1. 课程导入

无人矿卡不是“把司机拿掉”这么简单。它是一套把车辆、道路、装卸点、调度中心、通信网络与安全规则耦合在一起的工程系统。路径规划与调度工程，正是这套系统的“大脑与神经”：前者决定车怎么走，后者决定车何时走、去哪走、和谁协同。本章作为课程导入，先建立全局认知，再进入后续章节的算法与工程细节。

一、学习目标：从“会看”到“会调”

本课程面向矿区无人驾驶的规划调度岗位，目标不是停留在概念层，而是能完成建模—求解—仿真—上线—调优的闭环。学完后，你应当能够：

• 理解露天矿与井工矿运输场景的差异，明确路径规划与调度的边界条件；
• 掌握栅格、路网、拓扑图等环境建模方法，能把矿区地图转成可计算结构；
• 掌握A*、Dijkstra、RRT、混合A*等路径规划算法，并知道何时用哪种；
• 理解多车调度中的任务分配、冲突消解、路口预约与死锁避免；
• 能读懂调度日志、仿真指标与现场异常，定位是规划问题还是调度问题；
• 具备把算法参数与矿区产能、油耗、轮胎损耗、安全间距关联起来的能力。

二、核心概念：一张图看清系统对象

无人矿卡运输系统可抽象为车、路、点、网、调五类对象。车是执行体，路是约束，点是装卸载与加油/换电节点，网是通信与定位，调是决策中心。路径规划与调度工程的核心，就是在这五类对象之间建立可计算的关系。

三、整体框架：从地图到执行的五层结构

工程落地通常分为五层，自下而上依次是：感知与定位层、地图与路网层、规划层、调度层、执行与监控层。感知提供位姿与障碍，地图提供可行驶结构，规划生成轨迹，调度分配任务与路权，执行层把指令变成油门、刹车与转向。任何一层失真，都会在另一层表现为“规划不合理”或“调度不灵”。

四、行业背景与典型场景

露天矿运输具有道路固定、重载上坡、粉尘大、GPS遮挡多、人车混行等特点。无人矿卡的价值在于：减少司机暴露风险、延长有效作业时间、降低轮胎与油耗的无效损耗。但矿区不是城市道路，路径规划必须考虑坡度对能耗的影响、弯道对轮胎的磨损、以及装载点排队对产能的制约。

典型场景包括：单装载点—多卸载点的循环运输、多装载点—多卸载点的交叉调度、窄路会车与路口冲突、临时排土场变更、有人车混行等。不同场景对规划与调度的侧重点不同：窄路会车更依赖路权与让行规则，交叉调度更依赖任务分配与死锁避免。

五、常见误区与复盘

初学者最容易犯三类错误：第一，把路径规划等同于调度，认为给每辆车算一条最短路径就能跑起来，结果路口堵死；第二，忽略通信时延，规划出的轨迹在真实网络下无法按时下发，导致车辆急停；第三，只看平均指标，忽略最差车辆与最差路段的等待时间，导致产能瓶颈被掩盖。

# 典型调度日志片段（示意）
[调度] 任务T102 分配车辆V07 装载点L03 -> 卸载点D01
[规划] V07 全局路径长度 1.82km 预计 6.4min
[冲突] V07 与 V12 在路口J05 预计到达时间差 3.2s < 安全间隔 8s
[决策] V07 减速让行，V12 优先通过
[结果] V07 等待 5.1s，任务完成时间 +4.8%

复盘时要问三个问题：是路径不可行，还是调度冲突？是单车问题，还是全局路权问题？是算法参数问题，还是地图与通信问题？只有把问题归因到正确的层，后续章节的算法与工程手段才能对症下药。