本技術(shù)涉及無人駕駛領(lǐng)域，特別涉及一種井工礦無人駕駛運(yùn)輸車的調(diào)度方法及系統(tǒng)。

背景技術(shù)：

1、近年來，礦山開采向智能化、無人化的方向快速發(fā)展，越來越多的礦山企業(yè)開始引入無人駕駛運(yùn)輸車來替代傳統(tǒng)的人工駕駛運(yùn)輸模式。無人駕駛運(yùn)輸車憑借其高效、安全、經(jīng)濟(jì)等優(yōu)勢，在露天礦、井工礦等復(fù)雜采礦環(huán)境中得到了廣泛應(yīng)用。然而，隨著無人駕駛運(yùn)輸車數(shù)量的增加和應(yīng)用場景的復(fù)雜化，對無人車隊(duì)的智能調(diào)度提出了更高的要求。

2、傳統(tǒng)的礦山運(yùn)輸調(diào)度主要依賴人工指揮和簡單的調(diào)度規(guī)則，存在效率低下、響應(yīng)慢、容易出錯等問題。為了適應(yīng)無人駕駛技術(shù)的發(fā)展，亟需一種能夠自動感知礦場環(huán)境、動態(tài)優(yōu)化車輛調(diào)度、協(xié)同控制車隊(duì)運(yùn)行的智能調(diào)度系統(tǒng)。這種智能調(diào)度系統(tǒng)需要具備數(shù)據(jù)集成、實(shí)時(shí)決策、精準(zhǔn)控制等關(guān)鍵能力，從而在復(fù)雜多變的礦山環(huán)境中最大限度地發(fā)揮無人駕駛運(yùn)輸車的效能。目前，無人駕駛運(yùn)輸車的智能調(diào)度技術(shù)在露天礦領(lǐng)域已經(jīng)得到了一定的研究和應(yīng)用，但在井工礦環(huán)境下的應(yīng)用還比較少。與露天礦相比，井工礦巷道狹窄、環(huán)境惡劣、車輛密集，給無人車調(diào)度帶來了更大的困難和挑戰(zhàn)。尤其是在車流分配和車輛避讓方面，如何合理規(guī)劃車輛行駛路徑、預(yù)防車輛阻塞、提高系統(tǒng)運(yùn)輸效率，是一個(gè)亟待解決的關(guān)鍵問題。

3、具體而言，井工礦巷道普遍采用雙向單車道布置，當(dāng)兩臺無人車在狹窄巷道內(nèi)相向而行時(shí)，如果沒有及時(shí)、合理的避讓措施，極易造成車輛阻塞，導(dǎo)致整個(gè)運(yùn)輸系統(tǒng)陷入癱瘓。為了避免這種情況，無人車需要在特定的錯車硐室內(nèi)進(jìn)行錯車避讓。然而，頻繁的錯車避讓會大大降低車輛的運(yùn)輸效率。如果調(diào)度系統(tǒng)盲目地將車輛派往正在錯車的路段，反而會加劇車輛阻塞的風(fēng)險(xiǎn)，影響整個(gè)運(yùn)輸系統(tǒng)的效率和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的井下無人駕駛調(diào)度效率低的問題，本技術(shù)提供了一種井工礦無人駕駛運(yùn)輸車的調(diào)度方法及系統(tǒng)，通過構(gòu)建井工礦地圖和a*算法路徑規(guī)劃，獲取最優(yōu)路徑，提高井下無人車調(diào)度效率。

2、本技術(shù)的目的通過以下技術(shù)方案實(shí)現(xiàn)。

3、本說明書的一個(gè)方面提供一種井工礦無人駕駛運(yùn)輸車的調(diào)度方法，包括：獲取井工礦地圖數(shù)據(jù)；對獲取的地圖數(shù)據(jù)進(jìn)行處理，得到點(diǎn)云地圖；根據(jù)點(diǎn)云地圖，構(gòu)建井工礦地圖；獲取各無人駕駛運(yùn)輸車的行駛數(shù)據(jù)；行駛數(shù)據(jù)包含錯車觀察區(qū)的錯車駛?cè)牒湾e車駛離的總耗時(shí)；根據(jù)各無人駕駛運(yùn)輸車的當(dāng)前狀態(tài)為空載或滿載，將構(gòu)建的井工礦地圖作為有向拓?fù)鋱D，通過a*算法進(jìn)行路徑規(guī)劃，得到無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)裝載點(diǎn)或卸載點(diǎn)的路徑；在獲取的所有路徑中，根據(jù)無人駕駛運(yùn)輸車在錯車觀察區(qū)的錯車駛?cè)牒湾e車駛離的總耗時(shí)，選擇一條最優(yōu)路徑；根據(jù)選擇的最優(yōu)路徑，確定無人駕駛運(yùn)輸車的最終目的地；將確定的最優(yōu)路徑下發(fā)給選擇的無人駕駛運(yùn)輸車，控制運(yùn)輸車按照最優(yōu)路徑行駛。

4、其中，點(diǎn)云地圖：通過三維掃描儀等設(shè)備獲取的包含大量三維空間點(diǎn)數(shù)據(jù)的數(shù)字化地圖，每個(gè)點(diǎn)包含其三維坐標(biāo)和其他屬性信息。點(diǎn)云地圖能夠真實(shí)反映場景的三維結(jié)構(gòu)特征。錯車觀察區(qū)：無人駕駛車輛用于觀察是否有其他車輛駛?cè)?，判斷是否需要讓行的特定路段。通常設(shè)置在交叉路口、狹窄路段等容易發(fā)生車輛相遇的區(qū)域。a*算法：一種啟發(fā)式搜索算法，常用于路徑規(guī)劃領(lǐng)域。該算法通過優(yōu)先搜索最有可能達(dá)到目標(biāo)的節(jié)點(diǎn)，能夠高效地找到從起點(diǎn)到終點(diǎn)的最優(yōu)路徑。行駛數(shù)據(jù)還包含當(dāng)前位置、速度、航向角、任務(wù)狀態(tài)、駕駛狀態(tài)和狀態(tài)機(jī)等；計(jì)算考慮錯車耗時(shí)的無人駕駛運(yùn)輸車在各個(gè)路徑上的總耗時(shí)。

5、進(jìn)一步的，通過如下公式選擇一條最優(yōu)路徑：其中，n表示運(yùn)輸車最終被派往的裝載點(diǎn)編號；tn表示運(yùn)輸車預(yù)計(jì)到達(dá)裝載點(diǎn)n的時(shí)刻；tsn表示在裝載點(diǎn)n的鏟運(yùn)車預(yù)計(jì)給當(dāng)前運(yùn)輸車開始裝車的時(shí)刻；n表示運(yùn)輸車調(diào)度供選擇的裝載點(diǎn)總個(gè)數(shù)。

6、進(jìn)一步的，通過如下公式計(jì)算在裝載點(diǎn)n的鏟運(yùn)車預(yù)計(jì)給當(dāng)前運(yùn)輸車開始裝車的時(shí)刻tsn：其中，tnow表示當(dāng)前時(shí)刻；q表示運(yùn)輸車到達(dá)裝載點(diǎn)n時(shí)，在裝載點(diǎn)n等待區(qū)等候裝載的運(yùn)輸車數(shù)量；t1表示運(yùn)輸車q到達(dá)裝載點(diǎn)前，鏟車的空閑等待時(shí)間；t2表示等待區(qū)到裝載點(diǎn)的行駛時(shí)長；t3表示運(yùn)輸車的裝車時(shí)長；t4表示運(yùn)輸車裝載完成，駛離當(dāng)前裝載點(diǎn)行駛到主路經(jīng)的時(shí)長。

7、進(jìn)一步的，通過如下公式計(jì)算運(yùn)輸車預(yù)計(jì)到達(dá)裝載點(diǎn)n的時(shí)刻tn：

8、

9、其中n表示裝載點(diǎn)的編號，一共有n個(gè)裝載點(diǎn)；tn表示運(yùn)輸車預(yù)計(jì)到達(dá)裝載點(diǎn)n的時(shí)刻；tnow表示當(dāng)前時(shí)刻；p表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑個(gè)數(shù)；l表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑p中的路段數(shù)量；sl表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑p中的第l個(gè)路段的長度；vl表示運(yùn)輸車在到達(dá)裝載點(diǎn)n的路徑p中的第l個(gè)路段的行駛速度；m表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑p中的錯車觀察區(qū)的個(gè)數(shù)；sm表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑p中的第m個(gè)錯車觀察區(qū)內(nèi)的在期望行駛軌跡上的主路徑路段距離；vm表示運(yùn)輸車到達(dá)裝載點(diǎn)n的路徑p中的第m個(gè)錯車觀察區(qū)內(nèi)的在期望行駛軌跡上的主路徑路段的行駛速度；c表示到達(dá)錯車觀察區(qū)時(shí)間段與當(dāng)前運(yùn)輸車到達(dá)該錯車觀察區(qū)時(shí)間段有重疊的并且行駛優(yōu)先級高于當(dāng)前運(yùn)輸車的個(gè)數(shù)，行駛優(yōu)先級根據(jù)先到先行的原則；sm表示錯車耗時(shí)，等于錯車駛?cè)肱c錯車駛離的總耗時(shí)。

10、進(jìn)一步的，根據(jù)選擇的最優(yōu)路徑，確定無人駕駛運(yùn)輸車的最終目的地，包括：計(jì)算在裝載點(diǎn)n等待區(qū)的第w輛運(yùn)輸車預(yù)計(jì)結(jié)束裝載的時(shí)刻tw,n,e，計(jì)算公式如下：

11、

12、其中，tw,n,s表示在裝載點(diǎn)n等待區(qū)中的第w輛運(yùn)輸車到達(dá)等待區(qū)時(shí)的時(shí)刻；tload表示運(yùn)輸車從等待區(qū)去裝載點(diǎn)、裝車、離開裝載點(diǎn)的總耗時(shí)；將計(jì)算得到的鏟運(yùn)車預(yù)計(jì)給當(dāng)前運(yùn)輸車開始裝車的時(shí)刻tsn和運(yùn)輸車預(yù)計(jì)結(jié)束裝載的時(shí)刻tw,n,e進(jìn)行比較，選擇空閑時(shí)長最長的裝載點(diǎn)作為運(yùn)輸車的最終目的地，將最優(yōu)路徑的目的地更新為選擇的最終共目的地。

13、進(jìn)一步的，構(gòu)建井工礦地圖，包括：對井工礦進(jìn)行三維掃描，得到包含井工礦空間位置信息和距離信息的地圖數(shù)據(jù)；對得到的地圖數(shù)據(jù)進(jìn)行特征提取，得到井工礦的點(diǎn)云地圖；對得到的點(diǎn)云地圖進(jìn)行語義標(biāo)注；將語義標(biāo)注后的點(diǎn)云地圖轉(zhuǎn)換為三維柵格地圖數(shù)據(jù)格式，得到井工礦地圖。

14、其中，空間位置信息：表示地圖中各個(gè)元素(如路段、標(biāo)志物等)的三維空間坐標(biāo)數(shù)據(jù)(如x、y、z坐標(biāo))，用于描述元素在三維空間中的位置。距離信息：表示地圖中各個(gè)元素之間的距離數(shù)據(jù)，如兩個(gè)路段端點(diǎn)之間的距離。結(jié)合空間位置信息，距離信息用于路徑規(guī)劃、定位等應(yīng)用。語義標(biāo)注：在地圖數(shù)據(jù)處理中，通過識別點(diǎn)云等原始數(shù)據(jù)中的特定模式，將某些點(diǎn)集標(biāo)注為具有特定語義屬性(如車道線、交通標(biāo)志、建筑物等)的過程。語義標(biāo)注使地圖具備特征級的可讀性。

15、進(jìn)一步的，語義標(biāo)注包含：標(biāo)注出點(diǎn)云地圖中的車道線特征點(diǎn)集合，構(gòu)成車道線信息，用于表示無人駕駛運(yùn)輸車的行駛路徑；標(biāo)注出點(diǎn)云地圖中的觀察區(qū)特征點(diǎn)集合，構(gòu)成觀察區(qū)信息，用于表示無人駕駛運(yùn)輸車進(jìn)行錯車觀察的區(qū)域；標(biāo)注出點(diǎn)云地圖中的錯車區(qū)域特征點(diǎn)集合，構(gòu)成錯車區(qū)域信息，用于表示無人駕駛運(yùn)輸車進(jìn)行錯車的區(qū)域；標(biāo)注出點(diǎn)云地圖中的停止線特征點(diǎn)集合，構(gòu)成停止線信息，用于表示無人駕駛運(yùn)輸車停車等待的位置；標(biāo)注出點(diǎn)云地圖中的裝載點(diǎn)特征點(diǎn)集合，構(gòu)成裝載點(diǎn)信息，用于表示無人駕駛運(yùn)輸車裝載貨物的位置；標(biāo)注出點(diǎn)云地圖中的卸載點(diǎn)特征點(diǎn)集合，構(gòu)成卸載點(diǎn)信息，用于表示無人駕駛運(yùn)輸車卸載貨物的位置；標(biāo)注出點(diǎn)云地圖中的等待區(qū)特征點(diǎn)集合，構(gòu)成等待區(qū)信息，用于表示無人駕駛運(yùn)輸車等待裝載或卸載的區(qū)域。

16、進(jìn)一步的，獲取各無人駕駛運(yùn)輸車的行駛數(shù)據(jù)，包括：通過無線網(wǎng)關(guān)獲取無人駕駛運(yùn)輸車的狀態(tài)數(shù)據(jù)；狀態(tài)書包含無人駕駛運(yùn)輸車的當(dāng)前位置、速度、航向角、任務(wù)狀態(tài)、駕駛狀態(tài)和狀態(tài)機(jī)信息；根據(jù)獲取的狀態(tài)數(shù)據(jù)，獲取各無人駕駛運(yùn)輸車的行駛數(shù)據(jù)：根據(jù)預(yù)設(shè)的統(tǒng)計(jì)頻率f，統(tǒng)計(jì)預(yù)設(shè)時(shí)間段內(nèi)，各無人駕駛運(yùn)輸車在各個(gè)路段的平均車速，得到車速數(shù)據(jù)；根據(jù)預(yù)設(shè)的統(tǒng)計(jì)頻率f，結(jié)合無人駕駛運(yùn)輸車狀態(tài)機(jī)的變化時(shí)間間隔，統(tǒng)計(jì)無人駕駛運(yùn)輸車在錯車觀察區(qū)的錯車駛?cè)牒湾e車駛離的總耗時(shí)，得到錯車耗時(shí)數(shù)據(jù)；根據(jù)預(yù)設(shè)的統(tǒng)計(jì)頻率f，統(tǒng)計(jì)無人駕駛運(yùn)輸車到達(dá)預(yù)設(shè)行駛軌跡上每個(gè)停止線的實(shí)際到達(dá)時(shí)刻和預(yù)計(jì)到達(dá)時(shí)刻，得到停止線排隊(duì)隊(duì)列數(shù)據(jù)；根據(jù)預(yù)設(shè)的統(tǒng)計(jì)頻率f，判斷無人駕駛運(yùn)輸車當(dāng)前位置是否在預(yù)設(shè)行駛軌跡上裝載點(diǎn)或卸載點(diǎn)等待區(qū)范圍內(nèi)，如果在，則將對應(yīng)的無人駕駛運(yùn)輸車加入裝載點(diǎn)或卸載點(diǎn)等待區(qū)排隊(duì)隊(duì)列，并記錄相應(yīng)的到達(dá)等待區(qū)的時(shí)刻，得到裝載點(diǎn)或卸載點(diǎn)等待區(qū)排隊(duì)隊(duì)列數(shù)據(jù)；根據(jù)無人駕駛運(yùn)輸車狀態(tài)機(jī)的變化時(shí)間間隔，統(tǒng)計(jì)無人駕駛運(yùn)輸車駛?cè)胙b載點(diǎn)或卸載點(diǎn)、完成裝車或卸車作業(yè)以及駛離裝載點(diǎn)或卸載點(diǎn)的時(shí)間間隔，得到駛?cè)牖蜓b車或卸車或駛離耗時(shí)數(shù)據(jù)；將得到的車速數(shù)據(jù)、錯車耗時(shí)數(shù)據(jù)、停止線排隊(duì)隊(duì)列數(shù)據(jù)、裝載點(diǎn)或卸載點(diǎn)等待區(qū)排隊(duì)隊(duì)列數(shù)據(jù)，以及駛?cè)牖蜓b車或卸車或駛離耗時(shí)數(shù)據(jù)，作為行駛數(shù)據(jù)。

17、其中，狀態(tài)機(jī)信息：用有限狀態(tài)機(jī)模型描述無人車的行為邏輯和狀態(tài)轉(zhuǎn)移條件。如無人車可能的狀態(tài)有：行駛、避障、停車等，狀態(tài)之間的轉(zhuǎn)移取決于車輛感知數(shù)據(jù)和當(dāng)前任務(wù)。有向拓?fù)鋱D：一種用圖論的方式表示實(shí)際地圖的數(shù)據(jù)結(jié)構(gòu)。圖中的節(jié)點(diǎn)通常表示路段，有向邊表示路段之間的連通關(guān)系和行駛方向?；谕?fù)鋱D可以方便地進(jìn)行路徑搜索等操作。

18、進(jìn)一步的，根據(jù)各無人駕駛運(yùn)輸車的當(dāng)前狀態(tài)為空載或滿載，得到無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)裝載點(diǎn)或卸載點(diǎn)的路徑，包括：將構(gòu)建的井下礦場地圖數(shù)據(jù)中表示路段的特征點(diǎn)集合作為拓?fù)鋱D的頂點(diǎn)，將路段與路段之間連通關(guān)系的特征點(diǎn)集合作為拓?fù)鋱D的有向邊，通過連接所有頂點(diǎn)和有向邊，構(gòu)建表示井下礦場地圖拓?fù)浣Y(jié)構(gòu)的有向拓?fù)鋱D；獲取行駛數(shù)據(jù)中表示無人駕駛運(yùn)輸車當(dāng)前任務(wù)狀態(tài)的數(shù)據(jù)，根據(jù)任務(wù)狀態(tài)數(shù)據(jù)判斷每輛無人駕駛運(yùn)輸車的當(dāng)前貨物狀態(tài)為空載或滿載；無人駕駛運(yùn)輸車的當(dāng)前貨物狀態(tài)為空載時(shí)，在構(gòu)建的有向拓?fù)鋱D中，將對應(yīng)無人駕駛運(yùn)輸車的當(dāng)前位置對應(yīng)的頂點(diǎn)設(shè)為路徑起點(diǎn)，將井下礦場地圖中每個(gè)裝載點(diǎn)對應(yīng)的頂點(diǎn)依次設(shè)為路徑終點(diǎn)，利用a*算法搜索從路徑起點(diǎn)到每個(gè)路徑終點(diǎn)的最短路徑，得到當(dāng)前無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)裝載點(diǎn)的最短路徑；無人駕駛運(yùn)輸車的當(dāng)前貨物狀態(tài)為滿載時(shí)，在構(gòu)建的有向拓?fù)鋱D中，將對應(yīng)無人駕駛運(yùn)輸車的當(dāng)前位置的頂點(diǎn)設(shè)為路徑起點(diǎn)，將井下礦場地圖中每個(gè)卸載點(diǎn)對應(yīng)的頂點(diǎn)依次設(shè)為路徑終點(diǎn)，利用a*算法搜索從路徑起點(diǎn)到每個(gè)路徑終點(diǎn)的最短路徑，得到當(dāng)前無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)卸載點(diǎn)的最短路徑。

19、優(yōu)選的，構(gòu)建有向拓?fù)鋱D時(shí)，路段與路段之間的連通關(guān)系根據(jù)行駛數(shù)據(jù)中的車速數(shù)據(jù)確定，將平均車速大于預(yù)設(shè)車速閾值的兩個(gè)路段的連通關(guān)系表示為有向邊，平均車速小于預(yù)設(shè)車速閾值的兩個(gè)路段之間不存在有向邊。

20、優(yōu)選地，利用a*算法進(jìn)行路徑搜索時(shí)，將行駛數(shù)據(jù)中的車速數(shù)據(jù)作為有向邊的權(quán)重，優(yōu)先搜索平均車速較高的路徑，以使搜索得到的最短路徑滿足實(shí)際路況下的最優(yōu)行駛條件。

21、優(yōu)選的，利用a*算法進(jìn)行路徑搜索之前，根據(jù)行駛數(shù)據(jù)中的錯車耗時(shí)數(shù)據(jù)，將錯車耗時(shí)超過預(yù)設(shè)閾值的路段對應(yīng)的有向邊從有向拓?fù)鋱D中移除，避免搜索到錯車耗時(shí)過高的路徑。

22、優(yōu)選地，在利用a*算法得到無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)裝載點(diǎn)或卸載點(diǎn)的最短路徑后，根據(jù)行駛數(shù)據(jù)中的停止線排隊(duì)隊(duì)列數(shù)據(jù)，對經(jīng)過同一停止線的不同路徑進(jìn)行排隊(duì)等待時(shí)間的比較，選擇排隊(duì)等待時(shí)間最短的路徑作為推薦路徑。

23、優(yōu)選地，在利用a*算法得到無人駕駛運(yùn)輸車從當(dāng)前位置到達(dá)每個(gè)裝載點(diǎn)或卸載點(diǎn)的最短路徑后，根據(jù)行駛數(shù)據(jù)中的駛?cè)牖蜓b車或卸車或駛離耗時(shí)數(shù)據(jù)，對到達(dá)同一目的地裝載點(diǎn)或卸載點(diǎn)的不同路徑進(jìn)行裝卸貨耗時(shí)的比較，選擇裝卸貨耗時(shí)最短的路徑作為推薦路徑。

24、本說明書的另一個(gè)方面還提供一種井工礦無人駕駛運(yùn)輸車的調(diào)度系統(tǒng)，包括：至少一個(gè)處理單元；用于執(zhí)行指令以實(shí)現(xiàn)一種井工礦無人駕駛運(yùn)輸車的調(diào)度方法。

25、相比于現(xiàn)有技術(shù)，本技術(shù)的優(yōu)點(diǎn)在于：

26、通過對井下礦場進(jìn)行三維掃描得到點(diǎn)云地圖，并進(jìn)行語義標(biāo)注和柵格化處理，構(gòu)建了精確表達(dá)復(fù)雜井下環(huán)境信息的礦場地圖模型。由于采集了車道線、觀察區(qū)、裝卸點(diǎn)等關(guān)鍵區(qū)域的精細(xì)幾何和語義信息，為后續(xù)路徑規(guī)劃提供了可靠的地圖基礎(chǔ)，有助于提高調(diào)度決策的針對性和可行性。

27、將礦場點(diǎn)云地圖抽象為節(jié)點(diǎn)為路段、邊為連通關(guān)系的有向拓?fù)鋱D，并采用a最短路徑搜索算法進(jìn)行路徑規(guī)劃。相比于直接在原始地圖上規(guī)劃，該方法通過圖抽象簡化了搜索空間，通過a算法的啟發(fā)式搜索快速找到最優(yōu)路徑，大幅提升了路徑規(guī)劃的效率和實(shí)時(shí)性，使得調(diào)度系統(tǒng)能夠?qū)討B(tài)變化的車輛需求做出快速響應(yīng)。

28、引入了全面的車輛行駛數(shù)據(jù)采集和分析機(jī)制，包括統(tǒng)計(jì)車輛在不同路段的平均速度、在錯車觀察區(qū)的錯車耗時(shí)、在停止線和裝卸點(diǎn)的排隊(duì)情況等。通過對不同區(qū)域行駛數(shù)據(jù)的細(xì)化度量，一方面為路徑代價(jià)計(jì)算提供了數(shù)據(jù)支撐，另一方面也為調(diào)度決策提供了更全面的優(yōu)化依據(jù)，有助于提升車輛調(diào)度的整體效率。

29、提出了綜合考慮錯車、排隊(duì)、裝卸作業(yè)等多因素的路徑代價(jià)計(jì)算模型。區(qū)別于單純追求路徑最短，該模型通過定量計(jì)算到達(dá)目的地的預(yù)計(jì)時(shí)間，并比較不同路徑方案，可以更加全面地權(quán)衡路徑選擇，選出在動態(tài)條件下綜合效率最優(yōu)的調(diào)度路徑，提高了調(diào)度系統(tǒng)對復(fù)雜礦場環(huán)境的適應(yīng)能力。

30、在最優(yōu)路徑的基礎(chǔ)上，進(jìn)一步比較不同裝載點(diǎn)的預(yù)計(jì)裝車時(shí)刻和排隊(duì)車輛預(yù)計(jì)裝載結(jié)束時(shí)刻，選擇排隊(duì)時(shí)間最短的裝載點(diǎn)作為最終目的地。該優(yōu)化策略充分利用了裝載點(diǎn)的服務(wù)能力差異，可以最小化車輛的等待浪費(fèi)，從區(qū)域協(xié)同的角度進(jìn)一步提升了調(diào)度效率。