Enkel kontroll Intelligent kjøring sprekker Atferdsforutsigelsesutfordringer for sikker og effektiv blanding av ubemannede sjåfører i gruver

Gruvescenarioer har ikke de strukturerte egenskapene til en typisk vei, og tradisjonelle baneanalysemetoder er ofte vanskelige å håndtere med de komplekse interaksjonene mellom 'manuelle drevne gruvelastebiler' og 'ubemannede gruvebiler'. Banene til manuelt drevne gruvelastebiler endres ofte og varierte sammenlignet med banene til ubemannede lastebiler, noe som fører til økt usikkerhet og i stor grad øker vanskeligheten med å forutsi og{1}}ta beslutninger.

Førerløse gruvetrucker blandet med manuelt drevne gruvetrucker

I 2025 foreslo eControl Intelligent Driving-teamet innovativt rammeverket IMR (IterativeMode-World Weighted Regression for Multi-Agent Trajectory Prediction), som effektivt kan skille mellom ulike typer atferdsmoduser (f.eks. forbikjøringer, rendezvouser), mellom ryddekjøringer og unnvikelser. Rammeverket kan effektivt skille mellom ulike typer atferdsmønstre (som forbikjøring, møte, unngå osv.), etablere klarere grenser mellom mønstrene, gi mer nøyaktig prediksjon og beslutningsstøtte for førerløse gruvelastebiler, og forbedre smidigheten i kjøretøyinteraksjoner, inkludert å øke sikkerheten til systemet, redusere risikoen for sterk effektivitet og improvisert drift, som fremmer sterk effektivitet og improvisert drift. scenarier og den generelle forbedringen av effektiviteten til virksomheten.

For tiden har algoritmeversjonen med denne baneprediksjonsteknologien blitt gradvis distribuert og brukt, og har gitt betydelige resultater.

Forbedret tilpasningsevne til komplekse interaksjonsscenarier: Etter utrullingen av denne versjonen er tiden som går i det blandede skjæringspunktet mellom No. 1 åpen-kullgruve i Yihua Wucaiwan Mining District blitt betydelig redusert, noe som gir sikker og jevn blandet drift med terminal-mindre manuelt-drevne gruvemaskiner.

Optimalisering av samhandlingsatferd: Urimelig bremseatferd for førerløse gruvelastebiler er betydelig redusert. Ta et typisk ubemannet kullgruve-scenario som et eksempel, frekvensen av kraftig bremsing, middels bremsing og lett bremsing per kjørelengde er redusert med henholdsvis 10,0 %, 43,2 % og 50,9 %, noe som reduserer slitasjen på gruvelastebilkomponenter.

I fremtiden vil eControl fortsette å pløye inn i forskning og utvikling av ubemannede kjerneteknologier for å forbedre tilpasningsevnen og operasjonelle effektiviteten til ubemannede gruvelastebiler i komplekse scenarier.