摘要
本发明公开了一种基于人工智能的工程车智能调度方法,包括:构建调度目标函数,调度目标函数至少包含工程车运输成本、任务完成时间成本、路径拥堵成本及能源消耗成本;基于历史任务数据及实时交通数据,建立多维度任务需求预测模型,输出未来时段内的任务分布预测值及交通状态预测值;将其输入基于深度强化学习算法建立的工程车动态调度模型进行迭代优化;基于优化后的动态调度模型生成实时调度指令,动态分配工程车任务路径及资源,并实时监控执行状态以调整调度策略。本发明通过构建调度目标函数、多维度需求预测、深度强化学习动态优化及实时调度与监控,实现了工程车辆高效、经济、环保的智能化调度。
技术关键词
动态调度模型
工程车
智能调度方法
深度强化学习算法
需求预测模型
车辆
交通
多车协同
拥堵指数
数据
策略
决策
更新模型参数
能耗
深度Q网络
单车
指令
定义
路段
系统为您推荐了相关专利信息
雅克比矩阵
稳定控制方法
坐标系
深度强化学习算法
坐标转换矩阵
构建轨道交通
深度强化学习算法
机器学习算法
大数据分析技术
轨道交通车辆
工业园区
网络仿真
仿真建模
设备运行状态数据
电力
共享方法
强化学习策略
任务调度系统
多模态特征
上下文特征
智能调度方法
异构
能源管理策略
负荷
多变量时间序列预测