第14章

领域

自动驾驶车辆已经投入使用。以下示例展示了当前自动驾驶[45, 87]所提供的广泛可能性。

军事与航空航天工业

自动驾驶车辆的首批用途之一实际上是许多年前就开始的，即探测和清除地雷。目前这一技术已在全球范围内得到应用，美国军方正在测试这类车辆的许多新应用领域。例如，洛克希德·马丁公司开发了能够在车队中行驶的越野卡车，即使在无人且地形复杂的区域也能运行。这些卡车配备了全球定位系统和激光传感器，能够记录区域的地形结构，并保持车队编队行驶。

另一个早期的自动驾驶应用来自航空航天工业。火星探测车好奇号是美国国家航空航天局开发的一辆自动驾驶的地外车辆。它配备了导航摄像头，可提供前方几米地形的图像。车载计算机根据这些图像生成地图，识别所有潜在的障碍物和危险物体。随后，自主路径寻找程序评估到达某一点的所有可能路线。当找到最佳路线后，火星车便开始移动，并重复此过程，直至到达第一个目的地，然后设定下一个目的地。

农业领域

尽管你可能认为并非如此，但自动驾驶汽车革命的领导者并不是谷歌——而是约翰迪尔（华盛顿邮报，2015年6月22日）。多年来，约翰迪尔一直在提供自动驾驶拖拉机，这些拖拉机能够在没有农民干预的情况下独立在农场田地里作业（参见方框 14.1）。这并不令人意外，因为农田中几乎没有其他车辆，没有双向交通、没有行人、没有交通信号灯或交通标志，也几乎没有适用的法规。与此同时，没有哪两块农场是完全相同的，地面、地形结构以及树篱或沟渠等自然边界处处不同。尽管如此，农业仍是使用自动驾驶车辆的理想领域，但其需求与公路交通中的要求有很大不同[37]。

由于拖拉机的转向系统由GPS导航引导，每块’农田可划分为若干条既定的车道。这样，自动驾驶拖拉机在播种、割草和收获时的精度甚至超过经验最丰富的农民。研究表明，使用自动驾驶拖拉机时作业路径重叠约为百分之一，而由农民驾驶的拖拉机作业路径重叠约为 5–10 百分之一。这直接影响到耕作一块田地所需的作业时间、行驶里程（从而影响燃料成本）以及种子成本。此外，借助GPS导航，可以在先前划定的车道上找到更短更快的路线（见图14.1）。

制造商芬特提供GuideConnect系统，该系统可通过卫星导航和无线电通信（无线局域网和蓝牙）将两台拖拉机连接成一个车队。其中一台拖拉机为无人操作，但执行与有人驾驶车辆完全相同的工作流程。制造商金泽则通过将多台自动驾驶装载车与一台联合收割机连接形成车队。当联合收割机装满后，会自动请求一台装载挂车，并在其到达后自动装料。随后，装载挂车自主行驶到田地边缘，将货物转移到卡车上。如果卡车也是自主的，农民可以在家中通过笔记本电脑监控收获过程，仅在出现问题时才需要干预。

克拉斯还提供了一套从联合收割机上自主装载谷物到卡车的系统。该系统由一辆自动驾驶的装运车和一个自动化装载过程组成。装载体的时间和地点可根据收割机内谷物的水平来确定。

方框 14.1 马尔克瓦特·冯·彭茨的声明

马尔克瓦特·冯·彭茨，欧洲、亚洲农业与草坪部门总裁非洲，约翰迪尔公司

农业生产率可以通过自主技术显著提高车辆（拖拉机、联合收割机等）。

自动驾驶拖拉机、联合收割机及其他设备的发展车辆被嵌入到约翰迪尔的精准农业系统中。

目标是通过应用提高农业生产率信息技术。自动驾驶车辆可以被精确地控制作业路径重叠在速度高达时最大为1厘米40公里每小时（25英里每小时）。这会导致显著的燃料消耗节省了种子和肥料的使用量，哪个生产率提高10％。大型机械中有90％是已经配备了此项技术，并且由于价格下降，它正在在越来越小的田地中使用自动驾驶车辆是值得的。

此外，车辆之间以及车辆与农场、种子和肥料供应商、维护服务提供商之间的通信正发挥着越来越重要的作用。例如，田地里作业的联合收割机在自身的装载空间满载后，可以自主请求装载挂车。而维护车间则可以根据接收到的拖拉机技术状况和运行小时数等数据，通知农民拖拉机需要进行保养，从而确保拖拉机不会在田地中发生故障。

约翰迪尔整合了硬件和软件，旨在通过与汽车供应商的紧密合作，开发出越来越多能够自主运行的机械。下一步是实施车辆间通信，由一辆领航车辆引导田地中的其他多台车辆。随后，农民便能够在农舍中通过触摸屏监控并控制从耕作到收获的整个过程。

粮箱。处理单元控制装运车，以最小化行驶距离和土壤压实。由于该过程是自主组织的，因此对装运车的控制会根据联合收割机中的谷物量进行调整。在收获之前，系统会规划一条路线，以最小化农民的工作量和机器的行驶距离。一台联合收割机每小时可能花费农民高达1000美元，因此优化物流是一项值得进行的活动。

已经可以预见，下一代拖拉机将使用更多的传感器和摄像头，以及更强大的计算机来监控和控制车辆。此外，机器之间以及与中央计算机的通信将得到改进，以便能够实时处理车辆数据。这意味着拖拉机、联合收割机和装运车将获得更多信息，从而能够持续与其他车辆协调其速度和方向。

通过这种方式，拖拉机成为一个自组织的柔性系统，有助于实现高成本效益和高产农业。

在葡萄栽培中，作业空间通常非常有限，超过100%的陡坡也十分常见，这意味着牵引条件可能差异巨大。葡萄收获过程也具有危险性且体力消耗大，而传统滑轮系统对于中小型酿酒师而言昂贵且不经济。目前正在设计具有低重心、高度敏捷且相对轻便的自动驾驶拖拉机以应对这些挑战。提高生产率的一种方法是用多台自主行驶的小型机械替代大型机械。例如吉西，它配备了全球定位系统导航和电动驱动装置，以优化转向过程。

公共交通

与此同时，自动驾驶在公共交通领域有大量应用[139]。RDM集团与牛津大学移动机器人小组以及英国汽车委员会合作，开发了LUTZ Pathfinder舱车。这些无人驾驶运输车辆可搭载两名乘客，最高时速为24公里每小时（15英里每小时），续航里程达64公里（40英里）。自2015年起，这些车辆已在米尔顿凯恩斯投入使用，可通过智能手机预约，接送乘客前往主要目的地。截至2017年，将有约100辆舱车在指定的人行道路线运行。

自2015年以来，由法国开发的无人驾驶CityMobil2已在希腊小城特里卡拉的真实交通环境中行驶（参见图14.2）。这些无人驾驶车辆此前已在

在瑞士洛桑和芬兰赫尔辛基的大学校园内，在受控条件下进行了测试。但在希腊，一个拥有狭窄、蜿蜒、起伏街道，以及流浪狗、骑自行车者和不耐烦驾驶员的国家，公交车面临真实的交通状况。希腊政府不得不修改法律以允许测试，同时该城市还必须建设一条专用车道，这导致市中心居民失去了部分停车空间。这些公交车最多可搭载10名乘客，最高时速不超过20公里每小时（13英里每小时），由全球定位系统和包括激光和摄像头在内的辅助传感器引导，并将实时数据传送到控制中心。目前，它们正在一条2.4公里（1.8英里）的路线（未来计划扩展）上与交通车辆、行人、自行车和汽车共同运行。

另一款成功的自动驾驶接驳车是Induct技术公司制造的纳维亚，这是一款电动10座自动驾驶车辆。它最高时速可达20公里每小时（13英里每小时），通过四个激光雷达单元和立体光学摄像头生成周围环境的实时三维地图。用户可通过移动设备召唤该车辆，乘客则通过车载触摸屏显示器选择目的地。该车无需轨道、架空线路或其他道路改造。在瑞士、英国和新加坡完成全面测试后，计划将其用于新加坡南洋理工大学与JTC公司清洁科技园区之间的乘客运输。

合资企业合作伙伴联合技术服务公司和2getthere公司近年来开发了多种版本的自动旅客运输系统。每个版本均设计为网络上两点之间的按需不间断交通系统，最高时速为40公里每小时（25英里每小时），续航里程达60公里（37英里）。个人车辆最多可搭载六名乘客，团体车辆最多可搭载20人，货运车辆最大载重可达1,600千克（3,500磅）。此类车辆目前已在荷兰阿姆斯特丹史基浦机场和阿拉伯联合酋长国阿布扎比的马斯达尔城投入使用，并以改进形式应用于其他多个机场。

世界各地都在测试自动驾驶公交车。在柏林，德国铁路公司将在EUREF校园启动一个试点项目。该研究园区由联邦政府设立，主要聚集了能源、可持续性和交通领域的企业。美国初创企业Local Motors公司为该园区研发了一辆设有八个座位的小型巴士，将在一条设有多个公交站的固定路线上运营。类似的项目还有许多正在德国汉堡和莱比锡实施，目标均为积累自动驾驶公交车在公共交通中应用的经验。

仓库运输

另一个应用是在仓库中，沿着预定义路线运行的自动驾驶车辆可以处理各种形状和尺寸的产品，并将其运输到指定地点。首批此类车辆配备了无线电传感器，能够接收由嵌入仓库地面的电线发射的无线电信号。随后引入了磁带引导技术，利用地面上的彩色标记，由车辆的摄像头识别并用于导航。如今，激光器和摄像头被用来持续扫描周围环境，以确定车辆位置并识别障碍物。通过对环境进行360度扫描，生成三维地图，车辆以此进行导航。

物流操作

自动驾驶车辆不仅出现在工厂车间，也出现在工厂厂区、海港和机场。这些车辆运行的区域通常配备有安装在厂区基础设施中的传感器，以便车辆随时确定自身位置并识别障碍物[142]。这意味着各种车辆、叉车、人员和卡车可以同时在厂区内移动而不会发生碰撞。一个例子是位于德国汉堡的集装箱码头，这是全球最先进的集装箱处理设施之一。集装箱从火车和卡车上几乎全自动地装载到船舶上或从船舶上卸下。除了52台起重机外，还有86台无人驾驶运输车辆用于在码头和存储区之间运输集装箱。导航依靠地面安装的19,000个应答器实现，它们让每辆车辆始终清楚自己的位置以及如何到达指定目的地。该技术也以类似形式应用于一些机场，由自动驾驶拖车将货物运送到机场航站楼和各个飞机之间。

干线运输

自动驾驶的一个重要应用是长途城际货物运输，其中卡车通常是主要使用的车辆[87]。将卡车改装为自动驾驶车辆主要是为了提高安全性和生产率。

卡车经常涉及事故，部分原因在于司机承受着巨大的压力。尽管法律规定了驾驶时间限制，但司机为了完成配额，仍常常连续数小时驾驶而无休息。此外，卡车在恶劣天气条件下特别容易发生事故，在交通状况需要紧急操作时也难以控制。由于其巨大的总车重，与汽车和行人——以及与其他卡车——的碰撞可能导致严重伤害和损失。

自动化与自动驾驶技术可以帮助卡车司机更早、更快地应对危险，并在即将发生碰撞时在极短时间内分析避险场景[39]。通过这些实时计算，系统不仅考虑卡车自身的当前状态，还评估可能卷入事故的其他道路使用者的潜在行为。如果系统在这些危急情况下接管控制，驾驶员失误和事故数量有望减少。

这项技术的早期应用之一是一种驾驶员辅助系统，不仅可用于汽车，也可用于卡车。该系统可以例如提示并警示司机与前车保持安全距离。其他功能包括确保以特定速度行驶，以优化行程时间或燃油消耗，还有一些功能可在紧急制动操作中提供支持。进一步提升安全性的另一个措施是为卡车配备卡车辅助高速公路系统。该系统可确保卡车保持在车道内行驶，与前车保持安全距离，并且不超出速度限制。司机仍需负责高速公路起止路段的驾驶，以及在高速公路上超车，尽管未来该系统也将能够完成这些操作。无论如何，当系统发出信号时，司机必须随时准备接管控制权[135]。

卡车辅助高速公路系统不仅提高了道路安全性，还显著提升了生产率。由于需要长期远离家乡、长时间驾驶、工资低以及存在危险，卡车司机这份工作并不太有吸引力。

自动驾驶意味着卡车一上高速公路，司机就可以放松下来。司机将把卡车的控制权交给系统，虽然仍留在驾驶室内，但可以做其他事情。司机只需在从高速公路到目的地的最后几公里重新接管卡车的控制权。大量测试表明，这种混合驾驶模式可显著减少事故数量。另一个优势是，系统会更平稳地驾驶卡车，从而减少维修需求，并使燃油消耗降低 5–10％。由于不再需要法定休息时间，卡车将能够连续行驶数小时和数千公里而无需休息，这将大大提高运输的生产率。可以很容易想象，司机只需把卡车开到高速公路入口，之后由系统接管，以自动驾驶模式行驶——在某些情况下持续数天——直至到达目标高速公路出口。再由另一位司机在此处接管卡车并将其开往最终目的地（见框图14.2）。

框图 14.2 亨里克·亨里克松声明

亨里克·亨里克松, 首席执行官, 斯堪尼亚

自动驾驶将为货物运输

自动驾驶卡车将在2020年投入使用，但不会在公共道路上首先，在专用道路上运输煤炭等原材料。大约五年后，四级自动化将得以确立，自动驾驶卡车将能够在高速公路上行驶。再过五年，即到2030年，该技术应已足够先进，使得此类卡车也将在城市地区出现。这项技术是一项改变游戏规则的技术，将从根本上改变物流行业的结构，导致在各种可能的场景中。

一种情况是运输公司的附加值将减少一旦卡车不再需要驾驶员。中小型卡车运输公司可能会消失，只有大型公司能够维持。由于规模经济，他们的市场地位将受到影响。未来需要运输的货物将越来越少，因为一些客户将运营自己的卡车车队。另一种情况描述了卡车制造商沿其价值链向前整合。斯堪尼亚已经运营控制中心，为在欧洲、亚洲和拉丁美洲的大型卡车车队提供支持并提供物流服务。连接所有关于卡车及其路线的信息，可以显著加快并简化货物运输，使其更具成本效益。每辆斯堪尼亚卡车都配备了70个传感器，每月在超过17亿公里的行驶路程中每秒提供位置数据。通过这些数据，可以优化车辆的使用，并将维护间隔和在车间的时间降至最低。

这种改进的运输协调至关重要，因为越来越多的城市正在限制卡车交通。目前，一家中等规模的百货商店每天会收到来自多达20辆卡车的送货，每辆卡车都以无协调的方式运送其部分货物。由于环境污染日益严重和交通流量不断增加，卡车可能很快将被禁止进入市中心。可以预见的是，未来可能只允许在上午和下午的特定时间段向商店送货。这意味着需要智能物流系统来协调装载和卡车行程，从而实现更高效的运输。

尽管欧洲物流服务仅占国内生产总值的8%，美国为9%，但卡车平均装载率仅为60%。如果通过更好的协调利用剩余的40%运力，则目前200万辆车中的一部分将不再需要。此外，运输行程数量也可大幅减少，从而有利于环境和缓解交通密度。在中国和印度，物流服务分别占国内生产总值的17%和15%，因此在这些国家可实现特别显著的效率提升。从这一角度来看，联网和自动驾驶卡车在全球范围内具有巨大潜力，有助于保护环境、改善特大城市的交通流量，并降低运输成本。

与此同时，戴姆勒公司的一辆配备雷达、传感器和摄像头的自动驾驶卡车已在德国公路上行驶，并获准在高速公路上以最高80公里每小时（50英里每小时）的速度行驶（参见图14.3）。在某些道路条件下，例如大雨天气或道路标线缺失时，系统会要求司机接管控制。如果司机未能对声光警告做出反应，卡车将自主制动至完全停止。此前，戴姆勒在美国进行了卡车自主驾驶测试，内华达州已批准戴姆勒集团旗下的福莱纳公司两辆卡车在道路上使用[126, 133]。

通过自动驾驶使交通更安全、更高效的另一种方式是将同方向行驶的多辆卡车联接成一个车队（参见图14.4）。这种控制系统称为列队行驶，可让多辆车辆以极小的间距依次行驶，且不影响交通安全。第一辆卡车中的司机保持对所有转向、加速和制动功能的控制，并设定行驶速度。后续卡车中的驾驶员无需进行任何转向、加速或制动操作。一旦车队开始行驶，后续卡车的驾驶员便可放松休息或做其他事情。列队行驶有望在货物运输中发挥重要作用

未来，尤其是在美国、加拿大、俄罗斯或澳大利亚等幅员辽阔的国家。车队从一个高速公路服务区行驶到下一个，根据需要在每个地点接合并分离卡车。测试表明，通过该系统，事故数量可显著减少，燃油消耗可降低约15%（参见框注14.3）。这也意味着驾驶员在行驶相同里程的情况下有更多时间休息，使工作更具吸引力并提高生产力。车队还能显著降低交通拥堵的潜在危险，并大幅提高高速公路的车辆通行量。通过更高效地利用现有容量，列队行驶将有助于避免耗资巨大且对环境有害的高速公路拓宽。[35]。

自动驾驶卡车已在石油和采矿业中使用多年，该行业需要在崎岖危险的地形上运输物料，这会使卡车司机面临极高的风险。卡特彼勒和其他制造商为矿业公司提供无人驾驶卡车，例如在澳大利亚和美国。这些自动驾驶卡车可以相互通信，从而实现多辆卡车协调行驶。

可能。因此，许多类型的工作无需司机，即使在困难的地形中，材料也能被非常高效地开采和运输。

为了帮助制造商开发自动驾驶卡车，欧盟于2016年发起了卡车列队行驶挑战。该挑战的目标是在欧洲获得官方批准，开展大量电子连接的卡车的列队行驶测试驾驶。此外，该挑战旨在为欧洲使用的列队行驶技术制定标准。迄今为止，各制造商一直采用各自的技术，以实现其卡车之间的通信。

框注 14.3 约阿希姆·德里斯访谈

曼恩股份公司首席执行官约阿希姆·德里斯以及曼恩卡车与客车公司

卡车提供的传感器数据可用于开发全新的交通服务。

曼恩在自动驾驶方面的主要目标是提高安全性和货运与运输公司的运输盈利能力。自动化卡车比没有相应配置的卡车造成的事故显著减少辅助系统。迈向完全自动驾驶卡车的第一步是编队行驶，即由电子连接的车辆组成的车队，这显著降低事故频率和燃油消耗。由于驾驶员不再必须持续集中注意力，他们可能会在卡车上花费更多时间并且需要更少的休息时间，从而提高其生产率。相应的尽管具有约束力的法律框架尚未获得批准。

大量传感器生成的数据提供了相关信息更安全的，更环保和节油驾驶。此外，车辆部署和维护间隔可以优化。

曼恩将开发全新的车辆相关服务，以提升安全性和运输公司卡车使用的经济性。然而，这需要开发基础设施以实现列队行驶，例如在尽可能多的高速公路上。它需要稳定的移动4G数据网络沿着高速公路以及交通信号灯和交通标志的数字化信息。

彼此之间，通常基于Wi‐Fi。DAF、戴姆勒、曼恩、斯堪尼亚和沃尔沃从欧洲各地的不同地点出发，组成多个车队穿越大陆驶向荷兰鹿特丹。通过应用最新的自动驾驶技术，两辆车辆之间的距离保持在0.5秒，相当于以80公里每小时（50英里每小时）的速度行驶时约10米（33英尺）。几乎所有制造商都在其卡车上配备了雷达和摄像头，因此在人类司机察觉到前车刹车之前，卡车就已经能够自动减速。此外，车队中第一辆卡车的司机视野被投影到后续卡车驾驶室的显示屏上（见方框14.4）。以下两个例子展示了列队行驶的潜力[133]：

方框 14.4 克劳斯·多尔的声明

克劳斯·多尔，弗劳恩霍夫系统与创新研究所交通研究负责人

自动驾驶与自主装卸枢纽相结合将显著提高货物运输效率。

自动驾驶技术对于改进至关重要货物运输的效率。一个例子是卸载和装载从一辆卡车转移到另一辆卡车，这仍然非常依赖人力且耗时耗时且容易出错。相反，应自主地进行可以建立经过优化的装载枢纽以实现最佳的运力利用率，这将带来显著的成本降低。

货物在运输过程中更多地倾向于通过铁路还是公路运输未来在很大程度上取决于铁路运输自动化。由于巨大的铁路运输的固定成本是其特征之一，列车吞吐量翻倍由于自主控制将导致大幅减少运输成本。火车站将不得不被改造成分销中心。货物可以在火车和卡车之间重新装载的转运中心可以形成车队。如果铁路公司未能采用该技术自动驾驶，卡车货物运输存在危险将来可能会比铁路运输便宜得多。

（1）阿佩尔物流每天从一个中央配送中心向其四个区域配送中心运输约100卡车货物。在总长123公里路线（53和76英里）的大约86公里路段上，道路状况良好，卡车可以毫无问题地组成车队。阿佩尔物流正与其物流合作伙伴共同建设控制塔，以便能够在一天内定期派出卡车车队。

（2）德温特物流的卡车每天多次在约200公里（124英里）的同一路线上运输鲜花和植物。他们不再单独派送卡车，而是可以组成车队，从而节省大量人力和燃料。此外，农户拖车也可以整合到物流系统中，以优化装载时间。

为了在短距离内自主组织货物运输，梅赛德斯于2017年开始在道路交通中测试自动驾驶V级厢式货车。测试重点在于软件，包括算法、传感器和处理单元。显然，正在应用此前未在机动车中使用的机器学习方法和图形处理器。

由曼恩开发的RIO平台是运输和物流生态系统日益数字化的一个范例。这一开放的基于云的平台覆盖了从发货人、货运代理、运输公司、托运人、调度员和司机到收货人的全球供应链。通过这种方式，可以整合物流公司所有的货物运输信息，无论这些信息来自货机还是货船，来自货运列车还是卡车。该应用程序的服务范围包括卡车共享、司机辅导以及车辆利用率的优化，并且还集成了竞争对手车辆。

这意味着，供应链中的所有参与者首次通过统一的信息和应用系统实现了相互连接。借助智能算法，RIO整合并分析来自多样化数据源的数据。通过对牵引车、挂车、上装结构、驾驶员和订单的信息整合，并结合交通、天气或导航数据，该平台能够实时向用户提供具体的行动建议。运输和移动过程得以简化和加速，从而显著提升整个生态系统在效率和透明度方面的表现。迄今为止，在运输行业中，透明的数据使用往往难以实现。

由于各方使用不同的软件系统进行负载和车辆管理，RIO提供了一个统一平台，因此可以不受车辆品牌和各自远程信息处理系统的影响而部署。

最后一公里配送

最后一公里配送似乎是自动驾驶技术的理想应用场景，但与干线运输不同，它受到较难控制的交通因素影响。在拥堵的城市地区，交通状况通常较为复杂，卡车、汽车、骑自行车的人和行人以不同的方向和速度移动。然而，城市交通的低速特性使自动驾驶车辆能够仔细且全面地扫描周围环境，从而避免事故。目前全球已有许多最后一公里配送的应用案例，其中大多数涉及包裹和信件的运输。由于城市地区的停车状况限制，配送驾驶员常常需要将车辆停放在距离收货人邮箱较远的位置。无人驾驶车辆可以伴随配送人员，行驶到靠近收货人房屋或公寓的地方，然后自主驶向快递站。也可以设想，此类车辆能在特定时间前往特定地点，让收货人自行取件，而无需配送人员到场。

关键要点

• 除了运送人员外，自动化车辆还可用于货物运输领域的许多其他应用。
• 在农业领域，正在使用能够相互通信并自主协调的自动驾驶车辆，从而实现高成本效益和高效的农业生产。
• 在公共交通中，越来越多的城市交通工具被用于固定路线，甚至在某些情况下用于实际交通中。
• 几辆卡车可以组合成车队，其中只有前部的卡车需要司机。这种编队可以降低燃油消耗和事故数量。它使驾驶工作更轻松，并提高运输生产率。
• 通过卡车列队行驶挑战，将在欧洲为列队行驶技术制定标准，以便不同制造商的车辆能够组成车队。
• 卡车传感器生成的数据可以提供高效驾驶和维护间隔的信息。
• 卡车行程可以在城市地区进行协调，从而显著提高运力利用率。