嘉宾：陈冠岭
整理：千山
自动驾驶技术是推进交通设施智能化升级的重要一环。在纷繁复杂的交通体系中，干线物流的道路场景相对规范，不少专家认为干线物流有望成为自动驾驶落地的先行试用田。
日前，在51CTO主办的AISummit 全球人工智能技术大会上，福佑卡车技术合伙人陈冠岭带来了主题演讲《自动驾驶在干线物流的应用》，从运营的视角分享了在干线物流场景中自动驾驶技术的应用与思考。
现将演讲内容整理如下，希望对诸君有所启发。
今年3、4月份，因疫情突发，导致地方升级管控，生活物资吃紧，货车司机奔赴各地输送物资。这段时间，媒体的广泛报道也让广大网友们逐渐了解和关注到公路货运行业和货车司机群体。
公路货运是社会运行“大动脉”，也是国民经济“晴雨表”。2021年，中国公路货运的市场规模约6.8万亿，全国有将近2000万的货车司机。而且公路货运与GDP存较强的正相关，活跃的卡车车辆数和GDP的相关系数高达0.86。
但公路货运也面临着一些问题。从公安部2016年的数据来看，货车仅占到所有机动车辆的12%，但货车涉及的交通事故占比却超过了30%，涉及人员死亡的交通事故占比达到48%。同时，由于运费下降，司机挣钱越来越难，愿意从事这个行业的年轻人越来越少。
在事故频发、司机难找的痛点刺激下，自动驾驶在公路货运领域的应用已经成为了全行业的共识。
（1）自动驾驶在港口物流的应用。港口是一个相对封闭且低速行驶的应用场景，对自动驾驶比较友好。不过目前绝大多数港口的集装箱卡车（简称“集卡”）还是人工驾驶，港口内集卡的自动驾驶渗透率不到2%。预计到2025年，中国港口内集卡的L4级自动驾驶的渗透率将超过20%，应用规模会达到6000到7000辆。由此推算，中国港口自动驾驶总体市场规模将超过60亿，占全球市场约30%。
港口物流之所以能成为自动驾驶卡车的重要落地场景，原因有二：其一，港口的自动驾驶落地速度快，商业模式清晰，预计未来2到3年能够实现大规模的商业化；其二，港口自动驾驶落地以后，能够以点带面，花1到2年就能够顺利延伸到干线物流。
目前国内已经有13个港口落地应用了自动驾驶集卡，包括图森未来、主线科技、斯年智驾在内的公司都开始推进港口自动驾驶的商业化的落地过程。
（2）自动驾驶在干线物流的应用。高速公路场景比港口物流要复杂，但相较于开放道路的城市场景，干线物流对自动驾驶而言还是更友好。2021年，中国干线物流重卡保有量大概是314万辆，自动驾驶潜在的替代市场规模大概逾7600亿，到2025年，预计潜在的替代市场规模能够超过1万亿。由此可见，干线高速物流的市场是远远超过港口物流的。
自动驾驶领域的行业龙头们对此也早有布局，并在稳步推进自动驾驶卡车的商业化落地。图森未来在去年年底实现了开放道路完全无人化的首次测试，并计划实行常态化运营。今年6月初，谷歌无人驾驶公司Waymo宣布与Uber旗下货运部门在自动驾驶卡车方面达成长期战略合作。
对于物流企业来说，除了安全之外，应用自动驾驶的核心动能就是降低成本。
1、降低人力成本。
在公路货运的成本结构中，司机的薪资成本约占25%。最简单的方法是，等L4自动驾驶成熟后完全减掉司机的成本，即整体运费上下降25%。这是非常可观的降本比例。当然我们知道L4的落地还需要时间，需要更耐心地等待技术和政策的成熟。
另外，一般来说，司机连续开600公里就会觉得非常疲劳，而超过800公里的货运订单，目前需要两个司机轮班完成，即人停车不停。我们预计，L3能力的自动驾驶系统可以大大降低司机的疲劳程度，800到1200公里的订单，只需要一个司机就可以完成。如此一来，对这些距离内的订单来说，也能够把双驾变单驾，能够节约大概12%的成本，这实际上也是非常有效的降本措施。
2、降低燃油成本。
在运费的成本结构中，燃油费占比约23%。由于近期油价的持续上涨，燃油的占比也越来越高。降油耗一般是通过不断调节发动机的油门，让车辆实现合理喷油。通常情况下我们说油耗的下降比例是指自动驾驶车辆的油耗相对于一个新手司机的下降比例。
具体来说，自动驾驶降低油耗的方法是指：
一方面，利用高精地图和车载感知设备，提前获取前方道路状况，诸如上下坡路的比例，前方行驶车辆的车速等等，来做出更好的规划和决策——更精准地刹车和踩油门。
另一方面，通过积累数据和优化算法，让车辆行驶在最佳状态，也就是让车辆保持在最佳的一个功耗区间。我们注意到，驾驶习惯好的司机相对于新手司机来说能降低20%的油耗，但这要求司机对于路况非常熟悉，知道什么地方刹车，什么地方加速。在此基础上，自动驾驶能够比老司机进一步节省6%到10%的油耗，折算到运费比例上，可以下降的成本比例约是1.5%到2.5%。实际上，很多物流企业的毛利率通常只有3到4个点，因此1.5的比例下降其实也是提升毛利的有效手段。
1、感知距离。
通常摄像头的感知距离是200米，激光雷达的感知距离更短，约100米左右。之前Waymo披露，他们的视觉系统能够检测并追踪300米远的物体，300米的距离能够保证重达两吨的轿车在高速行驶的时候有足够时间安全刹停。
但对于卡车，特别是在高速上行驶的重卡来说，光车头的重量就可能达到9吨，而运输的货物重量可以达到27吨，所以感知的距离越长，就意味着更长的刹车制动距离，能让重卡做到安全刹停。
当然不仅需要感知的距离长，同时也需要保持识别的准确度。因为使用长焦镜头来感知远处物体会导致分辨率的下降。目前还没有看到自动驾驶公司披露相关数据。
2、变道难度。
在高速场景下，卡车完成一次换道大概需要10秒钟，如果加上司机的提前观察，花费的时间可能要更长，对周边车辆安全行驶的风险会更大。在大多数情况下，我们希望避免换道，并通过检测的方式来避免安全隐患。
（1）安全侧移。当旁边并行的车并不想抢道，但是和本车的间距过窄的时候，本车其实只要稍微往旁边让一些即可，并不需要完全换道。
（2）突然抢道。当有车真的突然抢道的时候，如果决策系统判断刹车减速即可，也不至于撞车的时候，其实也可以避免完全换道。
（3）主动变道。当有其他车辆从高速的入口匝道并道的时候，如果此时决策系统判断，即使是急刹车也无法避免碰撞的时候，主动换道是个更好的办法。
所有这些操作其实都需要对其他车辆的意图做出相对准确的识别。但通常来说，重卡后面的挂车，里面的货物因大小、重量的不同，位置摆放的不均匀都可能让司机驾驶时车辆发生偏移。一旦发生偏移就容易造成横向控制的不稳定，这是干线物流驾驶中比较突出的控制难度，因此这对自动驾驶飞控系统的要求也特别高。
3、数据积累。
有一个流行的说法，自动驾驶如果要赶上人的驾驶的安全水平，需要超过100亿英里的路测里程。当前自动驾驶在干线物流的线路不会覆盖全国，作为测试阶段可能只是单个线路来回跑，目的是积累数据和确认算法，所以数据的积累过程一定是非常缓慢的。
一方面，不同的线路有不同的道路信息，不可能将已有线路的算法模型进行简单的平移。另一方面，从发展策略来说，在车辆规模尚未起量的时候，自动驾驶企业作为运营方，也不可能多线并行一起运营，而是会在一条线路的算法模型跑通之后再去开拓另一条线路的算法模型。
对数据积累来说，有效手段之一就是利用仿真技术。但如果只是简单的推测，仿真里程数并没有太多的意义。比如，有的企业会说，我们1000公里的仿真里程就相当于1公里实际路测里程，这个实际上并不解决本质问题，核心还是要看如何把重要的事件整合到仿真系统里来测试和迭代算法。总之，实际路测和仿真系统是提高算法准确度和系统安全性必不可少的两个方面。
干线物流自动驾驶的商业模式
再来观察一下干线物流自动驾驶的几种不同的商业模式。
商业模式1：:提供技术解决方案。自动驾驶公司向主机厂提供自动驾驶系统相关技术和技术服务，包括传感器的配置方案，计算平台算法的开发和迭代等等。
商业模式2：提供自动驾驶的运营服务，属于SaaS模式。面向客户是物流企业。物流企业采购自动驾驶企业所合作的主机厂车辆，同时自动驾驶企业向它提供自动驾驶技术的运营服务，而物流企业只要负责管理和运营车队就行。
商业模式3：:提供第三方的运力服务，属于TaaS模式，即Transportation as a
Service。这种模式下，自动驾驶公司要自建运营车队，并且负责自动驾驶技术的开发和迭代。
商业模式4：:提供造车、自动驾驶系统以及运力端到端的全流程模式。自动驾驶公司一方面要提供自动驾驶全套系统和第三方的运力服务，另一方面通过增加造车这个方式，来提升量产交付的能力，解决运力不足的问题。
当前，很难说这四种模式孰优孰劣，大家都在探索的过程中。但我们认为，自动驾驶公司一定要深入到业务场景中，参与到干线物流的运营中，才能更好地积累数据、迭代算法，让最终交付的价值更符合运营方的需求。
自动驾驶是干线物流运营里面的一部分。在干线物流端到端的运营流程中，其实还存在着大量的痛点：对货主来说，找车低效、价格不透明、派车延误、货物追踪难、结算不规范；对运力来说，运输效率难以提高，缺乏标准化服务能力、收款无保障等等。
福佑卡车作为一家端到端的整车运输运营平台，通过三个智能系统（智能定价、智能调度和智能服务），来应对这些行业痛点。
当货主询价后，平台会根据算法自动报价，货主觉得价格能接受就可以下单。下单后，福佑通过智能调度系统来选派合适的司机来接单。而在整个过程中，福佑通过智能服务系统来监控运输全程是否存在异常，整个端到端的流程是否完全线上化。
综合六年的运营成果，我们平台的运输准点率达到了95.2%。而在没有技术加持的传统运营模式中，准点率一般只有80%-85%。此外，事故率仅为万分之二。空驶率6%，相较行业49%的空驶率可以说极大地提升了效率。
我们的愿景是，从当下调度人驾驶的卡车，到不久后调度人机结合的智能车辆，再到未来调度完全无人驾驶的卡车，成为一个真正的跨城干线物流的智能运营平台。
福佑卡车正在实施的“启明星”计划就是面向自动驾驶公司开源商业运营场景。自动驾驶公司通常是技术背景的公司，往往会因为缺乏物流运营经验而导致运营效率低下，这也导致他们要花很多资源和精力在真正的运营上面，而不是在技术上。
我们欢迎自动驾驶卡车公司接入福佑卡车商业运营场景。“启明星”模式下，由福佑卡车来负责货源的分配、司机的管理以及交付质量。自动驾驶公司只要专注技术提升就可以了。
在运营平台上，我们会公平地监控一些关键的技术指标，比如平均的接管里程、自动驾驶模式下的油耗数据、急刹急停行驶速度等等。与此同时，福佑也能够给这些自动驾驶卡车公司做一定收入的背书。我们的运费是可以传递到自动驾驶卡车公司的。另外我们也可以优先采购一些技术方案相对比较成熟的卡车。
更多精彩内容见大会官网：点击查看
以上是福佑卡车技术合伙人陈冠岭：自动驾驶在干线物流的应用的详细内容。更多信息请关注PHP中文网其他相关文章！
