CN113642811A - 动态氢能货运路线规划方法、装置和计算机设备 - Google Patents
动态氢能货运路线规划方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113642811A CN113642811A CN202111189318.5A CN202111189318A CN113642811A CN 113642811 A CN113642811 A CN 113642811A CN 202111189318 A CN202111189318 A CN 202111189318A CN 113642811 A CN113642811 A CN 113642811A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- freight
- path
- information
- transportation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 108
- 239000001257 hydrogen Substances 0.000 title claims abstract description 108
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 74
- 238000005984 hydrogenation reaction Methods 0.000 claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 208000003464 asthenopia Diseases 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 150000002431 hydrogen Chemical class 0.000 claims description 8
- 239000010763 heavy fuel oil Substances 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000003068 static effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种动态氢能货运路线规划方法、装置、计算机设备和存储介质,实现了资源配置的优化,提升了氢能运输的效率和安全。该方法首选根据货运需求确定候选的加氢站点和与各候选加氢站点对应的候选货运车辆,之后考虑了氢能的特殊运输需求,以及运输效率和安全,通过图模型算法进行静态路径规划,得到初始的氢能货运路径,之后基于氢能运输时的路况和车辆的实时变化信息通过路径动态模型进行路径的实时动态调整,达到了为氢能运输选用合理的加氢站和运输车辆,实现了优化的资源配置,同时考虑可氢能的特殊运输要求、运输效率和安全对运输路径进行动态的调整,实现了资源配置的优化,提升了氢能运输的效率和安全。
Description
技术领域
本申请涉及新能源技术领域,特别是涉及一种动态氢能货运路线规划方法、装置、计算机设备和存储介质。
背景技术
我国正面临能源革命和产业结构调整的艰巨任务,发展氢能产业,既是我国能源安全战略的重要组成部分,也是优化能源消费结构、实现电网和气网互联互通的重要途径。发展氢能产业还能够有效带动新材料、新能源汽车以及氢储存与运输等高端装备制造业发展,对于我国加快产业结构调整、实现高质量发展具有重要意义。新能源汽车和大数据的融合是大势所趋,也是工业化和信息化深度融合的典范,基于大数据的智能新能源汽车将是我国汽车产业转型升级的战略重点方向。
但是研究发现,由于氢能运输的特定运输要求,在进行氢能运输时还存在着,资源调度不合理,运输效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够安全、高效、合理的动态氢能货运路线规划方法、装置、计算机设备和存储介质。
一种动态氢能货运路线规划方法,所述方法包括:
根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各索索胡候选加氢站点对应的候选货运车辆;
将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的氢能货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图;
将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子;
监测所述目标候选车辆的行驶状态,并实时获取运输变化信息;所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息;
将所述运输变化信息输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
在其中一个实施例中,在执行步骤将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆之前,所述方法还包括:
构建原始图模型;
获取多条历史氢能货运数据;每一历史氢能货运数据均包含货运车辆以及对应的货运路径;
对每条历史氢能货运数据进行货运评价标记以构建训练样本集;
将所述构建训练样本集输入所述原始图模型,将路径安全,运输效率以及车辆评价系数作为模型参数,进行模型训练,得到所述图模型。
在其中一个实施例中,在执行步骤将所述运输变化信息输入路径动态规划模型之前,所述方法还包括:
构建原始路径动态规划模型;
获取货运车辆的站点到站点之间的带时间戳的交通信息;
根据所述带时间戳的交通信息,获取站点间多个时间段的货运车辆的路段通行时间;
将所述站点间多个时间段的货运车辆的路段通行时间,以及对应的货运车辆的耗能,对应的中间站点的状态信息,以及对应的驾驶员状态信息输入所述原始路径动态规划模型,并将路段中的特殊地理信息作为影响参数,训练所述原始路径动态规划模型,得到所述路径动态规划模型。
在其中一个实施例中,所述监测所述目标候选车辆的行驶状态,并实时获取运输变化信息,包括:
获取所述目标候选车辆当前的北斗定位信息,GPS定位信息,以及车载环境感知信息;
将当前时间的所述北斗定位信息,GPS定位信息作为卡尔曼滤波算法的输入,所述车载环境感知信息作为所述卡尔曼滤波算法的约束,输出所述目标候选车辆的实时位置;
根据所述车辆的实时位置的变化获取所述目标候选车辆的行驶状态和运输变化信息。
在其中一个实施例中,所述监测所述目标候选车辆的行驶状态,并实时获取运输变化信息,包括:
获取实时车况信息和车身行为得到;
根据所述驾驶员的实时人脸图像获取人眼疲劳识别特征参数,表情特征参数;
将所述人眼疲劳识别特征参数,表情特征参数以及对应的车况信息,车身行为信息以及行驶轨迹偏离信息输入驾驶行为评价模型,得到驾驶员状态信息。
在其中一个实施例中,所述车身行为包括:握姿、车速、加速度趋势、方向盘转动幅度。
在其中一个实施例中,所述方法还包括:
获取所述目标候选车辆的目标候选路径和目标候选车辆行驶经由的位置;
根据所述目标候选车辆行驶经由的位置获取所述目标候选车辆的实时行驶路径;
根据所述实时行驶路径和所述目标候选路径计算所述行驶轨迹偏离信息。
一种动态氢能货运路线规划装置,所述装置包括:
信息获取模块,用于根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各索索胡候选加氢站点对应的候选货运车辆;
有向图构建模块,用于将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的氢能货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图;
模型处理模块,用于将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子;
监测模块,用于监测所述目标候选车辆的行驶状态,并实时获取运输变化信息;所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息;
动态调整模块,用于将所述运输变化信息输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述的动态氢能货运路线规划方法、装置、计算机设备和存储介质,实现了资源配置的优化,提升了氢能运输的效率和安全。该方法首选根据货运需求确定候选的加氢站点和与各候选加氢站点对应的候选货运车辆,之后考虑了氢能的特殊运输需求,以及运输效率和安全,通过图模型算法进行静态路径规划,得到初始的氢能货运路径,之后基于氢能运输时的路况和车辆的实时变化信息通过路径动态模型进行路径的实时动态调整,达到了为氢能运输选用合理的加氢站和运输车辆,实现了优化的资源配置,同时考虑可氢能的特殊运输要求、运输效率和安全对运输路径进行动态的调整,实现了资源配置的优化,提升了氢能运输的效率和安全。
附图说明
图1为一个实施例中动态氢能货运路线规划方法的应用环境图;
图2为一个实施例中动态氢能货运路线规划方法的流程示意图;
图3为一个实施例中步骤S104的流程示意图;
图4为另一个实施例中步骤S104的流程示意图;
图5为一个实施例中动态氢能货运路线规划装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的一种动态氢能货运路线规划方法,可以应用于如图1所示的应用环境中。其中,服务器104与终端102以及服务站点106进行通信。其中,服务站点106可以为加氢站,或其他类型的车辆服务站点。终端102为货运车辆与服务器通信的智能终端,其形式可以但不限于是各种车载终端、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种动态氢能货运路线规划方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S110:根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各候选加氢站点对应的候选货运车辆。
其中,氢能货运的需求信息包含氢能源源的需求量,需求方,需求时间以及运输要求。服务器104在获取了氢能货运的需求信息后,获取符合需求的加氢站点以及空闲的、符合运输要求的货运车辆,将符合要求的加氢站点以及空闲的、符合运输要求的货运车辆作为候选加氢站点和候选货运车辆。在确定加氢站点是否符合需求时可首先考虑剩余燃料储量,再考虑位置。进一步的,也可以考虑各个加氢站点的历史运输的评价信息。该历史评价信息可以从加氢站点的配货频率,可选择中间站点的多样性,位置,规模,设备规格状态等等方面进行评价。其中,中间站点为货运车辆的服务站点。候选站点对应的候选车辆为执行运输对应的候选站点的氢能任务,能够达到运输需求的货运车辆。中间站点的信息来源可以是服务站点106与服务器104通信获得。也可能是通过车车通信(v2v),车路通信(v2r)等V2X的方式获得。
步骤S120:将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图。
服务器104在确定候选加氢站点后,基于该候选加氢站点与终点获取中间站点,该中间站点为对应的候选车辆可停靠的服务站点。应当清楚的是,可停靠并不等同于必然停靠,货运车辆在运输过程中驾驶人员可以基于驾驶状态自主的选择是否进入中间站点停靠,或者选择在哪一中间站点进行停靠。在确定起点,终点以及中间点后,可以进行货运有向图的构建。该货运有向图与车辆可选的运输路径对应。
步骤S130:将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子。
其中,车辆信息包括车辆的实时位置,车辆速度,驾驶员状态,氢能罐的状态信息。服务器104将货运有向图和货运有向图均作为图模型的输入,获取目标候选路径以及对应的目标候选车辆。
在执行本步骤前,通常会进行图模型的构建与训练,具体过程可以为:
a.构建原始图模型;b.获取多条历史氢能货运数据;每一历史氢能货运数据均包含货运车辆以及对应的货运路径;c.对每条历史氢能货运数据进行货运评价标记以构建训练样本集; d.将所述构建训练样本集输入所述原始图模型,将路径安全,运输效率以及车辆评价系数作为模型参数,进行模型训练,得到所述图模型。
步骤S140:监测所述目标候选车辆的行驶状态,并实时获取运输变化信息。其中,所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息。该车况变化信息可以包括车辆的速度的变化,车辆轮胎的温度,磨损程度,氢气罐的状态(密封,气压等)。中间站点的状态变化信息可以包括:站点内、出口,入口的车辆密度,人员配置变化,储能变化等等。路况变化信息可以包括车辆的通行效率,路面温度,路面平整度等等。驾驶员状态变化信息可以包括驾驶员的连续驾驶时长,驾驶行为评价结果等等。
服务器104实时监测目标候选车辆的行驶状态以及运输变化信息。可选地,服务器可以基于获取的车辆的行驶状态得到车辆实时位置信息和车况的变化。同事车辆的行驶状态还可以作为驾驶员状态变化的参考信息。
步骤S150:将所述运输变化信息以及车辆的当前状态输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
服务器104将所述运输变化信息以及车辆的当前状态输入路径动态规划模型,获取车辆的当前规划路径。在当前规划路径与目标候选路径存在的差异大于设定的阈值时,判定输出的当前规划的路径与所述目标候选路径不同。此时需要通知目标候选车辆调整行驶路径。可选的,该行驶路径的调整可以包括货运量的调整以及基于调整货运量之后所做的路径调整。例如,车辆在行驶至A站点是,路径动态规划模型认为以车辆当前装载量行驶在X路段(运输通行路段),会因车辆轮胎和地面温度造成运输危险,此时则需要在A站点进行运载量调整。但是运输还需要达到目标运输量,此时动态规划模型,可以获取当前的各个加氢站的剩余燃料储量,基于车辆当前处于的A站点,以及需要到达的终点和需补充的氢能进行路径调整,以完成氢能运输任务。服务器可以通过下发信息至目标候选车辆上的终端102通知目标候选车辆调整行驶路径。
可选地,在执行步骤将所述运输变化信息输入路径动态规划模型之前,所述方法还包括:a.构建原始路径动态规划模型;b.获取货运车辆的站点到站点之间的带时间戳的交通信息;c.根据所述带时间戳的交通信息,获取站点间多个时间段的货运车辆的路段通行时间;d.将所述站点间多个时间段的货运车辆的路段通行时间,以及对应的货运车辆的耗能,对应的中间站点的状态信息,以及对应的驾驶员状态信息输入所述原始路径动态规划模型,并将路段中的特殊地理信息作为影响参数,训练所述原始路径动态规划模型,得到所述路径动态规划模型。
上述动态氢能货运路线规划方法中,首选根据货运需求确定候选的加氢站点和与各候选加氢站点对应的候选货运车辆,之后考虑了氢能的特殊运输需求,以及运输效率和安全,通过图模型算法进行静态路径规划,得到初始的氢能货运路径,之后基于氢能运输时的路况和车辆的实时变化信息通过路径动态模型进行路径的实时动态调整,达到了为氢能运输选用合理的加氢站和运输车辆,实现了优化的资源配置,同时考虑可氢能的特殊运输要求、运输效率和安全对运输路径进行动态的调整,实现了资源配置的优化,提升了氢能运输的效率和安全。
在一个实施例中,如图3所示,步骤S140包括:
步骤S141:获取所述目标候选车辆当前的北斗定位信息,GPS定位信息,以及车载环境感知信息。其中,车载环境感知信息可以包括车辆的图像传感器得到的图像,或者雷达传感器得到的点云。
步骤S142:将当前时间的所述北斗定位信息,GPS定位信息作为卡尔曼滤波算法的输入,所述车载环境感知信息作为所述卡尔曼滤波算法的约束,输出所述目标候选车辆的实时位置。
步骤S143:根据所述车辆的实时位置的变化获取所述目标候选车辆的行驶状态和运输变化信息。
本实施例的方法通过卡尔曼滤波算法处理了多种位置信息获取源得到的定位信息,得到位置更加准确,进而,由于位置信息是进行多种状态变化信息的计算的基础,在利用该位置信息进行对应的状态变化计算时,得到的结果更加准确,例如:该位置信息用于车辆的行驶状态变化计算和运输信息变化计算时,得到的结果必然是更加准确。
在一个实施例中,如图4所示,步骤S140还包括:
步骤S144:获取实时车况信息和车身行为信息。其中,所述车身行为信息包括:握姿、车速、加速度趋势、方向盘转动幅度。
步骤S145:根据所述驾驶员的实时人脸图像获取人眼疲劳识别特征参数,表情特征参数。可选地,将驾驶员的实时人脸图像输入特征提取网络获取人眼疲劳识别特征参数,表情特征参数。
步骤S146:将所述人眼疲劳识别特征参数,表情特征参数以及对应的车况信息,车身行为信息以及行驶轨迹偏离信息输入驾驶行为评价模型,得到驾驶员状态信息。
可选地,行驶轨迹偏离信息的获取可以通过如下步骤获得:获取所述目标候选车辆的目标候选路径和目标候选车辆行驶经由的位置;根据所述目标候选车辆行驶经由的位置获取所述目标候选车辆的实时行驶路径;根据所述实时行驶路径和所述目标候选路径计算所述行驶轨迹偏离信息。
本实施例通过获取车身数据,驾驶员人脸数据以及驾驶轨迹信息综合的进行驾驶行为评价,本方法得到评价结果被用于氢能车辆的运输评价时,可以在评价运输路线是否合规的同时,更加客观可靠的呈现评价结果。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种动态氢能货运路线规划装置,包括:
信息获取模块510,用于根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各索索胡候选加氢站点对应的候选货运车辆;
有向图构建模块520,用于将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的氢能货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图;
模型处理模块530,用于将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子;
监测模块540,用于监测所述目标候选车辆的行驶状态,并实时获取运输变化信息;所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息;
动态调整模块550,用于将所述运输变化信息输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
在其中一个可选的实施例中,模型处理模块530还用于构建原始图模型;
获取多条历史氢能货运数据;每一历史氢能货运数据均包含货运车辆以及对应的货运路径;对每条历史氢能货运数据进行货运评价标记以构建训练样本集;将所述构建训练样本集输入所述原始图模型,将路径安全,运输效率以及车辆评价系数作为模型参数,进行模型训练,得到所述图模型。
在其中一个可选的实施例中,动态调整模块550还用于构建原始路径动态规划模型;获取货运车辆的站点到站点之间的带时间戳的交通信息;根据所述带时间戳的交通信息,获取站点间多个时间段的货运车辆的路段通行时间;将所述站点间多个时间段的货运车辆的路段通行时间,以及对应的货运车辆的耗能,对应的中间站点的状态信息,以及对应的驾驶员状态信息输入所述原始路径动态规划模型,并将路段中的特殊地理信息作为影响参数,训练所述原始路径动态规划模型,得到所述路径动态规划模型。
在其中一个可选的实施例中,监测模块540用于获取所述目标候选车辆当前的北斗定位信息,GPS定位信息,以及车载环境感知信息;将当前时间的所述北斗定位信息,GPS定位信息作为卡尔曼滤波算法的输入,所述车载环境感知信息作为所述卡尔曼滤波算法的约束,输出所述目标候选车辆的实时位置;根据所述车辆的实时位置的变化获取所述目标候选车辆的行驶状态和运输变化信息。
在其中一个可选的实施例中,监测模块540用于获取实时车况信息和车身行为得到;根据所述驾驶员的实时人脸图像获取人眼疲劳识别特征参数,表情特征参数;将所述人眼疲劳识别特征参数,表情特征参数以及对应的车况信息,车身行为信息以及行驶轨迹偏离信息输入驾驶行为评价模型,得到驾驶员状态信息。可选地所述车身行为包括:握姿、车速、加速度趋势、方向盘转动幅度。
在其中一个可选的实施例中,监测模块540用于获取所述目标候选车辆的目标候选路径和目标候选车辆行驶经由的位置;根据所述目标候选车辆行驶经由的位置获取所述目标候选车辆的实时行驶路径;根据所述实时行驶路径和所述目标候选路径计算所述行驶轨迹偏离信息。
关于动态氢能货运路线规划装置的具体限定可以参见上文中对于动态氢能货运路线规划方法的限定,在此不再赘述。上述动态氢能货运路线规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储货运车辆相关数据、加氢站相关数据以及中间站点、道路相关的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种动态氢能货运路线规划方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述实施例中动态氢能货运路线规划方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中动态氢能货运路线规划方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种动态氢能货运路线规划方法,其特征在于,所述方法包括:
根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各候选加氢站点对应的候选货运车辆;
将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图;
将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子;
监测所述目标候选车辆的行驶状态,并实时获取运输变化信息;所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息;
将所述运输变化信息将所述运输变化信息以及车辆的当前状态输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
2.根据权利要求1所述的方法,其特征在于,在执行步骤将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆之前,所述方法还包括:
构建原始图模型;
获取多条历史氢能货运数据;每一历史氢能货运数据均包含货运车辆以及对应的货运路径;
对每条历史氢能货运数据进行货运评价标记以构建训练样本集;
将所述构建训练样本集输入所述原始图模型,将路径安全,运输效率以及车辆评价系数作为模型参数,进行模型训练,得到所述图模型。
3.根据权利要求1所述的方法,其特征在于,在执行步骤将所述运输变化信息输入路径动态规划模型之前,所述方法还包括:
构建原始路径动态规划模型;
获取货运车辆的站点到站点之间的带时间戳的交通信息;
根据所述带时间戳的交通信息,获取站点间多个时间段的货运车辆的路段通行时间;
将所述站点间多个时间段的货运车辆的路段通行时间,以及对应的货运车辆的耗能,对应的中间站点的状态信息,以及对应的驾驶员状态信息输入所述原始路径动态规划模型,并将路段中的特殊地理信息作为影响参数,训练所述原始路径动态规划模型,得到所述路径动态规划模型。
4.根据权利要求1所述的方法,其特征在于,所述监测所述目标候选车辆的行驶状态,并实时获取运输变化信息,包括:
获取所述目标候选车辆当前的北斗定位信息,GPS定位信息,以及车载环境感知信息;
将当前时间的所述北斗定位信息,GPS定位信息作为卡尔曼滤波算法的输入,所述车载环境感知信息作为所述卡尔曼滤波算法的约束,输出所述目标候选车辆的实时位置;
根据所述车辆的实时位置的变化获取所述目标候选车辆的行驶状态和运输变化信息。
5.根据权利要求4所述的方法,其特征在于,所述监测所述目标候选车辆的行驶状态,并实时获取运输变化信息,包括:
获取实时车况信息和车身行为得到;
根据所述驾驶员的实时人脸图像获取人眼疲劳识别特征参数,表情特征参数;
将所述人眼疲劳识别特征参数,表情特征参数以及对应的车况信息,车身行为信息以及行驶轨迹偏离信息输入驾驶行为评价模型,得到驾驶员状态信息。
6.根据权利要求5所述的方法,其特征在于,所述车身行为包括:握姿、车速、加速度趋势、方向盘转动幅度。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述目标候选车辆的目标候选路径和目标候选车辆行驶经由的位置;
根据所述目标候选车辆行驶经由的位置获取所述目标候选车辆的实时行驶路径;
根据所述实时行驶路径和所述目标候选路径计算所述行驶轨迹偏离信息。
8.一种动态氢能货运路线规划装置,其特征在于,所述装置包括:
信息获取模块,用于根据氢能货运的需求信息,加氢站点的位置和剩余燃料储量,以及氢能货运车辆的状态,从所述加氢站点和所述氢能货运车辆中选择候选加氢站点和与各索索胡候选加氢站点对应的候选货运车辆;
有向图构建模块,用于将各候选加氢站点作为货运起点,将货运目标点作为终点,将各起点与对应的终点之间的氢能货运车辆的服务站点作为中间站点,构建各个候选加氢站点对应的货运有向图;
模型处理模块,用于将各所述货运有向图以及对应的候选车辆的车辆信息输入预设的图模型,输出目标候选路径以及对应的目标候选车辆;所述图模型的权重参数包括路径安全,运输效率以及车辆评价系数;将氢气运输要求作为路径安全的影响因子;
监测模块,用于监测所述目标候选车辆的行驶状态,并实时获取运输变化信息;所述运输变化信息包括货运车辆的实时位置和车况变化信息,中间站点的状态变化信息,路况变化信息,以及驾驶员状态变化信息;
动态调整模块,用于将所述运输变化信息输入路径动态规划模型,并在所述路径动态规划模型输出的路径与所述目标候选路径不同时,通知所述目标候选车辆调整行驶路径。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189318.5A CN113642811B (zh) | 2021-10-12 | 2021-10-12 | 动态氢能货运路线规划方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189318.5A CN113642811B (zh) | 2021-10-12 | 2021-10-12 | 动态氢能货运路线规划方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642811A true CN113642811A (zh) | 2021-11-12 |
CN113642811B CN113642811B (zh) | 2021-12-24 |
Family
ID=78426456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111189318.5A Active CN113642811B (zh) | 2021-10-12 | 2021-10-12 | 动态氢能货运路线规划方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642811B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519551A (zh) * | 2022-04-20 | 2022-05-20 | 小柿子(北京)汽车供应链管理有限公司 | 氢能货运车辆的调度方法、装置和存储介质 |
CN114881574A (zh) * | 2022-05-27 | 2022-08-09 | 小柿子(北京)汽车供应链管理有限公司 | 货物运输的接单方法、装置和计算机设备 |
CN115019496A (zh) * | 2022-04-21 | 2022-09-06 | 内蒙古中科装备有限公司 | 移动加氢的车辆调度方法及装置 |
CN117436777A (zh) * | 2023-12-20 | 2024-01-23 | 江苏运满满同城信息科技有限公司 | 一种用于智能物流货运的多式联运方法及*** |
CN117970822A (zh) * | 2024-04-02 | 2024-05-03 | 陕西黑石绿能能源科技有限公司 | 一种自动化无人加氢***及其加氢方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020138197A1 (en) * | 2001-03-26 | 2002-09-26 | Schramke Richard W. | Hazardous materials information management system |
CN101943902A (zh) * | 2010-08-18 | 2011-01-12 | 北京物资学院 | 一种危险品物流安全监控***和方法 |
CN111415048A (zh) * | 2020-04-10 | 2020-07-14 | 大连海事大学 | 一种基于强化学习的车辆路径规划方法 |
CN112434849A (zh) * | 2020-11-19 | 2021-03-02 | 上海交通大学 | 基于改进多目标算法的危险品运输路径动态规划方法 |
CN113361997A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种基于风险最小化的危险废物运输路径实时规划的方法 |
-
2021
- 2021-10-12 CN CN202111189318.5A patent/CN113642811B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020138197A1 (en) * | 2001-03-26 | 2002-09-26 | Schramke Richard W. | Hazardous materials information management system |
CN101943902A (zh) * | 2010-08-18 | 2011-01-12 | 北京物资学院 | 一种危险品物流安全监控***和方法 |
CN111415048A (zh) * | 2020-04-10 | 2020-07-14 | 大连海事大学 | 一种基于强化学习的车辆路径规划方法 |
CN112434849A (zh) * | 2020-11-19 | 2021-03-02 | 上海交通大学 | 基于改进多目标算法的危险品运输路径动态规划方法 |
CN113361997A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种基于风险最小化的危险废物运输路径实时规划的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519551A (zh) * | 2022-04-20 | 2022-05-20 | 小柿子(北京)汽车供应链管理有限公司 | 氢能货运车辆的调度方法、装置和存储介质 |
CN115019496A (zh) * | 2022-04-21 | 2022-09-06 | 内蒙古中科装备有限公司 | 移动加氢的车辆调度方法及装置 |
CN115019496B (zh) * | 2022-04-21 | 2023-08-25 | 内蒙古中科装备有限公司 | 移动加氢的车辆调度方法及装置 |
CN114881574A (zh) * | 2022-05-27 | 2022-08-09 | 小柿子(北京)汽车供应链管理有限公司 | 货物运输的接单方法、装置和计算机设备 |
CN117436777A (zh) * | 2023-12-20 | 2024-01-23 | 江苏运满满同城信息科技有限公司 | 一种用于智能物流货运的多式联运方法及*** |
CN117436777B (zh) * | 2023-12-20 | 2024-03-08 | 江苏运满满同城信息科技有限公司 | 一种用于智能物流货运的多式联运方法及*** |
CN117970822A (zh) * | 2024-04-02 | 2024-05-03 | 陕西黑石绿能能源科技有限公司 | 一种自动化无人加氢***及其加氢方法 |
CN117970822B (zh) * | 2024-04-02 | 2024-06-25 | 陕西黑石绿能能源科技有限公司 | 一种自动化无人加氢***及其加氢方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113642811B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113642811B (zh) | 动态氢能货运路线规划方法、装置和计算机设备 | |
US9919715B2 (en) | Vehicle mode scheduling with learned user preferences | |
Martinez et al. | Energy management in plug-in hybrid electric vehicles: Recent progress and a connected vehicles perspective | |
US10852150B2 (en) | Methods and apparatuses for fuel consumption prediction | |
US20150158397A1 (en) | Method and Apparatus for Predicting Electric Vehicle Energy Consumption | |
Lee et al. | Energy implications of self-driving vehicles | |
US20220122011A1 (en) | Method and system for operating a fleet of vehicles | |
CN113743878B (zh) | 氢能运输车辆的派单方法、装置和计算机设备 | |
US20200307785A1 (en) | System and method for providing total logistic using drone | |
Jia et al. | An enhanced predictive cruise control system design with data-driven traffic prediction | |
US20220055488A1 (en) | Electrified vehicle with indication of adequate driving range based on autoencoder | |
CN108382204A (zh) | 用于车辆的速度控制器 | |
Guardiola et al. | Modelling driving behaviour and its impact on the energy management problem in hybrid electric vehicles | |
US10698420B2 (en) | Method and apparatus for coordinating deployment of a fleet of autonomous vehicles | |
Liu et al. | A distributed and privacy-aware speed advisory system for optimizing conventional and electric vehicle networks | |
DE102018217320A1 (de) | System und Verfahren zum Bestimmen eines Ladeprofils für ein elektrisches Fahrzeug | |
US20210078438A1 (en) | Information processing system | |
CN113627693A (zh) | 一种电动汽车实时能量管理方法、装置、汽车和存储介质 | |
CN113415288A (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
CN114510052A (zh) | 一种云服务平台、协同调度方法、装置及*** | |
Hernandez et al. | Applications of Cloud Computing in Intelligent Vehicles: A Survey | |
US20230162542A1 (en) | Device and method for handling a data associated with energy consumption of a vehicle | |
CN116185019A (zh) | 无人公交***控制方法、装置、计算机设备和存储介质 | |
CN114519551B (zh) | 氢能货运车辆的调度方法、装置和存储介质 | |
KR102480915B1 (ko) | 지능형 차량 주행 제어 시스템의 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |