基于數(shù)據(jù)分析的露天煤礦卡車(chē)運(yùn)距計(jì)算

馮占科，毛志浩，劉志成，萬(wàn)博

(國(guó)家能源集團(tuán)國(guó)能網(wǎng)信科技（北京）有限公司， 北京 100096)

0 引言

礦用卡車(chē)運(yùn)輸是露天礦運(yùn)輸系統(tǒng)中重要的運(yùn)輸方式之一，對(duì)露天礦的生產(chǎn)成本具有較大影響，國(guó)內(nèi)外露天礦研究表明，卡車(chē)運(yùn)輸成本占總成本的25%～45%。國(guó)內(nèi)專(zhuān)家學(xué)者對(duì)卡車(chē)運(yùn)距進(jìn)行了研究，周玉民通過(guò)建立數(shù)學(xué)模型以及實(shí)踐歸納出載重汽車(chē)的合理運(yùn)距范圍，從而實(shí)現(xiàn)了長(zhǎng)遠(yuǎn)規(guī)劃的經(jīng)濟(jì)效益最大化[1]。安太堡露天礦對(duì)原煤運(yùn)輸系統(tǒng)進(jìn)行了改造，縮短了其運(yùn)輸距離，大大降低了生產(chǎn)成本[2]。伊敏露天礦通過(guò)建立數(shù)學(xué)模型和計(jì)算，總結(jié)出露天礦自卸汽車(chē)運(yùn)輸?shù)暮侠磉\(yùn)距范圍，并通過(guò)對(duì)伊敏露天礦現(xiàn)有數(shù)據(jù)的計(jì)算、總結(jié)和分析，得出了載重能力較大的卡車(chē)具有較低的噸公里運(yùn)輸成本和較高的運(yùn)輸效率的結(jié)論[3]。王建光等提出了一種基于三角剖分原理的采剝加權(quán)平均運(yùn)距計(jì)算方法，實(shí)踐應(yīng)用表明,該方法能顯著提高運(yùn)距計(jì)算的準(zhǔn)確性，對(duì)露天礦山企業(yè)的生產(chǎn)成本控制具有重要意義[4]。柴森霖等分析了卡車(chē)調(diào)度優(yōu)化準(zhǔn)則及影響調(diào)度效果的因素，用計(jì)算機(jī)仿真事件步長(zhǎng)法模擬了裝運(yùn)環(huán)節(jié)[5]。白潤(rùn)才研究了單斗—卡車(chē)工藝實(shí)時(shí)調(diào)度優(yōu)化決策系統(tǒng)，并提出了一種設(shè)計(jì)思路，即露天礦分時(shí)段卡車(chē)實(shí)時(shí)調(diào)度系統(tǒng)，有助于對(duì)調(diào)度過(guò)程進(jìn)行優(yōu)化[6]。顧清華等基于各裝載、卸載點(diǎn)間的多條運(yùn)輸路徑和生產(chǎn)任務(wù)，建立了綜合成本最小的低碳條件下卡車(chē)運(yùn)輸優(yōu)化模型，在實(shí)際應(yīng)用中能有效減少運(yùn)輸成本，減少耗能和碳排放[7]。柴森霖等建立了路徑優(yōu)化模型，并用遺傳算法得到能耗較低的最優(yōu)化路徑，克服露天礦以等效運(yùn)距為權(quán)重進(jìn)行路徑優(yōu)化的不可行性[8]。

上述研究對(duì)露天礦運(yùn)距的優(yōu)化和智能運(yùn)輸調(diào)度提供了思路，但是并未實(shí)現(xiàn)如何解決露天礦卡車(chē)運(yùn)距計(jì)算不準(zhǔn)確的問(wèn)題。研究發(fā)現(xiàn)，露天煤礦采剝區(qū)域變化頻繁、道路復(fù)雜多變和網(wǎng)絡(luò)盲區(qū)等因素使露天礦卡車(chē)運(yùn)距存在漂移和準(zhǔn)確性較低的現(xiàn)象?，F(xiàn)階段露天礦卡車(chē)運(yùn)距不準(zhǔn)無(wú)法為智能調(diào)度提供依據(jù)，也無(wú)法作為計(jì)算卡車(chē)司機(jī)工作量的依據(jù)，因此部分單位選擇按月對(duì)司機(jī)的運(yùn)距進(jìn)行手動(dòng)統(tǒng)計(jì)并結(jié)合產(chǎn)量對(duì)司機(jī)進(jìn)行考核，人工統(tǒng)計(jì)的工作量較大，也有部分單位僅僅通過(guò)產(chǎn)量對(duì)司機(jī)進(jìn)行考核，忽視了運(yùn)距的作用。

隨著露天礦智能化建設(shè)的推進(jìn)，智能運(yùn)輸調(diào)度系統(tǒng)實(shí)現(xiàn)了車(chē)鏟智能調(diào)度，其核心是在效率最優(yōu)原則下實(shí)現(xiàn)最小的運(yùn)距，準(zhǔn)確的運(yùn)距不僅僅為智能運(yùn)輸調(diào)度提供依據(jù)，也可實(shí)現(xiàn)用運(yùn)距和產(chǎn)量對(duì)卡車(chē)司機(jī)進(jìn)行綜合考核，解決露天礦實(shí)際問(wèn)題并最終促進(jìn)露天礦管理模式的改變。

1 綜合運(yùn)距

露天礦的生產(chǎn)流程包括剝離、采煤、地面生產(chǎn) 和輔助生產(chǎn)等環(huán)節(jié)，運(yùn)距自動(dòng)糾偏算法主要涉及剝離和采煤中的運(yùn)輸過(guò)程。露天礦的典型生產(chǎn)工藝如圖1所示。

露天礦開(kāi)采工藝主要為單斗—汽車(chē)工藝，即單斗電鏟采裝煤礦或剝離土方、礦用卡車(chē)運(yùn)輸、破碎站和排土場(chǎng)進(jìn)行物料卸載。礦用卡車(chē)是連接電鏟和卸載點(diǎn)之間的橋梁，形成了露天礦的生產(chǎn)運(yùn)輸線。露天礦的生產(chǎn)能力主要指的是運(yùn)輸能力，露天礦的運(yùn)輸直接成本和間接成本占生產(chǎn)總成本的40%以上。露天礦運(yùn)距可直接反應(yīng)運(yùn)輸成本，同時(shí)運(yùn)距也可以衡量運(yùn)輸效率，因此運(yùn)距是露天礦的核心生產(chǎn)指標(biāo)之一。

圖1 露天礦典型生產(chǎn)工藝

智能運(yùn)輸調(diào)度系統(tǒng)中車(chē)載終端是一種安裝在露天礦運(yùn)輸卡車(chē)上的專(zhuān)用計(jì)算機(jī)，由衛(wèi)星定位系統(tǒng)、中央微處理機(jī)、顯示屏、觸摸屏、接口系統(tǒng)和電源幾部分組成。露天礦通過(guò)GPS信號(hào)實(shí)時(shí)計(jì)算單趟運(yùn)距，即通過(guò)卡車(chē)裝完?duì)顟B(tài)下GPS信號(hào)的坐標(biāo)和卡車(chē)卸完?duì)顟B(tài)下的GPS信號(hào)坐標(biāo)，加載該時(shí)間段內(nèi)中間全部的GPS信號(hào)，最終確定卡車(chē)的單趟運(yùn)距，其單趟運(yùn)距的詳情如圖2所示。

圖2 露天煤礦卡車(chē)單趟運(yùn)距示意

由圖2可以得出，相同支路上卡車(chē)的綜合運(yùn)距在理論上是一致的，由于礦用卡車(chē)的GPS信號(hào)會(huì)出現(xiàn)跳躍，導(dǎo)致不同的礦用車(chē)輛單趟運(yùn)距相差較大。在實(shí)際生產(chǎn)過(guò)程中不同卡車(chē)在支路上的綜合運(yùn)距相差比較大，因此需要將支路上的綜合運(yùn)距進(jìn)行動(dòng)態(tài)的固定，即在某一時(shí)段時(shí)間內(nèi)支路的運(yùn)距是相同的，在不同時(shí)間段內(nèi)運(yùn)距是變化的。

本文將支路中不同卡車(chē)單趟運(yùn)距輸入模型中，系統(tǒng)自動(dòng)剔除異常值點(diǎn)和極端異常值點(diǎn)。將有效數(shù)據(jù)值擬合成正態(tài)分布得到期望值，并將期望值賦值給該支路的綜合運(yùn)距值，即該支路上的不同卡車(chē)單趟運(yùn)距均與綜合運(yùn)距相同。某班次卡車(chē)的總運(yùn)距如式（1）所示：

式中，Dcj為礦用卡車(chē)在j時(shí)間段的運(yùn)距值；Dij為支路i在j時(shí)間段的綜合運(yùn)距值；nij為在j時(shí)間段內(nèi)支路i運(yùn)行的次數(shù)。

2 綜合運(yùn)距建模

2.1 數(shù)據(jù)來(lái)源

本文選擇1號(hào)和2號(hào)露天煤礦為研究對(duì)象，2號(hào)露天礦的卡車(chē)均安裝智能運(yùn)輸調(diào)度車(chē)載終端，終端通過(guò)GPS信號(hào)計(jì)算卡車(chē)的重運(yùn)和空運(yùn)運(yùn)距，通過(guò)卡調(diào)系統(tǒng)可記錄卡車(chē)的運(yùn)距。1號(hào)礦和2號(hào)礦的智能運(yùn)輸調(diào)度系統(tǒng)已平穩(wěn)運(yùn)行，經(jīng)過(guò)長(zhǎng)時(shí)間驗(yàn)證后發(fā)現(xiàn)該方法會(huì)因?yàn)閿嗑W(wǎng)、信號(hào)漂移等因素使部分?jǐn)?shù)據(jù)失真，但是大部分的數(shù)據(jù)質(zhì)量相對(duì)較高，因此項(xiàng)目中選用的模型數(shù)據(jù)和驗(yàn)證數(shù)據(jù)來(lái)源于1號(hào)和2號(hào)露天礦。

2.2 模型選擇

智能運(yùn)輸調(diào)度系統(tǒng)計(jì)算的運(yùn)距存在漂移和缺失等不準(zhǔn)確的情況，需要將數(shù)據(jù)進(jìn)行清洗以提高數(shù)據(jù)的質(zhì)量。目前在礦區(qū)采用手工清理的方式去掉異常數(shù)據(jù)，統(tǒng)計(jì)工作量十分巨大，因此需要通過(guò)系統(tǒng)自動(dòng)去除異常數(shù)據(jù)以減少工作量，提高工作效率。目前清洗數(shù)據(jù)方法有箱線圖法、聚類(lèi)分析、去重分析、降噪分析、回歸建模和正態(tài)分布的離群點(diǎn)檢測(cè)等方法。單趟運(yùn)距值是離散型，異常值通常是離群點(diǎn)，因此初步確定使用箱線圖法和正態(tài)分布的離群點(diǎn)檢測(cè)法對(duì)數(shù)據(jù)進(jìn)行篩選，達(dá)到清洗的效果。

2.2.1 箱線圖檢測(cè)法

箱線圖（Box-plot）又名箱形圖或盒須圖[9]，是一種顯示數(shù)據(jù)分散情況的統(tǒng)計(jì)圖，其篩選方法實(shí)際上是利用數(shù)據(jù)的分位數(shù)來(lái)識(shí)別異常點(diǎn)。該方法主要用于反映原始數(shù)據(jù)的分布特征，也可以比較多組數(shù)據(jù)的分布特征。箱線圖的繪制方法是：首先在一組數(shù)據(jù)中找出其上邊緣、下邊緣、中位數(shù)和兩個(gè)四分位數(shù)；然后，連接兩個(gè)四分位數(shù)以繪制箱體；最后將上下邊緣與箱體連接，中位數(shù)在箱體的中間。其原理如圖3所示。

圖3 箱線圖法原理

圖3中的下四分位數(shù)是指數(shù)據(jù)的25%分位點(diǎn)的對(duì)應(yīng)值（Q1）；中位數(shù)為數(shù)據(jù)的50%分位點(diǎn)的對(duì)應(yīng)值（Q2）；上四分位數(shù)則為數(shù)據(jù)的75%分位點(diǎn)的對(duì)應(yīng)值（Q3）；上邊緣值的計(jì)算公式為Q3+1.5(Q3-Q1)；下邊緣值的計(jì)算公式為Q1-1.5(Q3-Q1)。其中，Q3-Q1表示四分位差。采用箱線圖識(shí)別異常值的判斷標(biāo)準(zhǔn)是：當(dāng)變量的數(shù)據(jù)值大于箱線圖的上邊緣值或小于箱線圖的下邊緣值時(shí)，就可以認(rèn)為這樣的數(shù)據(jù)點(diǎn)為異常點(diǎn)。所以，基于箱線圖可以定義某個(gè)數(shù)值型變量的異常點(diǎn)和極端異常點(diǎn)，它們的判斷標(biāo)準(zhǔn)見(jiàn)表1。通過(guò)箱線圖法進(jìn)行判斷后，可判斷出異常值的編號(hào)和異常值數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)清洗的目的。

表1 箱線圖法異常值判別標(biāo)準(zhǔn)

2.2.2 正態(tài)分布的離群點(diǎn)檢測(cè)法

由正態(tài)分布的定義可得，數(shù)據(jù)點(diǎn)落在距均值正負(fù)1倍標(biāo)準(zhǔn)差內(nèi)的概率為68.27%；數(shù)據(jù)點(diǎn)落在距均值正負(fù)2倍標(biāo)準(zhǔn)差內(nèi)的概率為95.45%；數(shù)據(jù)點(diǎn)落在距均值正負(fù)3倍標(biāo)準(zhǔn)差內(nèi)的概率為99.73%，即3倍的標(biāo)準(zhǔn)差原則（可忽略3倍的標(biāo)準(zhǔn)差以外的數(shù)據(jù)值對(duì)整體的影響）。標(biāo)準(zhǔn)正態(tài)分布的概率密度如圖4所示。

圖4 標(biāo)準(zhǔn)正態(tài)分布概率密度

數(shù)據(jù)點(diǎn)落在距均值正負(fù)2倍標(biāo)準(zhǔn)差之外的概率不足5%，屬于小概率事件，將這樣的數(shù)據(jù)點(diǎn)稱(chēng)為異常點(diǎn)。同理，如果數(shù)據(jù)點(diǎn)落在距均值正負(fù)3倍標(biāo)準(zhǔn)差之外的概率更小，可將這些數(shù)據(jù)點(diǎn)稱(chēng)為極端異常點(diǎn)。異常點(diǎn)的判別標(biāo)準(zhǔn)見(jiàn)表2。通過(guò)正態(tài)分布的離群點(diǎn)檢測(cè)法進(jìn)行判斷后，可判斷出異常值的編號(hào)和異常值數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)清洗的目的。

表2 異常點(diǎn)的判別標(biāo)準(zhǔn)

上述兩種方法均可實(shí)現(xiàn)對(duì)運(yùn)距數(shù)據(jù)進(jìn)行清洗的目的，由于相同的支路內(nèi)的單趟運(yùn)距是互相獨(dú)立的，且理論上是無(wú)窮的。在實(shí)際上相同裝卸點(diǎn)之間的數(shù)據(jù)量相對(duì)較大，運(yùn)距數(shù)據(jù)互相獨(dú)立，根據(jù)大數(shù)定律可確定運(yùn)距的數(shù)據(jù)分布滿足正態(tài)分布，是自然界中最常見(jiàn)的數(shù)據(jù)分布，具有普適性[10]，因此本項(xiàng)目中選用正態(tài)分布的離群點(diǎn)檢測(cè)法對(duì)數(shù)據(jù)進(jìn)行清洗。

2.3 數(shù)據(jù)建模

根據(jù)上述分析選擇正態(tài)分布的離群點(diǎn)檢測(cè)法對(duì)數(shù)據(jù)進(jìn)行清洗。支路ID是將電鏟ID和卸點(diǎn)ID進(jìn)行組合形成的，選取不同支路之間的重運(yùn)單趟運(yùn)距作為輸入值訓(xùn)練模型；待模型訓(xùn)練成功后可得到不同支路上的異常值；將異常值點(diǎn)去除后進(jìn)行正態(tài)分布得到的期望值，即為該支路上卡車(chē)的綜合運(yùn)距值。將數(shù)據(jù)導(dǎo)入系統(tǒng)后，系統(tǒng)自動(dòng)統(tǒng)計(jì)出不同支路的樣本數(shù)、異常值數(shù)、期望值和全部數(shù)據(jù)，并可查看異常值點(diǎn)的詳情數(shù)據(jù)。

系統(tǒng)根據(jù)不同支路的數(shù)據(jù)分布可得到數(shù)據(jù)分布的散點(diǎn)圖，并借助于兩條水平參考線識(shí)別異常值或極端異常值，如圖6所示。圖6中顯示散點(diǎn)值和偏離均值正負(fù)2倍標(biāo)準(zhǔn)差的參考線，橫軸是將數(shù)據(jù)按時(shí)間進(jìn)行排序，縱軸是運(yùn)距值，通過(guò)運(yùn)距值的分布可直觀地查看到異常值點(diǎn)和數(shù)據(jù)的分布特征。經(jīng)過(guò)分析后明確運(yùn)距值符合標(biāo)準(zhǔn)正態(tài)分布。

圖5 運(yùn)距分布散點(diǎn)

由于異常值使運(yùn)距不準(zhǔn)，依據(jù)剔除異常值后的數(shù)據(jù)繪制正態(tài)分布直方圖，如圖6所示。圖6中所示的是支路上運(yùn)距分布，該正態(tài)分布圖會(huì)根據(jù)數(shù)據(jù)的數(shù)量進(jìn)行改變，數(shù)據(jù)量越大 正態(tài)分布越標(biāo)準(zhǔn)，當(dāng)數(shù)據(jù)量為無(wú)窮時(shí)即為標(biāo)準(zhǔn)正態(tài)分布。

2.4 模型驗(yàn)證

不同支路的運(yùn)距是動(dòng)態(tài)變化的，當(dāng)班內(nèi)支路的運(yùn)距的變化是可忽略的，因此在驗(yàn)證時(shí)數(shù)據(jù)的選擇不能跨度很大，通常以一天三班或兩天六班為一個(gè)數(shù)據(jù)周期。在調(diào)度作業(yè)系統(tǒng)中做生產(chǎn)月度計(jì)劃時(shí)會(huì)對(duì)運(yùn)距進(jìn)行計(jì)劃，因此選擇生產(chǎn)月度計(jì)劃后續(xù)兩天的數(shù)據(jù)來(lái)訓(xùn)練和驗(yàn)證模型。此次隨機(jī)選取1號(hào)礦和2號(hào)礦中6個(gè)班次的運(yùn)距作為測(cè)試數(shù)據(jù)代入模型，通過(guò)對(duì)比得到的期望值與實(shí)際值進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果見(jiàn)表3。通過(guò)該模型得到的綜合運(yùn)距與實(shí)際運(yùn)距的誤差率絕對(duì)值在0.22%～5.91%之間，在合理的范圍內(nèi)，可滿足露天礦的生產(chǎn)要求。

圖6 運(yùn)距的正態(tài)分布直方圖

表3 綜合運(yùn)距的驗(yàn)證

3 實(shí)證研究

3.1 應(yīng)用效果

將上述模型應(yīng)用到某露天礦的智能運(yùn)輸調(diào)度系統(tǒng)中對(duì)實(shí)時(shí)采集運(yùn)距進(jìn)行糾偏，將運(yùn)輸卡車(chē)的運(yùn)距數(shù)據(jù)自動(dòng)采集到系統(tǒng)中，通過(guò)系統(tǒng)模型進(jìn)行運(yùn)算，得出綜合運(yùn)距值。綜合運(yùn)距值作為卡車(chē)調(diào)度中核心指標(biāo)，對(duì)指導(dǎo)生產(chǎn)有重大意義，同時(shí)改變了露天礦中生產(chǎn)計(jì)量模式。

3.2 經(jīng)濟(jì)效益

根據(jù)實(shí)際情況進(jìn)行統(tǒng)計(jì)分析，該露天礦每月份所有卡車(chē)重運(yùn)趟數(shù)為49 980車(chē)以上，傳統(tǒng)方式礦區(qū)需要對(duì)卡車(chē)重運(yùn)趟數(shù)進(jìn)行人工統(tǒng)計(jì)，剔除掉無(wú)效數(shù)據(jù)，統(tǒng)計(jì)時(shí)間比較長(zhǎng)，每月的統(tǒng)計(jì)工作用時(shí)至少不低于7 d。通過(guò)系統(tǒng)自動(dòng)生成綜合運(yùn)距，可以大大減少卡車(chē)運(yùn)距測(cè)量的誤差率，將按車(chē)次統(tǒng)計(jì)運(yùn)輸卡車(chē)的重運(yùn)趟數(shù)轉(zhuǎn)變?yōu)榘蠢锍探y(tǒng)計(jì)運(yùn)輸卡車(chē)的重運(yùn)趟數(shù)，減少了人工統(tǒng)計(jì)的工作量，節(jié)約人力成本，產(chǎn)生一定的經(jīng)濟(jì)效益。

露天礦的傳統(tǒng)方法是將卡車(chē)運(yùn)輸?shù)漠a(chǎn)量作為司機(jī)考核的核心依據(jù)，其原因是卡車(chē)運(yùn)距的準(zhǔn)確性不高，無(wú)法作為考核依據(jù)。系統(tǒng)自動(dòng)糾偏運(yùn)距后可改變傳統(tǒng)的考核方式，綜合運(yùn)距和卡車(chē)運(yùn)輸產(chǎn)量來(lái)考核司機(jī)的工作量和計(jì)算工資，同時(shí)精準(zhǔn)的運(yùn)距可與露天礦的燃油系統(tǒng)進(jìn)行結(jié)合，得到精準(zhǔn)的燃油單耗指標(biāo)，為露天礦精細(xì)化管理提供依據(jù)。

4 結(jié)論

本文根據(jù)露天礦運(yùn)距的實(shí)際情況進(jìn)行研究，選取1號(hào)礦和2號(hào)礦不同裝卸點(diǎn)之間的運(yùn)距來(lái)訓(xùn)練模型，模型可自動(dòng)識(shí)別出異常點(diǎn)和極端異常點(diǎn)，并將異常點(diǎn)剔除，將有效數(shù)據(jù)生成運(yùn)距的正態(tài)分布直方圖，將期望值作為支路的綜合運(yùn)距。選取與月度生產(chǎn)作業(yè)計(jì)劃同期的6個(gè)班次的運(yùn)距值并代入訓(xùn)練好的模型后，將得到的綜合運(yùn)距與實(shí)際運(yùn)距進(jìn)行對(duì)比，驗(yàn)證了模型的準(zhǔn)確性，通過(guò)該模型得到的綜合運(yùn)距與實(shí)際運(yùn)距的誤差率絕對(duì)值在0.22%～5.91%之間，在合理的范圍內(nèi)可滿足礦區(qū)的生產(chǎn)要求。

將此模型應(yīng)用到某露天礦中，系統(tǒng)自動(dòng)生成綜合運(yùn)距，可以大大減少卡車(chē)運(yùn)距測(cè)量的誤差率，減少人工統(tǒng)計(jì)的工作量，節(jié)約人力成本。同時(shí)將按車(chē)次對(duì)司機(jī)考核的傳統(tǒng)方式轉(zhuǎn)變?yōu)榘催\(yùn)距和卡車(chē)連輸產(chǎn)量相結(jié)合的新方式，為露天礦精細(xì)化管理提供了支撐，符合礦區(qū)作業(yè)生產(chǎn)過(guò)程中的要求，并能為實(shí)際生產(chǎn)帶來(lái)一定經(jīng)濟(jì)效益。