一
研究背景
准确的卡车行程时间预测是露天矿卡车优化调度的前提。露天矿道路条件复杂多变，导致卡车在复合路段上的行程时间难以精准预测。为提高预测准确性，本文提出了一种基于速度场的露天矿卡车多路段行程时间组合预测模型。
二
多路段行程时间组合预测模型原理
露天矿卡车多路段行程时间组合预测模型由单元预测模型、累加器、速度场组成（下图）。速度场根据历史数据构建，表征道路对卡车速度的影响。单元预测模型负责预测卡车在每一路段所需的具体时间。累加器负责将每个单元预测模型的预测结果相加，并作为最终预测结果输出。
1、卡车速度场构建
卡车速度场反映了卡车速度与其在道路上具体位置的关系。采用矩形区域法表征卡车速度场。将整个矿山所在区域离散化为二维网格，将采集到的卡车速度信息映射到对应网格中。每个网格中的属性值为该网格中卡车速度平均值。
2、单元预测模型选择
影响卡车行程时间的主要因素有卡车型号、卡车载重状态、气象条件、能见度、卡车所经路段及其在该路段上的平均速度。这些因素有的是连续量，如道路长度、提升高度等；有的是离散量，如卡车型号、气象条件等。针对影响因素特征，采用随机森林算法构建行程时间单元预测模型。
单元预测模型的输入包括卡车在所经过路段上的平均速度及卡车ID、卡车类型、卡车状态、路段起点及终点位置、道路信息、气压、风速、温度、相对湿度、行驶时间等信息。
3、卡车平均速度计算
将道路划分成多个单一路段后，单元预测模型并行计算每条路段上的卡车行驶时间。卡车在不同路段上的速度不同，而速度场只反映道路上各点卡车速度平均值，不是卡车在具体路段的平均速度，因此，对整条路段上所有点的卡车速度求平均值，将其近似为卡车在该路段的平均速度。
三
实验结果
以2019年6—11月华能伊敏煤电有限责任公司伊敏露天矿卡车调度系统中220 t卡车1.8万条行程信息为基础数据将其中1.5万条数据作为训练集，剩余0.3万条数据作为测试集，研究露天矿卡车多路段行程时间组合预测模型精度。采用随机森林拟合算法预测卡车行驶时间，以sklearn机器学习库中的RandomForestClassifier构建预测模型。
采用分散训练、集中使用策略，先分别训练各路段上的单元预测模型，之后利用速度场将各单元预测模型整合。在模型训练过程中，采用穷举方法，通过在训练集中交叉验证方式寻找决策树数量最优值。该过程中参数设置：弱学习器数量为5~150，搜索步长为5，交叉验证可迭代次数为10。
采用测试集验证模型精度，得出预测误差主要集中在0~40 s，90%以上的预测误差小于1 min，1~2 min误差极少（下图）。通过分析误差来源，发现误差较大的行程时间其对应的路段数较多。本文模型对卡车行程时间预测的平均绝对误差百分比（MAPE）为4.81%，较基于随机森林的单一模型降低2%以上。
本文模型从接收数据到输出预测结果的平均运算时间不超过1 s（下图），验证了该模型可实时预测露天矿卡车行程时间。
引用格式
田凤亮，王忠鑫，孙效玉，等. 基于速度场的露天矿卡车多路段行程时间组合预测模型[J]. 工矿自动化，2022，48（6）：95-99, 146.
TIAN Fengliang, WANG Zhongxin, SUN Xiaoyu, et al. Combined prediction model of truck multi-section travel time in open-pit mine based on velocity field[J]. Journal of Mine Automation，2022，48（6）：95-99, 146.
作者联系方式
田凤亮（1992-），男，内蒙古赤峰人，工程师，博士，主要从事露天矿卡车智能调度研究与应用工作，E-mail：fliangtian@foxmail.com。通信作者：王忠鑫（1984-），男，内蒙古赤峰人，教授级高级工程师，博士研究生，主要从事煤炭露天开采理论、核心装备及其智能化技术研究工作，E-mail：wzx_syy@qq.com。
联系客服
