随着露天矿智能化建设的快速发展,露天矿卡车调度系统和无人驾驶设备的研究备受关注。然而,这些智能化研究的进步都依赖于路网模型的构建。路网模型反映了露天矿道路的地理位置信息和拓扑关系,是推进露天矿卡车调度系统和无人驾驶设备快速发展的基础。因此,生成实时、准确的露天矿路网对于露天矿智能化建设至关重要。本文旨在研究适用于露天矿地理环境的路网生成方法。为此,本文以露天矿卡车产生的海量GPS(Global Positioning System)轨迹数据为基础,探讨如何生成符合实际情况的露天矿路网。主要研究内容如下:(1)基于双图卷积网络的露天矿路网生成方法现有的路网生成方法往往只使用单一的轨迹特征。此外,构建的深度网络只能利用局部上下文信息,缺乏全局上下文信息的捕获能力。为了解决上述问题,本文提出基于双图卷积网络的露天矿路网生成方法(Road network Generation method of open-pit mine based on Dual Graph convolution network,RGDG)。首先,该方法构建多组轨迹特征并进行特征融合,得到轨迹融合特征。然后,设计了露天矿道路中心线预测网络(Road Centerline Prediction Network,RCP-Net),RCPNet通过残差编码器提取轨迹融合特征的深度特征,并采用双图卷积网络建模深度特征的空间全局上下文信息和通道全局上下文信息,输出深度上下文特征。接着,将深度上下文特征输入到露天矿道路中心线解码器中生成道路中心线概率图。最后,使用道路中心线概率图构建矢量化露天矿路网并细化其拓扑结构。实验结果表明,RGDG方法相较于表现最好的基线方法,在路网几何性方面提升了3.2%,在路网拓扑性方面提升了4.4%。(2)基于集成RCP-Net量化不确定性的露天矿路网生成方法单个RCP-Net进行露天矿道路中心线预测容易产生过拟合。并且,由于RCPNet深度模型的复杂性,其预测结果往往存在不确定性,导致对露天矿狭窄道路和稀疏轨迹道路的错误预测。本文为了解决上述问题,提出基于集成RCP-Net量化不确定性的露天矿路网生成方法(Road network Generation method of open-pit mine based on Ensemble RCP-Net quantifying Uncertainty,RGERU)。首先,使用随机层采样方法增强集成RCP-Net的模型多样性,降低过拟合风险。其次,利用近似贝叶斯方法估计集成RCP-Net模型权重参数的后验分布。然后,采样后验分布样本,用于统计预测方差得到不确定性概率图,以此量化集成RCP-Net的不确定性,并反映露天矿道路中心线预测的不确定程度。最后,利用不确定性概率图去构建不确定性联合损失函数,使集成RCP-Net克服对不确定道路的预测限制,提高露天矿道路中心线预测精确率。实验结果表明,使用RGERU方法生成的露天矿路网较RGDG方法在路网几何性方面提升了3.6%,在路网拓扑性方面提升了2.9%。(3)露天矿路网生成系统设计与应用本文基于对露天矿路网生成方法的研究,设计了露天矿路网生成系统。该系统包括以下功能:GPS轨迹数据预处理、卡车轨迹特征提取、模型样本制作、露天矿路网生成模型训练以及露天矿路网生成测试等。最终,将该系统整合进露天矿智能调度平台中,为露天矿路网自动构建提供支持,从而推动露天矿智能化建设的发展。该论文有图43幅,表4个,参考文献101篇。
暂无评论