露天矿无人驾驶矿卡速度规划研究
Research on Speed Planning of Unmanned Driving Mining Trucks in Open-pit Mines
通讯作者:
收稿日期: 2021-12-21 修回日期: 2022-03-11
Received: 2021-12-21 Revised: 2022-03-11
作者简介 About authors
王鹏飞(1997-),男,河南周口人,硕士研究生,从事数字矿山等方面的研究工作
关键词:
Keywords:
本文引用格式
王鹏飞, 毕林, 王李管.
WANG Pengfei, BI Lin, WANG Liguan.
无人驾驶系统可划分为定位、感知、决策规划和控制四大模块(陶倩文等,2019),其中,决策规划模块包含宏观路径规划和运动规划。运动规划作为自动驾驶的核心环节之一,包含局部路径规划和速度规划2个方面,其功能是生成自动驾驶矿卡的运动轨迹,以躲避行驶路线上的障碍物(于向军等,2021;González et al.,2016)。由于露天矿运输矿卡体积和载重较大,行驶中具有较高的惯性,一般情况下局部速度规划(如换道、超车)并不适用于无人驾驶矿卡。速度规划则综合行驶路径和动态障碍物运动轨迹预测结果计算行驶路径上的速度分布,给位姿点赋予时间和速度等属性(余卓平等,2017),规划结果用于目标矿卡纵向控制。良好的速度规划对提升通行安全性、减少燃油消耗和行驶时间,以及提升矿卡使用经济性和时效性具有重要意义(Guo et al.,2019;Zhang et al.,2018;付锐等,2019)。目前关于露天矿矿卡的速度规划研究较少,且集中于局部速度规划,即采用传感器和车载摄像头,为了实现避障而进行的局部速度决策(王富民等,2021)。然而,露天矿多处于郊区,交通环境恶劣,面对复杂多变的天气和粉尘飞石,车载传感器的工作稳定性将受到很大的干扰。同时,露天矿道路结构复杂,部分会车区域坡度较大,传感器感知受限,最终将直接影响无人驾驶矿卡的安全运行。以交叉口避障速度规划为例,由于交叉口处存在矿卡行驶轨迹冲突,目前是露天矿运输过程中安全事故高发的主要区域(高睿,2021;苏敏,2020),基于传感器障碍物检测的局部速度规划受限于感知范围和汇入矿卡数量增加导致的路口拥堵,速度决策易出现急刹急停和制动停车再启动的情况,导致矿卡轮胎磨损和燃油浪费严重,影响矿卡的通行效率(Sharma et al.,2018;Ng et al.,2021)。
露天矿运输具有交通背景单一、计划性、组织性和封闭性等突出特点(李东林等,2019),可充分利用露天矿高精地图提供的路网道路信息,结合实时通讯技术进行全程超视距速度规划。因此,本文提出了一种基于时间距离约束消解车间冲突和基于自适应梯形速度规划方法规划速度的矿卡全程无冲突协同通行速度规划方法,该方法是在采装点或卸载点出发加入露天矿路网中的矿卡,在其指定的通行路径上规划出无冲突全程通行速度曲线。当矿卡需要避障时不仅可以提前变更速度,避免急刹急停和制动停车再启动造成的轮胎磨损和燃油浪费现象,缩短通行时长,提高通行效率,而且可以降低对传感器的依赖,一定程度上消除了矿区复杂环境对传感器可靠性影响导致的安全隐患(张宁等,2020)。
1 全程无冲突通行速度规划
首先根据露天矿道路信息对路网场景抽象建模,结合路网中正在行驶的其他矿卡的信息对目标矿卡的行驶路径进行矿卡冲突检测;对具有冲突关系的矿卡,基于冲突矿卡通过关联道路各节点的时刻和冲突类型设定前后时间距离约束,用于消除矿卡碰撞冲突和保持安全车距;根据目标矿卡非协同最快通行速度规划解和各节点处冲突矿卡时间距离约束,求解目标矿卡行驶路径中各节点处的可通行时间窗口;最后采用基于自适应梯形速度规划方法的协同规划算法为目标矿卡生成全程无冲突通行速度方案。速度协同规划方法流程如图1所示。
图1
1.1 露天矿道路场景建模
将露天矿路网划分为道路和路段两级,其中路段是道路的组成部分,也是速度规划的基本单元。首先,根据露天矿道路信息将路网以采装点和卸载点之间的交叉口会车节点划分为不同的道路,构建描述露天矿路网的拓扑结构,如图2所示。
图2
图2
露天矿运输系统路网模型
Fig.2
Road network model of open-pit transportation system
由于露天矿道路存在坡道、弯道、颠簸路段和湿滑路段,且不同路段允许的最大行驶速度不同,故将道路根据实际路况划分为不同的路段。以路段为单位承载具体的道路坡度、曲率和路面情况等路网三维属性,并根据这些属性设置不同的道路限速,以保证矿卡在此路段内的通行安全,图3所示为某道路的路段划分。
图3
1.2 矿卡间冲突关系检测
图4
图4
交叉口会车冲突类型示意图
Fig.4
Schematic of the types of intersection vehicle confilict
1.3 矿卡间冲突消解方法
矿卡间冲突消解划分为交叉口会车冲突消解和前后车追尾冲突消解。在进行道路场景建模时将交叉口抽象为连接前驱和后继道路的节点,在速度规划解中对应于一个通行时刻,即道路节点抵达时刻。以时间冲突为依据,根据冲突类型在冲突矿卡的道路节点抵达时刻前后添加时间距离约束,完成矿卡间冲突消解。
交叉口会车冲突消解原理如图5所示。在冲突矿卡抵达交叉口节点时刻之前添加的时距约束含义为:目标矿卡在冲突矿卡之前完全通过冲突节点的通行时长;在冲突矿卡抵达交叉口节点时刻之后添加的时距约束含义为:冲突矿卡在目标矿卡之前完全通过冲突节点的通行时长。本文对各种冲突类型设定固定的时距约束,其中“汇合—同行”、“汇合—分离Ⅰ”、“反向汇合—分离”冲突的前后时距约束各为5 s;“同行—分离”、“同行—同行”冲突的前后时距约束各为2 s;“汇合—分离Ⅱ”冲突的前后时距约束各为3 s。
图5
图5
交叉口会车冲突消解原理示意图
Fig.5
Schematic of the principle of intersection vehicle conflict elimination
式中:
图6
图6
前后车追尾冲突消解原理示意图
Fig.6
Schematic of the principle of vehicle rear-end conflict elimination
运用
1.4 单车非协同最快通行速度规划
不考虑目标矿卡与其他矿卡的冲突,目标矿卡在各路段中能够以路段限速行驶,这种情况下的速度规划解是道路中只有目标矿卡时的最快通行速度方案。采用时间最优的传统梯形速度规划方法,目标矿卡从路段驶入加速到路段最大限速并保持匀速行驶,随后减速到路段驶出速度驶出路段。此时路段中的速度曲线是一个三段式梯形曲线,由加速段、极速段和减速段构成,如图7所示。
图7
图7
单路段梯形速度规划原理示意图
Fig.7
Schematic of the principle of single-section trapezoidal speed planning
为了保证整体通行的速度达到最快,各路段的驶入速度和驶出速度应选取可能的最大值,其中路段驶入速度的最大速度为前继路段最大限速和本路段最大限速中的最小值。对于起点处,初速度为加入路网时的速度,各路段的驶出速度为后继路段的驶入速度;对于终点处,末速度为0,表示到达装载点和卸载点。路段极速初始值的选取为路段最大限速,部分路段存在路段长度不足以满足驶入速度加速到极速并减速到驶出速度的情况,此时不存在极速段。矿卡进入路段先匀加速行驶,到达一个小于路段限速的速度时再匀减速驶出路段,选取这个速度为修正后的极速。
1.5 道路节点可通行时间窗口确定
对目标矿卡进行单车非协同最快通行速度规划,可求解不考虑冲突矿卡时各个道路节点的最早抵达时刻,道路驶出节点的最早抵达时刻与驶入节点的最早抵达时刻之差为道路最快通行时长。对于部分冲突矿卡,即使采用最快通行方案也无法在其时距约束之前通过道路节点,这些冲突矿卡只能作为目标矿卡的前车。由于露天矿矿卡行驶中不允许超车,则目标矿卡和冲突矿卡在各节点处应保持相同的前后车关系。如图8所示,4种冲突矿卡只能作为目标矿卡的前车。
图8
图8
时距约束与单车最快通行速度曲线关系示意图
Fig.8
Schematic of the relationship between time distance constraint and passing speed curve
选取每个道路和路段节点处抵达时刻最晚且只能作为目标矿卡前车的冲突矿卡,使用
式中:
1.6 多车无冲突协同通行速度规划
获取各节点处的可通行时间窗口后,目标矿卡只需满足在可通行时间窗口内通过各节点,即可规划出一条无冲突的全程通行速度曲线。以最快抵达目的地为目标进行速度规划,选取各道路节点最早抵达时刻为各道路节点抵达时刻,相邻两道路节点抵达时刻之差为道路实际通行时长,根据道路通行时长在各道路组成路段内进行具体的速度规划。本文中,路段是通行速度规划的最小单位,道路中各路段的实际通行时长可表示为
式中:
根据各路段实际通行时长,采用自适应的梯形速度规划方法,以路段通行时长、初速度、末速度、路段长度、矿卡行驶加速度和减速度为输入,确定最终的速度曲线形式。
与单车最快通行速度规划保持一致,取初速度
图9
图9
自适应梯形速度规划结果示意图
Fig.9
Schematic of adaptive trapezoidal speed planning results
(1)当初速度与末速度相等时,此时有3种可能的规划结果,选取
(2)当初速度大于末速度时,此时有5种可能的规划结果,选取
式中:
(3)当初速度小于末速度时,此时有5种可能的规划结果,选取
式中:
确定各路段的速度曲线后,根据速度曲线和已知信息即可求解出三段式速度变化中的中间速度值,根据中间速度值、初速度和末速度分别对三段速度求解,即可得到路段中各位置点处的规划速度值。对目标矿卡行驶路径中所有路段依次求解,即可求解出目标矿卡最终的多车协同最快通行速度规划方案。
2 试验与结果分析
2.1 仿真环境的搭建
为验证本文提出的多车无冲突通行协同速度规划算法的有效性和适用性,使用Python编程语言对无人驾驶矿卡和道路场景模型分别以类的方式实现,文中算法以函数的方式实现,最后采用Python的绘图工具库Matplotlib绘制仿真结果图。算法流程如图1所示。仿真试验中以传统露天矿交叉口会车作业策略作为对比,即“停—走”式通行策略,其主要思想是若交叉口有其他矿卡正在通行,则提前制动并等待其他矿卡通过后再启动通过。
2.2 仿真试验参数
本文以江苏省句容市某水泥灰岩矿路网场景为基础,简化搭建了试验道路场景,如图10所示,在各道路中对路段进行划分并分别指定最大限速。
图10
表1 仿真道路场景参数
Table 1
道路ID | 路段划分数量 | 路段长度/m | 路段限速 /(km·h-1) | 道路总长 /m |
---|---|---|---|---|
L6_J6 | 3 | 100、100、100 | 20、30、25 | 300 |
J6_J4 | 3 | 125、150、125 | 30、40、30 | 400 |
J4_J2 | 2 | 300、50 | 35、30 | 350 |
J2_J1 | 3 | 175、75、100 | 35、20、25 | 350 |
J1_D1 | 4 | 200、100、100、100 | 35、20、15、25 | 500 |
表2 仿真矿卡相关参数
Table 2
矿卡 | 出发时刻/s | 加速度/(m·s-2) | 减速度/(m·s-2) | 行驶方向 | 行驶路径 |
---|---|---|---|---|---|
Ta | 0 | 0.5 | 0.5 | 采装点—卸载点 | L6、J6、J4、J2、J1、D1 |
Tb | -12 | 0.4 | 1.2 | 采装点—卸载点 | L7、J6、J4、J2、J1、D1 |
Tc | -13 | 0.3 | 0.5 | 采装点—卸载点 | L8、J4、J2、J1、D1 |
Td | -2 | 0.5 | 0.3 | 采装点—卸载点 | L4、J5、J3、J2、J1、D1 |
Tm | -8 | 0.4 | 0.5 | 采装点—卸载点 | L4、J5、J3、J7、J1、D1 |
TE | -3 | 0.15 | 0.8 | 卸载点—采装点 | D1、J1、J2、J3、J5、L4 |
TF | -61 | 0.4 | 0.5 | 卸载点—采装点 | D1、J1、J2、J4、L8 |
TZ | -70 | 0.5 | 0.5 | 卸载点—采装点 | D2、J7、J1、J2、J4、L8 |
TG | 100 | 0.5 | 0.5 | 卸载点—采装点 | D2、J7、J1、J2、J4、L8 |
TH | 40 | 0.15 | 0.8 | 卸载点—采装点 | D1、J1、J2、J3、J5、L4 |
2.3 仿真试验结果与可视化分析
采用单车非协同速度规划算法、多车无冲突协同通行速度规划算法(本文算法)和传统“停—走”式策略通行算法(对比算法),分别求解目标矿卡的全程速度及通行位移,结果如图11所示。
图11
从对目标矿卡的冲突检测和冲突消解来看,本文设计的冲突检测算法能精准地检测到与目标矿卡具有冲突关系的冲突矿卡,并针对不同的冲突类型,在相应的道路节点和路段节点处,基于冲突矿卡通行时刻设置用于消解冲突及保证安全车间距的前后时距约束。对比单车非协同最快通行规划结果,目标矿卡与Tb在终点前存在前后车追尾的情况,因此目标矿卡只能在Tb之后通过各冲突节点,在J6交叉口,本文算法提前减速完成了与Tb的冲突消解;对比算法则通过制动完成冲突消解。此外,本文算法还在J4交叉口消解了与TF的冲突,在J2交叉口消解了与TE的冲突,在终点处消解了与Tm的冲突。同时,本文算法在各路段和道路节点处避开了与冲突矿卡的安全车间距时距约束,当前车发生故障时,能保证矿卡之间有足够的距离进行制动并恢复行驶。综上,在消解目标矿卡与路网中正在行驶矿卡之间的冲突后,本文算法可以确保目标矿卡的通行安全。
从目标矿卡的总通行时长来看,单车非协同最快通行速度规划采用时间最优的梯形速度曲线,是目标矿卡在不考虑障碍车时的最快通行方案。本文算法规划解中,目标矿卡在避开节点处时距约束的同时,选取最早抵达时刻用于规划各路段通行速度方案,因此仅在避障时进行必要的减速,保证了整体的通行效率。试验结果表明:本文算法消解了与其他矿卡间冲突后的总通行时长,相较对比算法通行时长减少了21%,相较时间最优的单车非协同最快通行速度规划算法通行时长仅增加了10%。综上,本文算法在保证目标矿卡安全通行的前提下能求解出一条较快的全程通行速度曲线,有利于提高露天矿矿卡通行效率。
从速度曲线的平稳性来看,如图11(a)所示,对比算法需要在交叉口前制动,以规避可能发生的交叉口冲突,因此速度曲线平稳性差;本文算法通过自适应梯形速度规划求解各路段的速度曲线,提前变速规避交叉口处的安全时距,因此各路段速度变化平稳,避免了急刹急停以及减速停车再启动等情况的发生,可有效改善矿卡的燃油经济性,减少矿卡轮胎磨损。
3 结论
针对露天矿运输场景的特殊性,本文对无人驾驶矿卡速度规划进行了研究,构建了露天矿路网场景,提出了无人驾驶矿卡行驶路径中冲突矿卡及冲突类型的检测方法。针对不同的冲突类型,提出了基于时间域的安全时距约束消解矿卡间冲突的方法,以及安全时距的计算方法。基于时间最优的传统梯形速度规划方法,提出了单车非协同最快通行速度规划算法;结合道路中各节点时距约束和单车通行规划解,提出了可通行时间窗口的求解方法。最后,基于自适应梯形速度规划方法,提出了多车无冲突协同通行速度规划算法。仿真试验结果表明,该算法在不影响其他矿卡正常通行的前提下,实现目标矿卡与冲突矿卡间的冲突消解,以尽可能接近各路段最大限速的行驶速度,规划出一条全程无冲突协同通行速度曲线。
本文提出的方法适用于矿卡在采装点或卸载点启动时的全程无冲突协同速度规划,之后基于露天矿运输场景再进行扩展,如针对矿卡故障后其他矿卡的通行速度重新规划,以及根据采装点或卸载点排队情况设定矿卡优先级,动态地规划路网中矿卡的全局通行速度,压缩协同速度规划解的目的地抵达时刻与非协同最快通行解的目的地抵达时刻之间的差值。同时,为了避免矿卡抵达目的地后由于排队引起的停车再启动情况,为目标矿卡指定采装点或卸载点的抵达时刻,并以此时刻代表的通行时长为目标规划矿卡的协同通行速度方案。
目前,本文提出的方法在路段的划分和路段最大限速的指定方面尚未实现自动化,仍需人为划分和指定,后续随着露天矿高精地图相关技术的进步将开展进一步深度的研究。
http://www.goldsci.ac.cn/article/2022/1005-2518/1005-2518-2022-30-3-460.shtml
参考文献
Domestic and overseas research status and key technologies of unmanned mine trucks
[J].
Research on multi-vehicle cooperative control of unmanned vehicle at intersection
[J].
Progress and prospect in research on eco-driving
[J].
Research on Aid Decision-Making for Driving Safety of Uncrewed Mining Trucks in Open-pit Mine
[D].
A review of motion planning techniques for automated vehicles
[J].
Fuel-efficient en route speed planning and tracking control of truck platoons
[J].
Safety Distance Design for Unmanned Mine Trucks in Open-pit Mines Based on Sensor Reliability Analysis
[D].
An overview of autonomous open-pit mine haulage system
[J].
Technology development status of unmanned driving in open-pit mines at home and abroad
[J].
Reducing vehicle fuel consumption and exhaust emissions from the application of a green-safety device under real driving
[J].
Idling fuel consumption and emissions of air pollutants at selected signalized intersections in Delhi
[J].
Research and application of V2X communication technology based on intelligent driving scene in open pit mining area
[J].
A study of vehicle perception and localization:An overview of the 29th IEEE Intelligent Vehicles Symposium
[J].
Status and outlook of autonomous driving technology for trucks in open-pit mine
[J].
Feasibility study of driverless system in Harwusu open-pit coal mine
[J].
Key technologies in autonomous vehicle for engineering
[J].
A review of the motion planning problem of autonomous vehicle
[J].
Analysis on technical requirements of autopilot for high-precision map
[J].
Toward a more complete,flexible,and safer speed planning for autonomous driving via convex optimization
[J].
Research on Cooperative Vehicle Control Algorithm at Unsignalized Intersection Under Connected Vehicles Environment
[D].
矿用无人卡车国内外研究现状及关键技术
[J].
无人驾驶汽车十字路口多车协作控制研究
[J].
生态驾驶研究现状及展望
[J].
露天矿区无人驾驶矿车的安全通行辅助决策研究
[D].
基于传感器可靠性分析的露天矿无人驾驶矿车安全车距设计
[D].
露天矿山运输无人驾驶系统综述
[J].
国内外露天矿山无人驾驶技术发展现状
[J].
基于露天矿区智能驾驶场景的V2X通信技术研究及应用
[J].
车辆感知与定位研究——第29届国际智能车大会综述
[J].
露天矿卡车无人驾驶技术的现状与展望
[J].
哈尔乌素露天矿无人驾驶方案研究
[J].
工程车辆无人驾驶关键技术
[J].
无人车运动规划算法综述
[J].
自动驾驶对于高精地图的技术需求分析
[J].
车联网环境下无信号交叉口车辆协同控制算法研究
[D].
/
〈 |
|
〉 |
