个目标路段的动能消耗和预估行经时间,结合车辆的储能条件,以途经充能点数量最小为目标,筛选出目标导航路径最短的目标路径组合作为最终导航路径。
9、基础方案原理及有益效果如下:本发明通过关联驾驶员身份标识与车辆行驶过程中的多维度数据,整合行驶位置、导航路径、海拔数据及操作参数并结合采集时间形成历史驾驶数据,基于该数据划分导航路径为若干路段并经聚类分析构建路段特征库,再结合对应环境数据训练得到适配特定驾驶员的操作特征,在规划目标路径时,依据目标出发时间对应的环境数据、目标路段特征及绑定驾驶员的操作特征,准确预估各路段的动能消耗与行经时间,同时筛选距离目标路径较近的充能点并调整路径,通过迭代推演以最少充能点和最短路径为目标确定最终导航路径,从驾驶员个体操作习惯、路段固有特征、环境动态变化三个核心维度进行能耗预估,有效解决了重卡动能消耗预估精度低的问题,减少了驾驶员提前补能的次数,避免了因频繁补能或路径绕远导致的运输效率下降,实现了运输效率与能耗控制的协同优化。
10、多人积累的历史驾驶数据可丰富路段特征库,覆盖重卡运输更多复杂路径及充能点往返路段信息,重卡载重远高于普通车辆,这种能耗对运输成本和效率影响更显著,完整特征库能准确计算此部分能耗,提升估算准确性与路线适应性。同时,重卡操作难度和习惯对能耗影响突出,不同驾驶员操作差异会导致相同路段能耗波动,本发明绑定驾驶员身份标识训练专属操作特征,准确捕捉个体操作影响,相比通用方案更适配重卡多驾驶员场景的操作不确定性,预估更准确。
11、重卡常面临长距离跨区域运输,天气导致的路面变化、能见度降低及行车阻碍对能耗影响远大于普通短途驾驶,本发明支持依据实时更新的环境数据动态推演后续路段,调整能耗预估和充能点选择,即便环境突变仍能维持精度,针对性解决环境波动带来的预估偏差。本发明的迭代推演机制还可在运输途中结合已行驶路段实际能耗、实时数据持续优化后续规划,有效应对突发状况,避免补能紧张或路径冗余,提升导航灵活性与可靠性,契合重卡运输场景的复杂性和长时性需求。
12、重卡储能容量大、充能时间长,多次补能会占用大量运输时间且可能因绕路增加额外能耗,本发明以最少充能点为核心目标,结合最短路径筛选,从源头减少充能次数和绕路损耗,进一步降低重卡运输非必要时间和能耗成本。普通车辆充能效率高、续航需求较低,对充能次数敏感度远低于重卡,切实解决了重卡频繁补能导致运输效率低的核心问题。
13、综上所述,本发明通过关联驾驶员身份、整合多维度数据构建特征库与专属操作特征,结合实时环境数据动态推演及迭代优化,以最少充能点和最短路径规划目标路径,解决重卡能耗预估不准、多次补能致运输效率低的问题,同时提升路线适应性与导航可靠性,适配多驾驶员及长距离复杂运输场景。
14、进一步,消耗获取方法计算动能消耗时,先依据目标路段特征确定基础动能消耗,再结合操作特征、环境数据量化得到修正系数,根据修正系数修正基础动能消耗得到目标路段的动能消耗;计算预估行经时间时,先根据目标路段特征确定基础行经时间,再提取相同路段特征的历史驾驶数据,获取路段基准平均行驶速度,结合操作特征的参数变化频率量化参数变化频率对车速的影响幅度,并对基准平均行驶速度作初步调整,同时按目标路段特征的预设操作限制参数,对基准平均行驶速度进行校准得到实际平均行驶速度,最终结合实际平均行驶速度与目标路段特征获取贴合驾驶员操作习惯的预估行经时间。
15、本发明针对动能消耗和预估行经时间的计算设置双层修正逻辑,计算动能消耗时依托目标路段特征确定基础值后结合操作特征与环境数据量化修正系数,计算预估行经时间时经参数变化频率和操作限制参数双重调整,让两类数据的计算结果同时贴合目标路段特征与驾驶员操作习惯,解决传统规划仅依据路段基础数据计算导致的结果偏差问题,为后续各目标路段的迭代推演提供准确且可靠的基础数据,适配各类需结合驾驶操作的复杂路段运输场景。
16、进一步,所述环境数据包括天气数据,所述天气数据包含能见度、降雨降雪强度,并关联对应时间戳;从历史行驶数据中筛选路段特征及货物类型相同的天气样本数据,提取不同天气数据及对应时长影响下操作特征的变化规律,得到天气操作变化;计算动能消耗与预估行经时间时,依据天气操作变化、天气数据及对应时长,对各目标路段匹配的操作特征进行修正。
17、本发明将天气数据纳入环境数据并关联对应时间戳,从历史行驶数据中筛选匹配样本提取天气数据及对应时长对操作特征的变化规律,计算动能消耗和预估行经时间时依此修正目标路段的操作特征,能区分不同天气持续时长带来的操作影响差异,让两类数据的预估结果更贴合实际天气驾驶状态,填补天气时长对操作特征影响的规划空白,适配各类多天气变化的运输场景。
18、进一步,所述历史行驶数据还包含驾驶员在充能点的停留时间,以及车辆在充能点的充能时长;对比停留时间与充能时长的差值,依据差值从停留时间中获取休息时间;调取相邻两次休息时间之间的历史行驶数据作为疲劳参考数据,获取疲劳参考数据中货物类型、操作特征、天气数据,再结合天气操作变化,分析驾驶员疲劳参考数据中各路段对应的疲劳程度;筛选目标路径组合时,结合目标路段天气数据、货物类型、目标路段特征,分析驾驶员在目标路段上的疲劳程度,获取最终导航路径时,将相邻两个充能点之间路段的最大疲劳程度不超过预设疲劳阈值为限制条件。
19、本发明在历史行驶数据中纳入充能点停留时间与充能时长,通过二者差值提取有效休息时间并调取对应历史行驶数据作为疲劳参考数据,结合多维度数据分路段分析驾驶员疲劳程度,同时将疲劳阈值作为路线筛选的限制条件,让路线规划过程兼顾车辆储能条件与驾驶员生理状态,聚焦车辆和路径对驾驶员疲劳的影响,通过合理规划充能点间距规避长途运输中的疲劳驾驶行为,降低运输过程中的安全事故率。
20、进一步,分析驾驶员在目标路段上的疲劳程度时,对比驾驶员在充能点的停留时间与充能时长的差值,若差值不大于预设的休息时差阈值,则将停留时间作为休息时间,并将预设的默认疲劳程度作为驾驶员在相邻两个充能点之间路段组合的疲劳程度;若差值大于休息时差阈值,则根据差值的数值大小调整驾驶员在相邻两个充能点之间路段组合的疲劳程度。
21、本发明分析驾驶员在目标路段的疲劳程度时预设休息时差阈值,通过对比充能点停留时间与充能时长的差值进行疲劳程度量化判定,差值未超阈值时直接采用预设默认疲劳程度,差值超阈值时依差值大小调整疲劳程度,建立标准化的疲劳程度量化判定规则,让评估结果与驾驶员实际休息状态高度贴合,为后续多维度疲劳分析提供准确的量化基础,适配不同充能模式的城际运输场景。
22、进一步,提取疲劳参考数据中的货物类型、操作特征、天气数据及路段特征,按驾驶员行经各路段的顺序比对相邻路段对应的操作特征,得到操作特征相似度,将疲劳参考数据中各操作特征相似度处理为第一驾驶难度;根据天气数据获取第二驾驶难度,结合货物类型及其对应的体积、重量特征处理得到第三驾驶难度;将第一驾驶难度、第二驾驶难度与第三驾驶难度加权融合为综合疲劳驾驶难度,结合综合疲劳驾驶难度与疲劳参考数据后一时刻采集的疲劳程度,将疲劳参考数据划分为假性疲劳数据与真实疲劳数据,对假性疲劳数据对应的疲劳程度进行调整。
23、本发明提取疲劳参考数据中的多维度特征构建三级驾驶难度体系,将操作特征相似度处理为第一驾驶难度,结合天气数据和货物体积重量特征分别获取后两项驾驶难度,经加权融合得到综合疲劳驾驶难度后区分假性与真实疲劳数据并修正对应疲劳程度,避免因误判规划多余充能点,让疲劳程度评估结果更准确,同时兼顾运输过程中的经济性,适配不同路况和货物类型的运输场景。
24、进一步,根据行经目标路段特征的时序,获取各目标路段间的操作特征相似度,再结合行经目标路段特征的时序对各目标路段间的操作特征相似度进行累计,得到行经连续若干目标路段的操作特征累计相似度,根据累计相似度为预设的疲劳提示信息设置输出时间;计算目标路段间的操作特征相似度时,先从导航路径中提取各目标路段特征对应的道路曲率、高程变化幅度、行驶限速参数,以及匹配的操作特征对应的油门控制频率、刹车触发频次、转向调整幅度参数;分别计算目标路段特征和对应操作特征各对应参数间的相似度值,再计算各参数对应相似度值间的加权平均值,将加权平均值作为目标路段间的操作特征相似度。
25、本发明按行经目标路段特征的时序获取各目标路段间的操作特征相似度并完成累计计算,依据操作特征累计相似度为预设疲劳提示信息设置输出时间,让疲劳提示的输出时机与驾驶员实际疲劳发展节奏相匹配,在驾驶员精力消耗较大的场景中及时完成预警,在操作状态平稳的场景中减少无效提示,提升复杂路况下驾驶操作的安全性。
26、本发明计算目标路段间的操作特征相似度时,先从导航路径中提取路段特征与操作特征的多核心参数,再分别计算各对应参数间的相似度值并求取加权平均值,以此作为最终的操作特征相似度,打破单一维度计算相似度的局限,准确捕捉路段特征与操作特征之间的核心匹配关系,避免单一维度判定带来的结果偏差,为驾驶难度评估和疲劳提示信息输出时机设置提供高精度基础数据,提升后续各分析环节的整体可靠性。
27、进一步,获取同一身份标识的真实疲劳数据,以第一驾驶难度、第二驾驶难度、第三驾驶难度为输入,以真实疲劳数据对应路段的疲劳程度为输出,构建多元回归拟合模型并完成训练,根据拟合结果求解得到身份标识对应的第一驾驶难度、第二驾驶难度和第三驾驶难度的加权系数;将目标路段的路段特征、预估行经时间、天气数据处理为第一驾驶难度、第二驾驶难度、第三驾驶难度,再与加权系数结合,计算综合疲劳驾驶难度。
28、本发明依托驾驶员身份标识对应的真实疲劳数据,以三级驾驶难度为输入、对应路段疲劳程度为输出构建多元回归拟合模型,求解得到驾驶员专属的三级驾驶难度加权系数,再将目标路段的多维度数据处理为对应驾驶难度后结合加权系数计算综合疲劳驾驶难度,让驾驶难度评估具备驾驶员个性化特征,解决固定加权系数忽略驾驶员能力差异的问题,实现贴合不同驾驶能力和驾驶经验的个性化路线规划,大幅提升路线规划对不同驾驶员的适配性。
29、进一步,获取驾驶员在各路段的历史行驶记录,结合行驶速度、对应目标路段特征、环境数据、操作特征及货物类型建立速度能耗模型;以目标路段为阶段、目标路段上各采集时间节点的行驶速度为状态、各采集时间节点对应的动能消耗与行经时间为代价,求解得到各目标路段的建议巡航速度;将建议巡航速度输入速度能耗模型,得到调整后的动能消耗和行经时间;向车载终端获取当前荷电状态,获取各充能点的充电功率,结合调整后的动能消耗与当前荷电状态得到到达充能点的预估荷电状态;从历史驾驶数据中提取充能点对应的停留时间及充能时长,结合预设的最小休息时长得到休息充电重合度;以最大化目标导航路径上所有充能点休息充电重合度之和、最小化总行经时间、最小化途经充能点数量为目标,以预设的连续驾驶时长及目标导航路径电量安全为约束,获取各目标导航路径对应的目标路径组合的综合评分,根据综合评分筛选得到最终导航路径;行驶过程中向车载终端获取当前荷电状态、已连续驾驶时长、当前行驶位置、最终导航路径的剩余目标路径、实时环境数据、各充能点的充电功率,以当前位置为起点重新获取对应的建议巡航速度,输出建议巡航速度。
30、本发明将休息与充电时间重合,通过动态调控巡航速度匹配法规连续驾驶时长要求,车辆到达充能点时恰好触发强制休息,驾驶员休息与车辆充电同步完成,避免分段停歇产生的额外耗时,有效压缩总运输时长。同时,基于速度与能耗关联关系在可行速度区间内匹配经济巡航速度,在满足时间约束的前提下降低路段动能消耗,兼顾运输时效与运营成本;还能结合精准的动能消耗推演与荷电状态预估,以最少充能点数量为优化目标,避免因能耗预估偏差导致的提前补能行为,减少冗余停靠。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com