國能神東布爾臺煤礦以型號為WLR–19型防爆鋰離子蓄電池無軌膠輪車為基礎，部署自動駕駛感知層，決策層，執(zhí)行層電氣設備，實現(xiàn)車輛路徑規(guī)劃，停避障，行人預警，風門聯(lián)動，坡道啟停，自適應巡航等功能。
（1）自動駕駛感知模塊
為了保證感知的可靠性，采用基于多個傳感器感知融合的算法核心，包括原始數(shù)據(jù)級的融合和單個傳感器感知結果的融合。首先應實現(xiàn)激光雷達和視覺圖像像素級的精確定位關系。然后利用統(tǒng)一的深度學習架構來實現(xiàn)目標檢測和場景分割。目標檢測的結果和毫米波雷達來進行結果級融合。
毫米波雷達有穿透霧、煙、灰塵的能力強，可以滿足全天候檢測的能力。另外，毫米波雷達能分辨識別很小的目標，并且能同時識別多個目標。
激光雷達擁有發(fā)射激光束探測目標的位置、速度等特征。
視覺識別的硬件主要為專用攝像頭，具有視頻拍攝、影像抓取等功能，它是由鏡頭采集圖像后，由攝像頭內(nèi)的感光組件電路及控制組件對圖像進行處理并轉換成電腦所能識別的數(shù)字信號后由軟件再進行圖像還原。提供前后方視頻畫面，還提供了頂部視野的俯瞰圖和側方姿態(tài)圖。
（2）定位模塊
自動駕駛車輛在地下礦區(qū)作業(yè)過程中，需要實時確定其位置信息，首先確保車輛自身按規(guī)定路線行駛至目標區(qū)域，其次上傳位置信息至后臺管理平臺，方便管理人員監(jiān)控車輛狀態(tài)，調(diào)度車輛任務。
（3）多源信息融合
自動駕駛車輛并不是理想地按照一個既定的軌跡行駛。道路情況總是動態(tài)地發(fā)生各種變化，而且井下交通信號燈也是動態(tài)變化的。鑒于此，僅靠導航程序數(shù)據(jù)得出的決策結果不能作為最終的決策結果，需要依靠雷達程序數(shù)據(jù)和圖像程序數(shù)據(jù)進行2次路徑規(guī)劃。
（4）決策規(guī)劃
基于機器學習的類人決策技術，類人學習系統(tǒng)接收環(huán)境信息并將信息轉化為學習模塊所需的狀態(tài)量，學習模塊根據(jù)狀態(tài)信息和前向神經(jīng)網(wǎng)絡估計的價值函數(shù)產(chǎn)生人類駕駛員的期望數(shù)據(jù)，并將其傳遞給控制模塊，實現(xiàn)車輛橫縱向運動的控制。通過采用連續(xù)空間強化學習方法與人工神經(jīng)網(wǎng)絡組成的學習算法搭建人類駕駛策略學習模塊，直接將學習結果轉化為車輛的的決策和控制輸入，實現(xiàn)智能路徑規(guī)劃。
（5）橫縱向運動控制
橫向控制部分采用模型預測控制算法，橫向控制包含4個組件：橫向誤差、橫向誤差的變化率、朝向誤差和朝向誤差的變化率。車輛模型對車輛縱向運動部件建模，車輛模型輸入分兩部分。一部分為控制器傳入的期望加速度，一部分為車輛動力學預測的車輛驅動力、行駛工況、動作以及車輛縱向控制切換策略，輸出為車輛油門模擬信號和車輛剎車行程。
（6）車路協(xié)同
運用5G通信技術，全方位實施車車、車人、車路動態(tài)實時信息交互，并在全時空動態(tài)交通信息采集與融合的基礎上，開展車輛主動安全控制和道路協(xié)同管理，提高無人駕駛車輛井下運行安全性與運輸效率。同時，建立車載一體化信息系統(tǒng)，將車輛自身感知到的信息，車車之間通信交互得到的信息和車路通信時獲取的路側信息進行融合處理，進而對危險狀況量化分級，必要時調(diào)整車輛運動狀態(tài)以達到緊急避險的效果。
（7）遠程介入
當自動駕駛車輛前方運行路徑上存在障礙物時，控制車輛停車并將障礙物信息上傳給平臺，此時調(diào)度員可在礦區(qū)視頻監(jiān)控客戶端上查看到障礙物信息。井下運輸自動駕駛系統(tǒng)提供3種方式應對障礙物場景：一是平臺自動規(guī)劃一條繞過障礙物所在區(qū)域的參考路徑并下發(fā)給自動駕駛車輛，經(jīng)調(diào)度員確認后，自動駕駛系統(tǒng)控制車輛沿著參考路徑繞過障礙物后繼續(xù)行駛；二是于5G通訊，調(diào)度員使用遠程操縱功能，控制車輛低速通過障礙物所在區(qū)域；三是調(diào)度員通知道路維護人員清理障礙物，障礙物被清理完后系統(tǒng)將繼續(xù)作業(yè)。
（8）無人駕駛行車警示系統(tǒng)
通過CAN總線控制轉向燈、制動燈、前大燈、倒車燈、示廓燈、警示燈、蜂鳴器，能夠按照車載無人駕駛系統(tǒng)指令準確控制燈光、蜂鳴器工作，構成了一套完整的無軌膠輪車無人駕駛安全警示系統(tǒng)。
