2. 矿卡车队调度核心要素解析

调度算法再精巧，也只是在“给定输入”上做优化。无人矿卡车队调度系统的输入要素如果识别不全、量化不准，后续的等候时间计算、车流分配和派车决策都会建立在错误的前提上。本节要解决的核心问题是：把调度模型真正需要的输入要素逐一识别出来，并说明每一项如何从现场资料或生产数据中量化为可参与计算的参数。

一、无人矿卡类型与载重：把“车”变成可计算的运力单元

矿卡车队通常不是单一车型。以常见的露天金属矿为例，车队可能同时包含载重 70 t 级、90 t 级和 220 t 级三种无人矿卡，分别承担短距离剥离、主运输和配矿运输任务。调度模型关心的不是车型名称，而是每类车的额定载重、实际平均装载量、运行速度特性、装卸耗时和可用率。

量化时建议为每个车型建立一条“运力参数记录”，至少包含：额定载重 Q_rated（t）、实际装载系数 k_load（通常 0.9～1.0，受铲斗匹配和物料松散系数影响）、有效载重 Q_eff = Q_rated × k_load、重载平均速度与空载平均速度、装载点平均装车时间、卸载点平均卸车时间、班内计划可用率。举例来说，某 90 t 级无人矿卡额定载重 90 t，装载系数取 0.95，则有效载重 85.5 t；若单程重载运距 2.4 km、重载平均速度 18 km/h，则单程重载时间约 8 min，这是后续计算循环时间和等候时间的基础数据。

需要特别提醒：无人矿卡的“可用率”与有人车不同，它受感知系统状态、地图版本、通信链路和远程接管频次影响。量化时应使用近 30 天的实际运行统计，而不是设计值，否则会系统性高估车队运力。

二、装卸点布局：位置、能力与服务关系

装卸点是车流的发生源和汇聚点，其布局直接决定路径长度和排队结构。识别装卸点要素时，要区分三类信息：空间位置（坐标、高程、与主干道的连接方式）、服务能力（同时可服务的车辆数、单次作业时间、装载设备类型与斗容）、服务关系（哪些装载点可以向哪些卸载点供料，受物料类型、品位配矿和破碎站入口限制）。

以某铁矿为例：3 个装载点（电铲 2 台、前装机 1 台），2 个卸载点（破碎站 A、排土场 B）。装载点 P1 配置 1 台 12 m³ 电铲，单斗约 20 t，装满一辆 90 t 矿卡需 5 斗，理论装车时间约 4.5 min；若同时只允许 1 辆车对位，则该装载点的服务率约为 13 辆/h。这个数字就是判断该点是否会成为瓶颈的直接依据。卸载点则要记录破碎站受料口数量、卸车平台容量和平均卸车时间，排土场还要记录推排作业对卸车节奏的干扰。

三、道路网络结构：把路网抽象为带权有向图

道路网络是调度计算中“距离”和“时间”的来源。工程上通常把路网抽象为带权有向图：节点为装载点、卸载点、交叉口、会让点和停车场；边为路段，权重包括长度、坡度、路面类型、限速、单向或双向通行、是否允许超车。无人矿卡对道路的敏感性高于有人车，坡度直接影响重载速度，交叉口需要停车让行逻辑，窄路段需要单向管制，这些都必须体现在边的属性里，而不能只用一个直线距离代替。

量化路网时，建议对每条边记录：长度 L（m）、重载方向平均速度 v_loaded、空载方向平均速度 v_empty、通行方向约束。于是单条路段的行驶时间可按 t = L / v 计算。例如某上坡重载路段长 800 m、重载平均速度 12 km/h，则通过时间约 4 min；同一路段空载下行速度 25 km/h，通过时间约 1.9 min。方向不同、时间不同，这正是等候时间计算必须区分重载与空载路径的原因。

四、生产班次与产量目标：把时间轴和任务量对齐

班次决定了调度的时间边界，产量目标决定了任务总量。需要量化的要素包括：班次时长（如 8 h 或 12 h）、班内有效作业时间（扣除交接班、爆破避让、加油、检修和就餐）、班产量目标（t/班或 m³/班）、配矿比例要求以及各卸载点的接收量分配。

把产量目标换算成车次需求是关键的中间步骤：N_trips = 班产量目标 / 有效载重。若某班目标为 18 000 t，使用有效载重 85.5 t 的矿卡，则需约 211 车次；若班内有效作业时间为 10 h，则平均需要约 21 车次/h 的运输能力。再结合单车循环时间（装载 + 重载行驶 + 卸载 + 空载返回），即可反推所需车数，并与可用车数比较，判断运力是否匹配。这一步是后续等候时间计算和派车规则设计的直接输入。

五、把要素串起来：一次可复现的量化示例

假设某班次目标 18 000 t，有效作业时间 10 h，使用有效载重 85.5 t 的矿卡，装载点 P1 服务率约 13 辆/h，卸载点破碎站 A 服务率约 15 辆/h。单车循环时间由装车 4.5 min、重载行驶 8 min、卸车 3 min、空载返回 6 min 构成，合计约 21.5 min，即单车理论运力约 2.8 车次/h。按 21 车次/h 的需求，理论需车约 7.5 辆，取 8 辆。此时装载点到达率约 21 辆/h，已超过其 13 辆/h 的服务率，排队不可避免——这说明仅增加车辆并不能提升产量，瓶颈在装载点，应优先考虑增开装载点或缩短装车时间。这个判断过程，正是把四类输入要素量化后自然得出的结论，也是后续等候时间计算要精确刻画的对象。

综上，无人矿卡类型与载重回答“用什么车、能拉多少”，装卸点布局回答“在哪里装、在哪里卸、能力多大”，道路网络结构回答“走哪条路、走多久”，生产班次与产量目标回答“多长时间内完成多少量”。四类要素各自量化后汇入同一套参数体系，才能支撑等候时间计算与派车决策的准确性。