[發明專利]基于LSTM的井下無軌膠輪車車速預測方法及裝置

有效

• 申請號: 202110488042.4
• 申請日: 2021-05-06
• 公開（公告）號: CN113327430B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 沈科;周李兵;鄒盛;王天宇;季亮;陳曉晶;王曉波;于政乾
• 申請（專利權）人: 天地（常州）自動化股份有限公司;中煤科工集團常州研究院有限公司
• 主分類號: G08G1/052
• 分類號: G08G1/052;G06N3/08;G06N3/04
• 代理公司: 常州至善至誠專利代理事務所(普通合伙) 32409
• 代理人: 趙旭

本發明公開了一種基于LSTM的井下無軌膠輪車車速預測方法，包括采集同一型號無軌膠輪車的行駛數據；對有效的行駛數據進行篩選和處理，得到訓練數據；根據車輛載重指標將訓練數據劃分為M個樣本集；構建基于LSTM的車速預測模型；通過M個樣本集對車速預測模型分別進行訓練，得到同一型號無軌膠輪車的M個車速預測模型；根據目標車輛在最近一次停止狀態時的車輛載重指標，選取相應的車速預測模型，將m個實時采集的特征指標數據輸入車速預測模型中，得到目標車輛的車速預測數據。利用本發明，可以更加合理的對無軌膠輪車的車速進行預測，一旦發生超速或者危險事件，及時進行提醒駕駛員，減少事故的發生。

技術領域

本發明涉及智能交通技術領域，尤其涉及一種基于LSTM的井下無軌膠輪車車速預測方法。

背景技術

無軌膠輪車由于運輸效率高、作業環節少、環境適應性強等特點，逐步成為井工煤礦輔助運輸系統的主要方式，其安全行駛對于煤礦整體的高效平穩運行具有日益重大的影響。

目前，煤礦井下無軌膠輪車的安全行駛面臨諸多挑戰，首先，供無軌膠輪車行駛巷道路況復雜，例如長距離的坡道和彎道路徑，路面凹凸和坑洼較多；其次，巷道內光照不足、粉塵過多，會對司機視線或自動駕駛系統中的傳感設備(如激光雷達、毫米波雷達、攝像頭等)產生嚴重干擾；此外，車輛行駛過程中還可能出現司機疲勞駕駛、注意力分散、對路況不熟悉等不可控因素。

超速行為作為井下無軌膠輪車安全行駛的最大安全隱患，必須獲得足夠的重視。除了依靠司機的駕駛素養，目前實踐中的主要技術手段包括：機車保護裝置檢測車速超過預設的固定門限時進行報警提示，部分煤礦的巷道中會安裝超速抓拍設施并在車輛超速時進行記錄和聯動報警，某些車輛內部或巷道中還會安裝失速保護裝置以在車輛失控狀態下對其進行急停。總體而言，對無軌膠輪車的超速控制仍然基于一刀切式的固定門限約束(根據一般性規定，無軌膠輪車運物時不得超過40km/h，運人時不得超過25km/h)，且主要采取剛性的、保護性的、以結果為導向的控制措施。由于沒有考慮到車輛工況因素、道路環境因素、交通行為因素對實際安全車速門限的影響，難以實現安全、可靠、高效的車速預警效果。例如，當即將出現大角度下坡路面或距離前方人員較近的情況時，實際的合理車速應該遠低于規程要求的固定上限，如果司機經驗欠缺或處于疲勞駕駛的情況，則很可能因車速過快增加事故風險。

基于循環神經網絡(Recurrent Neural Network,RNN)的時序數據處理和預測模型，由于能有效提取一組輸入數據或中間狀態數據的時間先后關聯性特征，特別適合處理時間序列數據。長短期記憶網絡(Long Short Term Memory,LSTM)是一種特殊的RNN類型，其解決了一般性RNN難以訓練的問題(梯度消失)，同時引入了更接近人類特性的記憶遺忘和強化特性，具備較長時域跨度的數據處理能力，被廣泛應用于諸如自然語言處理、視頻分析、健康狀態預測等技術領域。

發明內容

本發明要解決的技術問題是：為了解決現有技術中無軌膠輪車車速預警方式單一且效果不佳的技術問題，本發明提供一種基于LSTM的井下無軌膠輪車車速預測方法，根據車輛實時的工況、道路環境和交通行為，可以得到目標車輛的車速預測數據，及時對車速進行預警，減少事故的發生。

本發明解決其技術問題所采用的技術方案是：一種基于LSTM的井下無軌膠輪車車速預測方法，包括以下步驟：

S101：采集同一型號所述無軌膠輪車從駛入井下巷道至駛出所述井下巷道的不同班次的行駛數據；

S102：對所述行駛數據進行篩選，剔除無效的所述行駛數據，將剩余有效的所述行駛數據進行歸一化處理，得到訓練數據；

S103：根據車輛載重指標將所述訓練數據劃分為M個樣本集；

S104：構建基于LSTM的車速預測模型，確定所述車速預測模型的損失函數、梯度優化器及學習率；