韓燕南

（1.中煤科工集團常州研究院有限公司，江蘇 常州 213015；2.天地（常州）自動化股份有限公司，江蘇 常州 213015）

自2020 年2 月8 部委聯(lián)合發(fā)布《關于加快煤礦智能化發(fā)展的指導意見》以來，國內(nèi)掀起了煤礦智能化建設的浪潮[1-3]。輔助運輸作為煤礦生產(chǎn)的準備環(huán)節(jié)，擔負著全礦井生產(chǎn)所需人員、物資及設備的中轉(zhuǎn)和運輸，其智能化對提供礦井生產(chǎn)效率和確保礦井安全有著重要意義[4]。2021 年12 月，國家能源局發(fā)布了《智能化示范煤礦驗收管理辦法（試行）》，明確了智能化示范建設煤礦的驗收流程、技術要求及評分辦法，為驗收評審提供了依據(jù)[5]。在辦法中規(guī)定I 類煤礦無軌膠輪車運輸須具有車輛運行狀態(tài)參數(shù)監(jiān)測（超速、路徑偏離報警、運動軌跡等）功能。由此可見，采用無軌膠輪車運輸時，路徑偏離報警作為車輛運行狀態(tài)參數(shù)監(jiān)測指標之一，是智能化煤礦建設驗收的硬性指標。

路徑偏離報警數(shù)據(jù)常被應用于車輛智能調(diào)度系統(tǒng)運輸效能分析模塊，用以提升車輛運輸效率。許多學者對此開展了研究。常凱等[6]提出根據(jù)井下所有機車和車輛運行信息及作業(yè)需求，快速自動規(guī)劃車輛運行路線，并自動調(diào)度車輛出發(fā)時間、會車地點，此方法充分體現(xiàn)了智能化，但是對車輛運行狀態(tài)參數(shù)監(jiān)測有所缺失，無法對分析模塊提供數(shù)據(jù)支撐；劉宏杰等[7]提出采用多系統(tǒng)融合技術將煤礦井下無軌膠輪車運行相關有效數(shù)據(jù)充分篩選，實現(xiàn)車輛運行流程全數(shù)字化管控，實現(xiàn)了運力大數(shù)據(jù)分析、司機工時分析、交通效率分析等各式各樣數(shù)據(jù)報表，此系統(tǒng)雖然提供了多維度的報表信息，但未考慮驗收標準中的路徑偏離元素；劉文濤[8]提出通過無線通信鏈路將采集數(shù)據(jù)傳送至監(jiān)控中心并進行顯示，同時監(jiān)控中心對數(shù)據(jù)進行分析，此方法僅上傳了動態(tài)位置、運行時間、運行參數(shù)和故障參數(shù)等，檢測的手段已無法滿足驗收標準的需要。

針對上述問題，設計了一種基于UWB 技術[9]的無軌膠輪車路徑偏離報警方法。首先，該方法基于圖論理論，利用巷道中線點之間的鄰接關系，對井下路網(wǎng)信息結(jié)構(gòu)化；其次，車輛行進過程中定位數(shù)據(jù)應呈現(xiàn)線性關系的物理特征，對UWB 定位基站輸出的車輛定位數(shù)據(jù)執(zhí)行滑動窗口濾波，以屏蔽定位數(shù)據(jù)中的噪聲點，提高方法整體的魯棒性；再次，利用已構(gòu)建的井下路網(wǎng)結(jié)構(gòu)化信息，根據(jù)運輸任務中設定的運輸出發(fā)地和目的地，按照路線優(yōu)、節(jié)能佳、安全性高的原則，采用A*搜索算法[10]對運輸路徑進行規(guī)劃，并在搜索算法的估價函數(shù)中新增權重函數(shù)和判斷因子，以提高規(guī)劃的智能性；最后，對車輛當前位置的偏離情況進行實時判斷，當出現(xiàn)偏離時，將結(jié)果實時反饋至車載交互終端中。采用此方法的應用系統(tǒng)在新疆伊犁一礦有限公司進行驗證，證明所提方法的可行性和有效性。

1 系統(tǒng)架構(gòu)

系統(tǒng)由硬件裝置和軟件模塊2 個部分組成。硬件裝置主要負責采集無軌膠輪車實時位置；軟件模塊根據(jù)車輛實時位置與規(guī)劃好的運輸路徑做比對，得出是否偏離結(jié)果，并將結(jié)果推送至車載終端中，給駕駛員提示。

1.1 硬件裝置

硬件裝置分為井上和井下2 個部分，硬件裝置示意圖如圖1。

圖1 硬件裝置示意圖Fig.1 Hardware device schematic diagram

井上部分為輔助運輸系統(tǒng)服務器，主要是承載軟件模塊。井下部分主要由UWB 定位基站和無軌膠輪車組成：UWB 定位基站一般安裝在巷道壁一側(cè)，2 根天線分別朝向2 個不同方向固定在巷道上；車輛標識卡固定在無軌膠輪車的頂部，用以減少防爆結(jié)構(gòu)對標識卡的信號干擾；車載終端固定在駕駛員側(cè)，用于人機交互。UWB 定位基站通過光纜接入井下環(huán)網(wǎng)，車載終端通過4G/WIFI 接入環(huán)網(wǎng)。

當車輛經(jīng)過基站時，UWB 定位基站的天線會偵測到車輛標識卡信號并實時計算出位置信息，同時傳輸至位于井上的輔助運輸系統(tǒng)服務器內(nèi)，交由軟件模塊做邏輯判斷。

1.2 軟件模塊

軟件部分主要由構(gòu)建井下路網(wǎng)、車輛位置濾波、運輸路徑規(guī)劃和偏離報警判斷組成。軟件模塊處理流程如圖2。

圖2 軟件模塊處理流程Fig.2 Software module processing flow

1）構(gòu)建井下路網(wǎng)。巷道中線是由具有三維地理空間坐標的中線點組成的，基于圖論理論，構(gòu)建中線點數(shù)據(jù)結(jié)構(gòu)，形成具有鄰接關系的鄰接矩陣，從而構(gòu)建井下路網(wǎng)地圖。

2）車輛位置濾波。利用車輛行進過程中定位數(shù)據(jù)應呈現(xiàn)線性關系的物理特征，對定位數(shù)據(jù)中的噪聲點進行識別并執(zhí)行滑動窗口濾波，以獲得較為平滑且符合運動規(guī)律的定位數(shù)據(jù)，避免因干擾因素造成的誤判，提高方法整體的魯棒性。

3）運輸路徑規(guī)劃。利用已構(gòu)建的井下路網(wǎng)結(jié)構(gòu)化信息，根據(jù)運輸任務中設定的運輸出發(fā)地和目的地，按照路線優(yōu)、節(jié)能佳、安全性高的原則，采用基于圖的A*搜索方法對運輸路徑進行規(guī)劃，快速合理地規(guī)劃出線路。

4）偏離報警判斷。將車輛當前位置與運輸路徑的關系抽象為點與線段的位置關系判斷，當點遠離線段時，代表偏離。反之則代表不偏離。當出現(xiàn)偏離時，將結(jié)果實時反饋至車載交互終端中。

2 功能實現(xiàn)

2.1 構(gòu)建井下路網(wǎng)

井下路網(wǎng)數(shù)據(jù)模型示意圖如圖3，

圖3 井下路網(wǎng)數(shù)據(jù)模型示意圖Fig.3 Underground road network data model diagram

井下巷道是由離散中線點和中線點間的連通關系所組成，進而形成路網(wǎng)結(jié)構(gòu)。該結(jié)構(gòu)采用圖G=（V,E）描述，式中：V為頂點集合；E為邊集合。E=（Vi,Vj）表示頂點i和頂點j之間的連線。中線點形成的頂點集合為{1，2，3，···，7}，中線點間連通關系采用邊來描述，因連通關系具有方向性，故此圖為有向圖。頂點間的距離作為邊的權重。

采用鄰接矩陣表達上述數(shù)據(jù)模型，其構(gòu)建流程如下：

1）存儲中線點數(shù)據(jù)，并進行頂點唯一性編號；同時，構(gòu)建頂點數(shù)組隊列。中線點數(shù)據(jù)結(jié)構(gòu)如圖4，頂點數(shù)組如圖5。

圖4 中線點數(shù)據(jù)結(jié)構(gòu)Fig.4 Midline point data structure

圖5 頂點數(shù)組Fig.5 Array of vertices

2）G-（V,E）的鄰接矩陣由1 個|V|×|V|的矩陣A=aij予以表示，該矩陣滿足下述條件：

式中：aij為矩陣存儲值；dist 為頂點i到頂點j的歐幾里得距離，距離不可達到時，為∞。

通過上述步驟循環(huán)遍歷操作井下巷道各中線點數(shù)據(jù)，最終得到井下路網(wǎng)鄰接矩陣，形成井下路網(wǎng)結(jié)構(gòu)。井下路網(wǎng)鄰接矩陣如圖6。

圖6 井下路網(wǎng)鄰接矩陣Fig.6 Adjacency matrix of underground road network

2.2 車輛位置濾波

根據(jù)井下車輛單向行駛特性，從UWB 定位數(shù)據(jù)角度來看，理論上定位數(shù)據(jù)應該呈現(xiàn)V 字形分布特征，定位數(shù)據(jù)理論與實際情況如圖7。

圖7 定位數(shù)據(jù)理論與實際情況Fig.7 Positioning data theory and actual situation

車輛第1 次進入基站信號覆蓋范圍時，此時距離值為最遠。隨著行進時間的推移，當接近基站時，距離值趨于0。當駛離基站時，距離值再次變大，直至信號消失，進入下1 個基站的信號覆蓋范圍。但是現(xiàn)實情況是，受巷道環(huán)境惡劣、空間狹??；存在信號干擾、遮擋、反射；以及車輛行進中的抖動等多重因素影響，定位數(shù)據(jù)存在一定的漂移，也就是噪聲點。這些噪聲點會被上位機處理單元識別為車輛在頻繁調(diào)頭，但是井下物理環(huán)境已經(jīng)確定車輛無法如此操作。為了避免此種噪聲點對路徑偏離報警方法的準確性產(chǎn)生影響，因此采用局部滑動窗口濾波思路對定位數(shù)據(jù)執(zhí)行濾波處理?；瑒哟翱谔幚碓砑皵?shù)據(jù)結(jié)構(gòu)如圖8。

圖8 滑動窗口處理原理及數(shù)據(jù)結(jié)構(gòu)Fig.8 Sliding window processing principle and data structure

設定滑動窗口為5 s，當識別出噪聲點時，基于滑動窗口內(nèi)的距離值和數(shù)據(jù)時間得出預估車速，再根據(jù)預估車速和當前的數(shù)據(jù)時間，利用式（2）得出估算距離。

式中：s為估算距離；v為預估車速；Δt為當前數(shù)據(jù)時間與上一次數(shù)據(jù)時間差。

車輛位置濾波工作流程如圖9。

圖9 車輛位置濾波工作流程Fig.9 Vehicle position filtering workflow

第1 步：滑動窗口隊列初始化，獲取當前位置和數(shù)據(jù)時間依據(jù)數(shù)據(jù)結(jié)構(gòu)入隊列。

第2 步：判斷當前位置數(shù)據(jù)所處定位基站位置，存在2 種情況：①進入/駛離階段：將當前位置數(shù)據(jù)與上2 次位置數(shù)據(jù)做比對，判斷是否具有線性關系，若具有，代表不是噪聲點，啟動正常處理子流程，反之，代表屬于噪聲點，進入濾波子流程；②接近基站階段：默認為正常數(shù)據(jù)，按正常流程處理。

濾波子流程：首先，根據(jù)當前位置的數(shù)據(jù)時間對滑動窗口隊列過濾，排除非法值；其次，根據(jù)滑動窗口內(nèi)的距離值和數(shù)據(jù)時間，計算出估算車速；最后，估算車速×時間得出估算距離。

正常處理子流程：判斷數(shù)據(jù)時間是否在滑動窗口期內(nèi)，若是，就加入隊列；反之，丟棄。

按照上述步驟，完成車輛位置濾波處理。

2.3 運輸路徑規(guī)劃

基于已構(gòu)建的井下路網(wǎng)結(jié)構(gòu)，根據(jù)運輸任務運輸起始點和目的地，按照路線優(yōu)、節(jié)能佳、安全性高的原則，采用全局路徑規(guī)劃算法，快速合理地規(guī)劃出線路。由于業(yè)務中的起始點和目的地大概率不是巷道中線點（即路網(wǎng)結(jié)構(gòu)中的節(jié)點），故起始點和目的地間的路徑關系分為可以直連和無法直連2 種情況，無法直連是指2 點之間需要借助其他節(jié)點才能夠到達。2 種情況的處理方式存在差異，因此以下分情況進行討論。

2.3.1 可以直連路徑規(guī)劃

直接連通場景如圖10。圖中：S為起始點；E為目的地；a、b為中線點。

圖10 直接連通場景Fig.10 Directly connected scene

起始點和目的地同處于同一段巷道內(nèi)，根據(jù)觀察可得：2 點可直接通行，此時可直接返回規(guī)劃路線集合為：{S，E}。

2.3.2 無法直連路徑規(guī)劃

無法直連場景如圖11。圖中：S為起始點；E為目的地；a、b、c、d為中線點；a→c、b→c、a→d、b→d之間存在{0，1，2，···，n}條路徑可能。

圖11 無法直連場景Fig.11 Unable to connect to the scene directly

起始點和目的地處于不同巷道內(nèi)，需要經(jīng)過中間點才能夠到達，根據(jù)觀察可得：S點行至E點存在4 條路徑，分別為：

分別計算這4 條路徑距離，取其中代價最少的路徑作為最終規(guī)劃路徑。2 坐標之間的距離d12計算公式為：

式中：（x1,y1,z1）d為1#坐標；（x2,y2,z2）d為2#坐標。

由于a→···→c、a→···→d、b→···→c、b→···→d的路徑存在0～n種可能性，因此采用A*搜索算法做全局路徑規(guī)劃。A*算法是經(jīng)典的啟發(fā)式搜索算法，它是在經(jīng)典單源路徑算法Dijkstra 算法的基礎上改進而來。其最顯著的特點就是，通過在搜索過程中給定啟發(fā)函數(shù)來減少搜索節(jié)點，從而提高路徑搜索效率。A*算法的估價函數(shù)f（n）表示為：

式中：f（n）為起始點至目標點的預估消耗；g（n）為起始點至當前節(jié)點的實際消耗；h（n）為當前節(jié)點至目標點的估計消耗，也稱為啟發(fā)函數(shù)。

A*算法搜索路徑過程是：先對每一個將要訪問的節(jié)點使用估價函數(shù)f（n）進行評估計算，然后選擇具有最小代價估算值的節(jié)點作為下一步要到達的路徑節(jié)點，再不斷迭代更新搜索，直至尋找到最優(yōu)路線，達到目標節(jié)點。A*算法的搜索方向是根據(jù)估價函數(shù)f（n）來確定，在搜索過程中，不用遍歷地圖中的所有節(jié)點。A*搜索算法工作流程如圖12。

圖12 A＊搜索算法工作流程Fig.12 A ＊ search algorithm workflow

整個工作流程如下：①第1 步：起點入OPEN 列表；②第2 步：檢索相鄰可達到且不在CLOSE 列表中的節(jié)點，分別加入CLOSE 列表并計算總代價；③第3 步：代價是否最小，若最小，證明下1 個節(jié)點尋找成功，將它從OPEN 列表移動至CLOSE 列表中，若不是最小，則直接將該點存入CLOSE 列表中；④第4 步：比較上一步選出的節(jié)點是否為目標點，若是就結(jié)束搜索，若不是則跳至第2 步進行循環(huán)檢索。

其中，OPEN 列表存儲未被訪問過的節(jié)點；CLOSE 列表存儲已被訪問過的節(jié)點。

A*算法的核心是估價函數(shù)f（n）的設計。在實際情況下，車輛路徑規(guī)劃須滿足以下2 個應用條件：①規(guī)劃路徑滿足車輛行車條件：井下存在部分無法行車的巷道，如部分的運輸巷、回風巷、水倉等地方，須在路徑搜索算法中給予排除；②同一時段、同一路段，限制車輛進入數(shù)量：應避免規(guī)劃原因?qū)е碌缆窊矶?，進而引發(fā)其他安全風險，實現(xiàn)車輛智能規(guī)劃調(diào)度。

因此，常規(guī)的最短路徑并不一定是運輸路徑最優(yōu)解。對式（4）的估價函數(shù)進行改進，在其中增加權重函數(shù)和行車判斷因子，得到優(yōu)化后的估價函數(shù)：

式中：α為權重函數(shù)；β為道路是否滿足行車條件的判斷因子。

式中：vechile_num 為當前依據(jù)運輸任務已規(guī)劃出的該路段在5 min 內(nèi)將經(jīng)過的車輛數(shù)。

表達式vechile_num≤2 時，代表該路段為空閑狀態(tài)，可以規(guī)劃行車，此時權重值為1；反之，代表該路段為繁忙狀態(tài)，應避免規(guī)劃。

滿足行車條件的判斷因子條件為：

h（n）采用曼哈頓距離進行計算，計算公式為：

2.4 偏離報警判斷

車輛實時位置與運輸路徑比較，最終得出車輛是否偏離預定路線的結(jié)果。比較過程可以抽象為點、線的關系，從分析來看，存在3 種情況。點、線關系如圖13。圖13（a）～圖13（c）中：A、B為規(guī)劃路徑的2 個端點；C為車輛實時位置；D點為C點在AB線段的投影；CD線段的模為C點到AB線段的距離值。

圖13 點、線關系Fig.13 Point-line relationship

根據(jù)圖13 觀察可得：可通過計算在的占比，從而判斷出C點在線段AB的位置。計算公式為：

式中：r為占比；為線段AC向量；為線段AB向量；為線段AB的模長。

結(jié)果值存在5 種情況，分別為：

r=0 為C在AB左邊的特殊情況；r=1 為C在AB右邊的特殊情況；當r=0 或者r=1 時，處于路徑內(nèi)；當r＜0 或者r＞1，不在線段AB內(nèi)，繼續(xù)判斷其他線段；0＜r＜1，C 點在線段AB中，需要通過公式計算出D點坐標，計算公式為：

式中：（xd，yd，zd）為D點坐標；（xa，ya，za）為A點坐標；（xb，yb，zb）為B點坐標。

最終，通過計算點C和點D2 點間的距離，獲得點C距離線段AB的距離。根據(jù)這個距離值進行最終判斷。

3 試驗分析

新疆伊犁能源伊犁一礦使用無軌膠輪車執(zhí)行井下運輸任務，井下路網(wǎng)是由109 條巷道，總計452 個中線點組成；UWB 定位基站65 個，已基本實現(xiàn)重點路段UWB 信號全覆蓋；在冊車輛數(shù)為35 輛。

3.1 車輛位置濾波試驗

一般情況，彎道處的UWB 定位基站容易受煤璧反射信號的影響，而出現(xiàn)定位數(shù)據(jù)偏差的情況。為了驗證濾波效果，故選取車流量大，且位于彎道處的上、下井均需要經(jīng)過的“26-緩坡斜口600 m”UWB 定位基站作為試驗對象。車輛位置濾波試驗環(huán)境如圖14。

圖14 車輛位置濾波試驗環(huán)境Fig.14 Vehicle position filtering experimental environment

以車牌號為新KY0060 為例，持續(xù)觀察車輛經(jīng)過該UWB 定位基站時定位數(shù)據(jù)的變化情況。通過觀察車輛位置原始值與濾波值可得：濾波函數(shù)可識別出噪聲點數(shù)據(jù)，并對其進行濾波，濾波后的軌跡數(shù)據(jù)更符合現(xiàn)實運動規(guī)律。

為了驗證濾波函數(shù)是否對正常數(shù)據(jù)產(chǎn)生影響，在圖14 中選擇“22-緩坡井口200 m”UWB 定位基站作為試驗對象，該定位基站位于巷道中部，天線正負方向與巷道方向水平，信號干擾少。再次以新YK0060 為例，觀察車輛經(jīng)過定位基站時定位數(shù)據(jù)的變化情況。觀察可得：濾波值與原始值曲線重合，證明濾波函數(shù)不會對正常數(shù)據(jù)產(chǎn)生影響。

3.2 運輸路徑規(guī)劃試驗

在車輛調(diào)度模塊中，選取“59-1506W 下巷口”作為用車申請的出發(fā)地，“99-1503 聯(lián)絡巷上巷交叉口”作為目的地。路徑規(guī)劃實驗環(huán)境如圖15。

圖15 路徑規(guī)劃實驗環(huán)境Fig.15 Path planning experimental environment

出發(fā)地至目的地存在2 條路徑可選，路線Ⅰ為：出發(fā)地→1 503 進風巷→1506W 回風巷→輔運大巷→1503E 至輔運聯(lián)絡巷→目的地路徑距離為639.68 m；路線Ⅱ為：出發(fā)地→1506W 回風巷→1506W 回風巷外段→1503E 聯(lián)絡巷→目的地，路徑距離為659.15 m。在用車申請中選擇不同的用車時間，觀察路徑規(guī)劃邏輯的正確性。試驗方法如下：

1）用車時間選擇為當前時刻，此時系統(tǒng)中僅存在1 條該時刻的用車申請，由于路徑Ⅰ的代價為639.68 m，小于路徑Ⅱ的代價（659.15 m），根據(jù)代價最小的策略，系統(tǒng)規(guī)劃出的路徑為路徑1。

2）再次提交相同時刻的用車申請，此時系統(tǒng)中存在2 條該時刻的相同出發(fā)地和目的地的用車申請，由于路徑Ⅰ在相同時段經(jīng)過的車輛數(shù)為2，經(jīng)過式（6）計算，路徑Ⅰ的權重為1，因此路徑Ⅰ的總代價仍為639.68 m，小于路徑Ⅱ的代價，因此系統(tǒng)規(guī)劃出的路徑為路徑Ⅰ。

3）參照方法2，提交相同時刻的用車申請，此時系統(tǒng)中存在3 條該時刻相同出發(fā)地和目的地的用車申請，在此時，由于路徑Ⅰ在相同時段經(jīng)過的車輛數(shù)為3，經(jīng)過式（6）計算，路徑Ⅰ的權重值為1.5，因此路徑Ⅰ的總代價為639.68×1.5×1=959.52 m，遠超過路徑Ⅱ的代價，因此系統(tǒng)規(guī)劃出的路徑為路徑Ⅱ。

4）最后，提交不同時刻的用車申請，此時系統(tǒng)中僅存在1 條該時刻的用車申請，因此路徑Ⅰ的權重值為1，其總代價小于路徑Ⅱ，因此系統(tǒng)規(guī)劃出的路徑為路徑Ⅰ。

經(jīng)過上述4 種方法試驗結(jié)果表明：預期理論值與程序邏輯一致，路徑規(guī)劃準確性得到驗證。

3.3 偏離報警判斷試驗

以試驗現(xiàn)場為例，在判斷函數(shù)前后增加性能監(jiān)聽函數(shù)，經(jīng)過一段時間的運行，累計記錄1 243次性能記錄，其中運行最大耗時為50 ms，最小耗時為13 ms，平均耗時約為25 ms。

試驗結(jié)果表明：此判斷計算方法可滿足于現(xiàn)場應用要求。

4 結(jié) 語

為滿足《智能化示范煤礦驗收管理辦法（試行）》中針對I 類煤礦無軌膠輪車運輸?shù)尿炇罩笜艘螅O計了一種基于UWB 定位技術的無軌膠輪車路徑偏離報警方法。該方法通過井下路網(wǎng)構(gòu)建、車輛位置濾波、運輸路徑規(guī)劃和偏離報警4 個步驟實現(xiàn)。方法在新疆伊犁一礦現(xiàn)場試驗結(jié)果表明：①濾波函數(shù)可有效過濾定位數(shù)據(jù)中的噪聲點，提高系統(tǒng)的魯棒性；②運輸路徑規(guī)劃中在估價函數(shù)中增加權重函數(shù)和判斷因子參數(shù)，使得路徑規(guī)劃可結(jié)合巷道內(nèi)行車擁堵情況，同時可避開某些無法行車的道路，實現(xiàn)了運輸路徑的智能規(guī)劃和車輛調(diào)度；③偏離報警判斷平均邏輯響應時間約為25 ms，可滿足現(xiàn)場應用要求。法具有2 項優(yōu)勢：①實用性：通過試驗驗證，方法性能穩(wěn)定、運行時效性高，可滿足驗收指標要求；②低成本：整套技術方案無需額外加裝硬件裝置，完全借助軟件實現(xiàn)，具有低成本的優(yōu)勢。