文 | 来源·auto.gasgoo.Com auto.gasgoo.Com

矿分为露天矿和井工矿。目前，国内90%的煤矿均在地下，其中煤矿的井工矿约有几千座，煤矿与非煤矿相加则将近有5万座。而相比露天矿场的无人驾驶，井工矿无人驾驶更为复杂，存在光照不足、空间小、湿度大等多重困扰，且车规级设备在井下往往难以发挥作用。

2023年9月19日-20日，在盖世汽车主办的2023第三届商用车自动驾驶大会上，理工雷科智途（北京）科技有限公司总经理黄琰表示，雷科智途的重点发力领域便是井工矿。“井下无人驾驶有比较高的技术壁垒，我喜欢做一些比较难的事情。”

作为行业首批攻克井工矿无人驾驶复杂场景的科技企业，雷科智途现已构建起“硬件自产、技术自研、数据自采、平台自建”的全方位技术优势。

黄琰｜理工雷科智途（北京）科技有限公司总经理

以下为演讲内容整理：

井工矿发展现状

矿有露天矿和井工矿。露天是指地表200米以内的矿，一般从地表开始挖，先把土拔掉，一圈一圈的往下钻。但地下矿不同，我国不管是煤矿还是非煤矿，在地下的数量都占据85%+。地下光线很暗，传统以摄像头为主的方案就不太好使；地下还没有信号，传统RTK也不好使。而且在井下像三角锥、工程机械、土堆等非常多，这种情况下实现无人是件很难的事情，我就喜欢做很难的事情。

图源：雷科智途

从行业来看，井工矿和能源行业，不管怎么强调核、氢、风，我国最基础的能源还是煤，这是由我国现状决定的，同时煤已被定义为我国的战略资源。因此，我们要加强煤的相关安全和智能化，另外井工况有很多复杂的环境，比如瓦斯，我国50%以上的产煤区是高瓦斯，倘若煤是很干净的、没有瓦斯的，我们自己随便开车就可以。但是在中国，设备下煤矿有很高的门槛。包括前方打出去是水还是煤，这种情况无法确定。有可能会水漫，甚至会塌方。矿山场景相对封闭，路径规划明确，矿车在其中低速载物运行，不上马路，、不挂车牌，同时国家陆续出台了各种政策和文件支持。

从市场来看，我国的煤矿数量大约在几千座，煤和非煤相加有近5万座的矿山，市场空间很大。相关数据预测，2025年智慧矿山行业市场规模将达到1.3万亿，而究竟能不能实现，取决于行业的各位同仁能否真正将该市场撑起来。

图源：雷科智途

从政策来看，2020年之后不管从能源安全、矿山安全，还是从信息化，包括今年9月中办和国办发布的《关于进一步加强矿山安全生产工作的意见》，都已经将矿山安全生产提到了很高的层面，行业政策都在贯彻引导“无人则安、少人则安”的生产理念。

介绍下煤矿场景的六大系统，这六大系统是支撑着能源行业发展的必要系统。第一是采，煤层一般在几米水平，整套设备与工艺流程，常见包括戴煤机、创煤机等；第二是掘，掘各种巷道；第三是运，运输系统包括主运和辅运两种。主运以皮带运煤为主；辅运则以运材料、人、设备为主；后三个系统分别是机电、通风和排水。关于排水系统，由于地下本来就会有水，还会有粉尘，为防止粉尘引起静电爆炸，每隔一段距离都要强制喷水。

总之井下的六大系统决定了矿的信息化，未来矿山的智能化也将从这六大系统进行推广。

井工矿作业的智能化趋势

第一数字化。将原来所有靠手抄、电话通报的全都进行数字化，通过数字化的环节来节省相关的人工。

第二是无人化。能实现无人的全上无人，能实现远程遥控的全上远程遥控，这是行业的需求。

第三是数智化。数智化包括统计分析，包括与数量作业相关的是智能化。

最终希望实现几点目标：第一是减员。如果每年能将井下人员减少5%，将是一个很大的事情；第二是增强安全性；第三是提效。井下的车辆有很多，包括矿卡、破碎设备、巡检设备等。再往上是以矿为主的数据中心，再往上到集团。之前，信息化还没有很强，现在，在集团总部随便点个按钮，现场的所有的数据就都出来了，车辆的无人化是很强的工作。

图源：雷科智途

整体来看，市场需求是巨大且直接的。L4闭环落地还存在着怎么买单的问题，但在井工矿场景很好解决。另外政策指向清晰，2025年石油露天矿基本实现智能化，2035年全国各类矿山实现智能化。

值得注意的是，行业还存在着较高的技术壁垒，高温、高湿的井下环境没有北斗，也没有光线，车规级的设备进入井下一段时间便不好使了。这样的市场比较有趣，从我个人角度而言，我会带来三部分收益：一是风险成本，这也是客户的刚需；二是运营成本。现在很多物流行业已经实现黑灯的仓库，效率极大提升。井工矿同样看不见，所以司机有严格速度的要求的（不能超过20时速），因此无人驾驶+辅助驾驶能够优化线路、优化驾驶。还能提高运营效率，节约能耗；三是人力成本。现在煤矿的大环境是保供，在保供环境下“7×24小时”的生产是大概率事件，司机需要三班倒，所以司机的成本很高。我们的单车每年可节约成本100万元/车。

雷科智途的核心技术优势及特点

想要实现无人化，需要解决几方面的问题，一是路面端，首先要把在井工矿作业中所用到的材料设备从地面运下去，按区域分一个在地面，二是进出井，从仓库运到井。井又存在种类的问题。矿分两类，一是大的升降机，二是斜井。基本上大的井是立井，进出井时所有设备都要断电，存在下井之后一系列标定的问题。

三是井下场景。井下有很多的作业面，而矿的作业面没有复制性，比如我们接触一个有色的矿，地下的脉络不是提前规划好的，二是跟着脉走的。过程中井下还存在各种丁字路口、十字路口，还有拐弯、车和车的错车，车和栏杆、井下设备间的交互工作以及工人的各种不可控的工作状态。

图源：雷科智途

我们的硬件主要围绕车和航道两部分，软件在后台。我们最终交付用户的系统是一辆车+一个巷道设备+一个管控平台。

对无人驾驶而言在感知、决策等层面的设计可能有相同之处，但巷道设备不一样，巷道设备在路侧强调大的面——180度和360度，巷道是个隧道，是细长型管状，过程中对分辨率要求比较高。

云控平台要接管整车过程，还要打通车辆运输和矿山生产的整体环节。针对车端系统还是行业常谈的一些东西；针对矿山安全生产要有相关检测认证，比如隔爆，以及煤安的隔爆、防爆、多系统联动、多传感器。

巷道侧也一样，包括激光雷达、毫米波雷达、摄像头，但是我们要做大量的定制，因为井下不像路口，路口能看到侧向来车，井下完全看不见。

关于云控管理平台。包括车辆的任务调度，比如无人车有人车混行，平台和生产作业系统的联动等。

整体而言，井下作业最难的三点在于：一感知，没有充分的光照、没有北斗信号，微光、水雾、灰尘和粉尘等对传统的光学乃至激光雷达而言都是一种挑战，在这种环境下，我们会多个传感器一起用，突出毫米波雷达。

我们团队拥有几十年的毫米波雷达经验。毫米波具有鲁棒性好、穿透能力强、较高精度、可全天时、全天候使用的特点。虽然在分辨率上比不过激光雷达，但在中低速场景中绰绰有余。

毫米波雷达做点云等同于激光雷达的效果，做雷达的厂家会努力争取做到64的水平。现在，L4肯定要做冗余，我们是动态的，光线好的地面还是以光学和RTK为主，在地下做多模态的数据融合、多源的数据融合、多传感器的数据融合等。

二是车巷系统。井工矿场景在十字路口、丁字路口拐弯时是看不见的，原来到了路口要按喇叭，确认没有车。在无人工作情况下就要求大量车和巷道的协同作用，以及车与车的错车精度问题。

三是集群化自动驾驶实现联动整合。整个场景的自动驾驶落地不仅是一辆车需要，而是要整合整个系统生态。包括采、掘，以及各种车辆和设备之间的协同的全套供需，未来无人化是很广阔的领域。

关于雷科智途

对我们而言，井下不管是运人，还是运料都有很多的落地场景。现在我们的煤矿井下有100多辆车，非煤矿有300多辆车。

我们全称是“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务、毛二可院士创新团队及无人车技术工信部重点实验室核心团队，联合创立的高科技企业。我们致力于智能无人驾驶技术以及商用车高级驾驶辅助系统的研发、生产和推广。目前已经取得了相关的认证和一些成绩。

未来，我们将持续依靠成熟的市场积累、广泛的合作领域和深入的技术协作与行业中的各位同仁一起打造开放、合作、共赢的生态。

（以上内容来自理工雷科智途（北京）科技有限公司总经理黄琰于2023年9月19日-20日在2023第三届商用车自动驾驶大会发表的《破局井工矿场景，雷科智途井工矿无人驾驶实践》主题演讲。）