[发明专利]基于人工智能的多洒水车协同调度方法及系统

权利要求书

1.一种基于人工智能的多洒水车协同调度方法，其特征在于，该方法包括以下步骤：

获取各洒水车对应的原始洒水路线上各路段的扬尘程度，将所述扬尘程度大于扬尘程度阈值的路段记为目标路段；求各洒水车对应的原始洒水路线上目标路段的总长度与对应的原始洒水路线总长度之比，记为各洒水车对应的第一调度指标，并将第一调度指标最大的洒水车，记为第一目标洒水车；

构建各目标路段的特征向量，根据所述各目标路段的特征向量，构建局部人工势场；根据所述局部人工势场，得到第一目标洒水车的新路径；所述特征向量包括：第一调度指标、扬尘程度超出扬尘程度阈值的程度以及扬尘程度超出扬尘程度阈值的时刻到当前时刻的时间间隔；

求所述第一目标洒水车的新路径上目标路段总长度与新路径总长度之比，记为新路径对应的有效作业比例；求所述新路径对应的有效作业比例与原洒水路线对应的有效作业比例之差，记为第一目标洒水车的第二调度指标，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线；

判断所述第一目标洒水车的洒水路线是否已覆盖设定比例的目标路线，若已覆盖设定比例的目标路线，则只控制第一目标洒水车按照所述洒水路线进行洒水；

所述各目标路段的特征向量，构建局部人工势场的方法包括：

根据道路分布，计算道路障碍物形成的斥力场；

将第一目标洒水车对应的原始洒水路线上与第一目标洒水车当前位置距离最近的目标路段的起始位置记为目标位置；

将第一目标洒水车当前位置作为起始位置，根据起始位置和目标位置，构建第一引力场；

根据剩余洒水车对应的原始洒水路线的目标路段的特征向量，构建第二引力场，所述剩余洒水车为除了第一目标洒水车以外的洒水车；

根据斥力场、第一引力场和第二引力场，构建局部人工势场。

2.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，若所述第一目标洒水车的洒水路线没有覆盖设定比例的目标路线，则根据未覆盖到的目标路段得到第二目标洒水车，根据第二目标洒水车的第二调度指标得到第二目标洒水车的洒水路线，并判断第二目标洒水车的洒水路线是否已覆盖设定比例的所述未覆盖到的目标路段，若是，则只控制第一目标洒水车和第二目标洒水车按照对应的洒水路线进行洒水。

3.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，所述第二引力场的计算公式为：

其中，表示目标路段对起始位置的第二引力场，为距离阈值，表示第一目标洒水车从起始位置指向目标位置的向量，表示第一目标洒水车从起始位置指向目标路段的向量，为第一目标洒水车到目标路段的距离，为引力系数，为目标路段对应原始洒水路线的洒水车的第一调度指标，为目标路段的扬尘程度，为扬尘程度阈值，为目标路段超出扬尘程度的时刻到当前时刻的时间间隔，为自然常数。

4.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，根据所述局部人工势场，得到第一目标洒水车的新路径的方法包括：

将第一目标洒水车对应的原始洒水路线上各目标路段的起始点作为目标位置，终止点作为起始位置，根据起始位置和目标位置构建多个局部人工势场；

根据各局部人工势场，得到起始点到目标位置的最优路径；

根据各个最优路径，得到第一目标洒水车的新路径。

5.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，所述得到第一目标洒水车的第二调度指标的计算公式为：

其中，为第一目标洒水车的第二调度指标，为第一目标洒水车的新路径的总长度，为新覆盖的目标路段，为目标路段的长度，为目标路段所在原始洒水路线的总长度，为目标路段的扬尘程度，为洒水车的第一调度指标。

6.根据权利要求1所述的基于人工智能的多洒水车协同调度方法，其特征在于，根据所述第一目标洒水车的第二调度指标，得到第一目标洒水车的洒水路线的方法包括：

对第一目标洒水车的第二调度指标进行判断，若第二调度指标大于零，则将新路径作为第一目标洒水车的洒水路线；若第二调度指标小于等于零，则将第一目标洒水车对应的原始洒水路线作为洒水路线。

7.一种基于人工智能的多洒水车协同调度系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-6任一项所述的基于人工智能的多洒水车协同调度方法。