礦用卡車(chē)智能駕駛系統(tǒng)多車(chē)協(xié)同仿真研究

牛立鵬，張 沙，張朝陽(yáng)，陳華國(guó)，卿光明

（中車(chē)株洲電力機(jī)車(chē)研究所有限公司，湖南 株洲 412001）

0 引言

采礦業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的基礎(chǔ)和支柱產(chǎn)業(yè)之一［1］，但面臨著人工作業(yè)環(huán)境惡劣、危險(xiǎn)系數(shù)大、車(chē)輛作業(yè)效率低等問(wèn)題，提升礦用卡車(chē)（簡(jiǎn)稱“礦卡”）作業(yè)安全性與效率迫在眉睫。在國(guó)家政策引領(lǐng)和產(chǎn)業(yè)需求驅(qū)動(dòng)下，以礦卡智能駕駛為代表的智慧礦山已成為采礦工業(yè)發(fā)展的必然趨勢(shì)。

研究表明，通過(guò)大規(guī)模路測(cè)來(lái)優(yōu)化自動(dòng)駕駛算法的方法不僅耗時(shí)、費(fèi)力、成本高，而且道路測(cè)試存在極端場(chǎng)景復(fù)現(xiàn)困難、測(cè)試安全隱患大等問(wèn)題，因此虛擬仿真測(cè)試已經(jīng)成為加速自動(dòng)駕駛技術(shù)研發(fā)和落地的重要手段［2］。仿真平臺(tái)不受時(shí)間、次數(shù)和場(chǎng)地等條件限制，能夠在實(shí)車(chē)測(cè)試之前對(duì)自動(dòng)駕駛系統(tǒng)進(jìn)行全面摸底測(cè)試，可極大降低測(cè)試成本。文獻(xiàn)［3-5］搭建了自動(dòng)駕駛汽車(chē)硬件在環(huán)（hardware in loop，HIL）仿真實(shí)驗(yàn)平臺(tái)，該平臺(tái)集成了實(shí)車(chē)制動(dòng)系統(tǒng)、轉(zhuǎn)向系統(tǒng)、傳感器系統(tǒng)以及網(wǎng)絡(luò)通信系統(tǒng)，可提供完整的整車(chē)HIL實(shí)驗(yàn)環(huán)境。文獻(xiàn)［6］基于機(jī)器人操作系統(tǒng)（robot operation system，ROS）使用軟件在環(huán)（software in loop，SIL）方法搭建了車(chē)輛模型框架平臺(tái)，可創(chuàng)建多個(gè)車(chē)輛模型，驗(yàn)證各種模型的不同算法。

在乘用車(chē)自動(dòng)駕駛領(lǐng)域，在現(xiàn)有復(fù)雜交通環(huán)境中，單車(chē)自動(dòng)駕駛走向無(wú)人駕駛面臨著技術(shù)提升難度大、成本高的發(fā)展瓶頸。因此，能實(shí)現(xiàn)多車(chē)協(xié)同駕駛的車(chē)路協(xié)同智能駕駛技術(shù)已成為研究熱點(diǎn)［7-11］。但目前針對(duì)乘用車(chē)的自動(dòng)駕駛仿真測(cè)試技術(shù)更偏向于單車(chē)智能駕駛。礦卡智能駕駛是一種有組織、有計(jì)劃、由中心統(tǒng)一調(diào)度的集群運(yùn)輸方案，多車(chē)協(xié)同駕駛［12-13］是其中一個(gè)典型特點(diǎn)。本文通過(guò)搭建一套完整的礦卡智能駕駛系統(tǒng)多車(chē)協(xié)同仿真測(cè)試平臺(tái)來(lái)實(shí)現(xiàn)對(duì)十幾臺(tái)礦卡的多車(chē)智能算法仿真測(cè)試，并采用SIL測(cè)試方法進(jìn)行礦區(qū)場(chǎng)景建模、車(chē)載傳感器建模、礦卡動(dòng)力學(xué)建模以及多車(chē)協(xié)同仿真通信接口設(shè)計(jì)。

1 多車(chē)協(xié)同仿真技術(shù)研究

礦卡智能駕駛仿真平臺(tái)包括地面管理與監(jiān)控系統(tǒng)（ground management and supervision system，GMS）和車(chē)載智能駕駛計(jì)算平臺(tái)（多個(gè)），需要搭建礦卡車(chē)輛動(dòng)力學(xué)模型、礦區(qū)場(chǎng)景模型及車(chē)載傳感器模型。礦卡智能駕駛多車(chē)協(xié)同仿真平臺(tái)關(guān)聯(lián)關(guān)系如圖1所示。

圖1 多車(chē)協(xié)同仿真平臺(tái)關(guān)聯(lián)關(guān)系Fig.1 Association diagram of multi-vehicle collaborative simulation platform

本文所設(shè)計(jì)的礦卡智能駕駛多車(chē)協(xié)同仿真平臺(tái)包含仿真對(duì)象和軟硬件被測(cè)對(duì)象兩部分（圖1）。GMS提供礦山運(yùn)輸作業(yè)地圖，并向車(chē)載智能駕駛計(jì)算平臺(tái)下發(fā)礦卡運(yùn)行路徑；車(chē)載智能駕駛計(jì)算平臺(tái)接收GMS信息并向仿真場(chǎng)景中的車(chē)輛下發(fā)控制指令。結(jié)合關(guān)聯(lián)關(guān)系圖設(shè)計(jì)的智能駕駛多車(chē)協(xié)同仿真平臺(tái)總體方案如圖2所示。

圖2 多車(chē)智能駕駛仿真平臺(tái)總體方案Fig.2 Overall scheme of the multi-vehicle intelligent driving simulation platform

圖2中，基于Linux系統(tǒng)的開(kāi)發(fā)環(huán)境，車(chē)載智能駕駛計(jì)算平臺(tái)包含ROS環(huán)境下的感知、決策及控制等算法模塊，并在場(chǎng)景仿真軟件中建立場(chǎng)景模型、傳感器模型和簡(jiǎn)化的多車(chē)車(chē)輛動(dòng)力學(xué)模型。車(chē)載智能駕駛計(jì)算平臺(tái)與地面系統(tǒng)服務(wù)器通過(guò)以太網(wǎng)進(jìn)行卡車(chē)定位、障礙物、調(diào)度等信息的交互。車(chē)載智能駕駛計(jì)算平臺(tái)通過(guò)以太網(wǎng)向?qū)崟r(shí)仿真器中的場(chǎng)景仿真軟件發(fā)送牽引、制動(dòng)和轉(zhuǎn)向等控制信息，接收?qǐng)鼍胺抡孳浖械目ㄜ?chē)狀態(tài)、定位和傳感器探測(cè)信息。通過(guò)上述方案，能夠?qū)崿F(xiàn)礦區(qū)幾十甚至上百臺(tái)車(chē)的協(xié)同仿真測(cè)試。

2 仿真建模研究

整體上，通過(guò)對(duì)礦區(qū)場(chǎng)景、車(chē)載傳感器及多車(chē)動(dòng)力學(xué)進(jìn)行建模，對(duì)多車(chē)協(xié)同仿真通信接口進(jìn)行設(shè)計(jì)并接入GMS，可實(shí)現(xiàn)礦卡智能駕駛系統(tǒng)多車(chē)協(xié)同仿真平臺(tái)的搭建。

2.1 礦區(qū)場(chǎng)景建模

為實(shí)現(xiàn)礦卡智能駕駛仿真測(cè)試，首先需要構(gòu)建與真實(shí)礦區(qū)環(huán)境一致的虛擬場(chǎng)景。礦區(qū)場(chǎng)景是階梯式的，實(shí)際礦區(qū)露天開(kāi)采作業(yè)主要包括穿孔爆破、采裝、運(yùn)輸和排土。圖3所示為某露天礦區(qū)的實(shí)景。

圖3 礦區(qū)實(shí)景Fig.3 Actual scene of mine

所構(gòu)建的虛擬場(chǎng)景可以分為靜態(tài)場(chǎng)景和動(dòng)態(tài)場(chǎng)景。靜態(tài)場(chǎng)景包括道路（材質(zhì)、車(chē)道線等）和靜態(tài)交通元素，如交通標(biāo)志、周?chē)ㄖ锏?。?chǎng)景仿真軟件自帶靜態(tài)場(chǎng)景編輯器，該編輯器能夠建立路網(wǎng)及靜態(tài)場(chǎng)景，并支持OpenDRIVE高精地圖及osgb三維模型的導(dǎo)出。本文以部分礦區(qū)CAD圖作為底圖并采用靜態(tài)場(chǎng)景編輯器建立1:1礦區(qū)靜態(tài)場(chǎng)景，如圖4所示。動(dòng)態(tài)交通環(huán)境構(gòu)建采用OpenSCENARIO格式。OpenDRIVE高精地圖和osgb三維模型被加載到場(chǎng)景仿真軟件的動(dòng)態(tài)場(chǎng)景編輯器中，通過(guò)在該動(dòng)態(tài)場(chǎng)景編輯器中添加動(dòng)態(tài)指示設(shè)施、天氣變化等動(dòng)態(tài)環(huán)境元素以及交通參與者來(lái)進(jìn)行動(dòng)態(tài)場(chǎng)景的構(gòu)建。根據(jù)實(shí)際礦區(qū)地圖，在場(chǎng)景仿真地圖中設(shè)計(jì)了2個(gè)裝載區(qū)和2個(gè)卸載區(qū)，其中裝載區(qū)1和卸載區(qū)1分別對(duì)應(yīng)剝離區(qū)和排土場(chǎng)，裝載區(qū)2和卸載區(qū)2分別對(duì)應(yīng)挖煤區(qū)和破碎站。圖5所示為動(dòng)態(tài)場(chǎng)景編輯器中的礦區(qū)仿真場(chǎng)景俯視圖。

圖4 建立路網(wǎng)及靜態(tài)場(chǎng)景Fig.4 Established road network and static scene

圖5 仿真場(chǎng)景俯視圖Fig.5 Top view of the simulation scene

2.2 車(chē)載傳感器建模

智能駕駛礦卡對(duì)周?chē)h(huán)境進(jìn)行感知，除了需要用到高精度場(chǎng)景地圖信息外，還需要通過(guò)車(chē)載傳感器進(jìn)行目標(biāo)識(shí)別。以某款激光雷達(dá)為例來(lái)說(shuō)明基礎(chǔ)建模的過(guò)程。該激光雷達(dá)的掃描特性、發(fā)射頻率等參數(shù)如表1所示。

表1 激光雷達(dá)參數(shù)列表Tab.1 LiDAR parameter list

參照表1中真實(shí)激光雷達(dá)參數(shù)，利用場(chǎng)景仿真軟件建立激光雷達(dá)傳感器模型。該模型利用光線追蹤技術(shù)并假設(shè)場(chǎng)景中的材質(zhì)透射率為零，因此只考慮反射和吸收兩種情況。本文只計(jì)算物體表面對(duì)激光光源的單次反射結(jié)果。通常，激光到達(dá)探測(cè)器的成像計(jì)算公式［14］為

式中：PR——探測(cè)到的激光功率；PT——激光器的發(fā)射功率；A——探測(cè)光學(xué)系統(tǒng)的有效接收面積；ΔS——物體表面面積；R——物體表面與探測(cè)器的距離；θ0——激光發(fā)散半角；θi，φi，θr和φr——激光在目標(biāo)表面入射方向的天頂角、方位角、反射方向的天頂角、方向角；f（θi，φi，θr，φr）——雙向反射率分布函數(shù)，用于描述小體積物體表面的反射特性。

根據(jù)式（1）及雙向反射分布函數(shù)定義，可以得出

式中：L（θr，φr）——物體表面（面積為ΔS）對(duì)激光光源在（θr，φr）方向直接反射的光亮度。

將該仿真?zhèn)鞲衅髋渲媒o虛擬仿真礦卡，其安裝位置與真實(shí)傳感器安裝位置一致，如圖6所示。除此之外，由于真實(shí)礦卡感知系統(tǒng)采用多傳感器融合技術(shù)，為保證仿真真實(shí)性，還需要建立車(chē)載毫米波雷達(dá)和組合慣導(dǎo)的仿真模型。

圖6 激光雷達(dá)仿真圖Fig.6 Simulation diagram of LiDAR

2.3 多車(chē)動(dòng)力學(xué)建模

在場(chǎng)景軟件中，參照真實(shí)礦卡車(chē)輛參數(shù)（表2），利用場(chǎng)景仿真軟件，建立簡(jiǎn)化車(chē)輛動(dòng)力學(xué)模型（圖7）。所建立的礦卡動(dòng)力學(xué)模型可以輸出礦卡位置、車(chē)身姿態(tài)（航向角、俯仰角和側(cè)傾角）和3個(gè)方向的速度、加速度和角速度等狀態(tài)參數(shù)，以及擋位、轉(zhuǎn)向和剎車(chē)等控制參數(shù)。

表2 礦卡建模參數(shù)列表Tab.2 List of mining truck modeling parameters

圖7 礦卡動(dòng)力學(xué)模型Fig.7 Dynamic model of mine truck

2.4 多車(chē)協(xié)同仿真通信接口設(shè)計(jì)

多車(chē)協(xié)同仿真平臺(tái)由實(shí)時(shí)仿真器、車(chē)載智能駕駛計(jì)算平臺(tái)和地面系統(tǒng)服務(wù)器3部分組成，通過(guò)局域網(wǎng)實(shí)現(xiàn)三者之間的相互通信，通信接口設(shè)計(jì)方案如圖8所示。車(chē)載智能駕駛計(jì)算平臺(tái)具備車(chē)載控制器功能，其包含感知、決策和控制算法模塊。由于車(chē)載智能駕駛計(jì)算平臺(tái)與地面系統(tǒng)計(jì)算平臺(tái)之間存在以太網(wǎng)通信協(xié)議接口，通過(guò)局域網(wǎng)即可實(shí)現(xiàn)兩者之間信息交互，因此只需要開(kāi)發(fā)場(chǎng)景仿真軟件與車(chē)載智能駕駛計(jì)算平臺(tái)之間的通信接口。

圖8 多車(chē)車(chē)載控制器原理圖Fig.8 Schematic diagram of the multi-vehicle controller

3 仿真平臺(tái)測(cè)試

礦卡智能駕駛多車(chē)仿真平臺(tái)不僅能夠支撐車(chē)載系統(tǒng)感知、決策和控制等算法功能的測(cè)試驗(yàn)證，還能夠?qū)Φ孛嫦到y(tǒng)調(diào)度、規(guī)劃、多車(chē)協(xié)同作業(yè)管理等算法功能進(jìn)行測(cè)試與驗(yàn)證。地面系統(tǒng)服務(wù)器上創(chuàng)建2個(gè)調(diào)度單元，即裝卸載區(qū)1和裝卸載區(qū)2，每個(gè)裝卸載區(qū)各有5臺(tái)仿真礦卡。本文利用該礦卡智能駕駛仿真平臺(tái)并基于這兩個(gè)調(diào)度單元，對(duì)動(dòng)態(tài)繞障功能和多車(chē)協(xié)同作業(yè)功能進(jìn)行測(cè)試。

3.1 車(chē)載決策控制算法功能測(cè)試

動(dòng)態(tài)繞障功能是車(chē)載決策控制算法的一個(gè)重要功能。當(dāng)智能礦卡傳感器探測(cè)到所規(guī)劃的行駛路徑前方有障礙物時(shí)，該障礙物的位置和輪廓信息會(huì)被發(fā)送給地面系統(tǒng)服務(wù)器；地面系統(tǒng)服務(wù)器根據(jù)障礙物信息和礦卡運(yùn)行信息，重新規(guī)劃一條繞開(kāi)障礙物的行駛路徑。

本文利用該仿真平臺(tái)搭建動(dòng)態(tài)繞障功能測(cè)試場(chǎng)景：礦卡1屬于裝載區(qū)1和卸載區(qū)1的調(diào)度單元，開(kāi)始運(yùn)行時(shí)礦卡1根據(jù)調(diào)度指令會(huì)前往裝載區(qū)1裝載，即前往剝離區(qū)裝載表土和巖石。在動(dòng)態(tài)場(chǎng)景地圖中，將一輛靜止的車(chē)當(dāng)做障礙物放置在礦卡1的行駛路徑上，距離礦卡1超過(guò)200 m。假設(shè)傳感器的探測(cè)距離是200 m，地面系統(tǒng)服務(wù)器上位機(jī)界面見(jiàn)圖9。從圖10可以發(fā)現(xiàn)，礦卡1在虛擬礦區(qū)環(huán)境中探測(cè)到規(guī)劃路徑前方有障礙物，車(chē)載智能駕駛計(jì)算平臺(tái)會(huì)將該障礙物坐標(biāo)信息發(fā)送給地面系統(tǒng)服務(wù)器，地面系統(tǒng)服務(wù)器標(biāo)記顯示該障礙物，并重新規(guī)劃一條繞開(kāi)該障礙物的路徑下發(fā)給車(chē)載智能駕駛計(jì)算平臺(tái)，礦卡1根據(jù)控制指令繞開(kāi)該障礙物。該結(jié)果表明，仿真平臺(tái)能夠?qū)崿F(xiàn)動(dòng)態(tài)繞障功能的測(cè)試。

圖9 地面系統(tǒng)界面礦卡正常運(yùn)行測(cè)試圖Fig.9 Test chart of mine truck normal operation in GMS's interface

圖10 地面系統(tǒng)界面動(dòng)態(tài)繞障測(cè)試圖Fig.10 Test chart of dynamic obstacle avoidance in GMS's interface

地面系統(tǒng)服務(wù)器標(biāo)記障礙物后，運(yùn)行同一調(diào)度單元下的礦卡2，然后選取有障礙物的一段道路并提取礦卡1和礦卡2的運(yùn)行數(shù)據(jù)進(jìn)行分析，具體如圖11和圖12所示。

圖11 動(dòng)態(tài)繞障位置曲線對(duì)比Fig.11 Position curves during obstacle avoidance

圖12 動(dòng)態(tài)繞障速度曲線對(duì)比Fig.12 Speed curves during obstacle avoidance

對(duì)比圖11和圖12中的位置、速度曲線，礦卡1第一次探測(cè)到前方運(yùn)行軌跡上有障礙物時(shí)，礦卡1的位置是x0（91.5 m，192 m），障礙物幾何中點(diǎn)的坐標(biāo)是x0bj（193.8 m，195.3 m），此時(shí)礦卡1開(kāi)始降低行車(chē)速度，為動(dòng)態(tài)繞障做準(zhǔn)備；到達(dá)一定距離后，在x1位置處開(kāi)始繞障，至x2處完成動(dòng)態(tài)繞障。由于地面系統(tǒng)服務(wù)器已標(biāo)記了該障礙物，所以后車(chē)（礦卡2）會(huì)按照地面系統(tǒng)服務(wù)器提前規(guī)劃好的繞障路徑行駛，不會(huì)突然降速。因此，礦卡2的降速時(shí)間點(diǎn)延后，降速過(guò)程更為平緩，有利于提升車(chē)輛運(yùn)輸效率和平穩(wěn)性。

3.2 多車(chē)調(diào)度算法功能測(cè)試

在場(chǎng)景仿真軟件中搭建多車(chē)智能駕駛礦卡在裝載點(diǎn)排隊(duì)運(yùn)行測(cè)試場(chǎng)景，以1號(hào)調(diào)度單元的5臺(tái)礦卡為例，通過(guò)調(diào)整卡車(chē)放置初始位置和啟動(dòng)順序，實(shí)現(xiàn)多車(chē)排隊(duì)功能測(cè)試驗(yàn)證。圖13展示出5輛卡車(chē)在裝載區(qū)1排隊(duì)運(yùn)行的虛擬三維場(chǎng)景圖和地面系統(tǒng)界面顯示圖。圖中，當(dāng)?shù)谝惠v卡車(chē)在裝載區(qū)1裝載時(shí)，其余卡車(chē)會(huì)按先后順序在排隊(duì)點(diǎn)依次排隊(duì)等待；等該卡車(chē)駛出裝載區(qū)時(shí)，第二輛卡車(chē)會(huì)駛向裝載點(diǎn)裝載，而第三輛卡車(chē)移動(dòng)到排隊(duì)點(diǎn)；后面卡車(chē)依次向前移動(dòng)一定距離后待機(jī)排隊(duì)等待。多次進(jìn)行地面調(diào)度測(cè)試，結(jié)果顯示調(diào)度算法功能穩(wěn)定。

圖13 多車(chē)裝載區(qū)排隊(duì)測(cè)試圖Fig.13 Queuing test charts in multi-vehicle loading area

礦區(qū)場(chǎng)景復(fù)雜且存在交叉路口，設(shè)置多車(chē)在路口相遇的動(dòng)態(tài)測(cè)試場(chǎng)景，測(cè)試結(jié)果如圖14所示?？梢钥闯?，路口有3臺(tái)卡車(chē)相遇，分別是向裝載區(qū)1行駛的礦卡1，向卸載區(qū)2行駛的礦卡2以及向裝載區(qū)2行駛的礦卡3。礦卡2和礦卡3在路口相遇，出現(xiàn)了部分規(guī)劃路徑重合，此時(shí)礦卡2停止，等待礦卡3通過(guò)路口之后才會(huì)繼續(xù)行駛。

圖14 交叉路口多車(chē)相遇測(cè)試圖Fig.14 Test charts of multi-vehicle encounter at intersection

為了進(jìn)一步說(shuō)明礦卡規(guī)劃路徑出現(xiàn)部分重合時(shí)的行駛策略，本文選取路口相遇前后同一時(shí)間段內(nèi)的礦卡1、礦卡2和礦卡3的運(yùn)行數(shù)據(jù)，得到礦卡運(yùn)行位置曲線（圖15）、速度曲線（圖16）以及擋位曲線（圖17）。其中，礦卡擋位數(shù)字0代表駐車(chē)擋，數(shù)字1代表倒車(chē)擋，數(shù)字2代表空擋，數(shù)字3代表前進(jìn)擋。

圖15 交叉路口3車(chē)運(yùn)行位置曲線Fig.15 Running position curves of the three vehicles at intersection

圖16 交叉路口3車(chē)速度與時(shí)間關(guān)系圖Fig.16 Speed&time relationship of the three vehicles at intersection

圖17交叉路口3車(chē)擋位數(shù)字與時(shí)間的關(guān)系Fig.17 Gear number&time chart of the three vehicles at intersection

圖15 中，箭頭方向代表礦卡運(yùn)行方向，在同一時(shí)間段內(nèi)，礦卡1行駛路徑和其余兩臺(tái)礦卡行駛路徑?jīng)]有重合部分，而礦卡2和礦卡3的行駛路徑有部分重合。結(jié)合圖16和圖17可以看出，礦卡1是正常行駛，擋位在前進(jìn)擋位置，沒(méi)有出現(xiàn)停車(chē)現(xiàn)象；而礦卡2出現(xiàn)駐車(chē)擋，停車(chē)等待，直至礦卡3行駛經(jīng)過(guò)路徑重合區(qū)后，才會(huì)繼續(xù)按照規(guī)劃路徑行駛。比較同一時(shí)間礦卡2的速度和擋位，可以發(fā)現(xiàn)，當(dāng)?shù)V卡2速度降為0后，擋位由前進(jìn)擋切換至駐車(chē)擋；同理，由駐車(chē)擋切換為前進(jìn)擋后，速度開(kāi)始上升。仿真結(jié)果表明：當(dāng)兩車(chē)在路口相遇并規(guī)劃軌跡有重合部分時(shí)，地面系統(tǒng)服務(wù)器會(huì)讓一臺(tái)卡車(chē)正常運(yùn)行，而讓另一臺(tái)卡車(chē)停車(chē)等待。由此驗(yàn)證了該多車(chē)路口交匯行駛策略的正確性和有效性。

4 結(jié)語(yǔ)

本文通過(guò)建立礦區(qū)場(chǎng)景模型、傳感器模型、簡(jiǎn)化車(chē)輛動(dòng)力學(xué)模型及多車(chē)協(xié)同仿真通信接口，打通虛擬仿真模型與車(chē)載控制器、地面系統(tǒng)服務(wù)器之間的通信接口，搭建了礦卡智能駕駛多車(chē)協(xié)同仿真平臺(tái)。該仿真平臺(tái)可實(shí)現(xiàn)對(duì)礦卡多車(chē)動(dòng)態(tài)繞障、多車(chē)調(diào)度算法等功能的測(cè)試，極大縮短了測(cè)試時(shí)間并降低了測(cè)試成本。隨著仿真平臺(tái)的不斷完善和優(yōu)化，下一步將對(duì)場(chǎng)景模型和車(chē)輛動(dòng)力學(xué)模型進(jìn)行優(yōu)化，以實(shí)現(xiàn)智能駕駛礦卡和有人駕駛礦卡混跑仿真。