露天矿无人驾驶矿卡速度规划研究

doi:10.11872/j.issn.1005-2518.2022.03.006

露天矿无人驾驶矿卡速度规划研究

王鹏飞^,, 毕林, 王李管^,

中南大学资源与安全工程学院，湖南长沙 410083

Research on Speed Planning of Unmanned Driving Mining Trucks in Open-pit Mines

WANG Pengfei^,, BI Lin, WANG Liguan^,

School of Resources and Safety Engineering，Center South University，Changsha 410083，Hunan，China

通讯作者: 王李管（1964-），男，山西宁乡人，教授，从事数字矿山等方面的研究工作。liguan_wang@163.com

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13849419393@163.com , E-mail：13849419393@163.com

摘要

露天矿道路结构复杂，由于行驶轨迹冲突、感知受限等原因，矿卡行驶中易发生碰撞事故，现有基于传感器的感知避障方法易出现急刹急停和减速停车再启动等决策，不仅造成轮胎磨损和燃油浪费，而且会严重影响通行效率。为解决上述问题，结合露天矿通行场景的特殊性以及无人驾驶矿卡可精准执行规划速度的优点，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。试验结果表明：该方法在不影响已有矿卡正常通行的前提下消解车间冲突，提高目标矿卡行驶速度的平稳性，相对于传统“停—走”式策略通行算法总通行时长减少了21%。

关键词： 露天矿山 ; 无人驾驶 ; 矿用卡车 ; 速度优化 ; 规划协同 ; 梯形速度规划

Abstract

At present，driverless mining truck is gradually applied in the production of open-pit mine，however，the road structure of open-pit mine is complex，and the mining truck is prone to collision in driving due to the conflicting driving trajectories and perception limitations，and the existing sensor-based perception obstacle avoidance methods are prone to decisions such as emergency braking and emergency stopping and decelerating and stopping before starting，which not only cause tire wear and fuel waste，but also seriously affect the passing efficiency.In order to solve the above problems，based on the prominent features of the open-pit mine passage scene such as single traffic background，planning，organization and closure，and the advantage that driverless mine cards can accurately execute the planning speed，a mining card full passage speed optimization and collaborative planning method based on time distance constraint dissipation workshop conflict and planning speed based on adaptive trapezoidal speed planning method was proposed.The method first abstractly models the road network scenario based on road information and specifies the corresponding maximum speed limit according to the actual situation of different road sections.The second step is to combine the information of the traveling mine cards in the road network to detect the conflict between mine cards at each node in the target mine card traveling path.The third step is to add time distance constraint to each node to dissipate the conflict between mining cards according to the type of conflict between mining cards，and finally to use adaptive trapezoidal speed planning method to generate the whole collaborative passing speed scheme for the target mining card.The experiments use the traditional stop-and-go obstacle avoidance algorithm as a comparison，and the results show that the method can dissipate the conflicts between mining cards and maintain the safe distance between the front and rear vehicles without affecting the normal passage of other moving mining cards，and improve the smoothness of the speed of the target mining card in driving，while reducing the passage time by 21% compared with the traditional stop-and-go obstacle avoidance algorithm.

Keywords： open-pit mine ; unmanned driving ; mining truck ; speed optimization ; planning coordination ; trapezoidal speed planning

PDF (3463KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

王鹏飞, 毕林, 王李管. 露天矿无人驾驶矿卡速度规划研究[J]. 黄金科学技术, 2022, 30(3): 460-469 doi:10.11872/j.issn.1005-2518.2022.03.006

WANG Pengfei, BI Lin, WANG Liguan. Research on Speed Planning of Unmanned Driving Mining Trucks in Open-pit Mines[J]. Gold Science and Technology, 2022, 30(3): 460-469 doi:10.11872/j.issn.1005-2518.2022.03.006

露天开采是目前全球矿山开采的主要方式。随着数字化、信息化和智能化在矿山行业中的逐步推进，露天开采多个工艺环节也向着智能化方向发展。露天矿运输是露天矿生产系统中的一个重要环节。由于矿山工作环境非常恶劣，且需要全天候运行，矿山运输无人驾驶技术成为推进智能矿山建设的关键点（刘伟芳等，2020；丁震等，2020；武讲等，2021）。

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

新窗口打开| 下载原图ZIP| 生成PPT

图1 速度协同规划方法流程

Fig.1 Flow of speed collaborative planning method

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

新窗口打开| 下载原图ZIP| 生成PPT

图2 露天矿运输系统路网模型

注：图中以“L”开头的ID表示装载点；“J”开头的ID表示交叉路口

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

新窗口打开| 下载原图ZIP| 生成PPT

图3 道路中路段划分示意图

注：图中数字为各路段的限速，单位为km/h

Fig.3 Schematic of road section division

1.2 矿卡间冲突关系检测

露天矿通行中的矿卡间冲突主要分为交叉口会车冲突和前后车追尾冲突2种（郑义，2020），确定目标矿卡和路网中已有矿卡在通行中的冲突关系是后续冲突消解的基础。其中，矿卡在交叉口处发生碰撞的原因有2种：在空间上主要是两车冲突区域的争夺；在时间上主要是两车预测通过交叉口时间的重叠（段敏等，2020）。以空间冲突为依据，将与目标矿卡规划路径存在道路或道路节点重叠的矿卡标记为目标矿卡的冲突矿卡，对应的道路节点标记为冲突节点。为了进一步细化交叉口会车冲突，根据矿卡驶入和驶出的道路关系不同可划分为6类，如图4所示。冲突矿卡与目标矿卡在相邻2个冲突道路节点之间的道路上具有前后车追尾冲突关系。

图4

新窗口打开| 下载原图ZIP| 生成PPT

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

新窗口打开| 下载原图ZIP| 生成PPT

图5 交叉口会车冲突消解原理示意图

注： $t_{i n}$ 为进入冲突节点的时刻； $t_{o u t}$ 为完全驶出冲突节点的时刻

Fig.5 Schematic of the principle of intersection vehicle conflict elimination

对于前后车追尾冲突，需要将以里程表示的安全行车车距转化为以时间表示的安全时距，并添加到道路中各节点处冲突矿卡的抵达时刻前后。如图6所示，前时距约束含义为：冲突矿卡跟车时的安全时距约束；后时距约束含义为：目标矿卡跟车时的安全时距约束。目前针对无人驾驶矿卡的研究中采取基于传感器确定前后车安全行车间距（阚雨婷，2020）。安全行车间距计算公式为

$S = (t_{B 1} + t_{B 2_{}} + \frac{t_{3}}{2}) v_{B} - \frac{v_{A} t_{3}}{2} + \frac{(v_{B}^{2} - v_{A}^{2})}{2 a_{m a x}} + d_{0}$

（1）

式中： $v_{B}$ 为后车速度； $v_{A}$ 为前车速度； $t_{B 1}$ 为后车制动反应时间，取0.4 s； $t_{B 2_{}}$ 为后车制动协调时间，取0.6 s； $t_{3}$ 为减速度增加时间，取0.1 s； $a_{m a x}$ 为制动最大减速度，取4.9 m/s²； $d_{0}$ 为采取制动措施后矿卡完全停止时两车间距，取5 m。

图6

新窗口打开| 下载原图ZIP| 生成PPT

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

运用式（2）将安全行车车距转化为时间域的安全时距。对于前时距约束时长 $t_{d}$ ，取 $v_{B}$ 为冲突矿卡路段中的实际最大速度； $v_{A}$ 为目标矿卡可能的最小速度，即0。对于后时距约束时长 $t_{u}$ ，取 $v_{B}$ 为目标矿卡可能的最大速度，即路段限速； $v_{A}$ 为冲突矿卡在此路段行驶中的实际最小速度。

$\{\begin{matrix} t_{u} = S ∕ v_{A} \\ t_{d} = S ∕ v_{B} \end{matrix}$

（2）

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

新窗口打开| 下载原图ZIP| 生成PPT

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

新窗口打开| 下载原图ZIP| 生成PPT

图8 时距约束与单车最快通行速度曲线关系示意图

注：图中各种色块代表不同冲突矿卡在道路节点处的时距约束；绿色曲线为目标矿卡单车最快通行速度曲线

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（3）修正该节点处可行的最早抵达时刻。

$t_{f i} = m a x (t_{p u}, t_{f (i - 1)} + t_{m (i - 1)})$

（3）

式中： $t_{f i}$ 为第i个道路或路段节点的最早抵达时刻； $t_{p u}$ 为第i个道路或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的时距约束上限值； $t_{m (i - 1)}$ 为第i-1条道路或路段的最快通行时长。在各道路或路段节点最早抵达时刻之后的时间区间与非必须为前车的冲突矿卡的时距约束的差集，即为目标矿卡在各节点处最终的可通行时间窗口。

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

$T_{l i} = T_{l f i} + \frac{(T_{r k} - \sum_{j}^{n} T_{l f j}) \cdot T_{l f i}}{T_{r k}}$

（4）

式中： $T_{r k}$ 为第k条道路的实际通行时长； $T_{l f i}$ 为道路中第i条路段的最快通行时长； $T_{l i}$ 为道路中第i条路段的实际通行时长。

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 $v_{0}$ 、末速度 $v_{1}$ 为节点相邻两路段的路段最大限速中的较小值，矿卡行驶加速度、减速度为目标矿卡预设值。如图9所示，已知路段长度和通行时长的情况下，以初速度和末速度大小关系划分为3种情况：

图9

新窗口打开| 下载原图ZIP| 生成PPT

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 $v_{1}$ 曲线的通行时长 $t_{1}$ 为此情况下模型判断依据，计算公式如式（5）所示。设实际通行时长为t，若 $t_{1}$ = $t$ ，取 $v_{1}$ 曲线为此路段规划速度曲线；若 $t_{1}$ >t，取 $v_{0}$ 曲线为此路段规划速度曲线；若 $t_{1}$ <t，取 $v_{2}$ 曲线为此路段规划速度曲线。

$t_{1} = L ∕ V_{0}$

（5）

（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 $v_{1}$ 曲线的通行时长 $t_{1}$ 和 $v_{3}$ 曲线的通行时长 $t_{3}$ 为此情况下模型判断依据，计算公式如式（6）所示。若 $t_{1}$ = $t$ ，取 $v_{1}$ 曲线为此路段规划速度曲线；若 $t_{1}$ > $t$ ，取 $v_{0}$ 曲线为此路段规划速度曲线；若 $t_{1}$ < $t$ < $t_{3}$ ，取 $v_{2}$ 曲线为此路段规划速度曲线；若 $t_{3}$ = $t$ ，取 $v_{3}$ 曲线为此路段规划速度曲线；若 $t_{3}$ < $t$ ，取 $v_{4}$ 曲线为此路段规划速度曲线。

$\{\begin{matrix} t_{1} = \frac{V_{0} - V_{1}}{a_{d}} + \frac{L}{V_{0}} - \frac{V_{0}^{2} - V_{1}^{2}}{2 a_{d} V_{0}} \\ t_{3} = \frac{V_{0} - V_{1}}{a_{d}} + \frac{L}{V_{1}} - \frac{V_{0}^{2} - V_{1}^{2}}{2 a_{d} V_{1}} \end{matrix}$

（6）

式中： $a_{d}$ 为最大减速度。

（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 $v_{1}$ 曲线的通行时长 $t_{1}$ 和 $v_{3}$ 曲线的通行时长 $t_{3}$ 为此情况下模型判断依据，计算公式如式（7）所示。若 $t_{1}$ = $t$ ，取 $v_{1}$ 曲线为此路段规划速度曲线；若 $t_{1}$ > $t$ ，取 $v_{0}$ 曲线为此路段规划速度曲线；若 $t_{1}$ <t< $t_{3}$ ，取 $v_{2}$ 曲线为此路段规划速度曲线；若 $t_{3}$ = $t$ ，取 $v_{3}$ 曲线为此路段规划速度曲线；若 $t_{3}$ < $t$ ，取 $v_{4}$ 曲线为此路段规划速度曲线。

$\{\begin{matrix} t_{1} = \frac{V_{1} - V_{0}}{a_{a}} + \frac{L}{V_{0}} - \frac{V_{1}^{2} - V_{0}^{2}}{2 a_{a} V_{0}} \\ t_{3} = \frac{V_{1} - V_{0}}{a_{a}} + \frac{L}{V_{1}} - \frac{V_{1}^{2} - V_{0}^{2}}{2 a_{a} V_{1}} \end{matrix}$

（7）

式中： $a_{a}$ 为最大加速度。

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

新窗口打开| 下载原图ZIP| 生成PPT

图10 试验道路场景示意图

Fig.10 Schematic of experimental road scene

试验中对目标无人驾驶矿卡T_a进行全程速度规划，路网中存在其他9辆与T_a存在冲突关系的冲突矿卡，T_a行驶路径中包含5条道路，可划分为15条路段，试验相关参数如表1和表2所示。

表1 仿真道路场景参数

Table 1 Simulation road scene parameters

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

新窗口打开| 下载CSV

表2 仿真矿卡相关参数

Table 2 Related parameters of simulated trucks

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
T_a	0	0.5	0.5	采装点—卸载点	L6、J6、J4、J2、J1、D1
T_b	-12	0.4	1.2	采装点—卸载点	L7、J6、J4、J2、J1、D1
T_c	-13	0.3	0.5	采装点—卸载点	L8、J4、J2、J1、D1
T_d	-2	0.5	0.3	采装点—卸载点	L4、J5、J3、J2、J1、D1
T_m	-8	0.4	0.5	采装点—卸载点	L4、J5、J3、J7、J1、D1
T_E	-3	0.15	0.8	卸载点—采装点	D1、J1、J2、J3、J5、L4
T_F	-61	0.4	0.5	卸载点—采装点	D1、J1、J2、J4、L8
T_Z	-70	0.5	0.5	卸载点—采装点	D2、J7、J1、J2、J4、L8
T_G	100	0.5	0.5	卸载点—采装点	D2、J7、J1、J2、J4、L8
T_H	40	0.15	0.8	卸载点—采装点	D1、J1、J2、J3、J5、L4

新窗口打开| 下载CSV

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

新窗口打开| 下载原图ZIP| 生成PPT

图11 通行速度规划结果示意图

Fig.11 Schematic of traffic speed planning results

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T_b在终点前存在前后车追尾的情况，因此目标矿卡只能在T_b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T_b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T_F的冲突，在J2交叉口消解了与T_E的冲突，在终点处消解了与T_m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

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[]

Ding

Zhen

， Meng

Feng

，2020.

Domestic and overseas research status and key technologies of unmanned mine trucks

［J］.China Coal，46（2）：42-49.

Duan

Min

， Yu

Wentai

， Liu

Zhenpeng

，2020.

Research on multi-vehicle cooperative control of unmanned vehicle at intersection

［J］.Automobile Technology，535（4）：33-39.

Rui

， Zhang

Yali

， Yuan

Wei

，2019.

Progress and prospect in research on eco-driving

［J］.China Journal of Highway and Transport，32（3）：1-12.

Gao

Rui

，2021.

Research on Aid Decision-Making for Driving Safety of Uncrewed Mining Trucks in Open-pit Mine

［D］.Chongqing：Southwest University.

González

， Pérez

， Milanés

，et al，2016.

A review of motion planning techniques for automated vehicles

［J］.IEEE Transactions on Intelligent Transportation Systems，17（4）：1135-1145.