北汽福田金大鹏：商用车智能网联技术开发与实践

9月14日，由盖世汽车主办的2021中国商用车自动驾驶大会隆重召开。本次峰会主要聚焦商用车自动驾驶行业发展趋势，共同探讨从感知、决策到执行层面的核心技术，以及港口、矿区、干线物流、园区等不同终端场景的产业化落地方案。下面是北汽福田汽车股份有限公司智能驾驶部高级经理金大鹏在此次大会上的发言。

北汽福田汽车股份有限公司智能驾驶部高级经理 金大鹏

各位专家，朋友，大家下午好。我是北汽福田的金大鹏。今天我演讲的主题是《商用车智能网联技术开发与实践》，我的报告主要按照以下三个方面进行介绍：1、商用车智能网联技术发展趋势与政策法规情况；2、商用车各类场景的实践以及理解；3、自动驾驶开发中的技术和挑战。

自动驾驶这个概念其实早就出现了，而近几年之所以得到快速发展，这里也离不开各个国家在立法上的推动。以美国为例，美国每年基本上都会发布一个和自动驾驶相关的政策，2020年发布了自动驾驶汽车准则4.0，今年1月11日发布了《自动驾驶汽车综合计划》。一方面推动科学的监管，简化豁免的程序，同时呢也举例说明了一些示范的场景，意在推动自动驾驶的示范。而中国近期也发布了《智能网联汽车生产企业及产品准入管理意见》《智能网联汽车道路测试与示范运营管理规范（试行）》，自动驾驶的测试和示范管理规范，解决了前期多地测试规范不统一，同时多地并不互认结果，造成企业负担比较大的问题。这个规范发布之后我们与合作伙伴共同在北京市亦庄也通过测试拿到了重卡的自动驾驶测试牌照。

那么，从智能网联汽车企业及产品转入管理意见的角度来看，中国对于智能网联汽车的管理思路也越来越清晰，越来越规范了。从原来注重汽车功能安全，到现在面向个人隐私的数据保护、数据安全和网络安全都有了详细的要求。昨天工信部网站上发布了一个文件，要求企业在OTA、数据上传、ADAS等方面进行全面自查。

事实上，从2016年至今国家在各类政策法规上都提到了智能网联汽车，从《汽车产业中长期发展规划》到《智能汽车创新发展战略》，国家在这块的推动使得我们这个行业快速发展。

商用车的智能化水平在前几年是不高的，随着近年来国家政策以及行业法规，包括

GB 7258要求，JT/T 1094，JT/T 1178等，也推动了智能网联汽车产业链的发展。前几年商用车领域从底盘大三件到传感器、控制器，大多数都是国外产品。近年来我们可以看到国内很多优秀的供应商已经逐渐走向量产，现在满足JT/T1242法规的AEB产品，已经有很多都是国产Tire1的产品了，这对于产业链各个环节的推动还是比较明显的。

站在客户或者市场的角度，我们来想一想自动驾驶或者智能网联技术对于客户的价值是什么？我们觉得最重要的就是安全。商用车的特点是比较突出的，因为商用车本身辎重大，像重卡的托挂盲区也非常大，我们之前在做盲区分析的时候，特别是重卡五六类的盲区，如果不通过感知系统或者说智能传感器的的部署，其实是很难避免一些危险事故的发生的。

我们来看一下，全国城际货车的百万公里事故数有35起，按照单车3.5万公里，可能每年每台车都会出现1起事故。其中4%是重大严重事故，即损失在10万以上的事故，也就是每25台车每年就会发生一起损失超过10万以上的重大严重事故。

从每日司机安全驾驶数据来看，因为司机长年累月都在车上驾驶，很容易造成疲劳。从驾驶行为分析来看，每天会发生18.2次闭眼超过1.5秒的情况，注意力分散、打哈欠、低头等情况也时有发生。

因此，我们希望通过智能网联技术的应用能减缓或者降低事故的发生概率以及事故的影响。比如车道偏离，碰撞预警，驾驶员状态监测，AEB车道保持等功能的应用。

那么站在客户角度来讲还是要关注收益，车辆运营的成本主要在于燃油、人工以及路桥费用，这是对于客户价值非常关注的一块。客户的需求是在全生命周期里面减少投入，以获得更多的盈利，我们希望通过智能驾驶的技术应用大大节省能源成本和人工成本。

我国交通特别是一二线城市拥堵情况时有发生，按照2017年数据统计，北京因交通拥堵产生的经济成本，人均达到了4000多元，现在可能会更高。在货车领域或者物流领域的效率提升，比如说车联网和V2X应用，绿波通行，智能车货匹配，整体提升物流效率，这是我们未来的发展方向。

随着重卡司机数量越来越少，我们做过一些分析，很多货车司机还是比较辛苦的，工作环境也不是很好，常常都是一家人在车上，有的司机平均每天在车上的时间超过15小时。随着整个人口的老龄化，货车司机越来越少，对于一些进入这个行业的年轻驾驶员对智能座舱以及更好的驾乘感受的需求也比较强烈。通过接入多屏互动，人机交互和娱乐生态（车载微信等）、车载冰箱、电视等应用，或许能提高从业幸福感，让更多的人愿意开商用车。

第二部分介绍一下我们对于商用车自动驾驶场景的理解。一般业内认为自动驾驶一定会从封闭区域逐步向半封闭区域最后向城市复杂路况演进。从技术来讲我们也非常认同技术一定是从易到难，从更容易落地到更广阔的市场演进。

另一个趋势来讲，区域化特定场景对于自动驾驶的需求是提高其性价比及可靠性，可能并不需要一个全能的车，而是作为一个特种装备。就跟港口的塔吊一样，在这里持续的运行，保证它的可靠性，提高它的效率和性价比，这是未来的一个方向。

我们现在也很欣喜地看到中国的自动驾驶市场是百花齐放，有专注于矿山场景的，专注于环卫的，包括港口和干线物流，这是一个很好的开端。

从2016年福田汽车发布了第一台自动驾驶轻卡，2018年获得了商用车自动驾驶测试牌照，2018年之后陆陆续续基于各种场景开发了不同车型，比如说自动驾驶园区接驳，园区物流，重卡列队，值得一提的是2019-2020年我们做了很多技术验证和尝试，比如70-80km/h三辆车的列队，后车是无人的，间距10米。同时我们还开发了基于12米大巴的场景自动驾驶车辆，以及面向冬奥的清扫车和物流车，迷你巴士等等，今年我们还和合作伙伴一起获得了亦庄自动驾驶测试牌照，后面也会参加北京市高级别自动驾驶示范区的活动。

我们对于自动驾驶场景的理解也来源于跟需求方的合作，中国的物流枢纽有23个，1600多家物流园区，昨天我们在开闭门会的时候也在讨论，其实这是一个千亿级的市场，这个市场我还是值得去讨论和实践的场景。同时它也是一个相对容易实现的场景，它的特点是运行路线、载重载货类型相对固定的，运行速度基本在30k m以下，人车分离，有固定车道，并可进行适当改造，非常适合自动驾驶落地的场景。

当然这里面也会涉及到一些特殊化的作业要求，比如说自动驾驶轻卡需要在停靠时保证精准度，保证接货时的衔接，同时还需要有远程的监控，在发生拥堵的时候云端能够对它进行调度，比如说绕过障碍、超车等，这样的场景一般会用在智慧工厂、智慧园区。我们现在基于这些场景开发物流轻卡更加适用一些，从经济性、运输货物载货量来说轻卡也足够了。

第二个是园区接驳，这其实和园区物流有点像，它也是循环运行的路线，并且它设有固定的站点接驳。但它也有一些难点，比如说载人则需要考虑驾乘舒适性，同时还需要考虑行人和要接的人旁边的驾驶行为或者他动作的预判。同时通过APP调度进行定制接驳服务，这块是特殊性的内容。比如说在一些景区或者在园区可能还有红绿灯，V2X的交互等。

此外示范意义比较大的就是港口，早期的数据上看，全国有87个港口，有145亿吨的吞吐量，这个市场还是非常重要的场景。交通参与者都会有严格的通行管理要求，因为要跟塔吊进行协同，对其定位精度的要求也是特别高的。比较大的港口还会涉及到多类型的路口需要交叉通行，优先级如何设定，以及自动驾驶车辆和人工驾驶车辆混行的情况。

谈到这里，大家可以感觉到无论是在任何一个场景下，自动驾驶车辆一定要融入到生产作业系统。在港口就需要生产管理系统TOS或者ECS，很多大的港口已经在做智能化改进了。那如何在港口里面进行车辆调度、路径规划，包括平台的管理以及数据监控等，这都是未来港口未来的智能化改造思路。

全国高速公路大概有13万公里的路长，加上72条国道，整个里程大概30万公里左右。对于这样一个相对容易落地的场景，不光是主机厂，各大商用车自动驾驶公司头部企业都会去积极抢占。但是也有比较难落地的地方，比如在长隧道中，包括隧道光线的间断遮挡，逆光等。开高速的时候也会发现，有很多路线设置的时候也有不太尽如人意的地方，包括刚出隧道就要下匝道，这对于自动驾驶来说也是一个非常大的挑战。

同时这样一个场景对于传感器、控制器、执行器的要求也比较高，我们要做到控制器的功能安全，做到传感器的可靠性。举个例子来讲，一般认为未来L3以上自动驾驶是缺不了激光雷达的。我们现在跟激光雷达厂商交流，大家讲最好能做到2万个小时。2万个小时对于重卡干线物流来说是什么概念？重卡一年最少跑的里程可能都有20万公里，这样算下来2万小时只能用2-3年，这就需要激光雷达厂商在商用车自动驾驶应用中充分考虑产品的寿命和可靠性，或者一起来探讨如何延长激光雷达的寿命。

主机厂在干线物流这块的开发也是从易到难，先从L2+开始，未来逐渐根据资源成熟度和硬件成熟度往L3甚至多车协同进行演进。

第三个是智能网联关键技术和挑战。站在主机厂的角度，车辆的重要技术一定会讲到架构。现在行业内都认为电子电器架构一定会从分布式到域控制再到中央集中式发展。而至今为止很多都还是分布式架构，很快会向域控制发展，那么分布式架构也有他的用武之地，在传统重卡行业，大家都认为这是一个生产作业工具，需要更高的性价比，需要更多功能能够减配，这就造成了模块化的设计思路以及分布式的架构。

而越来越多智能化功能进来之后会造成一个问题，也就是控制器越布越多，布置越来越复杂，车重有所增加，同时各个传感器、控制器之间不能做到算力统筹调度资源浪费。这也就是说我们认为中央集中式一定是方向，但还需要一点时间。

从主机厂来讲E/E架构转变对能力的重心也不一样，分布式阶段可能更加关注各种原理和整车的物理拓扑，总线协议等等。随着域集中式到来更加关注的是功能如何进行分配？软硬件架构及算力如何设计？功能安全和信息安全如何分解和考虑？以及OTA数据安全的考虑，而随着架构到中央计算平台阶段，可能会更加考虑车云的协同内容。

对于自动驾驶系统而言，环境感知技术是非常重要的，之前国外出现的多起事故的出现就或多或少跟环境感知相关。因为它需要搭载各种各样的传感器，各类传感器数据同步、融合，以及能否生成一个可持续跟踪的稳定的目标。另外，站在定位角度来讲，定位少不了的是卫星定位，但是卫星定位受电离层误差等各个方面的影响，本身的定位精度就不够高，这就需要结合星基增强或者地基增强来进行精度的提升，同时还要解决定位喜好受到干扰或者定位信号受到遮挡等情况，我们还需要IMU介入以进行航迹推算，还需要多传感器融合进行及时定位的处理，最终形成高精度的定位。

决策方面一般来说有两类思路，一类是传统的解决方法，从感知到融合到决策到控制，决策方法会涉及A*、D*、MPC、LQR等等，另外一类是AI的方法，端到端决策系统感知数据进来之后直接可以给出控制指令，这个方法目前还比较初步，现有应用影子模式方法进行AI训练，在有驾驶员的时候也会有模式在后面进行持续的对抗训练，不过这里面还有一个问题是司机的驾驶行为是否足够好。

控制执行方面是主机厂必须要做的一个内容，这也决定了未来自动驾驶的精度或者自动驾驶可靠性，这里面也会用到PID、MPC、模糊控制等常见的算法，我们需要把制动、转向、动力上的精度提高，降低延迟，这也是我们的努力方向。但跟乘用车不太一样的是，商用车的底盘系统比较复杂，控制起来仍需要很多安全策略以及各系统的统一调度。举例来讲制动系统包括ABS、EBS、ESC、缓速器等等，如何提供一个高可靠、高执行效率且低延迟、精度较高的制动呢？这是我们在做底盘线控的时候一个非常重要的点。同时作为自动驾驶的基础，我们还要做好各个系统之间的协同以及冗余安全设。

那么我们国家将自动驾驶的技术路线定义为智能网联，那么不得不提的是V2X，广义的网联化，一般按照三个阶段，信息交互、协同感知、协同控制，从硬件平台来讲有几大部分，车路协同管理平台，车载终端系统等等，它能够带来整个交通效率的提升以及信息服务。另外值得一提的是V2X还能够提供超视距的感知，自动驾驶单车系统的感知距离毕竟是有限的，同时也会收到各类环境的影响，那么通过车路协同技术以及路端感知系统能够极大的提升感知的鲁棒性。

前面我们从政策法规到技术到场景的介绍，其实自动驾驶的落地仍面临很多挑战，有技术上的、基础设施、标准法规等等，本次演讲由于时间关系还有很多没有讲到的地方，也涉及到芯片，算力，计算平台，人机交互，功能安全，信息安全，预期功能安全，标准法规以及驾驶员的培训等等，这些都需要我们一起努力，共同推动解决。

最后，福田汽车希望和产业链各方紧密合作，共同推进商用车自动驾驶的落地，谢谢大家！