基于Multi-Agent的露天礦山無人運輸系統的研究

陳成CHEN Cheng；梅貴周MEI Gui-zhou；王煒杰WANG Wei-jie；盧一葦LU Yi-wei

（①安徽海博智能科技有限責任公司，蕪湖 241200；②蘭州大學信息科學與工程學院，蘭州 730000）

0 引言

自動駕駛技術運用到礦山上，不僅可以降低安全隱患，而且可以減少人工運營成本損耗。在運營成本上，當前礦山企業主要支出為人力、燃料、與礦車及其維護等，無人駕駛解決方案首先可以大幅節省掉人力成本。文獻針對目前無人駕駛礦車實時檢測露天礦山道路坡度研究中存在的問題進行了研究。文獻提出了一種露天采場礦車點集自動提取方法。文獻介紹礦車無人駕駛系統中基于5G技術的車地通信網絡、地面控制中心和車輛控制主機的構成和功能，并給出系統實施建議和系統評價。

MAS作為當今人工智能領域的前沿學科，為復雜適應系統（Complex Adaptive System，CAS）的建模與仿真提供了一個新途徑。許多學者已經采用多Agent技術來解決自動駕駛的相關問題。文獻設計了面向自動駕駛應用的智能分布式的決策算法，在最大化信息融合對自動駕駛任務增益的同時，最大化路網交通車流量，并滿足自動駕駛車輛的成本和資源約束。文獻結合交通工程中人、車、路等要素，設計基于多智能體系統的CAV集聚控制模型。可以看出，通過構建基于MAS的無人駕駛系統，使各個Agent在分布式環境中通過相互合作交互運作，從而達到整個系統角度的“車端感知，遠端管控”。

鑒于此，為滿足露天礦山對無人運輸的高要求，本文分析了露天礦山無人運輸的作業流程。引入了不同功能的Agent，通過不同的人工智能算法與多Agent之間的交互實現露天礦山無人運輸的系統目標。開發了Multi-Agent系統原型，并驗證了系統的有效性。

1 基于Multi-Agent的無人運輸系統模型構建

可以將露天礦山無人運輸系統，視成由一組獨立節點和具備相關合作關系的活動組成的網絡。獨立節點可以是單車智駕子系統的感知、規劃、控制等功能，也可以是云端的調度與交叉口交通管控技術。（圖1）

感知模塊Agent通過改進錨點框坐標聚類法提升深度神經網絡的多尺度目標檢測適應能力，通過網絡輕量化技術提升礦山復雜場景目標檢測跟蹤效率。

規劃模塊Agent采用基于混合A*算法實現全局地圖路徑尋優及關鍵點提取，采用考慮垂直距離代價的DWA提高礦車挖機的精準定向能力。

控制Agent通過橫向轉向與縱向速度沿著己經由上流的路徑規劃算法所指定的幾何軌跡進行自主運動。

調度Agent針對石灰石品位配比與運輸能耗優化難題，基于排隊論和干擾管理分別建立主動調度和動態調度模型。兩類模型交替進行實現石灰石運輸總運量優化。

交管Agent針對多臺礦車在交叉路口沖突問題，通過沖突區域預估、動態安全距離以及危險度計算，得到礦車交叉路口通行配時以及通行指令的決策優化，提高整個車隊通行效率。

2 Agent功能設計

2.1 單車智能感知Agent

自動駕駛礦車配置有3路多線激光雷達，分別裝置于車輛左前、右前和正后方；配置有4路毫米波雷達，分別裝置于車輛正前、左前、右前和正后方；配置有一組攝像頭，裝置于車輛正前方。依據各傳感器數據特點，各傳感器數據的處理算法被合理地分布在AI模塊、CPU模塊和MCU模塊中，以充分發揮各種類型處理芯片的算力。上述傳感器硬件配置方案，可實現對自動駕駛礦車全覆蓋實時感知，保障了感知系統整體的穩定性和可靠性。

露天礦山場景感知方法系統軟件框架如圖2所示。使用GPS授時系統，對攝像頭、激光雷達和毫米波雷達的數據進行時空對齊；攝像頭圖像通過深度學習網絡實現目標的識別與分類，并融合擊中障礙物的激光點云信息，獲取目標的位姿估計；毫米波雷達通過調頻波信號實現目標的識別，輸出目標的粗略位置與速度，并融合擊中障礙物的激光點云信息，獲取目標的精確位姿估計；激光點云數據經過濾波算法去除揚塵、雨雪和大霧等影響后，通過結合當前車輛的線速度與角速度，在ROI內對障礙物和不可行區域進行體素級別檢測。上述各單獨檢測模塊輸出的識別結果，經過后融合算法進行濾波與跟蹤，最終得到車身四周的目標位姿與車輛可行駛區域，輸出給規劃與控制模塊，為車輛下一時刻的速度和轉向提供控制依據。

圖1基于Multi-Agent的無人運輸系統模型

2.2 單車智能路徑規劃Agent

針對上述復雜礦山場景，提出一種面向動態協作場景的雙層軌跡規劃技術來滿足復雜礦山作業平臺協作場景的路徑規劃需要。該技術框架如圖3所示。

該框架主要由三部分組成，基于礦車多源感知數據的地圖構建、基于混合A*算法的軌跡規劃關鍵點選取以及面向礦車挖機精準定向需求的DWA局部規劃。

圖3軌跡規劃框架

2.2.1 基于礦車多源感知數據的地圖構建

為了提高鏟裝區泊車規劃算法的成功率，需要在礦車作業前提供鏟裝點附近的柵格地圖。鏟裝區場景具有場景開闊、紋理較少、路面顛簸等特點，在這樣的場景中，僅使用激光雷達傳感器建立點云地圖的方案（即激光SLAM）的數據匹配環節魯棒性差，整體建圖效果不佳。融合車輛組合導航、毫米波雷達等其他傳感器的信息能夠有效提升建圖精度和建圖效果，為軌跡規劃提供車輛的全局感知地圖。

考慮到在礦山特殊路況下，礦車在行駛過程中會發生較大顛簸，導致車輛的控制結果會與規劃軌跡產生不可預料的偏差；另一方面受限于車輛底層的控制精度，礦車在實際控制中無法理想地跟蹤到混合A*軌跡中的每個點。與此同時，由于混合A*軌跡規劃在大地圖情況下，規劃效率低、時間長，并不能滿足礦車實時軌跡規劃的應用需求。由此，采用由基于混合A*算法的軌跡規劃關鍵點選取和面向礦車挖機精準定向需求的DWA局部規劃組成的雙層軌跡規劃框架。

2.2.2 基于混合A*算法的軌跡規劃關鍵點選取

混合A*算法考慮了車輛動力學模型，使得規劃出的路徑符合車輛動力學約束，且輸出的路徑為一系列帶有坐標和朝向信息的離散點。基于特定準則選取某些點作為關鍵點，這樣可以有效降低因為控制問題無法到達目標點從而出現原地轉圈現象的幾率，同時提高系統規劃效率，滿足在時變復雜礦山作業平臺協作場景的應用需要。

2.2.3 面向礦車挖機精準定向需求的DWA局部規劃

由于挖機位置和朝向隨挖機工作狀態動態變化，礦車在工作區進入裝料點時需進行動態局部軌跡規劃，為滿足挖機對礦車的裝載作業要求，礦車和挖機不僅需要到達礦機作業的裝載點，同時還需要保證礦車和挖機的精準定向。面向礦車挖機精準定向需求的DWA局部規劃在軌跡規劃關鍵點的指導下，能夠有效實現無人駕駛礦車的局部軌跡規劃和精準定向。

2.3 單車智能控制Agent

在露天礦山無人駕駛礦車的關鍵技術當中，設計橫向和縱向路徑控制的技術統稱為路徑跟蹤控制技術。路徑跟蹤控制是一輛無人駕駛礦車通過橫向轉向與縱向速度沿著己經由上流的路徑規劃算法所指定的幾何軌跡進行自主運動。優秀的跟蹤控制算法能夠最小化無人駕駛礦車的實際行駛路徑與待跟蹤路徑之間的側向距離和方向偏差。

2.4 車隊智能調度Agent

交替運行主動調度模型和動態調度模型，動態調整礦山車輛調度方案。算法的開發流程如下：

①結合特定礦山場景應用需要，確定調度方案約束條件，為調度算法構建提供指導。基于礦山實際應用需求確立最小懲罰目標，包括最優運輸車數、最優運輸總時長等。

②構建主動調度模型后，以最小懲罰為目標對主動調度模型進行多目標仿真優化。

③考慮到實際生產中往往存在諸多突發狀況，包括環境、道路狀況變化，生產需求發生變化等，會對實際生產運輸過程產生一定干擾。

④依據礦山生產需求生成礦車預先調度方案。此外，依據實時信息應對并處理突發狀況，包括環境狀況、道路狀況、生產需求變化等，動態調整礦車調度方案。

2.5 車隊智能交通管理Agent

充分運用物聯網、云計算、（移動）互聯網、人工智能等技術，匯集水泥礦區無人礦車的交通信息，內置路口通行規則及智能交管算法，對混編、并行編組、交通沖突等復雜運行提前主動控制，通過向每臺無人礦車發送交管指令（如加速、減速、臨時停車等），充分保障露天礦山整個車隊的交通安全、提升整體作業效率和路口通行安全。

3 Multi-Agent系統總體架構與實例驗證

3.1 硬件部署

針對TR100A無人駕駛礦車整車固有的結構，結合無人駕駛系統各種傳感器等電氣零部件的特性。整個無人駕駛系統采用了整體式設計理念，使得TR100A無人駕駛礦車整體布置合理。不僅使得無人駕駛系統各零部件能夠發揮其應有的功能和性能，而且使得TR100A無人駕駛礦車具有很強的一體感。其中無人駕駛系統主要零部件有計算平臺、激光雷達、毫米波雷達以及組合導航等。其中計算平臺是TR100A無人駕駛系統的控制器，相當于整個無人駕駛系統的大腦。其安裝采取了抗震性能強的減震措施，并通過專業的有限元分析軟件進行模態的振動分析，并采集了礦山實際路面的具體路譜，最終形成了可靠的減振方案。所匹配的激光雷達采用了三角式布局，不但減少了其使用數量，大大降低了成本；而且能夠360°全方位識別TR100A無人駕駛礦車的周圍環境。從而提高了整車在無人駕駛行駛過程中的安全性。并且在激光雷達固定方式的設計中，融合了強減震、易散熱、防撞擊、防水性能優等設計理念，提高了激光雷達的可靠性和使用壽命。

3.2 軟件部署

車控操作系統采用Ubuntu18.04。基礎軟件包括：軟件監控系統開發、TBOX通信、初始化代碼開發、診斷、故障策略和功能安全相關工作、組合導航和車輛通信軟件開發。

應用軟件包括：定位、感知、路徑規劃、控制以及HMI。

3.3 礦山網絡與網關部署

系統基于大帶寬、低時延和高可靠的5G網絡連接實現網聯化的無人礦車實時調度、遠程應急安全接管、高精度定位等應用。5G網絡部署包括礦山5G網絡覆蓋部署和車載5G通信終端部署兩部分。

根據智慧礦山建設需要，通過與中國電信合作，在無人駕駛礦車落地應用的蕪湖海螺箬帽山礦區建設了全面覆蓋的5G專網。在5G基站部署上，礦山共部署了5座5G SA（獨立組網）基站。基站部署點位上，針對礦山無線環境隨礦山開采動態變化的特點，通過覆蓋場景仿真確定最佳部署位置。

3.4 現場應用

目前，已完成7臺TR100礦車的無人化運行改裝工作，可實現全流程無人自動化運行。現已在蕪湖海螺箬帽山礦區進行無人礦車與有人礦車的混合編組運行，運行情況穩定。自2021年1月7日以來，累計運行超過4000小時，完成超過2700趟全流程運行，總計運礦量超過30萬噸。

整個無人駕駛系統需要滿足一定的性能要求，達到一定的效率目標。具體為：單車單次作業效率≥人工效率的85%；全系統作業綜合效率≥人工效率的75%（12臺車系統目標）。

停車位與裝載區泊車的停車橫向誤差≤40cm；停車縱向誤差≤25cm；卸料區泊車的橫向誤差≤50cm。

可識別人、TR50、TR100、皮卡等障礙物；障礙物尺寸≥50cm3，障礙物外廓尺寸精度≤±20cm；礦車可探測障礙距離≥50m。

礦車在無人駕駛情況下，保持速度平穩，具體性能指標為：空載上山平均車速不低于25km/h；重載下山平均車速不低于15km/h；平坡段車速穩定（不低于25km/h）；彎道穩定車速極限過彎速度*60%。

單次單趟作業等待時間≤3分鐘；交通沖突次數≤1次/班。

整個無人運輸系統，在智能調度下實現安全生產指標，無重大安全事故。具體的安全指標如下：系統故障、失效等識別處理率≥99.5%；未識別系統失效出現率（失效次數/作業次數）≤5‰；整體系統在線率：運行時間/（故障時間+運行時間）≥89%；因無人駕駛軟件導致的人身安全事故為零，無重大設備損失。

4 結論

本文通過詳細分析露天礦山無人礦車自動駕駛流程，針對露天礦山無人化作業的業務需求，提出一種基于Multi-Agent的露天礦山無人運輸系統。分析了該系統構架下各Agent應具備的功能，并概要描述了礦山無人運輸的作業流程。其中：感知Agent實現礦區環境下多目標識別；路徑規劃Agent實現全局與局部路徑尋優；控制Agent實現無人礦車精準的橫向與縱向控制；調度Agent實現運輸總運量優化與品位配比；交管Agent通過交管指令的決策優化，提高整個車隊通行效率。最后，通過一個應用實例驗證了系統的可行性與有效性。