文章来源：《智能矿山》2024年第6期“露天矿智能化技术创新与实践”特刊“学术园地”专栏

第一作者：肖鹿，高级工程师，现任新疆天池能源有限责任公司总经理助理，主要从事智慧矿山无人驾驶工作

作者单位：中国矿业大学；新疆天池能源有限责任公司；中讯邮电咨询设计院有限公司

引用格式：肖鹿，陈国磊，林言，等.基于5G的露天煤矿大规模高密度无人驾驶 矿用卡车关键技术研发与应用[J].智能矿山，2024，5（6）：65-72.

点击文末左下角“阅读原文”，免费下载阅读pdf全文

煤炭是我国能源的“压舱石”，在多元化能源结构中具有兜底保障作用，能稳定支撑国际能源市场波动时的能源安全。煤电在提供稳定可靠电力、平衡供需、支撑新能源发展以及促进绿色低碳转型等方面具有重要作用。智能化煤矿将是煤炭行业重要发展方向，推动持续发展和提升竞争力。露天煤矿车辆无人驾驶是露天煤矿智能化建设的关键，能够提升生产效率，减少安全事故和人员伤亡，解决招工难和高维护成本问题。由于矿用卡车无人驾驶系统对效率和安全有很高的要求，需要设备随时随地在线，同时对矿区的网络覆盖、可靠性、延迟、带宽提出很高的要求。5G技术以全新的网络架构，高带宽、低时延、广连接的能力，已经成为各垂直行业智能化转型的关键。将5G应用于无人矿用卡车，可促进露天煤矿向数字化、无人化快速转型，提升安全水平，降低成本，提高效率。笔者重点探讨了露天煤矿无人驾驶关键技术及5G专网部署，同时提出无人驾驶车辆大规模、高密度部署模式下的高效解决方案。

无人驾驶矿用卡车需要与其他车辆、设备及服务器进行高效实时通信，以实现信息共享和协同作业。大型露天煤矿大规模、高密度无人车辆部署模式对稳定、安全且高效的网络环境需求显得尤为迫切。矿坑复杂多变的地形环境使得与基站配套的供配电系统建设成为难点之一。此外，还需要考虑如何防止网络攻击和保障数据安全。

在复杂的矿山环境中，大集群部署的无人驾驶矿用卡车需要具备强大的感知与决策能力。这包括对周围环境（如其他车辆、人员地形）的精确感知，以及基于这些感知信息进行实时决策与路径规划，这一过程还需考虑如何处理大量感知数据，以确保车辆的安全性和效率。此外，高密度运行无人矿用卡车需要实现高精度定位和导航，需要对矿山地形进行精确的地图构建和实时更新，同时考虑如何遮挡、反射等干扰因素，可以通过高精度地图构建和实时更新的方式进行保障。

（1）高精度地图构建

矿坑环境复杂，高精度地图的构建对于无人驾驶车辆的安全运行至关重要。需要利用激光雷达、摄像头、惯性导航系统等传感器进行数据采集，并通过数据融合技术获取准确的地图信息。对于大规模高密度部署，需要考虑如何快速、高效地构建整个矿坑的高精度地图。

（2）实时更新

矿坑环境可能随时发生变化，如道路损坏、出现新障碍物等，因此地图需要实时更新。车载传感器需要实时监测周围环境，并通过数据处理和匹配技术更新地图。对于大规模高密度部署，需要设计高效的地图实时更新系统，确保所有车辆都能及时获取最新的地图信息。

无人驾驶车辆需要具备高效能量利用的能力，以满足大型露天矿山的开采和运输需求。这需要考虑如何优化车辆的能源管理，通过采用能源消耗监测系统和智能充电策略等手段，可以确保无人驾驶车辆在矿坑环境中的安全运行和高效作业。

（1）实时监测

对于无人驾驶车辆，实时监测其能源消耗是确保车辆续航能力和作业效率的关键。可以通过车载传感器获取车辆的实时能耗数据，并进行分析和处理。在大规模高密度部署的场景中，需要对所有车辆的能源消耗进行统一管理和分析，以便制定合理的充电和调度策略。

（2）优化调度

根据能源消耗监测结果，可以优化车辆的调度策略，避免某些区域车辆过多或过少造成的能源浪费或不足。可以设计相关算法，根据实时能耗数据和作业需求，自动调整车辆的作业区域和作业时间。

（3）充电策略

在大规模高密度部署的场景中，可以部署多个充电站点，实现车辆的快速充电和连续作业。

（4）智能充电策略

根据能源消耗监测结果和作业需求，可以制定智能充电策略。如在车辆能耗较低时自动前往充电站点进行充电，或在作业间隙进行快速充电等。智能充电策略可以确保车辆始终保持足够的续航能力，提高作业效率。

国内发布了关于加快智能化矿山和矿区无人驾驶建设的意见、政策和规范，但是对于无人驾驶车辆管理办法、作业规程等内容未做规范。目前，无人矿用卡车在大规模、高密度应用模式方面在国内尚处于起步阶段，配套技术、管理水平、基础设施滞后，尤其是300台以上各型号无人矿用卡车同时运行的案例在国内尚属空白。

根据计算机技术、5G通信技术、高精度定位技术、传感技术、车辆控制技术的发展情况，结合露天矿山运输作业、生产组织、生产管理特点，制定矿用卡车无人驾驶集群系统总体技术构架，主要由云计算及服务、边缘计算与通信、车端计算与行动、协同作业与交互4个技术部分构成，如图1所示。基于上述技术架构，无人驾驶运输系统包括调度指挥平台及配套调度中心、单车无人驾驶系统、网络通信系统、协同作业系统，通过整体技术架构设计，实现无人驾驶集群调度、运行管理、状态监控，支撑大规模高密度无人驾驶作业。

图1　矿用卡车无人驾驶集群系统架构

（1）调度指挥平台主要负责集群无人驾驶卡车的状态监控、生产任务调度、全局路径规划、数据统计分析等。可采集自动驾驶作业信息和道路环境感知信息，并将数据进行统一存储、智能分析，实现装载、运输、卸载等作业场景管理。

（2）单车无人驾驶系统具备环境感知、融合定位、决策规划和车辆控制等功能，自主完成在装载区、主干路、卸载区等区域的高密度行驶作业。车辆的定位与感知模块负责提供准确定位与周边环境信息，并且依据调度指挥平台规划的任务和路径实现自主运行。

（3）网络通信系统采用5G专网覆盖，并建立至调度指挥中心的专用数据链路。车端配置V2X车载单元OBU，具备V2N（车和平台）、V2V（车和车）和V2I（车和基础设施）通信功能。

（4）协同作业系统主要包括挖机协同作业、辅助设备作业、加油作业、收发车作业、维保作业等。

大型露天煤矿的持续开采，逐步形成采矿规模大、机械化程度高和作业环境复杂等特点。无人矿用卡车使用时，无线网络的不稳定性和设备的移动性都会影响信息的实时传输。

露天煤矿5G专网采用SA组网方案，为保障无人驾驶应用数据的安全保密性、业务时延保障性，矿区的用户侧功能下沉到现场矿区内网络边缘部署，数据流量在本地分流，生产数据直传至调度中心，保障数据不出园区，实现无人驾驶业务安全隔离。

整体通过900M/2.1G/3.5G频段搭配模式对无人驾驶区域进行全面覆盖。通过QoS切片方式，减少端到端交互时延。依托边缘MEC执行大带宽、时延敏感的计算任务，提升总体网络传输效率。5G专网采用切片功能进一步实现网络资源调度和优化，打造多个业务承载于不同VLAN的能力，通过集中化的编排协同、配置管理，实现对网络的统一控制和管理，实现不同业务场景下网络对业务需求动态变化的实时响应，以满足矿山场景无人矿用卡车业务大规模和局部装卸高密度的要求。在矿区基站覆盖区划分独立TA区，规划独立MEC边缘计算。配置高低优先级路由，UPF-1的优先级高于UPF-2，UPF-1故障后业务通过UPF-2接入到矿区内网，确保网断系统业务不断；设有应急AMF、SMF和UDM功能，网络正常时，使用5G2B核心网的控制面，异常时，使用矿区UPF应急核心网的控制面。5G专网方案拓扑如图2所示。

图2 5G专网方案拓扑

为解决基站稳定供电问题，供配电箱变位置根据5G基站位置，综合考虑低压供电距离、低压电缆压降以及高压供电接入点因素，确定在各帮坡基站数量选取不同数量供电点进行供电。为确保5G基站供电稳定性、可靠性和冗余性，每个供电点配套柴油发电机和双电源自动转换开关柜，实现双电源自动投切功能。

为满足大规模和局部装卸高密度的要求，通过动态资源分配、智能调度算法、高效通信协议、网络拓扑优化、冗余备份设计、实时性能监控以及标准化与模块化设计等手段，可以有效地进行通信资源调度和优化，以满足大规模和局部装卸高密度的要求。

（1）动态资源分配

根据实时网络负载和装卸作业的需求，动态调整通信资源的分配。例如：当局部装卸作业密度增加时，可以优先为该区域分配更多的通信带宽和信道资源。通过实时监控和分析网络流量，确保关键作业始终获得足够的通信资源支持。

（2）智能调度算法

采用先进的调度算法，如动态优先级调度、负载均衡调度等，以优化通信资源的利用。这些算法可以根据作业的重要性和紧急性，自动调整资源的分配顺序和数量。结合机器学习技术，对调度算法进行持续优化，以适应不断变化的网络环境和作业需求。

（3）高效通信协议

选择或设计高效的通信协议，以减少数据传输的延迟和丢包率。这对于大规模和局部装卸高密度作业至关重要，因为快速准确地传输数据可以确保作业的顺利进行。采用压缩技术、数据编码等手段，进一步提高通信效率。

（4）网络拓扑优化

根据装卸作业的分布和密度，优化网络拓扑结构。例如：在装卸作业密集的区域增加基站或中继节点，以提高通信覆盖范围和可靠性。采用无线自组织网络等技术，实现灵活的网络拓扑结构，以适应不断变化的作业环境。

（5）冗余备份设计

在关键通信节点和链路上设计冗余备份，以确保在故障发生时能够迅速恢复通信服务。这对于保障大规模和局部装卸高密度作业的连续性至关重要。定期对备份设备和链路进行测试和维护，确保其始终处于良好状态。

（6）实时性能监控

建立完善的性能监控系统，实时监测网络通信的各项指标（如带宽利用率、延迟、丢包率等）。这有助于及时发现潜在问题并采取相应的优化措施。结合大数据分析技术，对性能监控数据进行深入挖掘和分析，以发现潜在的性能瓶颈和优化空间。

（7）标准化与模块化设计

采用标准化的设备和接口设计，降低网络建设的复杂性和成本。同时模块化设计使得网络更加灵活和可扩展，易于满足不断变化的作业需求。

车辆终端系统是无人驾驶集群运输系统的主要执行机构，其接受云端输入的各种指令，控制车辆的驱动系统、制动系统、转向系统、车厢、车灯等机构执行相应的动作。在指令执行过程中，单车无人驾驶系统通过车载传感器感知周围地形和障碍物信息，实时上报车辆的运行状态，保证安全、高效地完成作业任务，其主要由环境感知、融合定位、决策规划以及运动控制子系统组成。车辆终端系统架构如图3所示。

图3　车辆终端系统架构

单车无人驾驶系统在线控宽体车的基础上，加装计算平台、激光雷达、毫米波雷达、超声波雷达、组合导航、V2X通信设备，实现环境感知、融合定位、决策规划、运行控制和车辆电器控制单元等功能。车辆终端传感器部署如图4所示。

图 4　车辆终端传感器部署

（1）环境感知

环境感知系统采用激光雷达+毫米波雷达冗余方案设计，前向感知传感器可以实现对前方180°范围进行完全冗余覆盖检测，通过搭载32线激光雷达实现对远距离小体积障碍物的精准检测。后向感知传感器可以实现倒车过程中挡墙、山体边坡以及障碍物的精准检测。环境感知系统能够满足矿区扬尘、雨雪雾、剧烈震动和极端低温等恶劣工况的使用需求，能够对道路、落石、凹坑、土方塌陷、挡墙、车辆设备、行人等障碍物进行准确感知识别。

（2）融合定位

主定位设备采用差分全球定位导航系统（GNSS+RTK）和惯性导航系统（IMU）构成的组合导航系统，其中全球导航卫星系统GNSS）采用多模接收，即同时兼容北斗、GPS等多套卫星定位系统。主定位工作时，会基于车辆运动学数据（车速、车身姿态等）及激光雷达里程计进行车辆运动轨迹推算的辅助定位，并结合主定位进行数据校核和融合。融合定位系统架构如图5所示。

图 5　融合定位系统架构

融合定位系统能够实现车辆厘米级导航定位，为感知和控制提供无人矿用卡车的位置、速度、航向、加速度等姿态信息，并能够对各项信息进行误差评估及输出。系统能够保证定位的实时准确性和信号的稳定性，不受装载和卸载作业过程的干扰。

（3）决策规划

自主决策与规划系统主要由全局路径规划、行为决策、运动规划3个部分组成。全局路径规划模块从宏观层面指导规划控制模块从起点行驶到终点，依靠高精地图的信息，在一定的最优策略定义下，计算出一个从起点到终点的最佳道路行驶序列；行为决策模块利用上游全局轨迹信息，决策无人驾驶卡车的行驶策略；运动规划模块以无人驾驶卡车局部坐标系为准，将全局期望路径根据汽车定位信息转化到汽车坐标系中表示，以此作为局部参考路径，局部轨迹具备对全局路径的跟踪能力以及避障能力。自主与决策系统构成如图6所示。

图6　自主与决策系统构成

车辆智能终端通过加强车辆本体对于复杂的坑下环境、自身方位姿态等实时数据的感知获取，为自主运行提供充足且真实的决策依据，是实现大规模、高密度无人驾驶车辆稳定、安全及高效运行的关键环节之一。

本次无人驾驶车辆5G网络测试选用HUAWEIRRU5916作为测试基站，配置功率为40W，NRFDD20M带宽，天线增益为17dBi。测试时RRU置于综采区入口，天线位于RRU上；运输线测试为正、背向测试，测试时RRU位于12m桅杆上，矿车接收天线置于无人矿用卡车驾驶室内。面向与背向基站行驶，同时模拟存在其他矿卡遮挡的情况。正常面向天线且存在其他车辆遮挡，覆盖边缘1328m，下载速率为86.44Mbit/s，满足下载业务需求；正常背向天线且存在其他车辆遮挡，覆盖边缘1108m，下载速率为109.52Mbit/s，满足下载业务需求。联络线天线行驶下载速率如图7所示。

图7　联络线天线行驶下载速率

正常面向天线且存在其他车辆遮挡，覆盖边缘1428m，上传速率为44.56Mbit/s，满足上传业务需求；正常背向天线且存在其他车辆遮挡，覆盖边缘1120m，上传速率为42.36Mbit/s，满足上传业务需求，联络线天线行驶上传速率图8所示。

图8　联络线天线行驶上传速率

总体采用900M+2100M+3500M高低频搭配，矿区共建设5G基站54套，有效解决了矿坑超深、平盘层数多、车辆行驶密度大带来的高难度工业互联网应用场景无线信号覆盖问题，实现了矿区5G全覆盖。保障了超过300台无人矿用卡车5G无人驾驶应用的稳定运行，实现了高密度作业车辆安全、绿色、智能、高效、稳定运行。

环境感知系统采用激光雷达+毫米波雷达冗余方案设计。前激光雷达在车辆左前和右前水平布置，后激光雷达布置在后方横梁上方中间位置。前毫米波雷达布置在前保险杠正前方的支架上，后毫米波雷达布置在后横梁支架上。

前向感知传感器可以实现对前方180°范围进行完全冗余覆盖检测，通过搭载32线激光雷达实现对远距离小体积障碍物的精准检测。后向感知传感器可以实现倒车过程中挡墙、山体边坡以及障碍物的精准检测。无人驾驶矿用卡车路况感知如图9所示。

图9　无人驾驶矿用卡车路况感知

最终识别到粒度0.2~0.5m障碍物的距离≥30m；粒度大于0.5m的障碍物识别距离≥40m；40m处识别误差≤0.5m，20m内识别误差≤0.3m。

在无人驾驶集群系统的总体方案设计中，大规模高密度无人驾驶作业与现有编组无人驾驶作业系统设计的主要区别体现在系统复杂度、资源调度、协同控制以及应对高密度作业环境的适应性等方面。

（1）系统复杂度

大规模高密度无人驾驶作业需要管理大量的无人驾驶单元，使得整个系统复杂度远高于现有的编组无人驾驶作业系统。现有编组无人驾驶作业系统通常管理的是有限数量的无人驾驶单元，且单元间协同较为简单。

（2）资源调度

大规模高密度无人驾驶作业对通信资源、计算资源以及能源资源的需求极高，需要更高效的资源调度策略。现有编组无人驾驶作业系统的资源调度需求相对较低，策略较为简单。

（3）协同控制

大规模高密度无人驾驶作业要求各无人驾驶单元之间实现高度协同，以确保整体作业的高效性和安全性。现有编组无人驾驶作业系统的协同控制需求相对较低，主要关注编组内单元间的协同。

（4）高密度作业环境适应性

大规模高密度无人驾驶作业需要系统具备更强的环境感知能力、避障能力以及应急处理能力，以适应高密度作业环境。现有编组无人驾驶作业系统通常针对较为宽松的作业环境设计，对高密度环境的适应性较弱。

矿山环境恶劣，地点偏远封闭，开展矿山无人驾驶应用对提升智慧矿山整体应用水平，实现安全、绿色、高效生产具有现实意义。基于5G专网的矿用卡车无人驾驶系统可以全面提升运行水平、管理水平和信息更新速度，提高劳动生产率和运营效益。助力以新疆大型露天煤矿、配送系统、坑口电厂、高压换流站为核心的煤电一体化产业链高质量发展，为“疆电外送、疆煤外运”保驾护航。5G专网下的大规模高密度无人驾驶作业已经取得了显著成效，但不同厂商的无人驾驶系统之间仍存在一定的差异，需要进一步研究和探索。未来在全局调度和智能管控技术方面，可以从以下4个方面进行研究。

（1）标准化和开放性

推动不同厂商之间的技术标准和接口统一，使得不同系统的无人驾驶车辆能够无缝对接和协同作业。

（2）智能化决策和控制

利用人工智能和机器学习技术，实现更加智能的决策和控制算法，提高无人驾驶系统的自主性和适应性。

（3）大数据分析和优化

通过对无人驾驶作业过程中产生的大量数据进行收集和分析，优化全局调度和智能管控策略，提高整个系统的运行效率和安全性。

（4）跨领域融合创新

结合物联网、云计算等新技术，实现无人驾驶系统与其他系统的深度融合和创新应用，推动无人驾驶技术在更多领域的应用和发展。