<mark id="oztn4"></mark>
0
2021 年 12 月 10 日，由雷峰網(公眾號：雷峰網) & 新智駕主辦的第四屆「全球智能駕駛峰會」在深圳正式召開。
這一次，雷峰網新智駕以「智能駕駛鏖戰時刻」為主題，將話筒遞給業內 19 家標桿企業，輻射 13 大技術/場景，覆蓋智能駕駛算法、芯片、感知、落地等多個維度，每個領域只篩選最具代表性的一家企業。
遵循“基礎理論技術創新”和“行業解決方案落地”兩項黃金標準，演講嘉賓向行業分享他們對過去經驗的總結回顧、對未來趨勢的預測以及行之有效的模式的分享。
峰會之上，美團無人車配送部總經理夏華夏帶來了題為「城區配送場景下的智能駕駛實踐」的精彩演講。
夏華夏在會上指出，自動配送車因其體積小、車速低，常給外界技術比較簡單的假象，但在城市公開道路以20公里以上速度行駛時，非機動車道上的行人、自行車、以及機動車的不確定性經常為自動配送車帶來意想不到的安全性問題。
盡管自動駕駛技術整體標準化，但自動配送車多在道路狹窄、多遮擋物、不確定性多的非結構化道路行駛。
他認為，城區配送如果要實現大規模落地，必須實現運營一線無安全員的去人化。現在，一方面需要行業玩家繼續提升自動駕駛技術，讓整個自動駕駛對周圍的感知、規劃、控制、定位更加安全可靠。另一方面需跟進人力、維修、緊急安全員等運營能力。
今年4月，美團發布整車按照車規級標準生產的自動配送車魔袋20，經過了整車性能測試、耐久測試、嚴寒酷暑環境適應性等多項測試，最高時速達45公里每小時。
目前，美團自動配送車在北京順義區的公開道路配送累積里程約50多萬公里，配送訂單超過10萬。
以下是夏華夏演講全文，雷峰網新智駕做了不改變原意的整理與編輯：
大家好！剛才朱老師完成了一個非常精彩的分享，其中提到無人駕駛非常難，我深有同感。因為美團做無人駕駛到現在五年多了，從開始做到現在，我們每年都有一些進展，也面臨著新的挑戰，我自己的內心對這個事情的敬畏也一年比一年大。
今天借著這個機會，一方面跟大家同步，美團2021年在自動駕駛方面的進展，另一方面也想和大家討論，城市復雜場景下做自動駕駛有哪些挑戰。
這張圖是自動駕駛的應用脈絡，分為不同的場景和速度。我們按照速度和場景的復雜度，把很多場景應用畫在圖上，用不同顏色表示。藍色的是載人的車輛，紅色的是城市公共交通的巴士，橙色是無人配送領域，灰色是特殊場景的應用。
大家可以看到，越往右上角，代表速度更高，場景更復雜。從自動駕駛技術的角度來看，我們認為它需要的自動駕駛技術的能力也就越強。
如果大家看城區無人配送，雖然速度要求沒有特別高，但場景復雜度特別高。
這些斜的虛線代表一些能力的等高線，無人配送如果在最復雜的場景，可能代表著需要我們最完善的自動駕駛技術，這是我們一直努力突破的目標。
物流一般分干線物流和城區配送。今天上午好幾位嘉賓提到自動駕駛卡車，那是干線物流。城區配送一般以40或者50公里之下，20公里之上的速度進行配送。其中，物流場景一般叫支線配送。還有一部分在封閉場景比如在園區、校園、住宅小區等，也有很多配送需求。
美團現在主要側重于城區場景配送，會涉及城市道路、園區、住宅道路等等。這類場景的參與者非常復雜，我們希望最終達到結合城市場景里包括園區、公開道路的配送車，以及空中的無人機，通過無人設備跟我們的騎手去協同，打造一個空地一體化的人機協同的配送網絡，支持我們城市末端的配送需求。
我們在今年4月正式發布了一款新的自動配送車——魔袋20，車寬1.1米，車長2.5米，最高時速達45公里每小時。車輛智能程度方面，我們增加了更多的傳感器，更大的算力，整個車輛的傳感器總數達到30多個。車輛硬件方面，我們按照車規級標準生產、制造、測試。其中，我們完成了整車性能測試、耐久測試、嚴寒酷暑環境適應性等測試。
我們今年在北京順義區公開道路配送的累計總里程大概為50萬公里，累計配送的真實用戶訂單大概為10萬單，今年參加了包括深圳、廣州、南京、成都、廈門等城市的抗疫工作。
自動配送車在公開道路要識別紅綠燈，其中在非機動車道內要跟很多車輛、行人、老年代步車、自行車、電瓶車、逆行的行人和車輛交互。在整體運行速度為20多公里，還有很多電瓶車逆行的時候，將會對無人配送車的通行帶來很大的挑戰。
自動配送車是一個送物小車，行駛速度相對比較低，在很多人想象中，是否比較簡單？但是當我們實際做的時候，發現在這個場景下會遇到特別特別多城市的“煙火氣”，以及預想不到的長尾、復雜情況。
我這里列舉了幾個圖片，比如在機動道路上或非機動車道上，行人、自行車等很多不同元素交合，在路邊停了很多車輛，包括當我們在非機動車道行駛，很多樹把衛星信號遮擋得非常嚴重。
整個自動駕駛技術是非常一致的，包括定位、感知、決策、控制，但每個環節都會面臨挑戰。對于較特殊的挑戰，我分開給大家看一下例子。
我們先來看感知。在當前的場景里面，因為我們要在機動車道、非機動車道行駛。三個圖代表不同的攝像頭，結合攝像頭、雷達，我們能識別周圍很多的障礙物。
從這個圖里面大家可以看到，道路里面有很多不同的障礙物，它的速度各不相同，運動方向各不相同，種類也很不一樣。
比如園區很窄的道路有大量的行人和自行車，在這樣的場景里我們怎么去識別？如果這邊停了一輛自行車，我們需要判斷車上有人或者車邊上有人，是靜止的車還是騎行的車等等挑戰。
再一個是定位。我們很多時候覺得定位是一個相對來說已經解決的問題，但在一些城市的復雜場景中，定位還是有很多挑戰。
一方面，很多場景會讓定位退化，所謂“退化”就是它的周圍場景，第一可能衛星信號被遮擋。
另一方面，如果通過視覺看周圍的環境，環境始終是不變化的。比如在很長的隧道里，不管到哪，激光雷達視覺進行匹配，看到周圍隧道都是一樣的。或者在地庫的旋轉坡道上，如果不仔細識別信息，很難知道現在到底在哪。再比如樹木會遮擋很多衛星信號，讓我們不得不用更綜合的技術手段定位。再比如城市道路上會頻繁遇到大量的城市道路施工場景，環境會經常變化，一旦變化的話，我們就需要非常及時地更新高精地圖，讓車輛更好地行駛。
再來看決策控制。在城市環境中，跟自動配送車交互的道路元素多種多樣。如果自動配送車在機動車道行駛，相對來說周圍汽車的運動軌跡、運行速度比較容易預測，因為汽車絕大部分是直著往前走，偶爾變道也會逐漸過來。但是當周圍要跟很多行人、自行車交互時，當很多人逆行，或者很多行人在道路上橫過馬路時，怎么較好地預測周圍的每一個元素，或是未來三五秒鐘出現在什么位置，將非常大地影響我們的決策和控制動作。
最右邊這個圖，是自動配送車在非結構化道路比如園區道路進行不太好完成的調頭，如果進行大尺度調頭，這對車輛技術的要求非常高，因為路徑的規劃和速度控制要非常好地吻合才能實現。我們現在已經實現時空一體的三維規劃，把路徑規劃和速度控制在一個模型內結合，才能較好地讓自動配送車在劇烈變化的路徑中穩定行駛。這是我們在決策控制上遇到的挑戰。
再有一大類是安全方面。車輛在路上行駛一定要安全，而且比人還要安全。這個安全分為主動安全和被動安全。主動安全即車輛自動駕駛要能做到躲避障礙物；被動安全是萬一真的發生碰撞，不管是我的原因還是別人的原因，怎么盡量減少對周圍環境造成的傷害。比如人撞上，車通過外形設計、材料選擇，降低發生碰撞時產生的傷害。
同時，我們也會考慮數據安全。我們的車輛會采集大量的數據，很多是比較敏感的地理數據，我們需要保證這些數據的傳輸、存儲比較安全。
再比如網絡，不管是上傳的數據還是車輛的控制信號，都是通過網絡傳輸，怎么保證數據加密，以及控制信號的不可篡改等，這些都要考慮。
還有功能安全。對車輛來說，除了車輛的機械結構之外，還有大量不同的傳感器，還有一個非常復雜的分布式計算平臺。這些傳感器、計算平臺、軟件每一個都可能發生故障。在一些零部件發生故障的時候車輛能不能較好地實現容錯，如果不能正常行駛，也要盡量減少對交通造成的危害。
主動安全，被動安全，數據安全，網絡安全，功能安全這五大安全領域，都是我們現在發現且要一個個解決的。所以我們現在從三個大的維度去思考：對車輛設計，對軟件系統在內的整個系統方面，以及整個運營流程等都需要比較好地進行很多設計，讓我們的配送可以更加安全。
最后展望未來，我們覺得如果城區配送最終大規模落地，一定是去人化，去人化就是不需要安全員在運營一線跟隨。自動駕駛車如果要一個人跟著，經濟成本就算不過去，無人配送也是這樣。
自動配送車上沒有座位，但自動配送車目前在絕大部分城市落地時，按照政策要求，車后需要跟隨一個人，以及遠程監控員。我們希望最終做到不管從技術或政策，能夠讓自動配送車不帶一線運營安全員地在道路行駛，重點通過遠程監控來保障運營。所以一方面需要我們繼續提升自動駕駛技術，讓自動駕駛對周圍的感知、規劃、控制、定位更加安全可靠。
另一方面是在運營方面努力，如果有一些突發情況，我們能通過運營的人力、維修、緊急安全員快速跟上。
還有政策法規上，我們需要跟政府一起，通過自動駕駛能力的提升，政府能更有信心，給行業開放更多路權和更靈活的條件。
最后在網絡安全方面，整個行業也需要不斷地做探索。
希望通過美團和在座同行，以及很多朋友的努力，大家一起讓自動駕駛技術、整個行業、法律法規不斷成熟。我們的目標是通過無人配送讓服務觸達世界的每個角落，我們也相信這個目標肯定會達到，但我們希望有更多人幫助，一起讓這個事情早日實現。
希望大家繼續努力！
雷峰網雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
