當大型推土機與自卸卡車在礦山狹窄作業面同時作業，因調度不當導致的碰撞事故可能造成致命后果。美國2008-2021年礦山安全數據顯示，83起死亡事故直接源于安全規則違反，其中機械協同作業的時空沖突是主要誘因。如何讓多臺設備在保證安全距離的前提下高效運轉？近日，華中科技大學數字建造與工程安全全國重點實驗室團隊在《Frontiers of Engineering Management》發表研究，提出融合時空安全約束的深度強化學習調度方法，為這一難題提供新解。

傳統調度的“兩難困境”：安全與效率難以兼顧
礦山土方工程堪稱“移動的迷宮”——數十臺設備需在有限區域內完成土壤開挖、運輸、傾倒等串聯任務。傳統人工調度依賴經驗判斷，常陷入“顧此失彼”的困境：為趕工期壓縮安全間隔，可能導致機械碰撞；嚴格遵守安全規則，又會因設備等待造成效率損失。我國內蒙古某 lignite 礦的調研顯示，無安全約束時，單臺卡車可能承擔60%運輸任務，而相鄰作業線機械同時開工的概率高達35%，事故風險陡增。

現有智能調度技術雖能優化效率，但多忽視安全約束。例如基于遺傳算法的調度模型，雖能縮短15%作業時間，卻未考慮機械間的空間距離和時間間隔，實際應用中仍需人工介入調整。

DRL+時空約束：給AI裝上“安全護欄”
研究團隊創新性地將時空安全約束嵌入深度強化學習框架，構建“會規避風險的調度大腦”。其核心思路是：讓AI在模擬訓練中學習“交通規則”，既避免設備“搶道”，又不浪費作業時間。

空間隔離（X軸約束） 如同給作業區劃設“虛擬車道”：相鄰平行作業線（土壤傾倒區域）禁止同時有機械運行，防止橫向碰撞。時間間隔（Y軸約束） 則像設置“紅綠燈”：同一作業線內，后一臺設備需在前一臺離開至少15秒后才能進入，確保縱向安全距離。

為實現這一目標，AI通過三階段學習掌握調度策略：首先用圖神經網絡（GIN）“讀懂”作業任務特征（如土壤量、設備類型），再通過多層感知機（MLP）“匹配”最優設備，最后通過多智能體PPO算法反復迭代，在“違規受罰、合規獎勵”的機制中優化決策。

實測驗證：大型場景調度時間1786分鐘，安全違規降60%
在不同規模測試中，該系統展現出“大小通吃”的適應性。小型場景（5臺設備）訓練1000批次后，總作業時間穩定在403分鐘，安全約束僅增加2%耗時；擴展到20臺設備的大型場景，雖初始調度時間長達1786分鐘，但較傳統FIFO算法縮短22%，且無一起模擬碰撞事故。

更關鍵的是，該方法在復雜場景中優勢顯著：當作業區從1個擴展到4個時，總調度時間從1260分鐘降至1126分鐘，因多區域并行作業減少了空間約束沖突。在內蒙古煤礦的實地測試中，卡車利用率標準差從0.58降至0.32，原本“閑置”的Machine 3作業頻次提升60%，實現“負荷均衡”與“安全無虞”的雙贏。

未來挑戰：動態環境與多目標優化
盡管成效顯著，技術落地仍需突破“最后一公里”。當前模型對粉塵、能見度等動態環境因素考慮不足，且調度目標僅優化時間，未納入能耗、設備損耗等維度。團隊計劃下一步引入實時傳感數據，開發“環境感知-調度決策”閉環系統，并探索將碳排放指標融入優化目標。

隨著我國礦山智能化轉型加速，這類技術有望在煤礦、金屬礦等領域規模化應用。或許不久后，地下礦山的“機械交響”將由AI指揮，既“不撞車”也“不堵車”。

來源: 工程管理前沿