中国首家干线物流联合创新中心成立,实施自动驾驶数据共享是否可行?
从各自为战到抱团探路,自动驾驶竞争格局虽未定,但抱团取暖已成常态。
12月19日, 中国首家干线物流联合创新中心在上海国际汽车城汽车创新港正式启动,该中心由嬴彻科技和上海国际汽车城汽车创新港联合发起,首批成员包括福田汽车、一汽解放、联合卡车、威伯科(WABCO)、Velodyne、四维图新、主线科技、 G7、腾讯科恩安全实验室和上海交通大学自动驾驶实验室。
据嬴彻科技CEO马喆人介绍,干线物流联合创新中心由秘书处,成员单位和顾问委员会组成,同时以项目合作制的方式发展, 嬴彻科技担任秘书处一职, 其他成员单位将轮值发布重大项目进展。
值得注意的是,该中心将开放测试样车,共建测试用例管理平台。
首先,嬴彻科技将率先开放投资千万的数辆联合开发样车,并以此作为自动驾驶技术测试研发平台,为各成员单位、高校、初创公司和物流公司提供二次开发、验证算法和场景体验等一系列服务。
与此同时,联合创新中心将在智能网联汽车道路测试管理规范(试行)的指导下,充分利用上海汽车城和其他测试区等资源,结合干线物流的特点,以嬴彻的自动驾驶卡车测试用例为基础,各成员单位开放测试用例,共同建立一个开源共享的测试用例管理平台,对全行业开放。
针对干线物流联合创新中心成立的原因,马喆人表示,该中心的成立主要是促进技术方面的合作,例如交换测试数据以及共享研发资源,以降低研发的风险。
基于此,路测数据的共享是否值得?
部分汽车厂商担心共享数据资源会削弱自身优势,因而并不很情愿参与共享。
此外,在商业竞争激烈的自动驾驶汽车领域,要求企业共享出宝贵的、甚至包含有机密商业信息的数据,确实十分困难。
但现实的问题摆在面前, 由于行业万亿级规模体量,动辄数十亿美元的研发投入等因素,因此全球自动驾驶产业链已经开始抱团,主要形成百度阿波罗、谷歌、Mobileye、英伟达、特斯拉等联盟。
有行业人士向雷锋网表示,共享路测数据存在两方面的意义,首先是降低各公司路测的必要性和风险,其次可以迅速提升行业整体水平。对于企业的担忧,建议测试数据上报监管部门,由公共部门对外共享。
总体来看,自动驾驶行业处于发展初期,虽可以通过研究参与者的技术路线和布局进展来推断未来的竞争格局,但因为具体产品还没上市,行业稳态格局未定。但是,无论联盟合作的规模有多大,都是为了能在未来的出行生态竞争中占有一席之地。
嬴彻科技技术路径
商用车的自动驾驶应用于什么样的场景?自动驾驶的关键技术是什么?
这是很多企业思考的问题。马喆人 认为商用车有两大应用场景,首先是高速公路物流运输,也称卡车的编队形式;其次是封闭的特定场景,比如园区物流、包括港口和机场等。
对于卡车市场的预计,马喆人表示,商用车有可能比乘用车更需要采用自动驾驶技术。相关数据显示,在由重型卡车引起的有伤亡交通事故中,如果借助已有的科技手段—包括紧急制动以及变道预警等,有一半以上是完全可以避免的。
据雷锋网
(公众号:雷锋网)
了解,目前,
在商用车领域存在三大方面的问题:
第一,运营成本压力大。越来越多的企业挤入该赛道,人们看到了挤压到不能再挤压的利润,哪怕是对用户产生1%效率提升,在产业竞争也是起决定性作用。
第二,车辆利用率问题。如今该行业里的绝大多数公司是拥有20-50辆的中小型企业,管理能力有限,存在大量的单程货物运输,因此返程和车辆本身利用率是其最大挑战。
第三,车辆的出行率。由于成本的压力、技术的挑战以及规模化的问题,车辆出行率是商用车的一大挑战。
有挑战的地方也是产生商业价值的地方。
马喆人举例道,一辆商用车平均一年的总体消耗约为80-120万元,其中司机成本占到22%,是一笔不小的费用。如果自动驾驶技术降低人工成本,改善供需关系,从而可以大幅度降低总体消耗。
同时, 在编队行驶的状态下,位于车队中间的卡车能够节省20%的燃料消耗,队尾的卡车能够节省 15% 的燃料消耗。车队越长,整体的燃料节省率越高。通过降低人力成本以及燃料成本,实现降低物流成本的目的。
据雷锋网了解,目前各大自动驾驶技术公司的发展路径可以归纳为两种:从L0逐步过渡到L5,通过整合集成ADAS中的控制功能,实现自动驾驶;直接从L0跨度到L4,在特定的垂直领域和相对封闭的环境中推进自动驾驶,再向L5发展,也就是全环境全路况的自动驾驶。
然而,嬴彻科技瞄准的是有人监管的L3、L4级城际商用车,马喆人坦言,L5级自动驾驶目前存在包括技术和法律法规等方面的挑战,因此不是嬴彻科技现阶段性的目标。
关键技术方面,马喆人表示,卡车编队技术是商用车自动驾驶的关键,利用该技术可以降低企业成本,提升效益,卡车编队技术的优势主要体现在以下三方面:
-
降低空气阻力,减少燃油消耗及燃气排放;
-
降低驾驶员劳动强度,减少疲劳驾驶事故发生率;
-
即刻反应,即刻刹车,同时可以优化道路利用。
要实现卡车编队行驶,当前的LTE-V2X和DSRC等通信技术均无法满足卡车编队行驶的数据交互的响应要求。而在5G网络环境下,毫秒级的网络传输时延、10~20Gbit/s的峰值速率、100万个/km²的连接数密度,将能够满足自动驾驶及车联网的严苛通信需求。
商用车自动驾驶技术快速发展的同时,也提出了亟需解决的两大问题:
其一, 商用车自动驾驶的技术评价标准。 如何评价各个自动驾驶车型处于哪个阶段,国内还没有形成一套完整标准。
其二,交通事故的责任划分问题。发生交通事故后, 技术运营商,信息服务商或是设备生产商主要承担哪些责任, 需要政府部门出台相关的法律法规加以规范。
规模化的自动驾驶商用车运营车队
据统计,我国作为物流运输大国,整体物流成本占国内生产总值的比重高达16.6%。而在这当中,公路运输比例占到70%以上,市场规模也是万亿级别。其中人工成本偏高一直是影响整体利润的原因之一。如果能够使用带有自动驾驶功能的商用车,那么原本的两人、三人一车的人力成本,就有望降至一人一车。
嬴彻科技目前已陆续和OEM(一汽解放、联合卡车等)、一级供应商、物流车队就车辆研发定制以及自动化车队运营展开合作,并 将自动驾驶技术切实落地运营场景的清晰模式。
商业模式方面, 马喆人表示,未来两到三年内,公司将拥有的数千甚至上万辆的规模化运营车队。
具体的运营情况,马喆人透露道,嬴彻科技将为大家提供按时间和公里的付费方式服务,这也是未来新一代商用车领域的概念:基于L3、L4的自动驾驶商用车技术将在未来五年出现,公司可以给客户和行业提供每公里成本比现在节约2%、3%、5%、10%的商业价值。
循序渐进or一步到位?
目前,自动驾驶技术已经成为众多汽车厂商想要攻克的领域,投入的研发资源也十分巨大,无论是诸如通用、奔驰、宝马、奥迪等传统车企,还是特斯拉、谷歌、百度等科技企业,无一不在抢滩登陆自动驾驶这一汽车未来的主要技术领域。
虽然都属于自动驾驶的范畴,但是从厂商们的发展历程来看,基本上可以划分为两种不同的开发理念:一是类似特斯拉“Autopilot”,直接从零起步跳跃至自动驾驶阶段的理念;二是诸如通用“Super Crusie”,先由安全驾驶辅助系统过渡到半自动驾驶、继而最终实现全自动驾驶。
针对自动驾驶技术,L4 一步到位还是 L2/L3 先行?主线科技CEO张天雷、Velodyne亚太区执行总监翁炜、四维图新商用车汽车智能总监黄亮、G7智慧物联网联合创始人郝淑霞、上海交大自动驾驶实验室教授杨明、腾讯科恩安全实验室车联安全技术专家张康展开了讨论。
从技术层面来看 ,黄亮表示, 不同的整合者的竞争将在工程设计、测试验证和软硬件设计层面展开。不同层级的公司,都在向投资者和公众阐明未来技术进展的预期。但随着Waymo进入中国,国内车企也和其他汽车企业一样宣布2020年左右年能达到L3或L4级没有太大意义,需要根据国内的实际的情况来调整技术储备和运营实践结合的路线,确定谁是开发主体,构建核心的软件和系统整合能力,尽量把国内实用技术培养起来。
从商业模式来看 ,翁炜表示,自动汽车推向市场面向C端将以销售产品 或 提供服务两种形式出现。前者指的是直接将汽车作为产品卖给消费者;后者包括B2B2B和B2B2C两种模式。其中提供服务将是未来主流业务模式。
从推广的角度来看 ,郝淑霞表示, 目前大多数自动驾驶车辆的路测主要在低速和封闭的场景进行。相比于路况复杂的城市路段,卡车主要应用在高速公路这一相对简单的驾驶场景,从技术上更加易于实现。未来可能按照干线物流-城际物流-市内物流模式发展,行驶环境由简单到复杂循序渐进逐步推进。
未来,自动驾驶将是万物互联的场景,意味着除汽车制造外,基建投资也很重要,包括智能照明、交通流量监控等。对此,杨明直言,未来没有任何一家企业仅凭自己能够实现此场景,需要集中各方力量进行系统有序开发。其中包括车企、高新科技技术企业、通信企业等,还需要政府牵头整合资源。
值得注意的是,在未来出行场景中,出行服务系统可根据消费者个人偏好和需求来规划最佳出行路线。这意味着,未来个人数据将在私有云端储存和共享,如何保障个人隐私也成为各方要考虑的问题。
此外,鉴于信息安全在自动驾驶汽车产业中的重要性,张康建议,应加强防范汽车被黑客攻击、关键数据被控制而造成的巨大风险;为加快部署自动驾驶车辆运营,推进智能化道路基础设施规划建设,加速改造面向自动驾驶汽车的新型城市交通环境。
张天雷总结道,
折中的路线或许有助于破解自动驾驶实现难题
,即把「全自动驾驶」的技术应用于高频、刚需、可量产的场景,在提升技术成熟度和经济性的同时,积累更多的复杂场景数据,提高「全自动驾驶」技术的普适性。
当前,自动驾驶汽车已逐步走出实验室,并使用公共道路测试,但在未来推广过程中的销售、使用、保险、服务配套等各诸多环节,都需要法律法规予以保障。
最后,作为自动驾驶从业者的他们呼吁政府加快自动驾驶汽车立法,设立自动驾驶准入门槛,从国家层面为加快自动驾驶汽车产业化奠定法律基础。
。