科幻电影中的无人驾驶场景正在走进现实。
今年7月,北京正式开启全国首个无人出行服务商业试点首批获牌企业将在北京经开区核心区60平方公里范围内投入30辆无人驾驶汽车,开展常态化充电服务
相比乘用车,自动驾驶商用车早已在相对封闭的场景下进入实战,链接,并被广泛使用如矿区,港口,园区,干线运输,同城货运等
其中,无人驾驶技术在矿山爆破,粉尘等危险复杂场景中尤为重要。
蓝鲸财经主办,中投燃烧知识咨询协办,中国信息协会智慧物流分会指导,创新—未来(无人商用车mdashmdash在沙龙直播峰会上,博雷顿无人驾驶CTO全思博分析了复杂环境下无人落地的难点和机遇。
自动驾驶解决了一千个烦恼
自动驾驶已经存在好几年了伴随着技术的不断进步,自动驾驶也在从简单的辅助驾驶向高级无人驾驶过渡
在应用方向和场景上,自动驾驶商用车比乘用车更快,率先落地。
根据消息显示,专注于新能源重卡的布雷顿将目光投向了矿山无人驾驶国外独立运输系统在矿山的应用已有20多年但由于政策,环境,劳动力结构,成本等因素,以及自动驾驶行业5G网络和技术积累的优势,自动驾驶在矿山场景的应用发展迅速,逐渐成为露天矿业的刚性需求,有望在短时间内实现大规模商用
全思博告诉记者,在矿山封闭场景下,无人驾驶有一定优势,与开阔的道路相比,矿山环境是封闭可控的其次,矿上的商用车速度比客车低,通常不到30公里每小时最后,大型重型商用车的成本敏感度低于乘用车
据陈涛资本《矿山自动驾驶跑道研究报告》显示,中国矿山自动驾驶市场规模超过1000亿元,其中露天煤矿和铁矿的土方剥离运输是最适合自动驾驶推广应用的场景,市场空间每年超过600亿元。
国家也在出台相应的矿智政策《14 《矿山安全生产规划》指出,新一轮科技革命和产业变革加快推进,矿山生产和灾害防治等一大批先进技术装备广泛应用,安全风险管控技术和措施不断完善伴随着5G,人工智能,云计算等新一代信息技术与矿山的深度融合,智能设备和机器人广泛应用,矿山智能化建设步伐加快,少人或无人采矿逐渐成为现实科技创新为煤矿安全生产提供新动力
事实上,矿井中恶劣的工作条件和劳工问题是矿井自动驾驶商业化的核心原因之一。
矿井的路况很差,恶劣的工作条件随处可见在落石,坑洼,湿滑的路段开车,既困难又危险
从人为的角度来说,司机在夜间和凌晨频繁工作,而夜间本来就危险的路况和较差的照明,而工作内容又是枯燥的短途往复运输,容易导致司机疲劳驾驶,操作失误等,并对驾驶员的生命安全构成威胁
此外,矿用卡车和重卡司机人力成本高,部分矿用卡车司机年薪在20—25万就算工资高,司机数量也很难补充很少有年轻人从事采矿卡工作,而B2的驾照也使得采矿卡驾驶成为一个门槛
基于上述潜在因素,自动驾驶技术的出现可以逐步解决矿山场景中的安全隐患,人力成本等问题,成为矿山场景中令人满意的解决方案。
全天候协同作战
自动驾驶技术在矿山现场应用后,并不能一劳永逸在如此复杂的场景下,目前的自动驾驶技术并不万能解药迫切需要更新技术
在全思博看来,矿山环境是动态多变的,高精地图的频繁更新很难维持,灰尘和恶劣天气也会影响传感器,矿井场景不同于自动驾驶客车道路运输道路上没有清晰规范的路标,通常很难建设路边传感器单元全天候,全场景高可靠运行是矿井场景自动驾驶商业化的难点之一,需要在技术层面有所突破
波顿正在从软件和硬件两个方面提高自动驾驶技术在全天候条件下的鲁棒性,目的是实现在沙尘,雨雪,白天和黑夜中的稳定自动驾驶。
此外,布莱顿目前的远程驾驶和工作平台具有超低延迟和超长距离远程控制的优势,可以应用在危险系数高的恶劣环境中通过远程驾驶,在紧急情况下可以手动接管同时,远程驾驶舱可以实时同步车辆驾驶室当前的物理姿态,让被遥控的驾驶员感受到车辆的真实运行状态,避免大角度侧倾等危险情况
伴随着技术的不断进步,在场景问题相继被攻克后,自动驾驶将实现矿区内多辆车,多台设备的自主协同运行。
根据消息显示,采矿作业复杂,整个过程包括挖,装,运,卸,装,运输只是其中一个环节如果只是某个环节或者某个环节的某个设备无人化,效率不会有明显优势
全思博透露,布雷顿的目标是实现多台机器之间的智能协同操作和运输,从而真正实现无人驾驶的场景当矿山作业全过程实现多台设备,车辆的无人化独立协作,整体作业效率将大幅提升,也将为矿山场景带来更大的商业和社会价值,这也是布雷顿设定的技术方向
中投知识咨询经理卢表示,在矿山场景下,智能驾驶矿卡解决方案包括智能驾驶技术端改造和车队运营服务同时,由于矿区之间的差异,解决方案主要是定制服务,构建协同运营网络由于矿区类型不同,地理环境差异很大,因此智能矿山解决方案需要根据矿山的特点进行定制同时,作业车辆需要配合其推土机,指挥车,传送带等设备,因此需要构建全覆盖的车联网与控制系统
郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。
中城网稿件问题请联系在线客服。 本网站所刊载信息,不代表中城网观点。 刊用本网站稿件,务经书面授权。 未经授权禁止转载、摘编、复制及建立镜像,违者将依法追究法律责任。 中城网版权所有,未经书面授权禁止使用