[发明专利]一种网联环境中新能源货车的粒子群调度方法

说明书

本发明公开了一种网联环境中新能源货车的粒子群调度方法，该方法针对新能源货车多目标优化的问题，提出改进的新能源货车粒子群调度方法；该方法主要通过改进惯性权重更新方式使得惯性权重呈非线性递减，降低系统陷入局部最优的风险，并设计先验性路径编码的方式，优化路径编码，提高算法的求解效率，减少新能源货车的能源消耗；通过应用该方法进行新能源货车调度，总路径长度和算法的收敛速度方面均有改善，并且在静态和动态环境中，均能实现新能源货车的合理调度，对于构建新能源货车的智能网联系统有重要意义。

技术领域

本发明涉及新能源货车技术领域，特别是涉及一种网联环境中新能源货车的粒子群调度方法。

背景技术

当前，V2X(vehicle to everything)技术，即车对外界的信息交换技术智能网联平台及协议已经比较成熟，该技术落地场景之一是应用于在局部区域内运行的车辆，新能源货车具有短驳运输的特点，较多应用于矿区、港口、钢厂、电厂等环境，适合构建智能网联系统。以露天矿区为例，该场景下集中多辆新能源货车，崎岖道路使得驾驶员的视觉盲区更多，尘土飞扬使得驾驶员能见度变差。基于视觉的 ADAS车载产品无法清楚感知这类环境，因此新能源货车迫切需要V2X技术，实现智能网联，以使其安全高效运行。

为了提高在局部区域运行货车的工作效率，需要开展多目标优化问题的研究。近年来，处理该问题的代表性方法有NSGA-II(非支配排序遗传算法II)、 SPEA2(强度帕累托进化算法)和蚁群算法等。与这些方法比较，粒子群算法具有独特的记忆式的搜索方式，其参数少，收敛速度快，方便于计算机实现，广泛应用于工程上的多目标优化问题。

在应用粒子群算法的过程中，算法易陷入局部最优，为此学者们对粒子群算法的参数提出了一些改进，但是目前的改进方法均是在静态环境中针对单智能体开展的，而在V2X智能网联环境中，新能源货车调度系统实时获取环境中所有的动态信息，需要实时开展多辆新能源货车的调度，因此已有的改进方法并不适用。

在利用粒子群算法开展智能体的调度时，算法的计算效率决定了调度是否实时开展，路径编码方式是影响算法计算效率的关键因素之一。相关研究中聚焦单辆新能源货车的路径编码，并未考虑车车之间的网联情况，随着车辆数增加与环境的复杂变化，算法的计算效率需要进一步提高，进而满足V2X智能网联环境中对于求解速度要求。

针对这些问题，本发明的网联环境中新能源货车的粒子群调度方法首先通过改进自适应惯性权重，在V2X智能网联环境中降低多辆新能源货车粒子群调度算法陷入局部最优的风险；其次基于路径夹角设计先验性路径编码方式，提高算法的运行效率，减少新能源货车的能源消耗。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种网联环境中新能源货车的粒子群调度方法，通过改进惯性权重更新方式和先验性路径编码的方式改进粒子群算法，解决了在V2X智能网联环境中新能源货车调度和算法效率不足的问题。

本发明采用如下的技术方案。

一种网联环境中新能源货车的粒子群调度方法，包括：

步骤1：首先，执行改进惯性权重更新方式使惯性权重呈非线性递减；

步骤2：然后，基于路径夹角设计先验性路径编码的方式，优化路径编码。

优选地，所述步骤1具体包括：

步骤1-1：构建新能源货车调度模型；

步骤1-2：叠加干扰项的自适应惯性权重的改进。

优选地，所述步骤1-1具体包括：

构建环境地图，其采用栅格法对新能源货车的运行环境进行建模，并通过序号法对栅格地图的栅格进行栅格序号编排，栅格序号与坐标的转换公式如公式 (1)所示：