[发明专利]一种应用于驾校无人驾驶教练车的协同调度系统

权利要求书

1.一种应用于驾校无人驾驶教练车的协同调度系统，包括无人驾驶车终端，其特征在于：还包括云端数据库服务器、调度服务器和上位机，调度服务器包括数据计算模块和调度算法模块，多个所述无人驾驶车终端的数据输出端与所述云端数据库服务器的数据输入端连接，所述云端数据库服务器的数据输出端与所述调度服务器的输入端连接，所述调度服务器的输出端与所述上位机的输入端连接，所述上位机的控制输出端分别与多个所述无人驾驶车终端的控制输入端连接。

所述无人驾驶车终端采集GPS位置信息、启动时间数据和车辆使用次数。

所述云端数据库服务器存储学员历史训练数据、车辆使用次数和GPS位置信息。

所述数据计算模块为所述调度算法模块的任务调度、车辆调度和训练场地调度提供调度指标，所述数据计算模块包括训练场地使用率、任务优先级、任务相关系数、车辆使用率、阻塞系数、时间比值。

所述调度算法模块包括任务调度，车辆调度，项目及训练场地调度。

2.根据权利要求1所述的一种应用于驾校无人驾驶教练车的协同调度系统，其特征在于：所述调度算法模块包括以下步骤：

Step1：车辆调度：从数据计算模块获取任务优先级ξ、任务相关系数η和open集合项目的训练场地使用率α_i，选择预约人员；

Step2：车辆调度：从数据计算模块获取车辆使用率，进行车辆调度，选择车辆使用率最低的车辆为调度车辆；

Step3：项目及训练场地调度：从数据计算模块获取open集合项目对应的路径path_i(阻塞系数c，训练场地使用率α，时间比值ψ，项目，训练场)。根据获取数据构造分类树结构，根据分类树结构的节点自定义节点分值，根据累计节点的分值进得到类别值，根据类别值的最大值得到路径集合。

对路径集合中的每个路径path_i，根据以下公式计算路径path_i优先权p：

p＝c+2ψ-3α

p值越大，对应的路径越优先，若p值相等且α不相等，考虑场地使用率越低越先选择，若p值相等且α相等，判断ψ大小。所述上位机控制所述无人驾驶车终端选择最优路径。

3.根据权利要求1所述的一种应用于驾校无人驾驶教练车的协同调度系统，其特征在于：所述构造分类树的构建方法如下：

(a)构造分类树结构。初始化类别为7类{6,5,...,1,0}训练场地使用率α为第一属性，时间比值ψ为第二属性，阻塞系数c为第三属性以这三个属性建立树结构。第一层是代表第一属性分类的根节点，第二层是代表第二属性分类的节点，第三层是代表第三属性分类的节点，第四层是代表类别的叶节点。

(b)每一个内部节点都表示一个属性条件判断:第一属性{(α＝1,高,0),(0.5<＝α<1,中,1),(0<＝α<0.5,低,3)}，第二属性{(0.8<＝ψ<1,短,2),(0.6<＝ψ<0.8,中,1),(0<ψ<0.6,长,0)},第三属性{(0.2<＝c_i<1或c_i＝0,不堵,1),(0<c_i<0.2,堵,0)。叶节点表示路径类别，根据判断得到的分值进行累加得到的值为类别。

(c)根据分类结果，获取最大类别的数据集{path₀,path₂,...,path_n},n为最大类别数据集的size。