ОБЛАСТЬ ТЕХНИКИ
Заявленное техническое решение в общем относится к области вычислительной техники, а в частности к способу и системе оптимизации работы транспортного средства с помощью цифрового советчика водителю.
Представленное решение может быть использовано в горнодобывающей, строительной и других отраслях промышленности, в которых используются транспортные средства с подвеской для уменьшения ударов по раме (в случае рамных транспортных средств), для сокращения расхода топлива, износа шин и для обеспечения комфортного вождения.
УРОВЕНЬ ТЕХНИКИ
Цифровые советчики – это системы, которые анализируют историю работы техники на основе собранной статистики в информационных системах и выделяют те режимы, в которых оборудование или техника наиболее эффективно эксплуатировались. Далее на основе сопоставления оптимальных режимов работы техники со временем и другими параметрами, влияющими на работу оборудования, выдаются рекомендации операторам или водителям по корректировке стилей управления оборудованием.
Для каждого типа техники и оборудования эффективность определяется по-разному, поэтому перед решением о внедрении того или иного цифрового советчика нужно проанализировать историю работы оборудования или транспортного средства и посмотреть разницу в эффективности управления для всех операторов и водителей. Если разница в эффективности оборудования составляет пять и более процентов, то применение прогнозной аналитики для выявления оптимальных режимов и составления рекомендаций целесообразно.
Цифровой советчик для водителей карьерных самосвалов оповещает водителей в режиме реального времени об оптимальной скорости и направлении движения на каждом из участков технологической дороги в течение смены.
Целью внедрения цифрового советчика является сокращение удельного расхода топлива карьерных самосвалов за счет подсказок водителю оптимальной скорости движения на каждом участке дороги, при этом увеличивается производительность карьерного транспорта за счет повышения средней скорости движения в груженом состоянии.
Из уровня техники известна заявка US2020031371A1 «Driver Behavior Learning and Driving Coach Strategy Using Artificial Intelligence» (патентообладатель Vitesco Technologies USA LLC, опубл. 30.01.2020). В данном решении описан способ предоставления водителю транспортного средства предлагаемой корректировки вождения в реальном времени. Способ включает в себя получение одного или более прямых входов водителя (например, скорости нажатия педалей акселератора и тормоза, отклонения рулевого управления/угол поворота, промежуток времени между нажатием педалей акселератора/тормоза) от системы управления транспортным средством и получение данных датчика от системы датчиков транспортного средства. Данные датчиков могут включать данные датчиков транспортного средства и данные датчиков окружающей среды. Данные датчиков транспортного средства могут включать ток, напряжение, состояние заряда батареи, крутящий момент двигателя тягового привода, скорость двигателя, ток двигателя, температуру, крутящие моменты компонентов трансмиссии, передаточное число, поперечное и продольное ускорение/замедление транспортного средства, угол поворота рулевого управления, скорость вращения колес и т.д. Данные датчиков окружающей среды могут включать скорость транспортного средства и ограничение скорости на дороге, профиль маршрута (например, трехмерный профиль маршрута), пересечения и расположение светофоров, погодные условия, динамическое движение, информацию об окружающих транспортных средствах с помощью LIDAR или радаров. Способ включает определение прогнозируемого поведения водителя на основе прямых входов водителя и данных датчика. Кроме того, метод включает определение идеального поведения водителя на основе прямых входов водителя и данных датчика и определение разницы между прогнозируемым поведением водителя и идеальным поведением водителя. Метод также включает определение предлагаемой корректировки вождения на основе разницы в поведении. Кроме того, метод включает отправку инструкций для уведомления водителя о предложенной корректировке вождения для повышения эффективности и/или производительности транспортного средства.
Из уровня техники известна также заявка на патент CN111311903A «Vehicle driving state monitoring method, terminal device and storage medium» (патентообладатель Xiamen Yaxon Networks Co Ltd, опубл. 30.07.2021). Данная заявка на изобретение описывает способ мониторинга состояния вождения транспортного средства, который включает в себя процесс получения порогового значения суждения и процесс мониторинга в реальном времени, которые работают синхронно; процесс получения порогового значения решения включает: s110: задание множества типов дорожной среды, получение текущего типа дорожной среды в соответствии с текущим положением транспортного средства и одновременное получение данных о вождении транспортного средства в множество моментов времени в пределах первой определенной временной ширины типа дорожной среды; s120: вычисление первого порогового значения и второго порогового значения, соответствующих типу дорожной обстановки, в соответствии с полученными данными вождения; процесс мониторинга в реальном времени включает в себя следующие шаги: s210: получение текущего типа дорожной среды в соответствии с текущим положением транспортного средства, определение того, имеет ли текущий тип дорожной среды соответствующее первое пороговое значение и второе пороговое значение, если да, то определение соответствующего первого порогового значения и второго порогового значения, и вход в s220; в противном случае, возврат к s210; s220: получение текущих данных о вождении транспортного средства, и вычисление соответствующего расхода масла на сто километров; s230: и оценивает взаимосвязь между текущим стокилометровым расходом топлива транспортного средства и первым пороговым значением и вторым пороговым значением, соответствующим текущему типу дорожной среды, выполняет соответствующее напоминание в соответствии с результатом суждения, и возвращается к s210.
Однако в данных решениях отсутствует цифровые советчики, которые осуществляют построение цифровой карты выдачи рекомендаций для маршрута движения транспортных средств с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных телеметрии, датчиков давления в цилиндрах подвески и трехосевого акселерометра и создают виртуальную карту выдачи рекомендаций по маршруту движения транспортного средства.
Из уровня техники также известно решение, выбранное в качестве наиболее близкого аналога, RU2774512C1 «СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ РАБОТЫ САМОСВАЛА С ПОМОЩЬЮ ЦИФРОВОГО СОВЕТЧИКА ВОДИТЕЛЮ» (патентообладатель ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "ПИКЛЕМА", опубл. 21.06.2022). Данное решение описывает систему, содержащую: сервер и бортовую вычислительную систему (БВС) самосвала. БВС содержит: систему контроля телеметрии, датчик мгновенного расхода топлива самосвала, цифровой советчик. Сервер осуществляет построение цифровой карты маршрута движения самосвала с разбиением на элементарные участки, определение оптимальных профилей прохождения маршрута самосвала с помощью методов машинного обучения на основании данных телеметрии и датчика мгновенного расхода топлива самосвала для каждого элементарного участка маршрута с учетом факторов, влияющих на удельный расход топлива. Создают виртуальную карту выдачи рекомендаций по элементарным участкам маршрута движения самосвала и построенной цифровой карты маршрута. Загружают в БВС цифровую карту маршрута движения самосвала и виртуальную карту выдачи рекомендаций по элементарным участкам маршрута. С помощью цифрового советчика выдают в режиме реального времени рекомендации по режимам вождения для каждого элементарного участка маршрута в соответствии с виртуальной картой выдачи рекомендаций по элементарным участкам маршрута в зависимости от положения самосвала на цифровой карте маршрута и оптимальных профилей прохождения маршрута с учетом факторов, влияющих на удельный расход топлива.
Известное из уровня техники решение обладает следующими недостатками:
Необходимость создания и поддержания в рабочем состоянии оборудования для информационного обмена между БВС и сервером. БВС на основе данных телеметрии должна передавать на сервер данные о дорожной обстановке для построения цифровой карты движения. Эти данные должны включать местоположение неровностей, подъемов, спусков, возможных временных расширений и сужений участков дороги. Эта информация должна без потерь доставляться на сервер. До следующего рейса вся информация по текущей дороге должна быть обработана на сервере, определена новая цифровая карта и эта карта должна быть загружена в БВС. Ясно, что транспортные средства работают на значительной территории и поэтому необходимо покрытие WiFi или сотовой связью без «теневых» участков. Предприятию может принадлежать несколько сотен транспортных средств, их одновременное обслуживание в онлайн режиме с двусторонней связью на значительном удалении от сервера и транспортных средств друг от друга может представлять большую проблему в практической реализации и в ряде случаев не может быть реализовано практически.
Транспортные средства перемещаются по нескольким дорогам в течении смены. Общее количество дорог, по которым может двигаться транспорт превышает несколько десятков. Системы диспетчеризации назначают пункт назначения транспорту при погрузке. Поэтому в памяти БВС необходимо хранить несколько десятков дорог по которым может передвигаться транспорт. Соответственно БВС должна иметь функцию автономного определения дороги, по которой перемещается транспорт и использовать соответствующую электронную карту для рекомендаций. Эта функция отсутствует в известном из уровня техники решении, что делает это решение нереализуемым практически.
Кроме того, в известном решении отсутствует возможность у цифрового советчика осуществлять построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения. Отсутствие понятия правой обочины в известном решении не позволяет принять решение о возможности смещения транспортного средства вправо или влево для рекомендуемого объезда препятствия.
Предлагаемое техническое решение направлено на устранение недостатков современного уровня техники и отличается от известных ранее решений тем, что предложенное решение не требует обязательного наличия сервера и связи сервера с БВС. В предложенном техническом решении цифровая карта выдачи рекомендаций для маршрута движения транспортного средства строится непосредственно в БВС и наличие сервера и связь БВС с сервером не обязательна для работы цифрового советчика. Следовательно, отсутствует этап загрузки цифровой карты маршрута в БВС из сервера, а это как указывалось выше важно из-за неустойчивой связи.
Кроме того, в заявленном решении после каждого рейса БВС изменяет карту в соответствии с данными, полученными в ходе рейса. Это важно так как появляются/исчезают ямы, меняются уклоны/склоны, повороты (из-за подсыпки дорог). Перерасчет электронной карты БВС выполняет при ожидании следующего рейса. Этот перерасчет на БВС занимает примерно 1-2 минуты.
Предлагаемое решение обладает функцией определения дороги по которой движется транспортное средство в режиме реального времени и поэтому БВС обеспечивает адекватные рекомендации за счет выбора из собственной памяти соответствующей электронной карты.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
В заявленном техническом решении предлагается новый подход к оптимизации работы транспортного средства с помощью цифрового советчика, который осуществляет построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения.
Машинное обучение используется для проверки эффективности рекомендаций в части сокращения расхода топлива и изменения рекомендаций по скорости с целью достижения наименьшего расхода топлива на маршруте при заданных границах времени выполнения рейса.
С этой целью при расчете рекомендаций по скорости строится модель случайного леса для расхода топлива. Расход топлива определяется либо по датчику мгновенного расхода топлива, либо по изменению уровня топлива в процессе движения. В качестве предикторов используются: скорость транспортного средства, обороты двигателя, продольный наклон, поперечный наклон и/или другие параметры двигателя (например, текущая нагрузка двигателя, величина нажатия педали газа и т.п.) при наличии. Опыт анализа точности модели случайный лес, построенной с помощью предикторов скорость транспортного средства, обороты двигателя и продольный наклон показывает, что погрешность этой модели как правило не хуже 3-5% и эта оценка несмещенная, что достаточно для анализа эффективности рекомендаций. Полученные рекомендации проверяются с помощью построенной модели и контролируется уменьшение расхода топлива при движении по рекомендациям. Одновременно, рекомендуемые скорости варьируются в допустимых пределах с целью достижения оптимальных рекомендаций в части расхода топлива и времени движения.
На каждом последующем рейсе модель расхода топлива переобучается и рекомендации по скорости и направлениям движения на участках дорог изменяются с учетом данных этого рейса для сокращения расхода топлива при заданных границах времени выполнения рейса.
Применение режима переобучения, в том числе с использованием машинного обучения, и возможность передачи информации между транспортными средствами в том числе без наличия сервера, повышает точность и достоверность выдаваемых водителю рекомендаций по режимам вождения.
Таким образом, решается техническая проблема – эффективная эксплуатация транспортного средства. Кроме того, правильные режимы вождения и средняя скорость в течение смены влияют на производительность или количество рейсов транспортного средства, ходимость шин, надежность работы узлов транспортного средства.
Техническим результатом, достигающимся при решении данной проблемы, является оптимизация работы транспортного средства с помощью цифрового советчика, который осуществляет построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения.
Указанный технический результат достигается благодаря осуществлению способа оптимизации работы транспортного средства с помощью цифрового советчика водителю, содержащий этапы, на которых:
- осуществляют выполнение двух рейсов транспортного средства в груженом состоянии, при этом во время каждого рейса:
- определяют максимальные скорости прохождения поворотов с определением радиуса прохождения, минимальные скорости при движении на подъем перед спуском, поперечные и продольные наклоны по данным трехосевого акселерометра, максимальные скорости при движении на спуск перед подъемом, расположение и классификацию методами машинного обучения неровностей относительно правой обочины маршрута транспортного средства,
- обучают и переобучают модель машинного обучения для расхода топлива и на основе этой модели вычисляют рекомендуемые скорости для достижения минимального расхода топлива при сохранении времени выполнения рейса в заданных границах,
- после чего с помощью цифрового советчика осуществляют построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения.;
- сохраняют цифровую карту выдачи рекомендаций в бортовую вычислительную систему (БВС) транспортного средства;
- при выполнении рейса транспортным средством в режиме реального времени цифровой советчик на основе текущих данных местоположения определяет маршрут по которому выполняется движение из набора маршрутов по которым ранее выполнялось движение и для которых имеется цифровая карта выдачи рекомендации и определяет расстояние до рекомендации, и выдает водителю соответствующую рекомендацию с указанием расстояния до нее и оптимального профиля прохождения маршрута;
- на основе текущих данных по давлениям в цилиндрах подвески, по данным трехосевого цилиндра и по данным от двигателя по скорости и оборотам оценивают с помощью цифрового советчика выполнение водителем рекомендаций по заданным критериям и сообщают водителю эту оценку;
- передают данные по выполнению рекомендаций на сервер для анализа и поощрения работы водителей;
- после выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или исключения дорожных неровностей в результате ремонта дороги, изменения поперечных или продольных наклонов, выбора водителем оптимальных скоростей движения, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе.
В частном варианте реализации описываемого решения, цифровой советчик в режиме реального времени и после каждого рейса с использованием модели машинного обучения выставляет водителю оценки по эффективности вождения в части обеспечения сохранности конструкций транспортного средства, экономии топлива и увеличения ходимости шин.
В другом частном варианте реализации описываемого решения, дополнительно собирают данные телеметрии транспортного средства, которые включают, по меньшей мере, следующее: скорость, ускорение по трем координатным осям, загрузка, местоположение, данные по работе двигателя в части скорости транспортного средства, оборотов двигателя, текущей нагрузки, нажатия педали газа.
В другом частном варианте реализации описываемого решения, при наличии сервера и каналов связи для передачи информации цифровой советчик БВС может выдавать на сервер отчет о выполнении водителем рекомендаций для формирования на сервере сравнительного анализа по режимам вождения транспортных средств различными водителями.
В другом частном варианте реализации описываемого решения, цифровой советчик выдает водителю транспортного средства рекомендации на приборную панель транспортного средства или на устройство с визуализацией рекомендаций в виде общепринятых пиктограмм с голосовым или звуковым сопровождением.
Система оптимизации работы транспортного средства с помощью цифрового советчика водителю, которая содержит:
- бортовую вычислительную систему (БВС)
- систему определения местоположения,
- трехосевой акселерометр;
- модели машинного обучения;
- программное обеспечение;
причем с помощью цифрового советчика осуществляют построение цифровой карты маршрута движения транспортного средства с рекомендациями по оптимальному движению транспортного средства для этого:
осуществляют выполнение двух рейсов транспортного средства в груженом состоянии, во время каждого рейса:
определяют максимальные скорости прохождения поворотов с определением радиуса прохождения, минимальные скорости при движении на подъем перед спуском, поперечные и продольные наклоны по данным трехосевого акселерометра, максимальные скорости при движении на спуск перед подъемом, расположение и классификацию неровностей относительно правой обочины маршрута транспортного средства с помощью методов машинного обучения,
обучают и переобучают модель машинного обучения для расхода топлива и на основе этой модели уточняют рекомендуемые скорости для достижения минимального расхода топлива при сохранении времени выполнения рейса в заданных границах;
после чего с помощью цифрового советчика осуществляют построение цифровой карты маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения;
сохраняют цифровую карту выдачи рекомендаций в бортовую вычислительную систему (БВС) транспортного средства;
при выполнении рейса транспортным средством в режиме реального времени цифровой советчик на основе текущих данных местоположения, определяет маршрут по которому выполняется движение из набора маршрутов по которым ранее выполнялось движение и для которых имеется цифровая карта выдачи рекомендации и определяет расстояние до рекомендации, и выдает водителю соответствующую рекомендацию с указанием расстояния до нее и оптимального профиля прохождения маршрута;
на основе текущих данных по давлениям в цилиндрах подвески, по данным трехосевого цилиндра и по данным от двигателя по скорости и оборотам оценивают с помощью цифрового советчика выполнение водителем рекомендаций по заданным критериям и сообщают водителю эту оценку;
передают данные по выполнению рекомендаций на сервер для анализа и поощрения работы водителей;
после выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или исключения дорожных неровностей в результате ремонта дороги, изменения поперечных или продольных наклонов, выбора водителем оптимальных скоростей движения, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе.
В частном варианте реализации описываемого решения, цифровой советчик БВС в режиме реального времени и после каждого рейса выставляет водителю оценки по эффективности вождения в части обеспечения сохранности конструкций транспортного средства, экономии топлива и увеличения ходимости шин.
При этом в режиме реального времени текущие значения расхода топлива сравниваются со значениями «минимального расхода топлива», вычисленными по модели расхода топлива при выполнении рекомендаций и штрафные баллы за невыполнение рекомендаций начисляются пропорционально превышению текущего расхода топлива.
В другом частном варианте реализации описываемого решения, дополнительно собирают данные телеметрии транспортного средства, которые включают, по меньшей мере, следующее: скорость, ускорение по трем координатным осям, загрузка, местоположение, данные по работе двигателя в части скорости транспортного средства, оборотов двигателя, текущей нагрузки, нажатия педали газа.
В другом частном варианте реализации описываемого решения, при наличии сервера и каналов связи для передачи информации цифровой советчик БВС может выдавать на сервер отчет о выполнении водителем рекомендаций для формирования на сервере сравнительного анализа по режимам вождения транспортных средств различными водителями.
В другом частном варианте реализации описываемого решения, цифровой советчик выдает водителю транспортного средства рекомендации на приборную панель транспортного средства или на устройство с визуализацией рекомендаций в виде общепринятых пиктограмм с голосовым или звуковым сопровождением.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Признаки и преимущества настоящего технического решения станут очевидными из приводимого ниже подробного описания и прилагаемых чертежей.
Рис. 1 - иллюстрирует пример вычисления и отображения поворотов на рейсе;
Рис. 2 – иллюстрирует пример вычисления и отображения поворотов на рейсе;
Рис. 3 – иллюстрирует определение наклонов на основе показаний трехосевого акселерометра;
Рис. 4 – иллюстрирует изменение оборотов, расчетного крутящего момента и текущей нагрузки двигателя при выполнении рейса;
Рис. 5 – иллюстрирует изменение оборотов двигателя и скорости при выполнении рейса;
Рис. 6 – иллюстрирует изменение оборотов двигателя при изменении уклона (продольного наклона) на рейсе;
Рис. 7 – иллюстрирует схему определения и классификации ям по показаниям токовых датчиков.
ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.
Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.
Настоящее техническое решение относится к способу и системе оптимизации работы транспортного средства с помощью цифрового советчика водителям транспортных средств: водителям карьерных самосвалов, логистических самосвалов, строительных самосвалов машинистам горной техники (экскаваторы, буровые станки), шинным инженерам, машинистам комбайнов и др.
Заявленный способ оптимизации работы транспортного средства с помощью цифрового советчика водителю состоит из нескольких этапов.
В заявленном решении, на первом этапе осуществляют выполнение двух рейсов транспортного средства в груженом состоянии. При этом, во время каждого рейса определяют максимальные скорости прохождения поворотов с определением радиуса прохождения, минимальные скорости при движении на подъем перед спуском, поперечные и продольные наклоны по данным трехосевого акселерометра, максимальные скорости при движении на спуск перед подъемом, расположение и классификацию методами машинного обучения неровностей относительно правой обочины маршрута транспортного средства. Для определения максимальной скорости прохождения поворота выполняются следующие действия:
1. По изменению широты и долготы транспортного средства вычисляются повороты
2. Анализируется скорость прохождения поворота транспортным средством. Вычисляется средняя скорость прохождения поворота.
3. Для следующего рейса определяются точки рейса наиболее близкие по широте и долготе к точкам поворота. Вычисляется для них средняя скорость прохождения поворота.
4. Из полученных двух значений средней скорости выбирается максимальное значение и это значение является рекомендуемым для прохождения этого поворота.
5. После выполнения очередного рейса по этой дороге, определяются точки рейса наиболее близкие по широте и долготе к точкам поворота. Вычисляется для них средняя скорость прохождения поворота. Из этой средней скорости и рекомендуемой выбирается максимальная и эта скорость становится рекомендуемой при прохождении этого поворота.
Классификация ям на транспортных средствах, где установлены и токовые датчики давления и трехосевой акселерометр выполняется следующим образом.
1. Определяется средний уровень сигнала передних токовых датчиков и средний уровень сигнала задних токовых датчиков. В случае отсутствия токовых датчиков используется акселерометр.
2. Средний уровень сигнала используется для выделения сигнала о ямах.
3. Для левого и правого передних и задних токовых датчиков определяются положения транспортного средства при условии, что сигнал на 30% (но не более чем на 60%) превышает средний уровень, определенный для передних токовых датчиков. В этих местах фиксируются ямы соответственно уровня 30%
4. Аналогично фиксируются ямы 60%, 90% и т.д.
5. Данные акселерометра используются для уточнения результатов классификации ям.
6. По размеченным данным методами машинного обучения обучается модель для определения местоположения и класса ям на основе показаний акселерометра и скорости. От токовых датчиков получают значения токов по каждому цилиндру, при этом непрерывный сигнал переводят в цифровой (находят медиану, превышение на каждые 30% считаем новым уровнем). Получается разметка (нет ям, ямы 30%, ямы 60% и т.д.). Это называется разметка. Совмещают сигналы акселерометра с этой разметкой. Обучение происходит с использованием метода Random Forest Classifier библиотеки scikit-learn Python 3. Предикторы для определения ям;
- 4 токовых сигнала,
- вертикальная компонента акселерометра,
- продольный и поперечный наклон, которые определяются по акселерометру.
Итого 7 предикторов используется для определения ям.
Random Forest Classifier - метод случайного леса, заключающийся в использовании ансамбля решающих деревьев, параметрами: число деревьев в лесу 100, использование подвыборок как независимых наборов, количество уровней в разбиении равно корню квадратному из количества предикторов. Остальные параметры метода равны параметрам по умолчанию для библиотеки scikit-learn.
При классификации используется кодировка: 0 - нет ям, 1 – яма 30%, 2 – яма 60%, 3 – яма 90%, 4 – яма 120%, 5 – яма 150%.
Обучение происходит на данных одного рейса, а проверка – на данных второго рейса.
Эта модель используется для уточнения положения при движении транспорта в режиме выдачи рекомендаций.
Классификация ям на транспортных средствах, где отсутствуют токовые датчики давления или они недоступны для подключения к БВС используется модель машинного обучения, ранее обученная на другом транспортном средстве и трехосевой акселерометр.
Ниже приведен пример алгоритма, как по данным навигации определяют радиус прохождения с примерами реализации.
Алгоритм вычисления поворотов, следующий:
1. Определяются азимуты каждой точки на рейсе.
2. Определяются наборы точек, в которых последовательно азимут поворачивается в одну сторону.
3. Из полученных наборов выделяются только те, в которых за период последовательного поворота азимута в одну сторону поворот составил величину, не менее заданной (например, 60 градусов).
4. Если в последовательности имеются один – два поворота в другую сторону, то эти точки игнорируются и классифицируются как случайные изменения движения в повороте.
5. Среди точек, определенных в качестве поворота, выделяются три с наибольшим изменение азимута.
6. Через эти три точки проводится окружность. Фиксируется радиус этой окружности. Далее эти три точки смещаются на одну точку по и против движения. Если смещение приводит к уменьшению радиуса, то смещение продолжается пока не будет получен круг с наименьшим радиусом.
7. Полученные три точки обозначают наиболее крутую часть поворота.
Графический пример вычисления и отображения поворотов на рейсе показан на фиг. 1 и 2.
Точное определение наклонов и ям очень важно для достижения максимального экономического эффекта от применения советчика. Экономия топлива при использовании советчика достигается за счет точного определения точек изменения профиля дороги и назначения скорости движения в этих точках. Например, в точке, где завершается подъем и начинается спуск транспортное средство должно иметь минимальную скорость, в точке, где наоборот, спуск сменяется подъемом, транспортное средство должно иметь максимальную скорость. Выполнение этих рекомендаций позволит максимально сберечь топливо. Значения минимальной скорости определяется из условия обеспечения заданной производительности, а значение максимальной скорости – из технических особенностей транспортного средства, дорожных условий. Используются значения скорости, которые получены при вождении. В советчике можно использовать разные рекомендации для разных водителей на одном и том же самосвале. Особенности самосвала учитываются автоматически.
Кроме того, при назначении максимальной скорости учитывается опыт водителя (для этого, например, в советчик можно загрузить табель работы водителей).
Алгоритм определения минимальной скорости следующий.
1. По показаниям акселерометра определяются продольный наклон дороги при выполнении рейса. Фиксируются точки, где должна быть минимальная скорость.
2. Анализируется скорость прохождения этих точек транспортным средством. Вычисляется минимальная скорость в этих точках.
3. Для следующего рейса определяются точки рейса наиболее близкие по широте и долготе к точкам поворота. Вычисляется для них средняя скорость прохождения поворота.
4. Из полученных двух значений средней скорости выбирается максимальное значение и это значение является рекомендуемым для прохождения этого поворота.
5. После выполнения очередного рейса по этой дороге, определяются точки рейса наиболее близкие по широте и долготе к точкам поворота. Вычисляется для них средняя скорость прохождения поворота. Из этой средней скорости и рекомендуемой выбирается максимальная и эта скорость становится рекомендуемой при прохождении этого поворота.
Определение наклонов выполняется на основе показаний трехосевого акселерометра на основе диаграммы сил второго закона Ньютона (механических сил) (см. на рис.3).
Как показано на рисунке 3 α — это угол продольного наклона, β – это угол поперечного наклона транспортного средства и эти углы рассчитываются по формулам:
,
где Ах, Аy, Аz -значения ускорений по соответствующим осям.
Дополнительно к этому методу применяется метод машинного обучения.
Метод машинного обучения – метод искусственного интеллекта, который решает задачу на основе опыта, полученного в результате обучения на наборе данных.
Предикторами являются обороты двигателя, расчетный крутящий момент, текущая нагрузка двигателя и скорость движения, вес перевозимого груза. При этом, данные параметры взаимосвязаны. Например, из рис. 4-6 видно, что в точках изменения оборотов, крутящего момента, нагрузки происходит изменение скорости движения.
Необходимо отметить, что в качестве наклона нужно определять значения, оказывающие влияние на движение транспортного средства.
Для уточнения значений наклона используется регрессионная модель «лес решений». В качестве регрессионной модели могут быть использованы другие модели (логистическая регрессия, нейронная сеть и др.). Обучающая выборка строится по результатам проездов в течении трех дней. Этот параметр (три дня) выбирается из предположения, что наклоны в течение этого времени не меняются. Этот параметр (три дня) – конфигурационный и выбирается из условия наилучшей сходимости. В каждые из данных рейса подставляется значение наклона как функция пройденного пути. Обучается пять выборок. В первой выборке используется точное значение по результатам акселерометра, вторая выборка – значение наклона сдвигается на 0.5 метра в сторону движения в груженном состоянии. Третья выборка – используется значение наклона, сдвинутое на 1 метр, четвертая – значение, сдвинутое на полметра в сторону противоположную движению и пятое – на 1 метр в сторону противоположную движению в груженом состоянии. По результатам обучения анализируется наилучшее совпадение (наибольшая корреляция прогноза и факта). Смещение с наибольшей корреляцией выбирается как уточняющее значение. При условии, если корреляция не превышает 85% (это конфигурационный параметр и может меняться) значения наклонов не уточняются.
Аналогичным образом осуществляется уточнение расположения ям на пути транспортного средства. Предикторами здесь являются значения токовых датчиков (при наличии), показания акселерометра по каждой из осей и скорость движения. Аналогично, для каждой ямы, определенной по показаниям токовых датчиков и/или показаний акселерометра, составляется 5 выборок со смещением ямы и определяется наилучшая корреляция прогноза и факта. Определяется среднее значение амплитуды изменения давления на всем маршруте транспортного средства. Далее выделяются участки давления, которые на 30% превышают средний уровень колебаний (не более 60%). Таких участков, например, как показано на рис. 7, 7 штук. Эти участки называем ямы класса 30%. Далее выделяются участки, где давление превышает средний уровень на 60% (но не более чем на 90%). Как показано на рис. 7 имеется только один такой участок в начале движения транспортного средства. Этот участок называется яма 60%. Далее выделяется участок, где давление превышает средний уровень на 60% (но не более чем на 90%). На рис. 7 имеется только один такой участок в начале движения транспортного средства.
После чего с помощью цифрового советчика осуществляют построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения.
При выполнении рейса транспортным средством в режиме реального времени цифровой советчик на основе текущих данных местоположения, определяет маршрут по которому выполняется движение из набора маршрутов по которым ранее выполнялось движение и для которых имеется цифровая карта выдачи рекомендации и определяет расстояние до рекомендации, и выдает водителю соответствующую рекомендацию с указанием расстояния до нее и оптимального профиля прохождения маршрута. Используются данные – географическая широта» и «географическая долгота». Советчик определяет место транспортного средства на цифровой карте и вычисляет расстояние до ближайшей опасности/рекомендации.
Оценивают с помощью цифрового советчика выполнение водителем рекомендаций по заданным критериям и сообщают водителю эту оценку. Передают данные по выполнению рекомендаций на сервер для анализа и поощрения работы водителей.
Цифровой советчик выдает водителю транспортного средства рекомендации на приборную панель транспортного средства или на устройство с визуализацией рекомендаций в виде общепринятых пиктограмм с голосовым или звуковым сопровождением. Цифровой советчик показывает опасные места, например, в виде знаков (аналогов дорожных знаков), выводимых на панель приборов транспортного средства или на собственную панель (например «Неровная дорога», «Опасный поворот налево» с указанием расстояния). В таблице 1 приведены примеры пиктограмм.
Таблица 1
После выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или исключения дорожных неровностей в результате ремонта дороги, изменения поперечных или продольных наклонов, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе.
При наличии сервера и каналов связи для передачи информации цифровой советчик БВС может выдавать на сервер отчет о выполнении водителем рекомендаций для формирования на сервере сравнительного анализа по режимам вождения транспортных средств различными водителями.
В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.
Группа изобретений относится к системе и способу оптимизации работы транспортного средства с помощью цифрового советчика водителю. Способ содержит этапы, на которых: осуществляют выполнение двух рейсов в груженом состоянии, определяя максимальные и минимальные скорости прохождения участков пути; на основе модели машинного обучения вычисляют рекомендуемые скорости для достижения минимального расхода топлива при сохранении времени выполнения рейса; осуществляют построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей; после выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или их исключения, выбора водителем оптимальных скоростей движения, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе. Достигается оптимизация работы транспортного средства. 2 н. и 8 з.п. ф-лы, 7 ил., 1 табл.
1. Способ оптимизации работы транспортного средства с помощью цифрового советчика водителю, содержащий этапы, на которых:
- осуществляют выполнение двух рейсов транспортного средства в груженом состоянии, при этом во время каждого рейса:
- определяют максимальные скорости прохождения поворотов с определением радиуса прохождения, минимальные скорости при движении на подъем перед спуском, поперечные и продольные наклоны по данным трехосевого акселерометра, максимальные скорости при движении на спуск перед подъемом, расположение и классификацию методами машинного обучения неровностей относительно правой обочины маршрута транспортного средства,
- обучают и переобучают модель машинного обучения для расхода топлива и на основе этой модели вычисляют рекомендуемые скорости для достижения минимального расхода топлива при сохранении времени выполнения рейса в заданных границах,
- после чего с помощью цифрового советчика осуществляют построение цифровой карты выдачи рекомендаций для маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения;
- сохраняют цифровую карту выдачи рекомендаций в бортовую вычислительную систему (БВС) транспортного средства;
- при выполнении рейса транспортным средством в режиме реального времени цифровой советчик на основе текущих данных местоположения определяет маршрут, по которому выполняется движение из набора маршрутов, по которым ранее выполнялось движение и для которых имеется цифровая карта выдачи рекомендации, и определяет расстояние до рекомендации, и выдает водителю соответствующую рекомендацию с указанием расстояния до нее и оптимального профиля прохождения маршрута;
- на основе текущих данных по давлениям в цилиндрах подвески, по данным трехосевого цилиндра и по данным от двигателя по скорости и оборотам оценивают с помощью цифрового советчика выполнение водителем рекомендаций по заданным критериям и сообщают водителю эту оценку;
- передают данные по выполнению рекомендаций на сервер для анализа и поощрения работы водителей;
- после выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или исключения дорожных неровностей в результате ремонта дороги, изменения поперечных или продольных наклонов, выбора водителем оптимальных скоростей движения, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе.
2. Способ по п. 1, характеризующийся тем, что цифровой советчик БВС в режиме реального времени и после каждого рейса, с использованием методов машинного обучения, выставляет водителю оценки по эффективности вождения в части обеспечения сохранности конструкций транспортного средства, экономии топлива и увеличения ходимости шин.
3. Способ по п. 1, характеризующийся тем, что дополнительно собирают данные телеметрии транспортного средства, которые включают, по меньшей мере, следующее: скорость, ускорение по трем координатным осям, загрузка, местоположение, данные по работе двигателя в части скорости транспортного средства, оборотов двигателя, текущей нагрузки, нажатия педали газа.
4. Способ по п. 1, характеризующийся тем, что при наличии сервера и каналов связи для передачи информации цифровой советчик БВС может выдавать на сервер отчет о выполнении водителем рекомендаций для формирования на сервере сравнительного анализа по режимам вождения транспортных средств различными водителями.
5. Способ по п. 1, характеризующийся тем, что цифровой советчик выдает водителю транспортного средства рекомендации на приборную панель транспортного средства или на устройство с визуализацией рекомендаций в виде общепринятых пиктограмм с голосовым или звуковым сопровождением.
6. Система оптимизации работы транспортного средства с помощью цифрового советчика водителю, которая содержит:
- бортовую вычислительную систему (БВС);
- систему определения местоположения;
трехосевой акселерометр;
- модели машинного обучения;
- программное обеспечение;
причем с помощью цифрового советчика осуществляют построение цифровой карты маршрута движения транспортного средства с рекомендациями по оптимальному движению транспортного средства, для этого:
осуществляют выполнение двух рейсов транспортного средства в груженом состоянии, во время каждого рейса:
определяют максимальные скорости прохождения поворотов с определением радиуса прохождения, минимальные скорости при движении на подъем перед спуском, поперечные и продольные наклоны по данным трехосевого акселерометра, максимальные скорости при движении на спуск перед подъемом, расположение и классификацию неровностей относительно правой обочины маршрута транспортного средства с помощью методов машинного обучения,
обучают и переобучают модель машинного обучения для расхода топлива и на основе этой модели уточняют рекомендуемые скорости для достижения минимального расхода топлива при сохранении времени выполнения рейса в заданных границах;
после чего с помощью цифрового советчика осуществляют построение цифровой карты маршрута движения транспортного средства с построением правой обочины движения и с выделением участков неровностей, поворотов и наклонов на основе полученных данных местоположения, датчиков давления в цилиндрах подвески и трехосевого акселерометра и модели машинного обучения и с расчетом оптимальных скоростей движения транспортного средства на основе данных по скорости транспортного средства, оборотам двигателя и модели машинного обучения;
сохраняют цифровую карту выдачи рекомендаций в бортовую вычислительную систему (БВС) транспортного средства;
при выполнении рейса транспортным средством в режиме реального времени цифровой советчик на основе текущих данных местоположения определяет маршрут, по которому выполняется движение из набора маршрутов, по которым ранее выполнялось движение и для которых имеется цифровая карта выдачи рекомендации, и определяет расстояние до рекомендации, и выдает водителю соответствующую рекомендацию с указанием расстояния до нее и оптимального профиля прохождения маршрута;
на основе текущих данных по давлениям в цилиндрах подвески, по данным трехосевого цилиндра и по данным от двигателя по скорости и оборотам оценивают с помощью цифрового советчика выполнение водителем рекомендаций по заданным критериям и сообщают водителю эту оценку;
передают данные по выполнению рекомендаций на сервер для анализа и поощрения работы водителей;
после выполнения рейса цифровая карта маршрута обновляется с учетом появления новых дорожных неровностей или исключения дорожных неровностей в результате ремонта дороги, изменения поперечных или продольных наклонов, выбора водителем оптимальных скоростей движения, что приводит к автоматическому изменению рекомендаций водителю транспортного средства при следующем рейсе.
7. Система по п. 6, характеризующаяся тем, что цифровой советчик БВС в режиме реального времени и после каждого рейса выставляет водителю оценки по эффективности вождения в части обеспечения сохранности конструкций транспортного средства, экономии топлива и увеличения ходимости шин.
8. Система по п. 6, характеризующаяся тем, что дополнительно собирают данные телеметрии транспортного средства, которые включают, по меньшей мере, следующее: скорость, ускорение по трем координатным осям, загрузка, местоположение, данные по работе двигателя в части скорости транспортного средства, оборотов двигателя, текущей нагрузки, нажатия педали газа.
9. Система по п. 6, характеризующаяся тем, что при наличии сервера и каналов связи для передачи информации цифровой советчик БВС может выдавать на сервер отчет о выполнении водителем рекомендаций для формирования на сервере сравнительного анализа по режимам вождения транспортных средств различными водителями.
10. Система по п. 6, характеризующаяся тем, что цифровой советчик выдает водителю транспортного средства рекомендации на приборную панель транспортного средства или на устройство с визуализацией рекомендаций в виде общепринятых пиктограмм с голосовым или звуковым сопровождением.
СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ РАБОТЫ САМОСВАЛА С ПОМОЩЬЮ ЦИФРОВОГО СОВЕТЧИКА ВОДИТЕЛЮ | 2021 |
|
RU2774512C1 |
US 2011130914 A1, 02.06.2011 | |||
УСТРОЙСТВО ДЕКОДИРОВАНИЯ ИЗОБРАЖЕНИЯ И СПОСОБ ДЕКОДИРОВАНИЯ ИЗОБРАЖЕНИЯ | 2019 |
|
RU2789732C2 |
СПОСОБ ЛЕЧЕНИЯ ЭНДОТЕЛИАЛЬНО-ЭПИТЕЛИАЛЬНОЙ ДИСТРОФИИ РОГОВИЦЫ | 2015 |
|
RU2594447C1 |
US 2019378417 A1, 12.12.2019. |
Авторы
Даты
2024-12-16—Публикация
2024-06-07—Подача