礦分為露天礦和井工礦。目前，國內90%的煤礦均在地下，其中煤礦的井工礦約有幾千座，煤礦與非煤礦相加則將近有5萬座。而相比露天礦場的無人駕駛，井工礦無人駕駛更為復雜，存在光照不足、空間小、濕度大等多重困擾，且車規級設備在井下往往難以發揮作用。

2023年9月19日-20日，在蓋世汽車主辦的2023第三屆商用車自動駕駛大會上，理工雷科智途（北京）科技有限公司總經理黃琰表示，雷科智途的重點發力領域便是井工礦?！熬聼o人駕駛有比較高的技術壁壘，我喜歡做一些比較難的事情?！?/p>

作為行業首批攻克井工礦無人駕駛復雜場景的科技企業，雷科智途現已構建起“硬件自產、技術自研、數據自采、平臺自建”的全方位技術優勢。

黃琰｜理工雷科智途（北京）科技有限公司總經理

以下為演講內容整理：

井工礦發展現狀

礦有露天礦和井工礦。露天是指地表200米以內的礦，一般從地表開始挖，先把土拔掉，一圈一圈的往下鉆。但地下礦不同，我國不管是煤礦還是非煤礦，在地下的數量都占據85%+。地下光線很暗，傳統以攝像頭為主的方案就不太好使；地下還沒有信號，傳統RTK也不好使。而且在井下像三角錐、工程機械、土堆等非常多，這種情況下實現無人是件很難的事情，我就喜歡做很難的事情。

圖源：雷科智途

從行業來看，井工礦和能源行業，不管怎么強調核、氫、風，我國最基礎的能源還是煤，這是由我國現狀決定的，同時煤已被定義為我國的戰略資源。因此，我們要加強煤的相關安全和智能化，另外井工況有很多復雜的環境，比如瓦斯，我國50%以上的產煤區是高瓦斯，倘若煤是很干凈的、沒有瓦斯的，我們自己隨便開車就可以。但是在中國，設備下煤礦有很高的門檻。包括前方打出去是水還是煤，這種情況無法確定。有可能會水漫，甚至會塌方。礦山場景相對封閉，路徑規劃明確，礦車在其中低速載物運行，不上馬路，、不掛車牌，同時國家陸續出臺了各種政策和文件支持。

從市場來看，我國的煤礦數量大約在幾千座，煤和非煤相加有近5萬座的礦山，市場空間很大。相關數據預測，2025年智慧礦山行業市場規模將達到1.3萬億，而究竟能不能實現，取決于行業的各位同仁能否真正將該市場撐起來。

圖源：雷科智途

從政策來看，2020年之后不管從能源安全、礦山安全，還是從信息化，包括今年9月中辦和國辦發布的《關于進一步加強礦山安全生產工作的意見》，都已經將礦山安全生產提到了很高的層面，行業政策都在貫徹引導“無人則安、少人則安”的生產理念。

介紹下煤礦場景的六大系統，這六大系統是支撐著能源行業發展的必要系統。第一是采，煤層一般在幾米水平，整套設備與工藝流程，常見包括戴煤機、創煤機等；第二是掘，掘各種巷道；第三是運，運輸系統包括主運和輔運兩種。主運以皮帶運煤為主；輔運則以運材料、人、設備為主；后三個系統分別是機電、通風和排水。關于排水系統，由于地下本來就會有水，還會有粉塵，為防止粉塵引起靜電爆炸，每隔一段距離都要強制噴水。

總之井下的六大系統決定了礦的信息化，未來礦山的智能化也將從這六大系統進行推廣。

井工礦作業的智能化趨勢

第一數字化。將原來所有靠手抄、電話通報的全都進行數字化，通過數字化的環節來節省相關的人工。

第二是無人化。能實現無人的全上無人，能實現遠程遙控的全上遠程遙控，這是行業的需求。

第三是數智化。數智化包括統計分析，包括與數量作業相關的是智能化。

最終希望實現幾點目標：第一是減員。如果每年能將井下人員減少5%，將是一個很大的事情；第二是增強安全性；第三是提效。井下的車輛有很多，包括礦卡、破碎設備、巡檢設備等。再往上是以礦為主的數據中心，再往上到集團。之前，信息化還沒有很強，現在，在集團總部隨便點個按鈕，現場的所有的數據就都出來了，車輛的無人化是很強的工作。

圖源：雷科智途

整體來看，市場需求是巨大且直接的。L4閉環落地還存在著怎么買單的問題，但在井工礦場景很好解決。另外政策指向清晰，2025年石油露天礦基本實現智能化，2035年全國各類礦山實現智能化。

值得注意的是，行業還存在著較高的技術壁壘，高溫、高濕的井下環境沒有北斗，也沒有光線，車規級的設備進入井下一段時間便不好使了。這樣的市場比較有趣，從我個人角度而言，我會帶來三部分收益：一是風險成本，這也是客戶的剛需；二是運營成本?，F在很多物流行業已經實現黑燈的倉庫，效率極大提升。井工礦同樣看不見，所以司機有嚴格速度的要求的（不能超過20時速），因此無人駕駛+輔助駕駛能夠優化線路、優化駕駛。還能提高運營效率，節約能耗；三是人力成本。現在煤礦的大環境是保供，在保供環境下“7×24小時”的生產是大概率事件，司機需要三班倒，所以司機的成本很高。我們的單車每年可節約成本100萬元/車。

雷科智途的核心技術優勢及特點

想要實現無人化，需要解決幾方面的問題，一是路面端，首先要把在井工礦作業中所用到的材料設備從地面運下去，按區域分一個在地面，二是進出井，從倉庫運到井。井又存在種類的問題。礦分兩類，一是大的升降機，二是斜井?；旧洗蟮木橇⒕M出井時所有設備都要斷電，存在下井之后一系列標定的問題。

三是井下場景。井下有很多的作業面，而礦的作業面沒有復制性，比如我們接觸一個有色的礦，地下的脈絡不是提前規劃好的，二是跟著脈走的。過程中井下還存在各種丁字路口、十字路口，還有拐彎、車和車的錯車，車和欄桿、井下設備間的交互工作以及工人的各種不可控的工作狀態。

圖源：雷科智途

我們的硬件主要圍繞車和航道兩部分，軟件在后臺。我們最終交付用戶的系統是一輛車+一個巷道設備+一個管控平臺。

對無人駕駛而言在感知、決策等層面的設計可能有相同之處，但巷道設備不一樣，巷道設備在路側強調大的面——180度和360度，巷道是個隧道，是細長型管狀，過程中對分辨率要求比較高。

云控平臺要接管整車過程，還要打通車輛運輸和礦山生產的整體環節。針對車端系統還是行業常談的一些東西；針對礦山安全生產要有相關檢測認證，比如隔爆，以及煤安的隔爆、防爆、多系統聯動、多傳感器。

巷道側也一樣，包括激光雷達、毫米波雷達、攝像頭，但是我們要做大量的定制，因為井下不像路口，路口能看到側向來車，井下完全看不見。

關于云控管理平臺。包括車輛的任務調度，比如無人車有人車混行，平臺和生產作業系統的聯動等。

整體而言，井下作業最難的三點在于：一感知，沒有充分的光照、沒有北斗信號，微光、水霧、灰塵和粉塵等對傳統的光學乃至激光雷達而言都是一種挑戰，在這種環境下，我們會多個傳感器一起用，突出毫米波雷達。

我們團隊擁有幾十年的毫米波雷達經驗。毫米波具有魯棒性好、穿透能力強、較高精度、可全天時、全天候使用的特點。雖然在分辨率上比不過激光雷達，但在中低速場景中綽綽有余。

毫米波雷達做點云等同于激光雷達的效果，做雷達的廠家會努力爭取做到64的水平?，F在，L4肯定要做冗余，我們是動態的，光線好的地面還是以光學和RTK為主，在地下做多模態的數據融合、多源的數據融合、多傳感器的數據融合等。

二是車巷系統。井工礦場景在十字路口、丁字路口拐彎時是看不見的，原來到了路口要按喇叭，確認沒有車。在無人工作情況下就要求大量車和巷道的協同作用，以及車與車的錯車精度問題。

三是集群化自動駕駛實現聯動整合。整個場景的自動駕駛落地不僅是一輛車需要，而是要整合整個系統生態。包括采、掘，以及各種車輛和設備之間的協同的全套供需，未來無人化是很廣闊的領域。

關于雷科智途

對我們而言，井下不管是運人，還是運料都有很多的落地場景?，F在我們的煤礦井下有100多輛車，非煤礦有300多輛車。

我們全稱是“理工雷科智途(北京)科技有限公司”，公司是由上市公司雷科防務、毛二可院士創新團隊及無人車技術工信部重點實驗室核心團隊，聯合創立的高科技企業。我們致力于智能無人駕駛技術以及商用車高級駕駛輔助系統的研發、生產和推廣。目前已經取得了相關的認證和一些成績。

未來，我們將持續依靠成熟的市場積累、廣泛的合作領域和深入的技術協作與行業中的各位同仁一起打造開放、合作、共贏的生態。

（以上內容來自理工雷科智途（北京）科技有限公司總經理黃琰于2023年9月19日-20日在2023第三屆商用車自動駕駛大會發表的《破局井工礦場景，雷科智途井工礦無人駕駛實踐》主題演講。）

返回第一電動網首頁 >