1. 课程导入与场景认知
在露天煤矿、金属矿和砂石骨料矿山中，运输环节通常占据矿山总生产成本的 40%～60%，而卡车车队又是运输环节的核心装备。无人驾驶矿卡（Autonomous Haul Truck）通过车载感知、定位、决策与线控执行，实现装、运、卸、返的循环作业。但"车能自己开"并不等于"矿能高效产"——当十几台甚至几十台无人矿卡共享同一套装载点、卸载点、破碎站、加油/换电站和单行道路段时，谁先走、谁等待、等多久、什么时候放行，直接决定了整个车队的产能与安全。这正是车队调度规则与等候时间计算要解决的问题。
一、什么是无人矿卡车队调度问题
可以把无人矿卡车队调度问题形式化地理解为：在给定的矿区路网拓扑、装载点与卸载点布局、设备能力约束和安全规则下，为每一台矿卡在每一个决策时刻确定"去哪里、走哪条路、以什么优先级通行、是否等待、等待多久"的一组决策，使得整体产量最大、设备利用率最高、等待与拥堵最小，同时满足所有安全硬约束。
它包含三个层次，理解这三层是后续学习的基础：
- 任务分配层（去哪里）：决定某台空车前往哪个装载点、某台满载车前往哪个卸载点。核心依据是各装载点的排队长度、电铲/挖机的工作状态、卸载点的可用性与品位配矿要求。
- 路径与通行层（怎么走）：在路网中选择行驶路径，并处理交叉口、单行路段、窄路会车、坡道等冲突点的通行权分配。
- 时间控制层（等多久）：对进入装载区、卸载区、交叉口的车辆计算合理的等候时间与放行时刻，避免"一拥而上"造成排队溢出或死锁。
这三层不是孤立的：任务分配会改变车流分布，车流分布决定拥堵与等候，而等候时间又反过来影响任务分配的收益评估。因此调度是一个闭环反馈过程，而不是一次性排班。
二、典型矿区运输场景
以一个典型的山坡露天矿为例（以下参数为教学示例，非实测数据）：矿区有 3 个装载点（2 台电铲 + 1 台液压挖机）、1 个破碎站卸载口、1 个排土场卸载区，主运输道路为双向两车道，但有一段长约 300 m 的单行窄路，破碎站入口为单通道。车队规模 12 台载重 90 t 的无人矿卡，平均满载行驶速度约 18 km/h，空载约 22 km/h。
在这样的场景中，几个典型矛盾会反复出现：
- 装车点瓶颈：电铲装一车约需 4～5 min，若同时到达 3 台车，后两台必须等待，等待过长会拉低单车循环效率。
- 单行窄路冲突：双向车流被压缩到一条通道，必须按方向分批放行，否则会车死锁。
- 卸载口排队：破碎站单通道卸车，若满载车集中到达，排队会向上游路段蔓延，甚至堵住交叉口。
- 安全间距约束：无人矿卡之间需保持最小跟驰距离，坡道、弯道、交叉口还要额外减速，这些都会转化为"看不见的等待"。
三、调度规则与等候时间计算在生产中的位置
从矿山生产链条看，调度处在"计划—执行—反馈"的中枢位置。生产计划给出日产量目标与配矿要求，调度系统将其分解为车队的任务与通行指令，执行结果（循环时间、等待时间、产量）又回流用于修正计划。等候时间计算则是调度指令能否落地的时间标尺：没有准确的等候时间估计，任务分配就会"看起来合理、跑起来拥堵"。
四、一个可感知的等候时间示例
为了让"等候时间"从抽象概念变成可计算的量，先看一个简化的装载点排队示例（数值为教学假设）。设装载点 A 只有 1 台电铲，平均装车服务时间 ts = 4.5 min/车，车辆按平均间隔到达。若某一时段有 3 台空车几乎同时到达，则第 1 台立即装车，第 2 台需等待约 4.5 min，第 3 台需等待约 9 min。此时该装载点的平均等待时间为 (0 + 4.5 + 9) / 3 = 4.5 min。
如果调度规则改为"第 3 台车改派到装载点 B"，假设 B 点当前排队为 0，则该车等待时间从 9 min 降为 0，但代价是行驶距离增加、空载时间上升。是否值得改派，取决于"节省的等待时间"与"增加的行车时间"之差。这正是调度规则要做的权衡，也是后续章节要建立的等候时间模型的雏形：等待时间不是孤立数字，而是与到达率、服务率、排队规则、改派成本共同构成的决策依据。
五、本课程要建立的能力
学完本课程，你应当能够：读懂一个矿区的运输场景并识别瓶颈点；把调度规则写成可执行的判断条件；用排队论与时间链方法估算装载点、卸载点、交叉口的等候时间；根据等待与产能数据判断规则是否合理并做出调整。本章作为导入，重点不是公式，而是建立"场景—规则—时间—反馈"的整体认知框架，为后续的规则设计与等候时间计算打下基础。