方得網原創(chuàng)

如今，商用車自動駕駛的研究現(xiàn)狀是什么？從技術、成本以及人們對自動駕駛信任度三個方面分析，商用車自動駕駛的挑戰(zhàn)又是什么？

隨著自動駕駛技術快速發(fā)展，商用車自動駕駛迎來了前所未有的發(fā)展機遇。自動駕駛為解決商用車的人力成本、交通事故以及高效作業(yè)難題，帶來了全新的解決方案。在政策和環(huán)境的驅動下，商用車自動駕駛在城市無人公交、港口、礦山、干線物流、末端配送等封閉、半封閉特定場景下開展了大量的示范應用，為其商業(yè)化落地和運營積累了寶貴經驗。但商用車自動駕駛離人們的預期還有很大的差距，仍面臨諸多挑戰(zhàn)。

商用車自動駕駛潛力巨大

從2019年起，全球商用車產量大幅下降。圖2-2顯示，2020年我國商用車產量達到523.1萬輛，占全球份額24%；2021年，我國商用車產量為467.4萬輛，比2020年有所回落，其中，上半年商用車市場受排放法規(guī)切換、治超治限、基建項目啟動等因素拉動，增幅較快，而下半年受市場提前透支、房地產開發(fā)行業(yè)較冷以及前期政策紅利逐步減弱等因素影響，需求弱于上半年，全年產量同比下降10.65%。受經濟、市場等多層影響，2022年國內商用車市場面臨更大的下行壓力，截至2022年上半年，全國商用車產量為168.3萬輛，同比下降38.5%。但從前些年統(tǒng)計數(shù)據來看，我國商用車產銷量龐大，后續(xù)市場仍具有較大的發(fā)展?jié)摿Α?/p>

圖2-2  2016-2022年上半年我國商用車產量變化情況

縱觀產業(yè)格局，商用車的發(fā)展主要面臨以下幾處痛點。其一，駕駛員缺口龐大。據相關調查顯示，我國商用車駕駛員年齡結構不合理，總體偏大，主力軍集中在36-45歲之間，而25歲以下占比僅為1.4%，形成了明顯的年齡斷檔（見圖2-3）。由于商用車駕駛員工作環(huán)境惡劣、長期遠離家庭、薪酬待遇低，對年輕人缺乏吸引力，無法為行業(yè)的未來發(fā)展提供充足的新生力量。此外，行業(yè)對大、中型車輛駕駛員有更為嚴格的培訓要求及從業(yè)資質，獲取高等級駕照需要耗費大量時間、精力成本。根據2021年2月發(fā)布的相關交通規(guī)定，貨車駕駛員將實施8小時工作制，隨著新法規(guī)的落地與老齡化問題的加重，行業(yè)對駕駛員的需求還將被進一步放大。其二，貨運成本高昂。人難招、用人貴已經成為運輸行業(yè)內的普遍現(xiàn)象，為了降低人力成本，駕駛員工作強度提升的情況越來越普遍，如此陷入了招人難-漲薪資-工作環(huán)境惡劣-招人難的死循環(huán)。另一方面，除道路通行費之外，燃油費用也是運輸成本的重要組成部分，司機不科學的駕駛操作，如頻繁加減速、長期怠速會降低汽車的燃油經濟性，大幅增加油耗，這也進一步擠壓了企業(yè)的合理利潤。其三，行車安全難以保障。車輛噸位大，質量變化明顯，且制動器工作條件惡劣，其性能易發(fā)生衰退，由于駕駛員難以準確評估有效制動距離，易導致追尾事故的發(fā)生。商用車體積大、尺寸長，轉向時前后輪間存在較大的輪跡差，加之駕駛室過高，整車存在多處視野盲區(qū)，駕駛員無法準確獲取周圍交通信息并做出合理的駕駛行為，也會引發(fā)交通事故。此外，由于運輸距離長，行業(yè)競爭激烈，駕駛員往往會為了追求高效作業(yè)而疲勞駕駛，進一步增大了車輛碰撞風險。由此可見，與乘用車相比，商用車所面臨的痛點更加嚴峻，行業(yè)對升級轉型有著更迫切的需求。

圖2-3  我國商用車駕駛員年齡結構分布

自動駕駛技術的出現(xiàn)與日臻成熟，為解決行業(yè)日益突出的運營難題帶來了先進的技術手段。此外，商用車自動駕駛技術的推廣應用，在極大程度上帶動了包含芯片、運營服務在內的眾多軟硬件供應企業(yè)的快速崛起，形成了商用車自動駕駛的產業(yè)生態(tài)，有效帶動了上下游制造商的技術融合與產業(yè)升級。

因此，在巨大的市場需求和政策法規(guī)的驅動下，商用車自動駕駛將迎來前所未有的高速發(fā)展和商用化示范運營。

商用車自動駕駛國內發(fā)展現(xiàn)狀

國內各主流商用車主機廠，如解放、東風、陜汽、重汽等，通過跨界合作的產業(yè)融合模式，推動了自動駕駛的創(chuàng)新發(fā)展。目前，已基本達到L1-L2級智能商用車的量產水平，且都在加速推進L3-L4級自動駕駛的模塊化開發(fā)。一汽解放與摯途科技聯(lián)合立項了前裝車規(guī)級L3自動駕駛重卡，一汽解放J7 L3超級卡車已于2021年7月份小批量生產下線，交付上路運營。嬴徹科技聯(lián)合東風商用車和中國重汽推出了基于自動駕駛系統(tǒng)“軒轅”的L3級重卡，相關車型已于2021年底交付，未來可通過OTA升級至L4級。

圖源：一汽解放官微

在關鍵技術的研發(fā)上，高科技企業(yè)如百度、主線科技、慧拓智能、希迪智駕、智加科技、西井科技等，成為了主力軍。2021年9月14日，宏景智駕發(fā)布了全新一代L3自動駕駛重卡Hyper Truck One，并將于2022年上半年正式量產下線。聚焦于商用車干線物流，百度生態(tài)公司DeepWay深耕于面向結構化場景的自動駕駛技術，也于2021年9月推出L3級智能重卡星途1代，并計劃在未來3-5年實現(xiàn)高速L4級別自動駕駛。主線科技基于“L4自動駕駛卡車+全功能影子模式”，與德邦物流、福佑卡車等展開貨運業(yè)務合作，目前已經在國內20余條主干線進行運營測試，行駛里程累計超100萬公里，為主線科技自動駕駛軟硬件迭代升級及商業(yè)模式驗證提供了海量數(shù)據支持。2022年，主線科技在天津港自動駕駛二期示范區(qū)揭牌儀式上交付了8輛無人駕駛集卡，依托“Trunk Master”系統(tǒng)，無人駕駛集卡已經能夠在社會集卡動態(tài)混行場景下，具備感知識別各類障礙物、預測交通參與者行為、自主避障、換道超車等功能，實現(xiàn)了集裝箱裝卸作業(yè)安全、穩(wěn)定、高效運行?；弁刂悄芷煜碌臒o人駕駛礦車搭載了機器視覺、激光雷達、毫米波雷達與GPS等感知設備，并依托感知融合和車路協(xié)同感知技術，實現(xiàn)了在沙塵、雨雪、碎石等惡劣工況下的自車定位與多目標檢測跟蹤，使車輛能夠根據交通管控和高精地圖進行實時決策、軌跡規(guī)劃與精準?？?，具有遇見活物停車、其余繞行的避障功能。

針對半開放式場景下的應用，國內阿里、京東、美團、蘇寧、智行者等公司也在加碼末端無人配送，并在高校、園區(qū)進行了測試運營。由于國內相關企業(yè)有著明顯的市場優(yōu)勢，配送業(yè)務體量龐大，極大促進了無人配送技術的產業(yè)落地與發(fā)展。

綜上所述，國內商用車自動駕駛的發(fā)展勢頭強勁，經過幾年的奮起直追，在關鍵技術上已取得了長足進步，并在礦區(qū)、港口、末端物流配送等場景下開啟了商業(yè)化運營。特別是國內的基礎設施建設以及5G通訊技術的快速發(fā)展，為我國商用車自動駕駛技術的落地和大規(guī)模推廣應用提供了有力的技術保障。

商用車自動駕駛的關鍵技術有哪些？

（一）環(huán)境感知與高精度定位技術

環(huán)境感知相當于智能商用車的“眼睛”，即依托車載或路緣感知設備來獲取周圍道路信息和障礙物的運動狀態(tài)，為決策規(guī)劃提供依據和條件，其中包括自車可行駛的區(qū)域、道路交通規(guī)則、障礙物當前所處的位置及行駛速度等等。

根據傳感器獲取的信號類型，車載傳感器分為視覺與雷達兩大類。隨著數(shù)字圖像處理技術的快速發(fā)展和計算機硬件性能的提高，基于機器視覺的識別準確率得到大幅提升，加上視覺傳感器成本相對較低，使其在汽車感知系統(tǒng)上頗受青睞，但視覺傳感器對光照敏感，易受車體振動的干擾，在惡劣工作環(huán)境下性能不佳。在視覺傳感器的圖像識別算法方面，基于深度學習的方法，較傳統(tǒng)方法準確率高、適應性好、通用性強，但神經網絡結構往往比較復雜，對算力要求高。因此，基于深度學習的方法一般不能直接部署于車端，必須對神經網絡進行輕量化處理，目前，常用的輕量化神經網絡有SqueezeNet、MobileNet和ShuffleNet等。毫米波雷達采用回波檢測的原理，其工作波長短、頻帶寬，具有探測距離遠、速度測量精度高、穿透力和抗干擾性強等優(yōu)點，廣泛用于ADAS系統(tǒng)的前方障礙物距離探測，但對行人及橫向運動物體的感知能力較弱。因此，考慮到單一感知設備所存在的局限性，往往會將多型號、多類型的感知設備進行組合，構建多傳感器信息融合框架，通過多傳感器在時空上的冗余信息，獲得被測對象的一致性描述。多傳感器信息融合技術充分結合了各類傳感器的優(yōu)點，可顯著提升檢測算法的魯棒性與準確性。

圖森未來自主研發(fā)的高清攝像頭感知系統(tǒng)，融合激光雷達和毫米波雷達等其他傳感器，能夠360°感知周圍環(huán)境和運動目標，多傳感器全覆蓋使得無人駕駛系統(tǒng)在幾乎任何條件下都可以平穩(wěn)運行。踏歌智行采用激光雷達和毫米波雷達作為感知系統(tǒng)的輸入，結合V2X通信、高精定位和云端平臺，實現(xiàn)了礦山運輸無人駕駛解決方案。西井科技Q-Truck搭載了超遠視距高精度工業(yè)級雙目攝像頭、激光雷達、毫米波雷達等多種傳感器，實現(xiàn)了360度全方位觀察周邊環(huán)境，融合定位精度可達厘米級，已在全球多個港口進行了無人駕駛車輛的規(guī)模性部署。

智能商用車的高精度定位是實現(xiàn)其自動駕駛的另一個關鍵技術。自動駕駛實現(xiàn)定位的技術分為三類：(1)基于衛(wèi)星信號定位。這是獲得車輛絕對位置的唯一辦法，車載GNSS接收機在空曠地帶接收到GNSS衛(wèi)星信號，通過相應的數(shù)據解算即可獲得其位置信息，但衛(wèi)星信號容易受遮擋和電磁環(huán)境的干擾導致定位失敗。(2)基于航跡推斷的定位。利用慣性測量單元IMU測量獲取車輛運動的加速度和角加速度信息，由此計算車輛的運動姿態(tài)，再根據前一時刻的位置信息計算當前的位置信息，由于解算過程中的累積誤差，導致定位精度不高。(3)基于特征匹配的定位?；诩す饫走_/立體視覺，用觀測到的特征和數(shù)據庫中存儲的特征進行匹配，由此獲得當前時刻車輛的位置和姿態(tài)。

由于每個定位技術的局限性，要實現(xiàn)高精度定位，往往需要采用多傳感器進行融合定位。目前，GNSS與慣性導航系統(tǒng)(INS)的融合定位方式是商用車自動駕駛定位廣泛采用的方案之一，當GNSS衛(wèi)星信號受到遮擋時，INS仍能為車輛提供位置信息，而在GNSS定位工作正常時能夠消除INS積累的誤差。此外，融合GNSS、IMU和視覺傳感器的定位方式，在GNSS信號可用但存在時延的場景下，采用GNSS/INS組合定位方式，在GNSS信號受到遮擋的場景下，采用視覺和INS的組合定位方式，通過視覺信息修正慣導的累計誤差，能進一步提高定位精度。

中通客車-輕舟智航自動駕駛量產車型

（二）多車協(xié)同控制技術

近年來，為了有效降低商用車的油耗、提高道路通行效率，商用車自動駕駛編隊控制一直是一個研究熱點。編隊控制將同一車道內的相鄰車輛進行編隊，基于車載傳感器和V2X通信設備，通過編隊的信息流拓撲結構，實現(xiàn)車輛之間的信息交互和協(xié)同控制，達到穩(wěn)定的編隊行駛。商用車自動駕駛編隊行駛可極大地減小跟車距離，一方面提升道路利用率，另一方面降低車輛高速行駛時的空氣阻力，可進一步降低燃油消耗。編隊行駛主要面向中高速開放道路場景，屬于高級自動駕駛范疇，由于業(yè)內仍無法界定其性能運行邊界，難以確保系統(tǒng)的預期功能安全，使編隊控制技術至今仍處于驗證階段。

Volvo以領航車-跟隨車架構為基礎，在西班牙進行了異質4車隊列測試，依托車間通信技術，3輛乘用車在1輛商用車引領下實現(xiàn)了無人編隊行駛，可在85 km/h的車速下將車間距縮短至6 m。日本基于Energy ITS項目開展了同質3車隊列測試，在攝像頭、激光雷達、DSRC等技術的加持下，可在高速公路上以時速80 km/h進行隊列行駛，通過將車間距縮減到10 m可有效提升約14%的燃油經濟性。雖然我國在隊列控制方面研究起步較晚，與國外的技術水平存在差距，但近年來也有了長足進步，東風、圖森未來、福田等諸多企業(yè)均在結構化道路上成功完成了商用車編隊行駛技術測試。

此外，智能網聯(lián)商用車的出現(xiàn)為優(yōu)化交叉路口場景的交通通行提供了可能，一方面，智能網聯(lián)商用車可以得到信號燈配時等交通環(huán)境信息，對自車的行駛軌跡進行優(yōu)化。另一方面，智能網聯(lián)商用車還可以獲取周圍其他車輛的信息，通過對自車的控制改善區(qū)域交通效率。

特定場景下的多車協(xié)同控制可轉換成約束框架下的最優(yōu)調度問題，其解決方案有集中式與分布式兩類。前者調度任務主要由區(qū)域路側計算單元承擔，根據收集到的交通信息，在保證交通參與者在沖突區(qū)域內沒有碰撞的前提下，路側調度中心將道路的時、空間資源統(tǒng)籌分配給區(qū)域內每一輛車，以保證通行路段的安全性。與集中式調度不同，分布式調度通常將一部分計算任務交給交通參與者承擔，自動駕駛車輛具有更大的自主權限，可根據自車的動力學響應來進行緊急避障或平滑軌跡等，從而提高車輛橫向穩(wěn)定性，但在吞吐量方面的效率較低，且隨著車輛數(shù)量增加易出現(xiàn)死鎖現(xiàn)象。由于多車協(xié)同控制技術在提升作業(yè)質量、生產效率等方面的優(yōu)異性能，正逐漸成為無人駕駛領域下一個研究熱點。

（三）線控底盤技術

作為自動駕駛系統(tǒng)的關鍵執(zhí)行系統(tǒng)，線控底盤的主要功能是代替駕駛員來操縱車輛的驅動與轉向，故主要有線控驅動、線控制動、線控轉向三大技術。

線控驅動又稱為線控油門(TBW)，由ECU根據測量的油門踏板的位置，來驅動節(jié)氣門控制電機，從而達到控制車輛油門的目的。理論上控制汽車縱向運動的功能都會用到線控油門，如自適應巡航系統(tǒng)ACC、牽引力防滑控制系統(tǒng)TCS和自動泊車系統(tǒng)APA等，具有這些功能的車輛都標配了線控油門。

線控轉向指ECU根據測量的方向盤轉角，來驅動轉向機的控制電機，達到控制車輪轉角的目的。線控轉向不僅可以實現(xiàn)轉向比的連續(xù)變化，由于拆除了轉向柱，在發(fā)生碰撞時，還可避免轉向柱對駕駛員的傷害。線控轉向主要提供自動駕駛車輛的橫向運動控制，由于其直接影響到車輛的穩(wěn)定性和安全性，其技術一直不夠成熟。

線控制動包括線控液壓制動(EHB)和電子機械制動(EMB)，EHB系統(tǒng)由于具有備用制動系統(tǒng)，安全性較高，是目前主要推廣量產的方案。EMB由于缺少備用制動系統(tǒng)且技術尚不成熟，短期內很難大批量應用。線控液壓制動EHB是在傳統(tǒng)的液壓制動器基礎上發(fā)展而來，線控制動單元(驅動電機+制動主缸+ABS/ESC)替換了原有的真空助力器+制動主缸+ ESC模塊，踏板與制動單元之間無機械連接，僅靠傳感器來給線控制動單元提供踏板位置信息。線控制動是商用車自動駕駛的關鍵技術，其反應速度優(yōu)勢明顯大于普通的ESC，這對高級自動駕駛的實現(xiàn)至關重要。此外，在商用車電動化背景下，整車不再擁有真空源，無法通過真空助力器完成液壓管路的減壓，線控制動通過電機代替真空助力器進行制動液壓管路建壓，是未來智能電動商用車必備的執(zhí)行單元。

由于線控底盤集成技術的門檻很高，博世、大陸、采埃孚、克諾爾等國外供應商優(yōu)勢明顯。近幾年，國內供應商的技術積累以及產品性能已有了長足的進步，如萬向錢潮、萬安科技、亞太機電等，有望占據更大的市場份額。

商用車自動駕駛的挑戰(zhàn)有哪些？

近年來，國內商用車自動駕駛技術已取得了重大進展，在港口、礦山、辦公園區(qū)、干線物流等封閉、半封閉特定場景下開展了示范性應用，為商用車自動駕駛技術的落地和商業(yè)化運營提供了寶貴的經驗。但商用車自動駕駛離人們的預期還有很大的差距，仍面臨諸多挑戰(zhàn)。

這些挑戰(zhàn)包括技術、成本以及人們對自動駕駛的信任度。

在技術方面，盡管人們采用了攝像頭、毫米波雷達、激光雷達等多種傳感器，并基于多源信息在時空對準條件下，進行不同層級的信息融合，但其道路及目標檢測的準確度并不能令人完全滿意。比如說，攝像頭采用深度神經網絡算法，大大提升了目標檢測和識別的準確性，但離自動駕駛車輛對環(huán)境感知的現(xiàn)實要求還存在距離。多個開源數(shù)據集測試表明，目前性能最優(yōu)的車道檢測算法，其準確度僅為95%，面對存在陰影、遮擋的情況，識別的準確度會下降到90%。采用攝像頭和毫米波雷達的信息融合，來提高目標識別的準確性，是目前自動駕駛汽車開發(fā)的主流方案，但目標檢測的準確性仍有待進一步提升。其次，由于高度復雜動態(tài)的交通環(huán)境，自車與環(huán)境車輛、行人及其它交通參與者的關系不斷發(fā)生快速變化，如何在繁多的信息流中，像人類駕駛員一樣，快速提取交通場景的交互信息，結合自車的運動狀態(tài)，規(guī)劃出安全、節(jié)能、舒適的行車軌跡，仍是決策規(guī)劃中的一個難題。目前，大多基于規(guī)則的軌跡規(guī)劃方法，其規(guī)劃的路徑往往比較生硬，不符合人類駕駛員的駕駛習性，與人們預期的自動駕駛安全、宜人的駕駛決策規(guī)劃還有很大差距。此外，由于交通環(huán)境的高度動態(tài)性，車輛底盤執(zhí)行系統(tǒng)的功能安全不確定性以及信息交互和信號傳輸過程中的不確定性，綜合考慮不確定性的車輛軌跡跟蹤控制是另一個技術挑戰(zhàn)。

在成本方面，自動駕駛汽車的開發(fā)成本是很高的，包括硬件、軟件以及自動駕駛汽車的測試和性能評價。從硬件來看，自動駕駛的一些關鍵設備激光雷達、毫米波雷達、RTK、GPU以及芯片等的價格，依然偏高。盡管隨著激光雷達的國產化以及小型固態(tài)激光雷達的研發(fā)，激光雷達的成本在進一步下降，但其價格仍遠高于自動駕駛汽車量產應用的要求。此外，由于各種傳感器的性能局限，為了保證自動駕駛汽車的安全性，往往需要采用多傳感器冗余備份，這也增加了硬件成本。自動駕駛技術開發(fā)中的數(shù)據集采集以及測試驗證也是一項資金投入很大且不可或缺的工作。國外的數(shù)據庫相對豐富，采集都集中在美國加州、新加坡、西班牙、英國等氣候、環(huán)境友好的地方，收集的數(shù)據對于學習具有挑戰(zhàn)性的駕駛情況幫助不大，其它更為廣泛的具有惡劣天氣和危險場景的駕駛數(shù)據，還必須投入高昂的成本，以獲取具有代表性和有價值的駕駛數(shù)據集。自動駕駛汽車測試根據仿真測試的程度不同，分為模型在環(huán)(MIL)，軟件在環(huán)(SIL)，硬件在環(huán)(HIL)，整車在環(huán)(VIL)，場地測試和實際道路測試，這些測試也將耗費大量的資金，大力發(fā)展虛擬仿真測試技術，可以有效彌補道路測試的不足。人力成本也是自動駕駛汽車開發(fā)的一大支出，近年來蘋果、華為、小米等科技公司均布局自動駕駛板塊，為了吸引人才搶占技術制高點，不斷給自動駕駛技術人才開出更高的薪資，對人才的爭奪也使得開發(fā)成本大幅提升。

蘑菇車聯(lián)自動駕駛客車

信任度也是推廣自動駕駛技術所面臨的一大挑戰(zhàn)。根據民意調查顯示，約2/3的民眾對自動駕駛技術是不信任的，大家普遍認為隱私、安全、可靠性、清晰的雙向溝通和多種互動模式是建立信任的關鍵。將影響信任的因素進行劃分以不同的方式進行處理是構建信任的關鍵，技術開發(fā)商應當處理好隱私、安全和雙向溝通這些因素，政府和第三方機構應做好可靠性的評估。相關的法律法規(guī)尚需進一步建立和完善。

商用車的自動駕駛更注重依靠先進技術提升車輛行駛的安全性，減少駕駛員的駕駛強度，降低燃油消耗，達到真正意義上的降本增效和節(jié)能減排。所以，發(fā)展商用車自動駕駛意義重大，商用車自動駕駛的技術將為人類的智慧物流和智慧出行帶來一場深刻變革。

（注：本文節(jié)選自《中國商用車發(fā)展報告（2022）》，略有改動。）

如有購書需求，請撥打電話010-57197757，聯(lián)系朱經理。