.png){kind=icon}
返回
Learning-based dispatching system with trajectory optimisation for autonomous mining transportation
.png){kind=icon}
PRE
AI
DOI：10.1080/17480930.2025.2486316.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究通过将车队管理表述为多智能体强化学习（MARL）问题，并将深度Q网络（DQN）调度系统与动态规划（DP）速度优化相结合来应对这一挑战。利用基于真实矿山参数的事件驱动采矿模拟器，所提出的方法在8小时模拟中，相较于常规基线方法，实现了每吨平均能耗降低10%，总产量增加3,000吨。该方法确保了更公平的任务分配和资源利用率的提升。此外，该策略在无需重新训练的情况下，能够在不同车队规模（20-25辆卡车）下保持稳健性能，确保在动态运营环境中的一致效率。
Keyword:
Energy consumption
fleet management
learning-based method
mining and sustainability
transportation efficiency
word
期刊
IF:
2.6
论文数:
67
被引数:
1.2K
机构
引用论文
分享收藏Deep Reinforcement Learning based real-time open-pit mining truck dispatching system基于深度强化学习的露天矿卡车实时调度系统
PREAI
分享收藏Multi-objective Velocity Trajectory Optimization Method for Autonomous Mining Vehicles自主采矿车多目标速度轨迹优化方法
PREAI
分享收藏A Computationally Efficient and Hierarchical Control Strategy for Velocity Optimization of On-Road Vehicles一种计算高效的分层控制策略，用于道路车辆的速度优化
PREAI
分享收藏Reinforcement Learning-Based Fleet Dispatching for Greenhouse Gas Emission Reduction in Open-Pit Mining Operations基于强化学习的露天矿作业温室气体减排车队调度
PREAI
分享收藏The Use of a Machine Learning Method to Predict the Real-Time Link Travel Time of Open-Pit Trucks利用机器学习方法预测露天矿卡车的实时路段行程时间
OAAI
OAAI分享收藏Fuel-Optimal Cruising Strategy for Road Vehicles With Step-Gear Mechanical Transmission具有步进齿轮机械变速器的道路车辆的燃油最优巡航策略
PREAI
分享收藏Prediction of fuel consumption of mining dump trucks: A neural networks approach矿用自卸车油耗预测的神经网络方法.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏
查看更多内容