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(zé)任公司，蕪湖 241200；②蘭州大學(xué)信息科學(xué)與工程學(xué)院，蘭州 730000）

0 引言

自動(dòng)駕駛技術(shù)運(yùn)用到礦山上，不僅可以降低安全隱患，而且可以減少人工運(yùn)營(yíng)成本損耗。在運(yùn)營(yíng)成本上，當(dāng)前礦山企業(yè)主要支出為人力、燃料、與礦車及其維護(hù)等，無人駕駛解決方案首先可以大幅節(jié)省掉人力成本。文獻(xiàn)針對(duì)目前無人駕駛礦車實(shí)時(shí)檢測(cè)露天礦山道路坡度研究中存在的問題進(jìn)行了研究。文獻(xiàn)提出了一種露天采場(chǎng)礦車點(diǎn)集自動(dòng)提取方法。文獻(xiàn)介紹礦車無人駕駛系統(tǒng)中基于5G技術(shù)的車地通信網(wǎng)絡(luò)、地面控制中心和車輛控制主機(jī)的構(gòu)成和功能，并給出系統(tǒng)實(shí)施建議和系統(tǒng)評(píng)價(jià)。

MAS作為當(dāng)今人工智能領(lǐng)域的前沿學(xué)科，為復(fù)雜適應(yīng)系統(tǒng)（Complex Adaptive System，CAS）的建模與仿真提供了一個(gè)新途徑。許多學(xué)者已經(jīng)采用多Agent技術(shù)來解決自動(dòng)駕駛的相關(guān)問題。文獻(xiàn)設(shè)計(jì)了面向自動(dòng)駕駛應(yīng)用的智能分布式的決策算法，在最大化信息融合對(duì)自動(dòng)駕駛?cè)蝿?wù)增益的同時(shí)，最大化路網(wǎng)交通車流量，并滿足自動(dòng)駕駛車輛的成本和資源約束。文獻(xiàn)結(jié)合交通工程中人、車、路等要素，設(shè)計(jì)基于多智能體系統(tǒng)的CAV集聚控制模型?？梢钥闯觯ㄟ^構(gòu)建基于MAS的無人駕駛系統(tǒng)，使各個(gè)Agent在分布式環(huán)境中通過相互合作交互運(yùn)作，從而達(dá)到整個(gè)系統(tǒng)角度的“車端感知，遠(yuǎn)端管控”。

鑒于此，為滿足露天礦山對(duì)無人運(yùn)輸?shù)母咭?，本文分析了露天礦山無人運(yùn)輸?shù)淖鳂I(yè)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(shí)現(xiàn)露天礦山無人運(yùn)輸?shù)南到y(tǒng)目標(biāo)。開發(fā)了Multi-Agent系統(tǒng)原型，并驗(yàn)證了系統(tǒng)的有效性。

1 基于Multi-Agent的無人運(yùn)輸系統(tǒng)模型構(gòu)建

可以將露天礦山無人運(yùn)輸系統(tǒng)，視成由一組獨(dú)立節(jié)點(diǎn)和具備相關(guān)合作關(guān)系的活動(dòng)組成的網(wǎng)絡(luò)。獨(dú)立節(jié)點(diǎn)可以是單車智駕子系統(tǒng)的感知、規(guī)劃、控制等功能，也可以是云端的調(diào)度與交叉口交通管控技術(shù)。（圖1）

感知模塊Agent通過改進(jìn)錨點(diǎn)框坐標(biāo)聚類法提升深度神經(jīng)網(wǎng)絡(luò)的多尺度目標(biāo)檢測(cè)適應(yīng)能力，通過網(wǎng)絡(luò)輕量化技術(shù)提升礦山復(fù)雜場(chǎng)景目標(biāo)檢測(cè)跟蹤效率。

規(guī)劃模塊Agent采用基于混合A*算法實(shí)現(xiàn)全局地圖路徑尋優(yōu)及關(guān)鍵點(diǎn)提取，采用考慮垂直距離代價(jià)的DWA提高礦車挖機(jī)的精準(zhǔn)定向能力。

控制Agent通過橫向轉(zhuǎn)向與縱向速度沿著己經(jīng)由上流的路徑規(guī)劃算法所指定的幾何軌跡進(jìn)行自主運(yùn)動(dòng)。

調(diào)度Agent針對(duì)石灰石品位配比與運(yùn)輸能耗優(yōu)化難題，基于排隊(duì)論和干擾管理分別建立主動(dòng)調(diào)度和動(dòng)態(tài)調(diào)度模型。兩類模型交替進(jìn)行實(shí)現(xiàn)石灰石運(yùn)輸總運(yùn)量?jī)?yōu)化。

交管Agent針對(duì)多臺(tái)礦車在交叉路口沖突問題，通過沖突區(qū)域預(yù)估、動(dòng)態(tài)安全距離以及危險(xiǎn)度計(jì)算，得到礦車交叉路口通行配時(shí)以及通行指令的決策優(yōu)化，提高整個(gè)車隊(duì)通行效率。

2 Agent功能設(shè)計(jì)

2.1 單車智能感知Agent

自動(dòng)駕駛礦車配置有3路多線激光雷達(dá)，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(dá)，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(jù)各傳感器數(shù)據(jù)特點(diǎn)，各傳感器數(shù)據(jù)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(fā)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(shí)現(xiàn)對(duì)自動(dòng)駕駛礦車全覆蓋實(shí)時(shí)感知，保障了感知系統(tǒng)整體的穩(wěn)定性和可靠性。

露天礦山場(chǎng)景感知方法系統(tǒng)軟件框架如圖2所示。使用GPS授時(shí)系統(tǒng)，對(duì)攝像頭、激光雷達(dá)和毫米波雷達(dá)的數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊；攝像頭圖像通過深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)的識(shí)別與分類，并融合擊中障礙物的激光點(diǎn)云信息，獲取目標(biāo)的位姿估計(jì)；毫米波雷達(dá)通過調(diào)頻波信號(hào)實(shí)現(xiàn)目標(biāo)的識(shí)別，輸出目標(biāo)的粗略位置與速度，并融合擊中障礙物的激光點(diǎn)云信息，獲取目標(biāo)的精確位姿估計(jì)；激光點(diǎn)云數(shù)據(jù)經(jīng)過濾波算法去除揚(yáng)塵、雨雪和大霧等影響后，通過結(jié)合當(dāng)前車輛的線速度與角速度，在ROI內(nèi)對(duì)障礙物和不可行區(qū)域進(jìn)行體素級(jí)別檢測(cè)。上述各單獨(dú)檢測(cè)模塊輸出的識(shí)別結(jié)果，經(jīng)過后融合算法進(jìn)行濾波與跟蹤，最終得到車身四周的目標(biāo)位姿與車輛可行駛區(qū)域，輸出給規(guī)劃與控制模塊，為車輛下一時(shí)刻的速度和轉(zhuǎn)向提供控制依據(jù)。

圖1基于Multi-Agent的無人運(yùn)輸系統(tǒng)模型

2.2 單車智能路徑規(guī)劃Agent

針對(duì)上述復(fù)雜礦山場(chǎng)景，提出一種面向動(dòng)態(tài)協(xié)作場(chǎng)景的雙層軌跡規(guī)劃技術(shù)來滿足復(fù)雜礦山作業(yè)平臺(tái)協(xié)作場(chǎng)景的路徑規(guī)劃需要。該技術(shù)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(shù)據(jù)的地圖構(gòu)建、基于混合A*算法的軌跡規(guī)劃關(guān)鍵點(diǎn)選取以及面向礦車挖機(jī)精準(zhǔn)定向需求的DWA局部規(guī)劃。

圖3軌跡規(guī)劃框架

2.2.1 基于礦車多源感知數(shù)據(jù)的地圖構(gòu)建

為了提高鏟裝區(qū)泊車規(guī)劃算法的成功率，需要在礦車作業(yè)前提供鏟裝點(diǎn)附近的柵格地圖。鏟裝區(qū)場(chǎng)景具有場(chǎng)景開闊、紋理較少、路面顛簸等特點(diǎn)，在這樣的場(chǎng)景中，僅使用激光雷達(dá)傳感器建立點(diǎn)云地圖的方案（即激光SLAM）的數(shù)據(jù)匹配環(huán)節(jié)魯棒性差，整體建圖效果不佳。融合車輛組合導(dǎo)航、毫米波雷達(dá)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(guī)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(huì)發(fā)生較大顛簸，導(dǎo)致車輛的控制結(jié)果會(huì)與規(guī)劃軌跡產(chǎn)生不可預(yù)料的偏差；另一方面受限于車輛底層的控制精度，礦車在實(shí)際控制中無法理想地跟蹤到混合A*軌跡中的每個(gè)點(diǎn)。與此同時(shí)，由于混合A*軌跡規(guī)劃在大地圖情況下，規(guī)劃效率低、時(shí)間長(zhǎng)，并不能滿足礦車實(shí)時(shí)軌跡規(guī)劃的應(yīng)用需求。由此，采用由基于混合A*算法的軌跡規(guī)劃關(guān)鍵點(diǎn)選取和面向礦車挖機(jī)精準(zhǔn)定向需求的DWA局部規(guī)劃組成的雙層軌跡規(guī)劃框架。

2.2.2 基于混合A*算法的軌跡規(guī)劃關(guān)鍵點(diǎn)選取

混合A*算法考慮了車輛動(dòng)力學(xué)模型，使得規(guī)劃出的路徑符合車輛動(dòng)力學(xué)約束，且輸出的路徑為一系列帶有坐標(biāo)和朝向信息的離散點(diǎn)。基于特定準(zhǔn)則選取某些點(diǎn)作為關(guān)鍵點(diǎn)，這樣可以有效降低因?yàn)榭刂茊栴}無法到達(dá)目標(biāo)點(diǎn)從而出現(xiàn)原地轉(zhuǎn)圈現(xiàn)象的幾率，同時(shí)提高系統(tǒng)規(guī)劃效率，滿足在時(shí)變復(fù)雜礦山作業(yè)平臺(tái)協(xié)作場(chǎng)景的應(yīng)用需要。

2.2.3 面向礦車挖機(jī)精準(zhǔn)定向需求的DWA局部規(guī)劃

由于挖機(jī)位置和朝向隨挖機(jī)工作狀態(tài)動(dòng)態(tài)變化，礦車在工作區(qū)進(jìn)入裝料點(diǎn)時(shí)需進(jìn)行動(dòng)態(tài)局部軌跡規(guī)劃，為滿足挖機(jī)對(duì)礦車的裝載作業(yè)要求，礦車和挖機(jī)不僅需要到達(dá)礦機(jī)作業(yè)的裝載點(diǎn)，同時(shí)還需要保證礦車和挖機(jī)的精準(zhǔn)定向。面向礦車挖機(jī)精準(zhǔn)定向需求的DWA局部規(guī)劃在軌跡規(guī)劃關(guān)鍵點(diǎn)的指導(dǎo)下，能夠有效實(shí)現(xiàn)無人駕駛礦車的局部軌跡規(guī)劃和精準(zhǔn)定向。

2.3 單車智能控制Agent

在露天礦山無人駕駛礦車的關(guān)鍵技術(shù)當(dāng)中，設(shè)計(jì)橫向和縱向路徑控制的技術(shù)統(tǒng)稱為路徑跟蹤控制技術(shù)。路徑跟蹤控制是一輛無人駕駛礦車通過橫向轉(zhuǎn)向與縱向速度沿著己經(jīng)由上流的路徑規(guī)劃算法所指定的幾何軌跡進(jìn)行自主運(yùn)動(dòng)。優(yōu)秀的跟蹤控制算法能夠最小化無人駕駛礦車的實(shí)際行駛路徑與待跟蹤路徑之間的側(cè)向距離和方向偏差。

2.4 車隊(duì)智能調(diào)度Agent

交替運(yùn)行主動(dòng)調(diào)度模型和動(dòng)態(tài)調(diào)度模型，動(dòng)態(tài)調(diào)整礦山車輛調(diào)度方案。算法的開發(fā)流程如下：

①結(jié)合特定礦山場(chǎng)景應(yīng)用需要，確定調(diào)度方案約束條件，為調(diào)度算法構(gòu)建提供指導(dǎo)?；诘V山實(shí)際應(yīng)用需求確立最小懲罰目標(biāo)，包括最優(yōu)運(yùn)輸車數(shù)、最優(yōu)運(yùn)輸總時(shí)長(zhǎng)等。

②構(gòu)建主動(dòng)調(diào)度模型后，以最小懲罰為目標(biāo)對(duì)主動(dòng)調(diào)度模型進(jìn)行多目標(biāo)仿真優(yōu)化。

③考慮到實(shí)際生產(chǎn)中往往存在諸多突發(fā)狀況，包括環(huán)境、道路狀況變化，生產(chǎn)需求發(fā)生變化等，會(huì)對(duì)實(shí)際生產(chǎn)運(yùn)輸過程產(chǎn)生一定干擾。

④依據(jù)礦山生產(chǎn)需求生成礦車預(yù)先調(diào)度方案。此外，依據(jù)實(shí)時(shí)信息應(yīng)對(duì)并處理突發(fā)狀況，包括環(huán)境狀況、道路狀況、生產(chǎn)需求變化等，動(dòng)態(tài)調(diào)整礦車調(diào)度方案。

2.5 車隊(duì)智能交通管理Agent

充分運(yùn)用物聯(lián)網(wǎng)、云計(jì)算、（移動(dòng)）互聯(lián)網(wǎng)、人工智能等技術(shù)，匯集水泥礦區(qū)無人礦車的交通信息，內(nèi)置路口通行規(guī)則及智能交管算法，對(duì)混編、并行編組、交通沖突等復(fù)雜運(yùn)行提前主動(dòng)控制，通過向每臺(tái)無人礦車發(fā)送交管指令（如加速、減速、臨時(shí)停車等），充分保障露天礦山整個(gè)車隊(duì)的交通安全、提升整體作業(yè)效率和路口通行安全。

3 Multi-Agent系統(tǒng)總體架構(gòu)與實(shí)例驗(yàn)證

3.1 硬件部署

針對(duì)TR100A無人駕駛礦車整車固有的結(jié)構(gòu)，結(jié)合無人駕駛系統(tǒng)各種傳感器等電氣零部件的特性。整個(gè)無人駕駛系統(tǒng)采用了整體式設(shè)計(jì)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(tǒng)各零部件能夠發(fā)揮其應(yīng)有的功能和性能，而且使得TR100A無人駕駛礦車具有很強(qiáng)的一體感。其中無人駕駛系統(tǒng)主要零部件有計(jì)算平臺(tái)、激光雷達(dá)、毫米波雷達(dá)以及組合導(dǎo)航等。其中計(jì)算平臺(tái)是TR100A無人駕駛系統(tǒng)的控制器，相當(dāng)于整個(gè)無人駕駛系統(tǒng)的大腦。其安裝采取了抗震性能強(qiáng)的減震措施，并通過專業(yè)的有限元分析軟件進(jìn)行模態(tài)的振動(dòng)分析，并采集了礦山實(shí)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(dá)采用了三角式布局，不但減少了其使用數(shù)量，大大降低了成本；而且能夠360°全方位識(shí)別TR100A無人駕駛礦車的周圍環(huán)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(dá)固定方式的設(shè)計(jì)中，融合了強(qiáng)減震、易散熱、防撞擊、防水性能優(yōu)等設(shè)計(jì)理念，提高了激光雷達(dá)的可靠性和使用壽命。

3.2 軟件部署

車控操作系統(tǒng)采用Ubuntu18.04?；A(chǔ)軟件包括：軟件監(jiān)控系統(tǒng)開發(fā)、TBOX通信、初始化代碼開發(fā)、診斷、故障策略和功能安全相關(guān)工作、組合導(dǎo)航和車輛通信軟件開發(fā)。

應(yīng)用軟件包括：定位、感知、路徑規(guī)劃、控制以及HMI。

3.3 礦山網(wǎng)絡(luò)與網(wǎng)關(guān)部署

系統(tǒng)基于大帶寬、低時(shí)延和高可靠的5G網(wǎng)絡(luò)連接實(shí)現(xiàn)網(wǎng)聯(lián)化的無人礦車實(shí)時(shí)調(diào)度、遠(yuǎn)程應(yīng)急安全接管、高精度定位等應(yīng)用。5G網(wǎng)絡(luò)部署包括礦山5G網(wǎng)絡(luò)覆蓋部署和車載5G通信終端部署兩部分。

根據(jù)智慧礦山建設(shè)需要，通過與中國(guó)電信合作，在無人駕駛礦車落地應(yīng)用的蕪湖海螺箬帽山礦區(qū)建設(shè)了全面覆蓋的5G專網(wǎng)。在5G基站部署上，礦山共部署了5座5G SA（獨(dú)立組網(wǎng)）基站。基站部署點(diǎn)位上，針對(duì)礦山無線環(huán)境隨礦山開采動(dòng)態(tài)變化的特點(diǎn)，通過覆蓋場(chǎng)景仿真確定最佳部署位置。

3.4 現(xiàn)場(chǎng)應(yīng)用

目前，已完成7臺(tái)TR100礦車的無人化運(yùn)行改裝工作，可實(shí)現(xiàn)全流程無人自動(dòng)化運(yùn)行?，F(xiàn)已在蕪湖海螺箬帽山礦區(qū)進(jìn)行無人礦車與有人礦車的混合編組運(yùn)行，運(yùn)行情況穩(wěn)定。自2021年1月7日以來，累計(jì)運(yùn)行超過4000小時(shí)，完成超過2700趟全流程運(yùn)行，總計(jì)運(yùn)礦量超過30萬噸。

整個(gè)無人駕駛系統(tǒng)需要滿足一定的性能要求，達(dá)到一定的效率目標(biāo)。具體為：?jiǎn)诬噯未巫鳂I(yè)效率≥人工效率的85%；全系統(tǒng)作業(yè)綜合效率≥人工效率的75%（12臺(tái)車系統(tǒng)目標(biāo)）。

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

可識(shí)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(cè)障礙距離≥50m。

礦車在無人駕駛情況下，保持速度平穩(wěn)，具體性能指標(biāo)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(wěn)定（不低于25km/h）；彎道穩(wěn)定車速極限過彎速度*60%。

單次單趟作業(yè)等待時(shí)間≤3分鐘；交通沖突次數(shù)≤1次/班。

整個(gè)無人運(yùn)輸系統(tǒng)，在智能調(diào)度下實(shí)現(xiàn)安全生產(chǎn)指標(biāo)，無重大安全事故。具體的安全指標(biāo)如下：系統(tǒng)故障、失效等識(shí)別處理率≥99.5%；未識(shí)別系統(tǒng)失效出現(xiàn)率（失效次數(shù)/作業(yè)次數(shù)）≤5‰；整體系統(tǒng)在線率：運(yùn)行時(shí)間/（故障時(shí)間+運(yùn)行時(shí)間）≥89%；因無人駕駛軟件導(dǎo)致的人身安全事故為零，無重大設(shè)備損失。

4 結(jié)論

本文通過詳細(xì)分析露天礦山無人礦車自動(dòng)駕駛流程，針對(duì)露天礦山無人化作業(yè)的業(yè)務(wù)需求，提出一種基于Multi-Agent的露天礦山無人運(yùn)輸系統(tǒng)。分析了該系統(tǒng)構(gòu)架下各Agent應(yīng)具備的功能，并概要描述了礦山無人運(yùn)輸?shù)淖鳂I(yè)流程。其中：感知Agent實(shí)現(xiàn)礦區(qū)環(huán)境下多目標(biāo)識(shí)別；路徑規(guī)劃Agent實(shí)現(xiàn)全局與局部路徑尋優(yōu)；控制Agent實(shí)現(xiàn)無人礦車精準(zhǔn)的橫向與縱向控制；調(diào)度Agent實(shí)現(xiàn)運(yùn)輸總運(yùn)量?jī)?yōu)化與品位配比；交管Agent通過交管指令的決策優(yōu)化，提高整個(gè)車隊(duì)通行效率。最后，通過一個(gè)應(yīng)用實(shí)例驗(yàn)證了系統(tǒng)的可行性與有效性。