時速80km技術堪比老司機 物流無人重卡在上海完成全球首測

【文/觀察者網 李丕】“在知乎上有個提問：你願不願意讓孩子繼續做自己的這份工作？得出否定回答的無非是對工作不滿意。對長途司機來講也是如此。也正是基於這個情況，我們研發無人重卡技術，將為幹線司機創造更舒適的工作環境。”

昨天（24日），蘇寧物流研究院副院長欒學鋒向媒體介紹無人重卡前説了這段話。

當天下午，掛載着集裝箱的解放牌無人重卡“行龍一號”在上海奉賢的蘇寧物流園區進行測試。5月19日和20日，兩輛無人重卡在江蘇鹽城汽車試驗場完成了高速道路的無人駕駛路測。這意味着，全場景物流無人重卡在上海完成全球首測。

24日下午，無人重卡在蘇寧物流園區測試

5月19日，兩輛無人重卡在鹽城高速道路路測。圖/智加科技工程師

無人重卡時速80公里 達到L4級別

“行龍一號”載重40噸，最高時速80公里，既能在高速公路上行駛，也能適應物流園區的複雜行車要求。整個行駛過程中，無人重卡會自動規劃路線行駛，並輕鬆躲避障礙物，面對道路中突然出現的行人，也能自動預警並從容停車。

欒學鋒向媒體介紹，物流的科技化、互聯網化是未來發展的大趨勢。此前蘇寧物流已經有無人倉、無人機、無人配送小車，加上這次無人重卡，希望打造無人物流全場景。

欒學鋒表示，由於物流重卡承擔物流轉運、調撥環節的業務，應用場景大部分在高速公路內，相比乘用車使用場景工況較簡單，從目前無人駕駛技術發展的情況來看，無人駕駛在物流場景下的應用前景較好。戴姆勒、特斯拉等全球多家造車巨頭公司都在佈局無人駕駛卡車領域。

“行龍一號”無人駕駛能力級別為L4，適用於多霧場景隧道場景等不同的路況。無人駕駛能力級別是由NHTSA（美國高速共度交通安全管理局）提出的，由低到高分為0-4級共5個級別。L4為最高級別的自動駕駛，能滿足所有道路和環境條件，在無需人協助的情況下能由出發地駛向目的地。

遇到障礙物，卡車便會制動，障礙物消失後，卡車又會重新啓動。整個過程無需人工操作。

“行龍一號”因為採用了先進的人工智能和深度學習技術，以及激光雷達等高科技裝備的加持，使得其有了超越人類的超強視力。同時，“行龍一號”還運用北斗系統，可定位到釐米。

在高速路段（測試道路）可以實現自動緊急制動 (AEB)、自適應巡航 (ACC)、交通擁堵輔助 (TJA) 、車道偏移預警 (LDW)、車道保持輔助 (LKA)、高速跟車、行人檢測、自主避障等功能。在高速場景下，不僅擁有300米外精確識別障礙物，還能以25m/s的反應速度來控制車輛進行緊急停車或者繞行避障等措施，在駕駛速度達80km/h時能實現安全自動駕駛。

而在物流園區路段可以實現自主避障、自主規劃路線、自動精確泊車等功能，兩次駕駛誤差可控制在2cm以內，在行業內處於領先地位。

無人重卡能大大降低物流成本

在物流行業中，人力成本、燃油成本、路橋成本佔了大部分。雖然近年來國家的一系列政策減免了不少路橋費用，但是人力成本和燃油成本依然居高不下。

欒學鋒表示，利用無人重卡，不僅能減少司機人數，而且無人操作系統堪比老司機，燃油成本也能降低20%左右。

現場共有兩輛無人重卡，“行龍一號”由解放牽引車改裝而來，而現場的另一輛由沃爾沃牽引車改裝而來。智加科技技術副總裁付強表示，前者目前尚未上市，因此並不清楚其價格，而後者的售價在110萬左右。

智加科技創立於美國硅谷，是一家以人工智能為引擎、智能駕駛為核心的科技創新企業。目前在美國已申請到了無人駕駛牌照。

智加科技工程師韓坪良告訴觀察者網，他們不僅和蘇寧合作，還與寧波港、青島港等一些港口有合作。

上月18日，一汽解放J7下線暨L4級系列智能車在青島港集裝箱碼頭髮布。發佈會現場，搭載了L4級智能駕駛系統的新一代商用重卡解放J7全程以無人駕駛狀態工作，準確高效地完成了包括自動裝貨、行駛、轉向、停車、卸貨等一系列關鍵港口標準作業，成為首次在港口真實生產環境下的商用車實地作業。

韓坪良表示，相比於洋山深水港四期全自動集裝箱碼頭，利用無人集裝箱車的碼頭更具成本優勢。

4月18日，L4級系列智能車在青島港測試。圖/智加科技工程師

技術已積累，政策和配套設施是難點

雖然技術方面已有一定的積累，但是無人卡車要上路，政策這一關是難點。

無人駕駛技術近年來備受關注，並逐漸成為物聯網的風口，阿里、騰訊、百度等都在加緊佈局，紛紛將自己的無人駕駛汽車送上路。國內一些地方也允許無人汽車在規定區域內測試。但是測試的更多是乘用車，對於安全要求更高的卡車，無論是政府還是社會都對其更加謹慎。

當然，除了技術和法律法規的門檻外，無人重卡要上路還需要有相關的基礎設施配套。

當前，各國智能道路設施的普及率並不高，大量在建基礎設施缺乏對LTE/DSRC專用路側通信系統等網絡設施的頂層設計與部署，車、人、路之間不能互聯互通，無法滿足路測和應用無人駕駛技術的要求。另外，面向無人駕駛汽車的數據交互、公共服務、應用開發平台建設相對滯後，導致不同車輛、企業、行業管理之間的平台數據難以實現互聯互通。