基于數據驅動的露天礦山無人運輸系統應用架構及關鍵技術

潘 偉，梅貴周，陳 成，王煒杰

（安徽海博智能科技有限責任公司，安徽 蕪湖241200）

0 引言

露天礦區現場非常適合自動駕駛車輛在封閉場地行駛。每輛礦車在相對固定的路線上進行中低速運輸，在裝卸環節可以不需要額外人工參與作業。既能有效降低運輸造成的人員安全風險，又能徹底解決礦車司機招聘難的問題。在國家戰略和相關政策的指導下，越來越多的國內外企業紛紛涌入礦山無人駕駛領域。目前，卡特彼勒和小松公司主要為自制礦山車輛提供前裝自動駕駛解決方案；自動化解決方案提供商ASI公司，主要為其他品牌或型號的礦車提供后裝自動駕駛解決方案[1,2]。與國外科技企業提供的自動駕駛解決方案不同，國內的無人駕駛解決方案提供商主要是礦業企業[3,4]。露天礦無人運輸系統是一項復雜的系統工程，包括單車操作系統、多車協同系統、車路協同系統、無人智能系統、調度管理系統、監控系統、遠程接管系統和通信系統等[5]。

根據目前的國內外學術界與業界發展情況來看，露天礦山無人運輸系統的深度智能化不僅需要克服更多的理論和技術問題，而且各種傳感器等硬件質量與智能算法還需要進一步的實質性突破。因此，現階段露天礦山無人駕駛更多的是基于單車傳感器數據采集和深度挖掘的單車智能駕駛的應用。目標是提高單車自動駕駛穩定運行的綜合性能。

本文對露天礦山無人運輸系統的體系架構進行了深入闡述，著重介紹了無人運輸的五大數據化特征。提出包括自動駕駛子系統（Autonomous Driving Subsystem，ADS）和云控平臺（Cloud Control Platform，CCP）的無人運輸系統數據應用架構，在此基礎上，對無人運輸系統的數據應用關鍵技術進行了深入分析。

1 無人運輸系統的數據化特征

1.1 無人運輸系統的定義

露天礦無人運輸是在礦石運輸過程的自動化、信息化、數字化的基礎上，自動駕駛礦用卡車實現“裝料、運料、卸料”過程的完全無人干預情況下的可靠穩定自主運行作業，無人駕駛礦車可以接收和執行云控平臺下發的各種控制指令，并向云控平臺實時上報無人礦車自身狀態信息。云控平臺負責從整體上實現更安全、更高效、更靈活的露天礦山生產經營目標。

1.2 無人運輸系統的數據特點

（1）采集多樣，數據體量大。系統產生的海量數據分布在設備（挖掘機、礦車、加油站、破碎站等）、各種礦山管理信息系統、工業以太網等鏈路的數據采集頻率高，類型多，包括結構化和半結構化各類實時感知數據和非結構化運行指標的數據。

（2）信息潛在關聯復雜。一方面，露天礦石需要經過爆破、挖掘機（裝載機）鏟裝、礦山車輛裝載運輸、二次破碎、皮帶運輸、堆場等一系列運輸與加工環節。各環節的數據具有很強的相關性，如運輸條件、設備狀態、礦石品位等；另一方面，無人礦車在長達10年的服役生命周期的不同階段上狀態數據之間也存在著很強的潛在相關性，如技術升級、生產和維護。

（3）多樣化持續產出。無人礦車長時間連續運行的特點決定了其監控過程必須是連續持續進行的，根據作業過程上各環節的工作特點和重要性，可以采用實時、半實時、離線等采樣方式。

（4）收集、存儲、清洗和挖掘的標準較高。露天礦山無人運輸作業數據有很強的實時性要求，如無人礦車啟動順序、輔助設備狀態的運行故障的頻率與時長等，實時性要求高。

（5）數據閉環管理。無人運輸關鍵是各種清洗、挖掘和優化結果的閉環運行。因此，在運輸狀態轉換過程中的數據采集和處理過程的各個階段中，需要支持狀態的外部場景感知、數據分析、決策控制的效果反饋等閉環場景中的漸進式調整和正向持續優化。

1.3 無人運輸系統的數據功能

（1）多重感知——數據獲取。通過無人礦車的各類車端傳感器，同時結合露天礦山的路側傳感器，通過先進的4G/5G網絡通信技術對礦車路端的傳感數據進行無線傳輸，實現了無人礦車運行管理過程中對外部環境、車輛狀態、行駛定位信息等全方位監測、多手段識別和多冗余感知。經過處理、同步和融合，獲取的感知數據將與自動駕駛的各個方面進行深入集成，成為無人駕駛交通智能控制的基礎和前提。

（2）信息融合——數據交互。利用云/霧計算、大數據處理、物聯網等先進技術，對露天礦山的各類自主行駛的無人礦卡與輔助設備交互過程中所生成的海量數據進行清洗、時間同步、匯總挖掘和多維度分析，實現多個信息產生來源的數據在廣度與深度上進行聚合。建立礦石運輸過程中無人礦車與有人礦車、礦車與輔助設備、管理人員與礦山設備、管理人員與維修人員、硬件設備與無線/有線網絡、無人運輸系統與露天礦山所處環境的指令交互與數據共享機制。通過傳統機械設備與智能設備之間的數據融合，提高原先基于單一數據源的狀態估計的準確性、可靠性、靈敏性，方便管理人員可探索性自主通過多角度多維度多組合條件進行運輸過程相關性分析，探索無人礦車安全、高效、可靠、低碳、靈活操作的潛力。

（3）智能算法——數據決策。基于系統工程、多代理機制理論、從物流與供應鏈一體化運作管理的角度出發，對礦石品位配比、運輸調度、交通管理、設備預防性故障診斷和礦石品位質量與生產運行管理控制等方面進行研究，對露天礦山運行可靠性管理進行數據支撐決策，提升整個運輸過程的對各類惡劣環境適應能力、對各類突發工況自學習能力、各類潛在故障自恢復自冗余備份，運行的參數自優化趨勢。

（4）交通管理——數據監控。云控平臺的核心功能就是負責融合無人礦車、輔助設備、礦山道路與環境參數以及礦山外部行業的實時動態數據，打通云控平臺與智慧礦山各類管理信息系統之間的數據共享和業務聯動機制，為無人礦車的相關管理人員和維護人員提供標準化或定制化的數據與計算等基礎服務。基于對無人礦車車隊行駛與露天礦山管控區域的設定參數與實際應用結果，根據生產需求調整與車隊整體運行效率最大化的多目標驅動，及時向無人運輸礦車與輔助設備發送調度任務和交通管理指令，實現礦山企業的整體經濟效益最大化。

（5）全生命周期管理——數據歸檔。將露天礦山礦石運輸過程中產生的“裝載、運行、卸載”記錄，以及無人礦車在傳感器安裝、參數標定調試、無人化常態運行、預防性維護以及故障發生后及時維修過程各個環節中產生的多數據來源的歷史數據和實時運行數據在同一平臺上進行數據整合后保存，實現無人運輸系統上無人礦車與輔助設備的“安裝、調試、運行與維護”的全生命周期管理。

2 無人運輸系統的數據應用架構

露天礦山無人運輸系統的物理架構如圖1所示。

圖1 露天礦山無人運輸系統的物理架構

無人運輸系統包括自動駕駛子系統（Autonomous Driving Subsystem，ADS）和云控平臺(Cloud Control Platform，CCP)。

自動駕駛子系統是指在露天礦區工作環境下，無人駕駛礦車利用車端各類感知設備實時采集車輛行駛及周邊定位環境信息，并利用感知融合算法對各類傳感器的融合數據進行挖掘，得到全局狀態條件下無人礦車自主行駛的道路可行駛區域以及相關障礙物所占用的時間與空間信息，并將多傳感器融合感知結果發送至自身車載的局部路徑規劃與行為控制模塊。結合無人礦車的車輛動力學與運動學特性，無人礦車的控制模塊根據自身姿態與預設狀態的偏差，基于不同的算法與功能進行車輛橫向縱向行駛狀態實時調整控制，從而實現無人礦車在預先規劃得到的可行駛區域內的安全平穩可靠行駛。

無人運輸系統以云控平臺為核心，云控平臺將人、車、路、云的物理層、信息層、應用層連為一體進行融合感知、決策與控制，實現無人礦車行駛和交通運行安全、效率、可靠性等綜合性能的全面提升[6]。相對于車端智能的各類硬件與計算能力約束，云控平臺能夠將云計算、大數據技術以及人工智能技術在云端層進行實現，云控平臺能夠將露天礦山區域內的工作人員、無人礦車、輔助設備、路側設備等連為一體進行融合感知、決策與控制，實現無人礦車行駛和交通運行安全、效率等性能的綜合提升，即將車載傳感器采集到的車輛運行、定位、感知等大數據存儲在云端，利用云端相對于車端更加強勁的計算能力與存儲能力，實現無人運輸系統的各類運行參數在線辨識與目標函數建模與求解，進行整個車隊的路線規劃、行為決策、車隊調度、作業性能預測以及礦山作業量的最優控制優化[7]。

3 無人運輸系統數據應用技術

露天礦山無人運輸系統是一個多學科交叉的技術領域，需要從智慧礦山一體化運作管理的角度出發，大致可以歸納劃分為以下7類。

3.1 智能定位

高精度定位是無人礦車自動駕駛系統的最主要任務之一。準確、穩定的高精度定位對自動駕駛系統的參數估算、行為預測以及狀態調整等都有著重要意義。目前國內外關于無人礦車的定位主要采用全球導航衛星系統（Global Navigation Satellite System，GNSS）與慣性導航系統（Inertial Navigation System，INS）的傳統組合導航定位方法，由其提供高精度的無人駕駛車輛的全局車輛定位[8]。針對主流的基于多傳感器融合技術的高精度定位采集方法，本文首先對GNSS與INS的精度定位方法進行融合，在一定程度上部分解決了定位采集數據的誤差和噪聲的問題；其次，對融合模型和卡爾曼濾波器[9]、D-S證據理論[10]以及隨時森林法[11]進行了改進，從而針對節約車載計算平臺算力不足，精簡了數據融合時的復雜計算。

3.2 智能感知

無人駕駛礦車需要一套專門針對水泥礦山場景研發的感知系統。無人駕駛礦車在作業過程中，可能會遇到礦車、行人、乘用車、路牌、路燈、石頭等隨機出現的障礙物，和溝渠、懸崖、凹坑、碎石路等車輛無法通過的危險區域。因此，礦車的自動駕駛大腦需要通過多傳感器融合技術，對礦車周邊的場景進行實時感知與分析，識別出礦車可行駛區域和影響車輛正常通行的障礙物，為規劃和控制車輛行走提供決策依據。

為了最大化滿足礦山產量的需求，本項目對水泥礦山進行了“全天候、全時段”的數據采集與場景分析，包括但不限于揚塵、落石、晝夜、雨雪等場景，總結出了水泥礦山具有場景封閉、道路顛簸、灰塵大和非結構化等特點，與傳統乘用車輛的道路場景差異巨大。無人駕駛乘用車的行駛路面多為柏油路或水泥路，較為平整且規劃有車道線、紅綠燈、柵欄等結構化場景。露天礦山因挖采平臺環境變化快，礦車質量大，路面破壞速度快等原因未鋪設柏油或水泥路面且未設置車道線，并且露天礦山道路上下顛簸，并且容易產生大量揚塵，道路結構化特征少。

所以，乘用車場景的多傳感器融合感知技術雖然較為成熟，但卻無法被套用到水泥礦山場景中進行直接應用，需要針對水泥礦山場景單獨研發感知系統。區別于乘用車場景傳感器配置的路線之爭，純攝像頭方案或純激光方案均無法滿足礦山業主對礦山運營效率與安全的需求。相較乘用車或商用車對傳感器成本的敏感性，自動駕駛礦車自身具備的經濟價值，允許其盡可能地配備多種傳感器，并利用各傳感器的特點取長補短、冗余備份，以應對各種可能出現的惡劣天氣和突發狀況，最終實現“全天候、全時段”安全且高效地進行運輸作業。

3.3 智能預測

只有當汽車可以準確的預判周圍環境及交通參與者的意圖時，才能做出安全的決策。預測問題是一個概率問題，例如，在一條道路上有一輛上坡空載礦車和下坡重載礦車爭奪路權，在此過程中，無人運輸系統需要從車隊整體運行效率進行路權分配。無人駕駛礦車的行為預測可以細分為三種類型，分別是獨立式預測即根據被觀測車輛的歷史行為預測被測車輛的未來行為、依賴式預測即基于被觀測車輛及其周圍車輛的歷史行為給出被觀測車輛未來行為概率、回應式預測即基于被觀測車輛及周圍車輛的運動特征，同時結合自車的未來路徑規劃，給出被觀測車輛未來一段時間段內的行為概率。目前，關于無人車行為預測的方式有很多，主流的算法有BP神經網絡模型和隱馬爾科夫鏈模型[12]。

3.4 智能路徑規劃

智能路徑規劃是指無人駕駛礦車在具有障礙物的環境中，能夠規劃出一條從起始位置狀態到目標位置狀態無碰撞的最優路徑或次優路徑，并滿足所有約束條件，是實現礦車智能化的關鍵技術之一[13]。

礦山工作場景多樣，既有礦石轉移運輸場景，也有作業平臺協作場景。對于從卸料站到各個裝料平臺的礦石轉移運輸場景，道路規整、結構簡單清晰，沒有過多的交叉，且達到各個平臺的道路基本固定，因此該場景用魯棒性較強的循跡即可完成自動駕駛。無人礦車通過循跡功能到達各個作業平臺后，與挖掘機協同交互進行礦石裝載作業。在作業平臺協作場景中，作業平臺挖機位置隨機，作業場景動態變化，因此需要礦車自身規劃一條可行駛的軌跡到達挖機附近，然后泊車到挖機的鏟裝點下方進行裝料作業。

3.5 智能控制技術

無人駕駛車輛的規劃系統發送待執行路徑到控制器，控制器通過橫縱向控制器計算當前的轉角和油門或剎車值下發執行器單元，執行器單元控制車輛運行。車輛反饋實時狀態信息，包括位置、朝向、速度、加速度等提供給控制器[14]。

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述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。

3.6 智能調度

水泥礦山車輛調度是在現有資源約束條件下進行合理地分派和調度礦車。針對水泥礦批量大、噸數高、運輸節點多以及運輸環節多等特點，礦山車輛的調度優化與管理能夠提高水泥礦流轉率，降低采礦成本，提高企業效益。

然而，礦山實際生產環境多變，緊急物料產生、道路狀況變化、運輸設備故障等均會影響正常運輸，進而影響預期生產計劃。此外，由于不同礦山的工作環境與實際生產經營需要不同，車輛調度方案往往需要因地制宜，針對多個目標進行優化設計，提高算法的魯棒性和可重構性。

3.7 智能交管

車隊管理平臺作為無人礦車車隊大腦，充分應用物聯網、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），提升整個無人駕駛礦車車隊的運輸效率和通行安全。

4 結語

智能礦山的發展需要經歷從初級到高級，從局部應用到系統應用的過程。本文對露天礦山無人運輸系統進行了定義，對露天礦山無人運輸系統在時間軸上的冗余感知（數據采集）、信息融合（數據驗證）、規劃決策（數據決策）、交通管理（數據監控）和全周期管理（數據存檔）的5個數據特征進行了分析，對露天礦山無人運輸系統數據應用架構與數據應用核心進行了闡述。