礦業是我國國民經濟的支柱產業，但面臨安全隱患大、勞動力短缺、管理難度高等行業困境。無人化運輸能夠有效解決上述行業問題，是推動礦產開采方式變革的重要抓手，也是國內外礦山企業重點布局的技術高地。近年來，無人駕駛技術雖已在國內外礦山得到初步應用，但在礦區復雜場景下仍面臨安全員下車難和運輸效率低的問題，其關鍵技術挑戰是如何提升內外部復合擾動下自動駕駛系統感知、規劃和交管的可靠性。

圍繞上述技術挑戰，由金沙js1005線路機械與動力工程學院王亞飛副教授領銜的交大多學科技術團隊長期深入礦山一線，聯合水泥礦山行業領軍企業海螺集團，攻克了惡劣環境下可靠感知、車鏟協作高精度規控、混編運輸安全高效等技術難題，研發出一整套具有完全自主知識產權的礦車無人駕駛軟硬件系統，并在露天水泥礦山行業首次實現了無安全員常態化運營。

多尺度魯棒目標檢測，攻克復雜惡劣場景下的環境感知難題

露天礦山場景復雜且環境惡劣，易出現傳感器失效問題。現有感知系統配置固定，失效后缺乏自維持能力，進而造成運輸中斷。同時，傳統感知算法較難處理揚塵或雨霧干擾，且較難同時完成小碎石和大礦車等全尺度障礙物可靠感知。

針對上述問題，王亞飛團隊面向異構傳感器融合架構，構建了“自搜索-自識別-自標定”的即插即用組網模型，該模型能夠在傳感器失效的條件下完成多傳感器動態再組網，同時團隊針對礦山典型揚塵場景，設計了變密度去噪算法，有效提升了感知系統的魯棒性。

研發團隊還以多尺度障礙物在礦山多場景下的目標特征為對象，構建了覆蓋全生產場景的目標檢測數據集，并針對揚塵等惡劣場景進行了數據增廣，研發了具備全尺度和多場景適應性的輕量化目標檢測技術。通過采用該技術建立了滿足復雜礦山場景應用的新型神經網絡模型，提升了礦山復雜場景目標檢測跟蹤的效率。提出的檢測算法可同時濾除動態揚塵干擾、識別石塊和百噸級礦卡等各類目標，識別障礙物尺寸覆蓋0.3m~11m，實現了復雜惡劣礦山場景下的多尺度目標穩定檢測與跟蹤。

高精度交互式路徑規劃，助推鏟裝作業效率最大化

礦山生產作業場景具有時空混合動態變化特點，一方面挖機鏟位頻繁變化，另一方面采掘區地形地貌緩慢動態變化。傳統高精度地圖制作流程復雜、更新成本高，較難準確描述礦山環境，導致礦車路徑難以規劃、安全性難以保障，無法滿足鏟裝協作生產對精度的要求。

針對這一行業共性難題，王亞飛團隊發明了一種針對礦山混合動態場景的地圖實時更新方法，通過建立視覺、激光等多傳感器交互式信息采集處理機制和配準策略，將礦山大地圖與單車小地圖進行精準融合拼接，實現了對礦山動態采掘面的準確表征。該技術有效替代了制作流程復雜、更新成本大的傳統高精度地圖，簡化了對礦山動態變化地形的場景重構流程，增強了無人駕駛礦車裝載作業的動態場景適應性，為鏟裝協同作業奠定了基礎。

高效地鏟裝作業需要實現百噸級超大型礦車的精準停位，面向這一需求，王亞飛團隊提出了一種基于全局-局部耦合的泊車路徑規劃技術，通過建立挖機-礦車間交互式通信，提出了最優裝載泊車位與挖機位姿的映射模型，設計了全局啟發式路徑搜索策略，有效解決了高動態生產工況下所帶來的路徑規劃易失敗、泊車位置精度低的難題，確保了鏟裝作業效率。

多模態一體化云端調度，保障“人機混駕”作業安全

水泥生產需要配比不同碳酸鈣含量的礦石，而不同采礦點的礦石品位又存在差異，各環節生產要素實時變化，導致礦卡調度指令與實際生產需求難以及時匹配；此外，由于成本等各方面原因，有人駕駛礦車和其他輔助作業車輛難以一次性替代，需要與無人駕駛礦車同時運輸作業，造成非信控道路上存在交通混流沖突風險。

面向高頻調度與人機混駕的需求，王亞飛團隊聯合交大交通運輸工程專業的陸林軍副教授和金建鋼教授團隊，提出了基于干擾管理模型的多模態智能調度算法，該算法將規劃性調度與恢復性調度有機結合，解決了調度指令與實際需求在時空上存在滯后性的問題。此外，構建的基于車路云協同的沖突區域危險評估模型，避免了大規模交通參與者混流沖突風險，保障了混合駕駛車隊的作業安全，將單車和礦卡車隊的交通通行效率分別提高了9.0%和9.8%。同時，研究成果也被推廣應用于有人礦山的車隊管控，在多座露天礦山將單臺礦車時產量提高5%以上。

產學研深度融合，助力中國智慧化礦山建設

近三年來，王亞飛團隊與安徽海螺集團一直保持密切合作，成立了“上海交大-海螺集團智能化裝備聯合研發中心”，集中力量在礦山一線聯合攻關。上海交大負責基礎理論、核心算法和關鍵模型的建立與優化，海螺集團負責工程化落地以及產品推廣應用，真正做到深度合作，合作成果也得到了中央一套、中央二套和人民日報等媒體的關注和報道。項目成果提供了全棧式露天礦山無人運輸解決方案，已在海螺集團下屬三座礦山、數十臺礦車落地應用，近兩年創造直接經濟效益超10億元人民幣，為建設中國方案的智慧無人礦山奠定了堅實基礎。

相關閱讀：金沙js1005線路25項高科技成果參展第二十三屆工博會