一种基于人工智能的矿区无人驾驶安全智能管控系统技术方案

本发明专利技术涉及无人驾驶管控技术领域，尤其涉及一种基于人工智能的矿区无人驾驶安全智能管控系统，包括服务器、数据采集单元、防护预警处理单元、预测分析单元、车安全风险分析单元、安全反馈单元、显示单元以及预警单元；本发明专利技术是从无人驾驶车辆的规划行驶路径和无人驾驶车辆的本体两个角度分析，即通过公式化的处理以及递进式的方式进行全面性的分析，有助于根据风险等级及时的对无人驾驶车辆的规定行驶路径做出整改，且根据接收到的风险等级对无人驾驶车辆进行预设方案的管控，以保证无人驾驶车辆的正常运行以及规定行驶路径的正常规划，提高无人驾驶车辆的运行安全性。提高无人驾驶车辆的运行安全性。提高无人驾驶车辆的运行安全性。

【技术实现步骤摘要】
一种基于人工智能的矿区无人驾驶安全智能管控系统


[0001]本专利技术涉及无人驾驶管控
，尤其涉及一种基于人工智能的矿区无人驾驶安全智能管控系统。

技术介绍

[0002]矿区的高温、寒冷及多风等恶劣的作业环境，严重影响着矿区司机的人身安全，同时也给矿区安全生产带来严峻的挑战，则推进高效、绿色和安全的智慧矿区作业系统是大势所趋，目前的智慧矿区作业技术较为成熟，而实现无人化作业的大多是采掘运输环节，其中的采掘环节可实现挖掘设备远程操控，减少现场操作人员，而运输环节中的矿用车辆无人驾驶则逐步走入矿山现场并开始试验性作业；
[0003]目前，路权状况和车辆安全情况是对车辆控制及路径分配的核心，但由于装载区域地形受到运输的影响，规定行驶路径的损坏极大的影响无人驾驶车辆的运输安全性，无法根据规定行驶路径的风险等级及时的对无人驾驶车辆的规定行驶路径做出整改，极易造成无人驾驶车辆的损坏，以及存在严重的安全风险，此外，无人驾驶车辆的长时间使用，极易出现轮胎磨损严重的情况，影响无人驾驶车辆的制动安全性；
[0004]针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

[0005]本专利技术的目的在于提供一种基于人工智能的矿区无人驾驶安全智能管控系统，去解决上述提出的技术缺陷，是从无人驾驶车辆的规划行驶路径和无人驾驶车辆的本体两个角度分析，即通过符号化的标定、公式化的处理以及递进式的方式进行全面性的分析，有助于根据风险等级及时的对无人驾驶车辆的规定行驶路径做出整改，且根据接收到的风险等级对无人驾驶车辆进行预设方案的管控，以保证无人驾驶车辆的正常运行以及规定行驶路径的正常规划，提高无人驾驶车辆的运行安全性，避免出现危险驾驶的情况。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]一种基于人工智能的矿区无人驾驶安全智能管控系统，包括服务器、数据采集单元、防护预警处理单元、预测分析单元、车安全风险分析单元、安全反馈单元、显示单元以及预警单元；
[0008]服务器生成安全运行指令并发送至数据采集单元，数据采集单元在接收到安全运行指令时，立即采集无人驾驶车辆的路径数据，路径数据包括外环境数据和内因数据，外环境数据包括规定行驶路径的路面实时特征图像和无人驾驶车辆的满载重量值，内因数据包括无人驾驶车辆的轮胎花纹深度和运行速度，将外环境数据发送至防护预警处理单元，并将内因数据发送至车安全风险分析单元；
[0009]防护预警处理单元在接收到外环境数据后，并对外环境数据进行分析，得到风险路段集合U发送至预测分析单元，预测分析单元在接收到风险路段集合U后，立即获取到各个子时间节点内无人驾驶车辆的满载重量值并分析，得到一级风险信号、二级风险信号以
及三级风险信号并发送至显示单元；
[0010]显示单元在接收到一级风险信号、二级风险信号以及三级风险信号后，立即根据接收到的信号对无人驾驶车辆进行预设方案的管控；
[0011]车安全风险分析单元在接收到内因数据后，并对内因数据进行分析，得到安全信号、风险信号以及危险信号，并将风险信号和参考安全系数CA发送至安全反馈单元，且将安全信号、风险信号和危险信号发送至预警单元，预警单元在接收到安全信号、风险信号和危险信号后，立即做出对应信号的预警操作；
[0012]安全反馈单元在接收到风险信号和参考安全系数CA并分析，得到反馈信号，并发送至防护预警处理单元，防护预警处理单元在接收到反馈信号后，立即将风险信号重新标记为危险信号，并发送至预警单元。
[0013]优选的，所述防护预警处理单元的外环境分析过程如下：
[0014]获取到历史最近一次无人驾驶车辆满载时在规定行驶路径终点位置到起点位置花费的时长，并将其标记为时间阈值，将时间阈值划分为i个子时间节点，i为大于零的自然数，获取到时间阈值内无人驾驶车辆的规定行驶路径的路面实时特征图像，并将路面实时特征图像划分为o个子路段，o为大于零自然数，获取到各个子路段内规定行驶路径的路面凹陷深度和规定行驶路径车头前后的矿石总体积，并将路面凹陷深度和矿石总体积分别标记为路陷值Lo和矿石值So，进而通过公式得到各个子路段的路面系数，其中，a1和a2分别为路陷值和矿石值的预设权重因子，a1+a2＝1.245，a1＞a2＞0，Mo为各个子路段的路面系数，并将大于等于预设路面系数阈值的子路段标记为风险路段g，g为自然数，g指的是大于等于预设路面系数阈值的子路段的个数，同时构建风险路段集合U。
[0015]优选的，所述预测分析单元的分析过程如下：
[0016]获取到相邻两个子时间节点对应满载重量值的差值，并将其标记为落石值，接着将大于等于预设落石值的所对应的子路段标记为异常路段，并构建异常路段集合V，将风险路段集合U和异常路段集合V的交集标记为破损路段t，t指的是破损路段的个数，t为自然数，获取到破损路段对应的路面系数Mt和无人驾驶车辆的晃动角度Qt，并经过公式得到各个破损路段的历史路况风险系数MQt，从服务器中调取预设路况干扰临界值，预设路况干扰临界值表示为下一次无人驾驶车辆设定的变动值，进而将历史路况风险系数与预设路况干扰临界值的积标记预测路况风险系数YCt，并将预测路况风险系数YCt与其内部录入存储的预设路况风险系数区间进行比对分析：
[0017]若预测路况风险系数YCt小于预设路况风险系数区间的最小值，则生成一级风险信号；
[0018]若预测路况风险系数YCt位于预设路况风险系数区间，则生成二级风险信号；
[0019]若预测路况风险系数YCt大于预设路况风险系数区间的最大值，则生成三级风险信号。
[0020]优选的，所述车安全风险分析单元的内因数据分析过程如下：
[0021]获取到时间阈值内无人驾驶车辆起点位置时的轮胎花纹深度和终点位置时的轮胎花纹深度，并将起点位置时的轮胎花纹深度与终点位置时的轮胎花纹深度的差值标记为
行驶磨损值，以此获取到单位时间花纹磨损值DH；
[0022]获取到各个子时间节点内无人驾驶车辆的行驶速度Xi，以此获取到无人驾驶车辆的平均行驶速度PV；
[0023]并经过公式得到运行安全系数YA。
[0024]优选的，所述车安全风险分析单元的运行安全系数YA的分析过程如下：
[0025]从服务器中调取无人驾驶车辆的预设运行安全系数容错临界值P，并将运行安全系数和预设运行安全系数容错临界值P的乘积标记为参考安全系数CA，并将参考安全系数CA与其内部录入存储的预设安全系数区间进行比对分析：
[0026]若参考安全系数CA小于预设安全系数区间中的最小值，则生成安全信号；
[0027]若参考安全系数CA位于预设安全系数区间之内，则生成风险信号；
[0028]若参考安全系数CA大于预设安全系数区间中的最大值，则生成危险信号。
[0029]优选的，所述安全反馈单元的分析过程如下：
[0030]获取到无人驾驶车辆执行刹车操作与刹车操作完成之间的时长，并将其标记为分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的矿区无人驾驶安全智能管控系统，其特征在于，包括服务器、数据采集单元、防护预警处理单元、预测分析单元、车安全风险分析单元、安全反馈单元、显示单元以及预警单元；服务器生成安全运行指令并发送至数据采集单元，数据采集单元在接收到安全运行指令时，立即采集无人驾驶车辆的路径数据，路径数据包括外环境数据和内因数据，外环境数据包括规定行驶路径的路面实时特征图像和无人驾驶车辆的满载重量值，内因数据包括无人驾驶车辆的轮胎花纹深度和运行速度，将外环境数据发送至防护预警处理单元，并将内因数据发送至车安全风险分析单元；防护预警处理单元在接收到外环境数据后，并对外环境数据进行分析，得到风险路段集合U发送至预测分析单元，预测分析单元在接收到风险路段集合U后，立即获取到各个子时间节点内无人驾驶车辆的满载重量值并分析，得到一级风险信号、二级风险信号以及三级风险信号并发送至显示单元；显示单元在接收到一级风险信号、二级风险信号以及三级风险信号后，立即根据接收到的信号对无人驾驶车辆进行预设方案的管控；车安全风险分析单元在接收到内因数据后，并对内因数据进行分析，得到安全信号、风险信号以及危险信号，并将风险信号和参考安全系数CA发送至安全反馈单元，且将安全信号、风险信号和危险信号发送至预警单元，预警单元在接收到安全信号、风险信号和危险信号后，立即做出对应信号的预警操作；安全反馈单元在接收到风险信号和参考安全系数CA并分析，得到反馈信号，并发送至防护预警处理单元，防护预警处理单元在接收到反馈信号后，立即将风险信号重新标记为危险信号，并发送至预警单元。2.根据权利要求1所述的一种基于人工智能的矿区无人驾驶安全智能管控系统，其特征在于，所述防护预警处理单元的外环境分析过程如下：获取到历史最近一次无人驾驶车辆满载时在规定行驶路径终点位置到起点位置花费的时长，并将其标记为时间阈值，将时间阈值划分为i个子时间节点，i为大于零的自然数，获取到时间阈值内无人驾驶车辆的规定行驶路径的路面实时特征图像，并将路面实时特征图像划分为o个子路段，o为大于零自然数，获取到各个子路段内规定行驶路径的路面凹陷深度和规定行驶路径车头前后的矿石总体积，并将路面凹陷深度和矿石总体积分别标记为路陷值Lo和矿石值So，进而通过公式得到各个子路段的路面系数，其中，a1和a2分别为路陷值和矿石值的预设权重因子，a1+a2＝1.245，a1＞a2＞0，Mo为各个子路段的路面系数，并将大于等于预设路面系数阈值的子路段标记为风险路段g，g为自然数，g指的是大于等于预设路面系数阈值的子路段的个数，同时构建风险路段集合U。3.根据权利要求1所述的一种基于人工智能的矿区无人驾驶安全智能管控系统，其特征在于，所述预测分析单元的分析过程如下：获取到相邻两个子时间节点对应满载重量值的差值，并将其标记为落石值，接着将大于等于预设落石值的所对应的子路段标记为异常路段，并构建异常路段集合V，将风险路段集合U和异常路段集合V的交集标记为破损路段t，t指的是破损路段的个数，t为自然数，获
...

【专利技术属性】
技术研发人员：江松，饶彬舰，顾清华，卢才武，阮顺领，章赛，聂兴信，刘迪，郭梨，洪勇，陈盈，孔若男，何润丰，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：