国能神东布尔台煤矿以型号为WLR–19型防爆锂离子蓄电池无轨胶轮车为基础，部署自动驾驶感知层，决策层，执行层电气设备，实现车辆路径规划，停避障，行人预警，风门联动，坡道启停，自适应巡航等功能。
（1）自动驾驶感知模块
为了保证感知的可靠性，采用基于多个传感器感知融合的算法核心，包括原始数据级的融合和单个传感器感知结果的融合。首先应实现激光雷达和视觉图像像素级的精确定位关系。然后利用统一的深度学习架构来实现目标检测和场景分割。目标检测的结果和毫米波雷达来进行结果级融合。
毫米波雷达有穿透雾、烟、灰尘的能力强，可以满足全天候检测的能力。另外，毫米波雷达能分辨识别很小的目标，并且能同时识别多个目标。
激光雷达拥有发射激光束探测目标的位置、速度等特征。
视觉识别的硬件主要为专用摄像头，具有视频拍摄、影像抓取等功能，它是由镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转换成电脑所能识别的数字信号后由软件再进行图像还原。提供前后方视频画面，还提供了顶部视野的俯瞰图和侧方姿态图。
（2）定位模块
自动驾驶车辆在地下矿区作业过程中，需要实时确定其位置信息，首先确保车辆自身按规定路线行驶至目标区域，其次上传位置信息至后台管理平台，方便管理人员监控车辆状态，调度车辆任务。
（3）多源信息融合
自动驾驶车辆并不是理想地按照一个既定的轨迹行驶。道路情况总是动态地发生各种变化，而且井下交通信号灯也是动态变化的。鉴于此，仅靠导航程序数据得出的决策结果不能作为最终的决策结果，需要依靠雷达程序数据和图像程序数据进行2次路径规划。
（4）决策规划
基于机器学习的类人决策技术，类人学习系统接收环境信息并将信息转化为学习模块所需的状态量，学习模块根据状态信息和前向神经网络估计的价值函数产生人类驾驶员的期望数据，并将其传递给控制模块，实现车辆横纵向运动的控制。通过采用连续空间强化学习方法与人工神经网络组成的学习算法搭建人类驾驶策略学习模块，直接将学习结果转化为车辆的的决策和控制输入，实现智能路径规划。
（5）横纵向运动控制
横向控制部分采用模型预测控制算法，横向控制包含4个组件：横向误差、横向误差的变化率、朝向误差和朝向误差的变化率。车辆模型对车辆纵向运动部件建模，车辆模型输入分两部分。一部分为控制器传入的期望加速度，一部分为车辆动力学预测的车辆驱动力、行驶工况、动作以及车辆纵向控制切换策略，输出为车辆油门模拟信号和车辆刹车行程。
（6）车路协同
运用5G通信技术，全方位实施车车、车人、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上，开展车辆主动安全控制和道路协同管理，提高无人驾驶车辆井下运行安全性与运输效率。同时，建立车载一体化信息系统，将车辆自身感知到的信息，车车之间通信交互得到的信息和车路通信时获取的路侧信息进行融合处理，进而对危险状况量化分级，必要时调整车辆运动状态以达到紧急避险的效果。
（7）远程介入
当自动驾驶车辆前方运行路径上存在障碍物时，控制车辆停车并将障碍物信息上传给平台，此时调度员可在矿区视频监控客户端上查看到障碍物信息。井下运输自动驾驶系统提供3种方式应对障碍物场景：一是平台自动规划一条绕过障碍物所在区域的参考路径并下发给自动驾驶车辆，经调度员确认后，自动驾驶系统控制车辆沿着参考路径绕过障碍物后继续行驶；二是于5G通讯，调度员使用远程操纵功能，控制车辆低速通过障碍物所在区域；三是调度员通知道路维护人员清理障碍物，障碍物被清理完后系统将继续作业。
（8）无人驾驶行车警示系统
通过CAN总线控制转向灯、制动灯、前大灯、倒车灯、示廓灯、警示灯、蜂鸣器，能够按照车载无人驾驶系统指令准确控制灯光、蜂鸣器工作，构成了一套完整的无轨胶轮车无人驾驶安全警示系统。
