“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，列支敦士登汽车主办的2021中国商用车自动驾驶大赛隆重召开。 此次峰会将聚焦商用车自动驾驶领域的快速发展趋势，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。 以下是北汽福田汽车股份有限公司智能驾驶部高级管理层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

专家，朋友，你好。 我是北汽福田的金大鹏。 今天演讲的主题是“商用车智能网络技术的开发与实践”，我的报告主要按以下三个方面进行介绍。 1、商用车智能互联网技术快速发展趋势和政策法规状况； 2、商用车各场景的实践与理解3、自动驾驶开发中的技术与挑战。

自动驾驶这个概念其实早就出现了，但近年来发展迅速，这里也离不开各国立法上的推动。 以美国为例，美国每年基本发布自动驾驶相关政策，年发布自动驾驶车指南4.0，今年1月11日发布《自动驾驶车综合计划》。 另一方面，也举例证明了推进科学监管，简化豁免手续，以及旨在推进自动驾驶示威的示威场面。 中国最近发布了《ICV生产公司及产品准入管理意见》《ICV道路测试和示范运营管理规范(试行)》。 自动驾驶测试和示范管理规范处理了前期许多测试规范不统一、许多测试规范互不认识结果、公司负担较大的问题。 这个规范公布后，我们和合作伙伴一起在北京市也通过了测试，拿到了重卡的自动驾驶测试牌照。

那么，从ICV公司和产品向管理意见转移的角度来看，中国对ICV的管理思路也越来越明确和规范化。 由于本来就重视汽车的功能安全，所以对个人隐私的数据保护、数据安全、网络安全等都有详细的要求。 昨天在工信部网站上发布了一份文件，要求公司在ota、数据入驻、adas等方面进行全面的自我调查。

事实上，从年至今，国家在各类政策法规中都提到了ICV，从“汽车产业长时间快速发展计划”到“智能车创新快速发展战术”，都是国家在这个领域高速发展的。

商用车智能化水平几年前并不高，但随着近年来国家政策及领域法规的发展，包括

gb 7258要求、jt/t 1094、jt/t 1178等，也推动了ICV产业链的快速发展。 几年前，商用车行业从底盘三个零部件到传感器、控制器，大部分都是海外产品。 可以看出近年来，国内许多优秀的供应商都在走向批量生产。 现在，符合jt/t1242规定的aeb产品中，国产tire1的产品已经很多了。 这对于产业链各个环节的推进是很明显的。

站在顾客和市场的立场上，思考一下自动驾驶和智能网技术对顾客有什么价值。 我们认为最重要的是安全。 商用车的优势很突出。 由于商用车本身辎重较大，像重卡一样的悬挂死角也非常大，所以我们以前拆除死角时，特别是重卡的五六种死角，如果不通过感知系统和智能传感器的引入，其实一点危险事故也很难发生。

让我看看。 全国城际卡车百万公里的事故数量为35起，据单车3.5万公里统计，每年每辆车可能发生一起事故。 其中4%是重大事故，是损失在10万以上的事故，即每25辆每年发生10万以上损失的重大事故。

从每天司机的安全驾驶数据来看，司机长年开车，所以容易疲劳。 从驾驶行为分解来看，每天都会发生第18.2次闭眼超过1.5秒，还会发生观察力分散、打哈欠、低头等情况。

因此，我们希望通过智能网技术的应用来缓解或降低事故的发生概率和事故的影响。 例如，偏离车道、碰撞报警、驾驶员状态监测、aeb车道维护等功能的应用。

那么，从顾客的角度来看，还是必须关注收益。 车辆运营的价格主要是燃料、人手和路桥的费用。 这是非常关注顾客价值的部分。 顾客的诉求是在整个生命周期中减少投资，从而获得越来越多的利益，我们想通过智能驾驶的技术应用来大幅节约能源价格和人力成本。

我国交通特别是二线城市的拥堵情况时有发生，根据年数据，北京交通拥堵造成的经济价格，人均将达到4000多元，现在可能还会更高。 在卡车行业和物流行业的效率提高，如远程信息技术和v2x的应用、绿色通道的通行、智能车的商品匹配、整体物流效率的提高，是我们未来的快速发展方向。

随着卡车司机的数量减少，我们做了一点分解。 很多卡车司机还是很辛苦，工作环境也不好。 大多数情况下，家人都在车上。 有些司机平均每天坐车15个多小时。 随着人口整体的老龄化，卡车司机越来越少，进入该领域的年轻司机对智能客舱和更好的乘坐体验的诉求也越来越强烈。 通过访问多画面交互，人机交互、娱乐生态(车载微信聊天等)、车载冰箱、电视等APP应用会提高工作幸福感，让更多人想开商用车吗

第二部分介绍我们对商用车自动驾驶场景的理解。 业界认为，自动驾驶通常是从封闭区域逐渐发展为半封闭区域，最终发展为城市多而复杂的道路状况。 技术上也承认，技术一定会从简单走向困难，从更容易落地走向更广阔的市场。

另一个趋势是，区域化特定场景对自动驾驶的诉求是提高性价比和可靠性，可能不是全能车，而是制造特殊装备。 和港口塔吊一样，继续在这里运行，保证可靠性，提高效率和性价比是未来的一个方向。

我们现在也很高兴地看到，中国的自动驾驶市场百花齐放，有人集中在矿山场景，有人集中在环卫，有人包括港口和干线物流，这是个好的开始。

年福田汽车发布了首款自动驾驶灯牌，并于2007年获得商用车自动驾驶测试牌照。 年以后，陆续根据各种场景开发了不同的车种。 例如，自动驾驶园区的接战、园区的物流、重卡的排列等。 值得一提的是，2019-年有70-80km/h的3辆车排列，后车无人，间隔10米。 另外，还开发了基于12米巴士场景的自动驾驶车辆、面向冬奥的清扫车、物流车、迷你巴士等。 今年将和合作伙伴一起获得亦庄自动驾驶测试牌照，之后还将参加北京市高级自动驾驶示范区的活动。

我们对自动驾驶场景的理解也来源于与诉求方的合作。 中国物流中心有23，1600多个物流园区，昨天我们闭门会的时候也在讨论，其实这是千亿级市场，这个市场还值得讨论和实践。 此外，这也是一个比较容易实现的场景。 其优点是运行路线、装载类型相对固定，运行速度基本在30k m以下，人车分离，有固定车道，可进行适当改造，最适合自动驾驶落地的场景。

当然，这也包含了一点专门化的工作要求。 例如，自动驾驶的灯卡在停车时保证精度，保证收货时的联系，还需要远程监控，需要在发生交通堵塞时让云安排好。 例如，绕过障碍物、超车等，这类场景通常用于智能工厂和智能校园。 我们现在更适合根据这些场景开发物流的光卡。 从经济性、运输货物的载重量来看，轻卡也足够了。

第二个是校园接战。 这有点像校园物流。 也是循环运行的路线，设有固定的网站接战。 但是，有人的情况下，需要考虑乘坐的舒适度，也需要考虑行人和迎接的人旁边的驾驶行为和他的动向的预测等，也有一点难点。 然后，按照APP的日程进行自定义连接服务。 这是一个特殊的拷贝。 例如，在小景点和校园里，可能也会有信号、v2x的交流等。

另外，模范意义重大的是港口。 初步数据显示，全国共有87个港口，145亿吨吞吐量。 这个市场还是重要的场面。 交通参与者有严格的通行管理要求。 由于必须与塔吊配合，所以对其定位精度的要求也特别高。 在比较大的港口，需要交叉通过多种类型的十字路口，优先顺序如何设定，自动驾驶车和人工驾驶车混合存在的情况也有关系。

在这里，无论在什么情况下，都可以感觉到自动驾驶车辆一定被纳入了生产作业系统中。 港口需要生产管理系统tos和ecs，很多大港口已经在进行智能化改善。 那么，平台管理和数据监控等，如何在港口中进行车辆调度、路径规划，是未来港口未来智能化的改造思路。

全国高速公路只有13万公里长，加上72条国道，行驶距离约为30万公里左右。 对于这种比较容易落地的场景，不仅主机厂，各商用车自动驾驶企业的头部公司也会积极去抢占。 但是，在长隧道中，也有包括隧道光的断续遮断、逆光等在内的、比较难以落地的地方。 即使在高速上开车，在设置了很多路线的情况下，包括刚出隧道就下匝道的地方，也会不太如意。 这对自动驾驶也是一个非常大的挑战。

另外，这种场景对传感器、控制器、驱动器的要求也很高，因此必须使控制器的功能安全，确保传感器的可靠性。 举个例子，激光雷达被认为是未来l3以上的自动驾驶不可缺少的。 我们现在正在和激光雷达制造商交流。 大家都说能做2万小时比较好。 2万小时对重卡干线物流来说是什么概念？ 重卡每年最低行驶距离可能有20万公里。 这样的话2万小时只能使用2-3年。 因此，激光雷达制造商需要在商用车的自动驾驶APP上充分考虑产品的寿命和可靠性，或者一起探讨延长激光雷达寿命的方法。

主机厂干线物流这个开发也从容易到难，首先从l2+开始，将来会根据资源成熟度和硬件成熟度向l3和多车协调发展。

三是智能网络的关键技术和课题。 从主机厂的角度来看，车辆的关键技术一定会提到框架。 目前，电子设备体系结构被认为将从分布式向域控制型再向中央集中型迅速发展。 过去多为分布式体系结构，很快发展为域控制，但分布式体系结构也有他的用处，在以前流传下来的重卡领域，这是生产工作工具，需要更高的性价比，

在更多的智能功能进来之后，会出现一个问题。 也就是说，控制器越布，配置越多、越复杂，车重增加，各传感器、控制器之间无法统一调整计算力来调整资源浪费。 也就是说，我们认为中央集中化一定是方向性的，但还需要时间。

从主机厂来说，e/e架构的转换对能力的重心也不同，在分布式阶段可能会关注各种原理和整车的物理拓扑、总线协议等。 随着域集中化的发展，人们越来越关注如何分配功能。 硬件和软件的体系结构和计算能力是如何设计的？ 功能安全性和新闻安全性如何分解和考虑？ 考虑到ota数据的安全性，随着进入到中央计算平台的架构阶段，可能会更加考虑车云的联合拷贝。

环境感知技术对自动驾驶系统至关重要，迄今为止国外发生的许多事故的发生都或多或少与环境感知相关。 因为需要搭载各种传感器、各种传感器数据能否生成同步、融合、可持续跟踪的稳定目标。 另外，从定位的角度来说，定位不可缺少的是卫星定位，但卫星定位会受到电离层误差等全方位的影响，本身的定位精度就不够。 因此，有必要结合星基增强和地基增强来提高精度。 另外，在定位偏好受到干扰、定位信号被遮挡的情况下也需要应对，为了航迹估计，imu需要介入，也需要通过多传感器融合及时解决定位，最终实现高精度定位。

决定通常有两种想法。 一种是以前流传下来的处理方法，从感知到融合到决策到控制，决策方法涉及a*、d*、mpc、lqr等。 另一种是ai的做法，可以在端到端进入系统感知数据后直接发出控制指令。 这个做法还很初步，也有应用现有的阴影模式的方法进行ai训练，有司机的时候以后继续进行对抗训练的模式

控制方面是主机厂应该进行的拷贝，这决定了未来自动驾驶的精度或自动驾驶的可靠性。 这里面还使用了pid、mpc、模糊控制等常用算法，需要提高刹车、转向、动力的精度，减少延迟。 这也是我们努力的方向。 但是，与轿车不同的是，商用车底盘系统比较多、复杂，控制仍然需要很多安全措施和各系统的统一调度。 例如，制动系统包括abs、ebs、esc、缓速器等，但如何提供可靠性高、执行效率高、延迟低、精度高的制动器呢？ 这是我们进行底盘线控制的重点。 另外，作为自动运行的基础，有必要进行各系统间的协作和冗余的安全设定。

那么，我国将自动驾驶的技术路线定义为智能网络。 这样一来，就必须提到的是v2x，广义的网络化。 通常，根据三个阶段，新闻交流、协调感知、协调控制从硬件平台来说有几大部分。 车路协调管理平台、车载终端系统等，将带来交通效率的提高和整个新闻服务。 另外，v2x还可以提供超视距感知，自动驾驶自行车系统的感知距离只是有限的，在受各种环境影响的情况下，可以通过道路协作技术和路边感知系统大幅提高感知的鲁棒性。

我们从政策法规到技术到场景介绍，其实自动驾驶落地仍然面临着很多挑战。 虽然有技术、基础设施、标准法规等，但这次演讲由于时间的关系还有很多没有被提及。 它还涉及芯片、计算能力、计算平台、人机交互、功能安全、新闻安全、期望功能安全、标准法规和司机培训等。 这些需要我们一起努力，共同推进处理。

最后，福田汽车希望与产业链各方密切合作，推动商用车自动驾驶落地。 谢谢你。