Helppo hallinta Älykäs ajo halkeilee käyttäytymisen ennustamiseen liittyvät haasteet miehittämättömien kuljettajien turvalliseen ja tehokkaaseen sekoittamiseen kaivoksissa
Kaivosskenaarioissa ei ole tyypillisen tien rakenteellisia ominaisuuksia, ja perinteisillä lentorata-analyysimenetelmillä on usein vaikea käsitellä "manuaalisesti ohjattujen kaivosautojen" ja "miehittämättömien kaivosautojen" välisiä monimutkaisia vuorovaikutuksia. Manuaalisesti ohjattujen kaivosautojen liikeradat muuttuvat usein ja eri tavoin miehittämättömiin kuorma-autoihin verrattuna, mikä lisää epävarmuutta ja vaikeuttaa suuresti ennakointia ja päätöksentekoa{1}}.
Kuljettamattomat kaivosautot sekoitettuna käsikäyttöisiin kaivosautoihin
Vuonna 2025 eControl Intelligent Driving -tiimi ehdotti innovatiivisesti IMR (IterativeMode-World Weighted Regression for Multi-Agent Trajectory Prediction) -kehystä, joka voi tehokkaasti erottaa erityyppiset käyttäytymismuodot (esim. ohittaminen, kohtaaminen, välttäminen jne.) ja määrittää selkeät liikennemuodot. Kehys voi tehokkaasti erottaa erilaiset käyttäytymismallit (kuten ohittaminen, kohtaaminen, välttäminen jne.), luoda selkeämmät rajat mallien välille, tarjota tarkempaa ennustetta ja päätöksentekoa-tukea kuljettajattomille kaivosautoille ja parantaa ajoneuvojen vuorovaikutuksen sujuvuutta, mukaan lukien järjestelmän turvallisuuden parantaminen, törmäysriskin vähentäminen, toiminnan tehostaminen ja törmäysten laajeneminen. liiketoiminnan tehokkuuden yleistä parantamista.
Tällä hetkellä tällä lentoradan ennustetekniikalla varustettua algoritmiversiota on vähitellen otettu käyttöön ja sovellettu, ja se on tuonut merkittäviä tuloksia.
Parannettu sopeutumiskyky monimutkaisiin vuorovaikutusskenaarioihin: tämän version käyttöönoton jälkeen Yihua Wucaiwanin kaivospiirin No{0}} avoimen-kaivoksella olevan hiilikaivoksen sekaristeyksessä kulumisaika on lyhentynyt merkittävästi, mikä mahdollistaa turvallisen ja sujuvan sekatoiminnan terminaalin-vähemmän manuaalisesti-ohjatuilla kaivosautoilla.
Vuorovaikutuskäyttäytymisen optimointi: Kuljettamattomien kaivosautojen kohtuuton jarrutuskäyttäytyminen on vähentynyt merkittävästi. Otetaan esimerkkinä tyypillinen miehittämätön kivihiilen louhintaskenaario, jossa voimakkaan jarrutuksen, keskitason jarrutuksen ja kevyen jarrutuksen tiheys kilometriyksikköä kohden on vähentynyt 10,0 %, 43,2 % ja 50,9 %, mikä vähentää kaivosautojen osien kulumista.
Tulevaisuudessa eControl jatkaa miehittämättömien ydinteknologioiden tutkimus- ja kehitystyötä parantaakseen miehittämättömien kaivostrukkien sopeutumiskykyä ja toimintatehokkuutta monimutkaisissa skenaarioissa.