时速80km技术堪比老司机 物流无人重卡在上海完成全球首测

【文/观察者网 李丕】“在知乎上有个提问：你愿不愿意让孩子继续做自己的这份工作？得出否定回答的无非是对工作不满意。对长途司机来讲也是如此。也正是基于这个情况，我们研发无人重卡技术，将为干线司机创造更舒适的工作环境。”

昨天（24日），苏宁物流研究院副院长栾学锋向媒体介绍无人重卡前说了这段话。

当天下午，挂载着集装箱的解放牌无人重卡“行龙一号”在上海奉贤的苏宁物流园区进行测试。5月19日和20日，两辆无人重卡在江苏盐城汽车试验场完成了高速道路的无人驾驶路测。这意味着，全场景物流无人重卡在上海完成全球首测。

24日下午，无人重卡在苏宁物流园区测试

5月19日，两辆无人重卡在盐城高速道路路测。图/智加科技工程师

无人重卡时速80公里 达到L4级别

“行龙一号”载重40吨，最高时速80公里，既能在高速公路上行驶，也能适应物流园区的复杂行车要求。整个行驶过程中，无人重卡会自动规划路线行驶，并轻松躲避障碍物，面对道路中突然出现的行人，也能自动预警并从容停车。

栾学锋向媒体介绍，物流的科技化、互联网化是未来发展的大趋势。此前苏宁物流已经有无人仓、无人机、无人配送小车，加上这次无人重卡，希望打造无人物流全场景。

栾学锋表示，由于物流重卡承担物流转运、调拨环节的业务，应用场景大部分在高速公路内，相比乘用车使用场景工况较简单，从目前无人驾驶技术发展的情况来看，无人驾驶在物流场景下的应用前景较好。戴姆勒、特斯拉等全球多家造车巨头公司都在布局无人驾驶卡车领域。

“行龙一号”无人驾驶能力级别为L4，适用于多雾场景隧道场景等不同的路况。无人驾驶能力级别是由NHTSA（美国高速共度交通安全管理局）提出的，由低到高分为0-4级共5个级别。L4为最高级别的自动驾驶，能满足所有道路和环境条件，在无需人协助的情况下能由出发地驶向目的地。

遇到障碍物，卡车便会制动，障碍物消失后，卡车又会重新启动。整个过程无需人工操作。

“行龙一号”因为采用了先进的人工智能和深度学习技术，以及激光雷达等高科技装备的加持，使得其有了超越人类的超强视力。同时，“行龙一号”还运用北斗系统，可定位到厘米。

在高速路段（测试道路）可以实现自动紧急制动 (AEB)、自适应巡航 (ACC)、交通拥堵辅助 (TJA) 、车道偏移预警 (LDW)、车道保持辅助 (LKA)、高速跟车、行人检测、自主避障等功能。在高速场景下，不仅拥有300米外精确识别障碍物，还能以25m/s的反应速度来控制车辆进行紧急停车或者绕行避障等措施，在驾驶速度达80km/h时能实现安全自动驾驶。

而在物流园区路段可以实现自主避障、自主规划路线、自动精确泊车等功能，两次驾驶误差可控制在2cm以内，在行业内处于领先地位。

无人重卡能大大降低物流成本

在物流行业中，人力成本、燃油成本、路桥成本占了大部分。虽然近年来国家的一系列政策减免了不少路桥费用，但是人力成本和燃油成本依然居高不下。

栾学锋表示，利用无人重卡，不仅能减少司机人数，而且无人操作系统堪比老司机，燃油成本也能降低20%左右。

现场共有两辆无人重卡，“行龙一号”由解放牵引车改装而来，而现场的另一辆由沃尔沃牵引车改装而来。智加科技技术副总裁付强表示，前者目前尚未上市，因此并不清楚其价格，而后者的售价在110万左右。

智加科技创立于美国硅谷，是一家以人工智能为引擎、智能驾驶为核心的科技创新企业。目前在美国已申请到了无人驾驶牌照。

智加科技工程师韩坪良告诉观察者网，他们不仅和苏宁合作，还与宁波港、青岛港等一些港口有合作。

上月18日，一汽解放J7下线暨L4级系列智能车在青岛港集装箱码头发布。发布会现场，搭载了L4级智能驾驶系统的新一代商用重卡解放J7全程以无人驾驶状态工作，准确高效地完成了包括自动装货、行驶、转向、停车、卸货等一系列关键港口标准作业，成为首次在港口真实生产环境下的商用车实地作业。

韩坪良表示，相比于洋山深水港四期全自动集装箱码头，利用无人集装箱车的码头更具成本优势。

4月18日，L4级系列智能车在青岛港测试。图/智加科技工程师

技术已积累，政策和配套设施是难点

虽然技术方面已有一定的积累，但是无人卡车要上路，政策这一关是难点。

无人驾驶技术近年来备受关注，并逐渐成为物联网的风口，阿里、腾讯、百度等都在加紧布局，纷纷将自己的无人驾驶汽车送上路。国内一些地方也允许无人汽车在规定区域内测试。但是测试的更多是乘用车，对于安全要求更高的卡车，无论是政府还是社会都对其更加谨慎。

当然，除了技术和法律法规的门槛外，无人重卡要上路还需要有相关的基础设施配套。

当前，各国智能道路设施的普及率并不高，大量在建基础设施缺乏对LTE/DSRC专用路侧通信系统等网络设施的顶层设计与部署，车、人、路之间不能互联互通，无法满足路测和应用无人驾驶技术的要求。另外，面向无人驾驶汽车的数据交互、公共服务、应用开发平台建设相对滞后，导致不同车辆、企业、行业管理之间的平台数据难以实现互联互通。