提问
回答
写文章
首页 > 技术情报 > 无人驾驶商用落地场景全解析
×
图集已浏览完毕

无人驾驶商用落地场景全解析

发布时间: 2019.07.05
标签: 无人驾驶
关键字: 无人驾驶
内容来源:
OFweek

导读:目前自动驾驶可实现率先落地的典型应用场景包括以卡车为主的物流场景、港口码头、固定路线区域接驳、清扫车、出租车、矿区等。下文以代表性企业为例分别对不同的落地应用场景进行分析。

目前自动驾驶可实现率先落地的典型应用场景包括以卡车为主的物流场景、港口码头、固定路线区域接驳、清扫车、出租车、矿区等。下文以代表性企业为例分别对不同的落地应用场景进行分析。

自动驾驶行业每日资讯不断,每一项技术的突破、每一次企业新动态都能引起众多关注,但对行业发展来说,噱头只能引来关注给予行业更多发展动力与资源,真正有益处的、也是行业发展的最终目的还是要实现商业化落地运营。只有实现了持续有效的盈利之后,企业才有发展下去的动力,从而推动行业的持续和良性发展。

但目前自动驾驶汽车想要实现实际道路行驶,还有众多需要解决的技术问题、政策问题,解决这些问题需要大量的时间投入和资本投入,目前的行业状况距离全面实现自动驾驶汽车量产还有很长一段距离。未来,自动化驾驶落地的限制条件主要有速度、政策法规、地理空间、气候条件等约束条件。因此相比较来说,特定场景的自动驾驶产业对技术要求偏低、需求更大,实现落地运营更容易,因此,许多自动驾驶车企和科技公司从特定范围、特定领域、特定路线的自动驾驶需求入手,带动整个行业的发展前行。第一,特定场景的自动驾驶面对的环境相对简单,对于高精度地图的要求和传感器精度要求较低,现有技术水平可以较好满足需求;第二,特定场景自动驾驶的主要目标是提升运营效率,降低人力成本,与面向消费者的乘用车诉求不同,对系统可靠性、传感器性能和成本的要求不同;第三,特定场景自动驾驶对法律的要求低,不涉及公共道路交通法规;第四,地图测绘方面,特定场景自动驾驶区域相对可知可控,绘制和更新要求低。

综上,目前自动驾驶可实现率先落地的典型应用场景包括以卡车为主的物流场景、港口码头、固定路线区域接驳、清扫车、出租车、矿区等。下文以代表性企业为例分别对不同的落地应用场景进行分析。

以卡车为主的物流场景

物流行业是各大自动驾驶企业的必争之地。目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径区域运输;而在5公里半径的物流领域,则有3000万辆微型车、三轮和两轮车在为电商物流和外卖市场服务,机器司机的市场需求相当庞大。

由于货运相较载人来说对安全性要求较低,多为固定的点对点运输,且路线可控,因此吸引了不少自动驾驶创业公司和车企在这一领域大显身手。

目前,京东、苏宁、菜鸟等电商企业纷纷推出自动配送车、自动物流车等产品,以期在物流环节降低成本,提高效率。早在2018年1月,就有消息称菜鸟网络正在大规模布局无人驾驶大卡车。2018年5月,苏宁在物流园区和高速场景测试了无人驾驶重卡。同月,京东自主研发L4级别自动驾驶卡车亮相 ,宣布将在2020年实现无人重卡的商业化,承担主要城市及区域中心之间的高速公路运送任务。

中国第一大商用车管理平台G7联合普洛斯和蔚来资本宣布共同出资组建自动驾驶科技公司嬴彻科技。嬴彻科技专注于提升货车安全性,优化能耗,解决物流行业痛点。

创业公司“新石器”与百度合作研发的自动驾驶物流车已在雄安和常州投入使用,搭载了激光雷达、视觉感知、RTK和惯性导航方案,有麦佛逊式独立悬架,4G三网全互联。该车可以20公里的时速实现5公里半径的物流运输任务,具有插拔式换电方案,支持24小时不间断运营;具有智能模块化货箱,可快速便捷的替换不同需求功能的货箱,满足更多场景需求。

2018年3月10日,Alphabet旗下自动驾驶部门Waymo表示将在美国最大的物流中心之一亚特兰大启动一个自动驾驶卡车试点项目,为谷歌多个数据中心运输货物。Waymo将与Google物流团队合作,将其集成至托运方和承运方的运营中。在工厂、配送中心、港口和终点的网络中展开试运营。据Waymo方面说,Waymo的卡车和乘用车自动驾驶汽车采用同一套“定制传感器”。Waymo的卡车车顶布置了自研的蘑菇型激光雷达,而摄像头和毫米波雷达则更加隐蔽。

今年5月21日,图森未来宣布与美国邮政(USPS)达成合作,为其提供无人驾驶运输服务,图森未来公司的无人驾驶卡车将在亚利桑那州凤凰城和得克萨斯州达拉斯市邮政配送中心之间往返运输货物,车上将配备一名安全工程师和司机来监控拖车的性能,该试点计划包括五次往返,每次总计超过2100英里(3380公里)或大约45小时的车程。

 

码头

据交通运输部数据显示,我国港口众多,每年都要完成大量的货物吞吐,对卡车司机的需求量大,港口自动驾驶市场需求旺盛。自动驾驶能大规模应用于港口的水平运输环节,以中等码头计算,仅用工成本每年就能节约至少3000万元。

国内已有多个港口自动驾驶项目落地,2018年1月西井科技联合振华重工,在珠海港先后进行了跨运车和集装箱卡车的自动化运行演示,能够全自动完成集装箱的装卸、运输动作。传感器方面,西井科技在车辆上使用了16线激光雷达、毫米波雷达、图像识别摄像头和GPS等传感器,同时,车厂向其开放了控制部分的接口协议,西井将车辆的机械控制普遍更新为电子控制。目前,西井科技已经推出Q-Truck全电动自动驾驶重卡,西井的智慧港口系统已经推广到包括舟山港、珠海港等多个大型码头。

创业公司图森未来在自动驾驶落地港口上也大有作为,4月3日,图森发布了一段港口集卡车队自动驾驶测试demo,视频展示内容主要是,搭载图森自动驾驶系统的卡车以4辆为一组,在港口封闭/半封闭区域内进行集装箱调运。图森方面希望这一方案能在今年与国内部分港口进行对接,建立商业化方面的运营或试运营。消息称,图森已实现对接现有港机系统及港务系统的无人码头内集装箱转运车队解决方案,拥有了由干线运输到区域内运输的整套无人驾驶技术解决方案。图森未来计划在国内建立约几十辆卡车港口运营车队,主要与港口系统集成商、港口运营商合作探索商业化运营。

固定路线区域接驳

2018年7月,百度发布全球首款Level 4级量产自动驾驶巴士“阿波龙”。Level 4级别“阿波龙”是中国首辆商用级无人驾驶微循环电动车,基于Apollo 3.0平台打造。“Apollo”计划已经开放了超过22万行代码,生态合作伙伴规模达到116家,目前已经提供了Level 4级别的园区接驳巴士和微型物流车解决方案,多家园区和创业公司已经开始实施基于上述解决方案的项目测试和试运行。阿波龙项目主要应用于北京、雄安、福建平潭、广州、深圳等地,在机场、旅游景点等封闭场地内运行。

清扫车

目前来看,比起自动驾驶载人载物类卡车,清扫车是比较冷门的应用领域。中国半公开道路的清扫市场大概是2100亿-3000亿左右,而且结构化道路不断增多,市场规模会随着城市化进程继续增长。但无人车在城市清洁领域的应用会带来诸多好处:从社会效益角度讲,自动驾驶清扫车可以解决行业性“供需矛盾”,因为环保作业环境比较恶劣、作业人员短缺,且老龄化严重,而持续不断的城市化进程又对环卫工作提出越来越多的需求;从经济价值的角度来说,人工清扫会存在员工懈怠、工资上涨等管理难题,但自动驾驶车辆随着技术的成熟,成本必然是逐渐下降的。而且,自动驾驶车可以在夜间作业,车辆利用率和清扫效率可达到人工的2-3倍。当然,国内外在自动驾驶清扫车应用上也已经有一些成果。

2015年,同济大学、同济汽车设计研究院有限公司等多家单位合作,成功研发低速智能道路自动驾驶电动清扫车,其产品主要由五大系统组成:负责整车行驶导航、避障、错误管理等功能的智能决策系统;通过融合算法,将各类传感器(如超声波、长短距雷达、摄像头等)数据进行综合处理过滤,并供决策系统使用的环境感知系统;完成执行整车行驶速度及方向的修正线控系统;提供决策系统的实时定位数据,确定其驾驶方向的车载北斗高精度导航系统;提供整车完成清扫任务所需的驱动电力的动力锂电池成组及管理系统。

今年4月,网络与交换技术国家重点实验室(北邮)许昌基地与河南森源集团联合开展了5G自动驾驶清扫车作业试验,实现了自动驾驶和智能洗扫。其清扫车可以实现自动紧急刹车、行人避障、智慧洗扫作业等多个智能化作业模式。其方案的实现主要包括构建5G网络环境系统和对清扫车改造两大部分。构建5G网络环境系统包括5G基站、路侧传感器系统和边缘计算系统三个部分。清扫车改造包括安装传感器、激光雷达,安装自动控制系统,对车辆的方向盘、油门、刹车及道路回收系统进行全面升级。

今年6月,仙途智能(autowise.ai)获得了上海市首张自动驾驶清扫车牌照,这也是全球第一张自动驾驶清扫车测试牌照。Autowise.ai主要研发自动驾驶清扫车的软硬件解决方案。Autowise.ai的清扫车有不同重量的多种车型,使用铅酸电池或锂电池,每日最大续航时间为16小时,在半封闭园区的作业车速大概是5-8km/h,在公开道路是10km/h。

 

出租打车

出行服务商的运营模式,将会使得自动驾驶汽车更早落地,落地难度也会进一步降低。用于商用运营的自动驾驶汽车,因为没有驾驶员,除去加油、充电的时间,理论上可以实现24小时运营。同时也因为省去了驾驶员的雇佣成本,运营商的单位时间运营成本将随着运营时长的上升而逐步下降,运营成本的下降在商业模式上给了运营商们更大的想象空间,如果用于营销,反过来可能会刺激自动驾驶汽车的使用次数进一步增加,从而实现良性循环。

在自动驾驶出租方面,Waymo是最为突出的行业巨头之一。2018年12月,Waymo的付费打车服务在凤凰城上线,这是全球首个上线的商业自动驾驶打车服务。但未来保证安全,Waymo最初选择低调开场,只有几百人参加在凤凰城郊区的活动,而其服务范围也被限定在大约 100 平方英里的范围内。第一批乘客也只从Waymo的“老熟人”中挑选,他们参加 Waymo 的“Early Riders”体验项目已经一年多。

国内的自动驾驶出租车也开始崭露头角,2018年11月2日,全国首辆自动驾驶出租车现身广州大学城开始投入试营,其出租车配备了2个激光雷达,3个专业摄像头,1个毫米波雷达,通过多传感器融合的方法,实现360度全方位感知,让出租车真正地智能起来。车上的激光雷达传感器和摄像头,就像是汽车的眼睛,将四周的情况传输给电脑,智能的车载电脑会即时分析当前路况,然后计算最佳的输出指令来控制车辆的行驶状态。

 

就在昨日因泼水事件而备受瞩目的“Baidu Create 2019”百度 AI开发者大会上,Apollo Robotaxi项目“Apollo Go”首次亮相,除了蓄势待发的Robotaxi无人驾驶出租车前装产线之外,百度向观众展示了“Apollo Go”打车“百度智能小程序”。“Apollo Go”项目始于长沙,会率先帮助长沙完成“城市级”智能化升级,并打造全国最大规模的L4级自动驾驶车队。值得一提的是,不久前,百度已获得45张长沙可“载人测试”自动驾驶牌照,为无人驾驶出租车的正式落地,提供了有力的政策保障。截至目前,Apollo 已经与众多开发者及合作伙伴在多个场景完成多样化的“新物种”创新并相继落地,包括无人零售车、景区智能漫步车、智能环卫车、无人挖掘车以及本次大会首次亮相的酷黑自动驾驶教学小车套件。

 


矿区

我国矿产资源丰富,每年产量可达上亿吨,矿山运输企业2000多家,矿区运输车辆及司机需求与日俱增,潜藏的行业需求巨大;矿山环境恶劣,开采深度增加,地点偏远封闭,无人化需求迫切;矿山机械运作单一,重复性操作,是机械自动化与智能化的合适场景;矿山的自动驾驶可改造空间大、改造成本相对较低,改造以后的自动驾驶矿车可以显著节约人力成本,一般来说,一台工程车辆需要配备2名专职司机运营,每名司机的人力成本支出在15万元/年左右,以车辆使用寿命5年计算,车辆在使用寿命内的人力成本支出约150万;自动驾驶改造成本在50万左右,可以缩减约2/3的成本。

矿山实现无人化,主要有四大难点:一是工况下传感器难以正常工作:矿区灰尘大,一般摄像头不起作用,一铲下去有很多扬尘,这些扬尘会覆盖住摄像头的镜片,一般会安装质量好的外壳,把镜头露出来,雷达也是这样的,会做防尘罩,会避免碎石、扬尘对它的伤害。二是GPS信号弱:矿区周围障碍物多,GPS信号弱,对机械设备的导航系统、传感器融合技术具有更高的要求。三是通信安全问题:矿山地域广阔,环境恶劣(有的矿井比较深),需要合理的设计选择通信设备跟通信方式,保证信息传输的安全性、可靠性。四是需要车间协助配合:无人矿车不只是实现无人驾驶,还有很重要的挖机和矿卡之间的配合等操作,不同车辆的配合很关键。

目前矿区使用自动驾驶运输车已经有了相当成熟的应用,针对以上问题进行了点对点以及系统性的技术性策略性处理。例如专注于矿区自动驾驶的企业,例如慧拓智能等,慧拓研发的矿山无人化管理系统以及端到端的矿区无人运输解决方案在降低单车改装成本的前提下实现集群化的运营管理,加速我国矿山开采向智能化转变。无人矿卡由控制中心管理控制,为每辆车指定运输路线,车辆通过接收无线指令以合适的速度按照目标路线运行, 根据行驶路线、自身位置、周围环境等信息,自动行驶,完成装载、运输、卸载的循环运作流程由挖掘机来引导矿卡至正确的位置进行装载,挖机机手可根据360全景影像、挖掘位姿影像等数字化辅助功能更加方便的挖掘,挖机机手挖掘完成后,挖机可实现铲斗的自动卸料,并自动回到上一挖掘点。卸载时,也有对应的设备引导无人矿卡进行卸载,这样就实现端到端整个的解决方案。

 

另外,还有日本小松公司于2008年1月实现了商业化部署,如今小松的自动运输系统已应用在澳大利亚、南美洲和北美洲的6座矿山,车辆总数超过100台,到2017年底,已经累计运输了十五亿吨的物料。国内的东风汽车、踏歌智行、内蒙古北方重汽、希迪智驾等企业也在积极研发测试矿产车,中国重汽、徐工集团等工程机械制造商与创业公司主线科技、踏歌智行合作实现了多款矿用车辆的自动驾驶改造。

除了要在限定时间、限定区域内行驶,无人驾驶出租车是最接近自动驾驶全面商业性落地的一步,但也正因如此,能在这一领域做好的企业也少之又少。当然,在以上特定应用场景以外,还有其他一些细分无人车市场,例如外卖送餐,法雷奥在今年1月就与美团达成了合作,共同开发物流车与无人送餐车。

当前无人驾驶正在从以上及其他特定场景作为切入口,在实践中获取数据、改进技术,不断积累解决问题的能力,并从好的商业运营模式中汲取经验、实现资金的周期性运转,更好地为未来发展奠定基础,从而一步步完成完全无人驾驶的全面商业化落地进程。无人驾驶的未来路途明晰,剩下的只是如何清除障碍把路走得更快罢了。

[声明]本文仅代表作者观点,不代表掌工知立场。如果你认为本网转载的内容涉及侵权,请作品的作者尽快与我们联系