干线物流自动驾驶和车路协同融合发展探索

本系列介绍5G车联网赋能自动驾驶环卫车、干线物流、末端物流、矿卡、港口自动驾驶、自动接驳车、Robotaxi、公交车等的解决方案、商业价值和典型案例。上篇介绍5G车联网赋能自动驾驶环卫车，本篇介绍5G车联网赋能干线物流，敬请期待下篇5G车联网赋能末端物流。

文 | 吴冬升

全文7900字，预计阅读20分钟

（一）

干线物流产业概述

物流由商品的运输、配送、仓储、包装、搬运装卸、流通加工，以及相关的物流信息等环节构成。传统物流更多是物理意义上的物品流动，目的是给企业带来运营效益。刚开始的时候，各制造商建立自己的物流线路用于自家商品的仓储、调度和运输，逐渐演变出生产供应商和经销商的关系，接着有一些独立的物流团队开始承担运输任务，至此生产和物流逐步分离。

紧接着，第三方物流公司如雨后春笋般出现，运输渠道也变得多样性，物流线路分布于海陆空。与这一时期的物流行业对应的是线下零售业务，物流技术既注重提高生产供应商的生产效率，也注重加快产品运输的效率。所以，传统物流技术和交通行业紧密联系，很多和交通相关的热点技术被融入物流行业中，例如物流网络的构建、物流路径的智能选优、仓储选址以及物流航线规划等。

在当今的电子商务时代，全球物流产业有了新的发展趋势。现代物流服务的核心目标是在物流全过程中以最小的综合成本来满足顾客的需求。随着大量电子商务公司的出现，物品的运输不再局限于生产商和经销商之间，而是发展到每个人都成为了物流网络中的一个节点，网民在电子商务网站上下单一件商品，都需要物流团队来提供物流运输服务。

现如今，物流行业急需一场革命，才能紧跟零售行业发展的脚步，一起创造无界零售业的新时代，新一代物流技术因此呼之欲出，自动驾驶技术便是其中之一^[1]。

经济贸易的飞速发展带动货运需求增长，物流业已成为中国国民经济的支柱产业和重要的现代服务业。2020年中国社会物流总费用为14.9万亿元，占GDP比重达14.67%。在中国的物流运输结构中，公路货运占绝对的主导地位，公路货运量占全社会货运量比例长期在70%以上。

我国目前有500万辆大卡车用于500公里半径的干线运输；有1000万辆卡车用于50公里半径区域运输；有3000万辆微型车、两轮车和三轮车在5公里半径的物流领域为电商物流和外卖市场服务。同时在封闭场景中，中国港口众多，每年完成大量货物吞吐，另外中国矿区的矿产资源丰富，每年产量可达上亿吨，对于运输车辆及司机需求与日俱增。其中，干线物流指在公路运输网中起骨干作用的线路运输，运输距离长（跨省运输500公里以上，省际运输200~500公里），运输线路多为高速公路，运输车型是以重型载卡车和牵引车为主的重卡。

公路货运物流行业面临诸多挑战。

（1）卡车司机短缺，就业满意度低

目前物流行业的公路运输面临严重的卡车司机短缺情况，仅中国缺口就达到1000万。

工作强度大、安全风险高、社会地位与福利难以得到保障等因素造成卡车司机就业满意度低。这种情况在个体卡车司机身上更为明显。据统计，我国的个体卡车司机占比达到70%以上，超过6成的司机没有相应的保险。

70%以上的卡车司机每天的工作时间在10小时以上，40%的卡车司机每天的工作时间在12小时以上。另外，货运司机可能遇到各种各样的罚款，以及丟油、丢轮胎、丢货，可能构成约10%以上的固定成本支出。

同时，卡车司机招聘难，并趋“老年化”，2020年中国53.40%的卡车司机年龄在40岁以上，群体老龄化现象明显。

（2）公路货运市场高度分散，引发无序竞争多

尽管中国公路货运市场具备万亿级规模，但60%的运力掌握在小型车队与个体散户手中。物流企业在高度分散的市场中只能以低价的无序竞争方式争取更多订单，议价能力降低。

另外，物流企业普遍存在司机难招难管的问题，人员管理与培训的成本与压力增大。

（3）公路货运安全事故频发，造成巨大损失

2019年中国公路货运百万公里事故数为3.7起，而美国该指标为1.3起，中国高出近三倍。在我国约700万辆城际中重型卡车中，每年平均发生5.07万次交通事故，几乎每年每1000辆车就会出现一起死亡事故。公路货运企业平均每年的事故保险赔付额约为3万元/车，单次事故还将带来平均3至4万元的停工损失。事故风险同样会对行业上下游的经济效益造成影响，尤其是保险公司。

在中国，大宗行业的货运风险最高，快递快运次之，危化品运输相对最安全。造成货运风险：大宗行业>快递快运>危化行业格局的因素多样，例如危化品运输本身的时效性要求低，疲劳驾驶极少发生，多为短途固定路线且安全风险低。大宗行业虽然也多为短途固定线路，但因为受成本及路线制约，大多数选择非高速，路口风险极高，且大宗运输行业疲劳驾驶现象极为严重^[2]。

导致公路货运交通事故的直接原因主要包括司机因素、装备因素、环境因素、突发因素等。

其中，司机因素主要包括激进驾驶、疲劳驾驶、危险驾驶、注意力分散等。激进驾驶包括超速、过快转弯、超车剐蹭、未保持安全距离等；疲劳驾驶包括长时间驾驶未得到充分休息、身体状况欠佳等；危险驾驶包括打电话、看手机、抽烟等；注意力分散包括包括逆行、溜车等。

装备因素以设备盲区为主。视觉盲区是指驾驶员位于正常驾驶位置，其视线被车体遮挡不能直接观察到的部分区域。与轿车相比，重卡由于高车身与长挂车，在行驶过程中，尤其是右转过程存在更大的视觉盲区。

环境因素包括天气、路况等。突发因素包括自然灾害、被动事故等。

（4）物流企业降本增效需求强烈

在美国公路货运的两大块主要成本是司机薪酬占将近39%，燃油以及保养占53%。

而在中国，公路货运的主要成本是通行费占24.09%，燃油成本占22.36%，司机薪酬占21.05%。人力成本与燃油成本的攀升进一步挤占物流企业微薄的利润空间，企业降本增效需求强烈。

自动驾驶技术在物流领域的落地场景主要可以划分为干线、终端配送以及封闭场景。如图1所示。

图1 自动驾驶技术在物流领域的落地场景

从以上三类应用场景看，物流行业的应用场景比较简单、封闭，任务目的明确，技术实现难度总体来说相对乘用车场景的要求更低。从法律法规以及对城市生活的影响角度来看，物流车辆所受的限制相对较少。因此更容易实现自动驾驶应用，形成规模化的批量复制。

所以，自动驾驶技术商业化落地，物流领域成为了非常好的切入点。

成本方面：近年来运输成本占物流总成本比例均超50%，而运输成本中的人力费用和燃油费用占比较大，存在压缩空间。自动驾驶技术通过变“三驾”为“两驾”“一驾”，最终实现全无人，可以有效降低司机成本。另一方面，通过优化行驶速度及加减速策略，提高燃料的使用效率，每年减少10%~15%的燃料费用，约为3~5万/年/车。若采用编队行驶技术，多辆卡车跟车距离缩短，减少风阻，进一步减少约10%燃料消耗。

效率方面：自动驾驶则可以提高车辆持续行驶时间，同时以较高速和较短间距行驶。L4级及以上自动驾驶重卡，理论上可实现24小时运营，意味着更短的交付周期、更多的运输量。另外，可由车队管理平台统一调度管理，对驾驶任务、行驶线路优化，全面提升公路货运的运输效率与运营管理效率。预计自动驾驶通过增加运行时长、改进效率，为物流企业带来约1倍的收入增长。

安全方面：自动驾驶可有效避免因激进驾驶、疲劳驾驶、危险驾驶、注意力分散等司机因素造成的安全事故，且360°无死角感知与超长视距，可减少因视觉盲区造成的安全事故，具备比人类司机更快的反应速度，打造更安全的公路货运。另一方面，通过车联网技术，自动驾驶重卡可提前预知道路前方潜在各种危险，提前避免交通事故的发生。

环保方面：自动驾驶技术应用可优化驾驶策略，节省油耗，进而减少公路货运的污染物排放量，打造绿色物流^[3]。

在三大场景中，干线物流的总体运力最大，场景较为集中。同时干线整车物流运输是一个比较标准化的产品，技术复用度高，能够产生的规模经济效应很强。

（二）

5G车联网赋能干线物流自动驾驶

干线物流大多应用于高速场景，车辆运行速度快，因此对自动驾驶系统的环境感知范围有很高要求。由于重卡机动性、稳定性和精度较差等原因，需要更长的刹车距离、更大的转弯半径，以及更加精确和鲁棒的控制，因此在感知和控制层面对技术提出了更高要求。

随着L3级自动驾驶重卡向L4级自动驾驶重卡发展，对自动驾驶系统的感知、计算与执行能力要求进一步提升。线控底盘是实现自动驾驶执行不可或缺的关键部件，但中国本土主机厂及供应商在该领域的线控底盘技术与产品积累较少。自动驾驶重卡上下游企业应协同解决场景痛点，在产品设计开发上进行适配，共同推进适应更高阶自动驾驶系统的关键技术与部件研发生产。

除此之外，自动驾驶重卡还关注运输效率。自动驾驶的决策层不仅需要控制车辆的加速、制动、转向，还需要从宏观层面协调车辆调度、规划行驶路径，实现运载能力的最优化。

C-V2X技术将广泛应用于自动驾驶重卡。自动驾驶云平台通过架设在路端的RSU和差分基站，建立与车辆的实时通信，并利用路端传感器和路侧单元监控车辆的运行状态, 获取交通信号等辅助信息。云控平台汇总数据以建立高精度电子地图，完成车辆定位、车辆调度、故障检测等任务，并在检测到车辆异常时实现对车辆的远程接管。

车联网软硬件的使用将进一步增强信息的实时性和丰富性。自动驾驶重卡感知模块利用识别算法感知环境中可能对车辆行驶产生影响的目标，估算行人、车辆、静态障碍物的位置，预测运动目标的动作，辨识交通标识与道路标线。但对自动驾驶决策而言，如果只依靠车辆自身对环境的感知，就相当于驾驶员仅凭“直觉”在开车。要使车辆提前确定最佳行车路径，就需要借助云控平台、高精度地图和车联网等技术。综合车端、路端、云端的信息，自动驾驶重卡决策层才可以根据实际情况对线控执行机构下达指令，完成转向、加速、减速、停车等操作。

自动驾驶与编队行驶相结合将最大程度提升道路通行效率与车辆燃油经济性。在自动驾驶专用车道上，“自动驾驶+编队行驶”的结合应用更易实现。

编队行驶描述了一个或多个支持协调车辆纵向运动的消息共享，还可以包括车辆的横向控制。可以交换的信息类型包括位置、轨迹、车头时距和排位状态。通过车辆间的信息交互实现编队的过程管理，实现包括创建车队、加入车队、离开车队、解散车队等过程。如图2所示，车队内的领航车1、跟随车2和4，以及车队外的自由车3，均通过相应消息的发送，实现彼此身份和编队操作的确认。车辆编队管理应用能够为车队业务，提供高效、便捷的成员管理手段，提升车辆编队的智能化水平。

图2 编队行驶示意图

采用C-V2X技术，可以实现编队行驶车辆之间的状态共享，队列的跟随车辆可以比其他情况更紧密、更稳定地跟随；可以实现编队行驶车辆之间的意图共享，领航车1检测到可能需要队列减速的前向危险，会将自己的刹车动作意图共享给跟随车2和4，从而使所有车辆的减速更加平稳；可以实现加入队列的协同决策，自由车3可以在行驶过程中间加入队列。如表1所示。

表1 采用C-V2X技术的编队行驶

（三）

网联干线物流自动驾驶商业价值

自动驾驶干线物流的参与方主要包括自动驾驶科技公司、OEM整车厂、物流平台公司。

干线物流的自动驾驶科技公司通常会面向L4级自动驾驶搭建技术架构和底层硬件配置，当然也会有公司选择切入L3级自动驾驶赛道。L4级自动驾驶重卡商业化进程可分为原型、工程验证、设计验证、生产验证和量产五个阶段。自动驾驶科技公司还需要和关键零部件供应商，即包括自动驾驶传感器、算力平台，也包括商用车线控底盘等供应商，进行深度合作。

按照中国汽车工业协会分类标准，载货汽车按照总质量划分重、中、轻、微四大类，其中总质量大于14吨的称为重型载货车（重卡）。重卡大致可以划分为三个细分市场，即完整车辆（整车）、非完整车辆（底盘）和半挂牵引车，其中整车销量占据半壁江山。

中国重卡整车厂市场集中度高，一汽解放、东风集团、中国重汽、陕汽集团、福田集团稳居前五，前五家企业市场占有率长期在75%以上。2020年全年重卡销量162.3万辆，其中整车销量28.7万辆。一汽集团销售重卡37.70万辆，市场份额23.3%；其次是东风汽车，销量达到31.11万辆，市场份额19.2%；中国重汽、陕汽集团销量均超过20万辆，市场份额分别为18.5%和14.0%；北汽福田销量也超过10万辆，达到15.02万辆，市场份额9.3%。

物流平台公司有阿里菜鸟、京东、满帮、G7、狮桥、顺丰、苏宁、安能、福佑卡车、德邦等，掌握着车队与货源等关键生态资源。

目前自动驾驶干线物流主要有三种商业运营模式。对干线物流自动驾驶科技公司而言，主要业务可分为自动驾驶技术服务、自动驾驶重卡整车租赁服务、自动驾驶货运服务。根据业务组合与资产轻重情况，可将自动驾驶科技公司的业务模式分为轻资产模式、重资产模式与混合模式^[3]。

第一种，轻资产模式。自动驾驶科技公司、整车厂、物流平台公司建立三方合作，由整车厂向物流平台公司售卖自动驾驶重卡，自动驾驶科技公司只提供自动驾驶技术服务。

物流平台公司直接采购自动驾驶重卡，再依托于自动驾驶科技公司提供的技术支持，向客户提供物流服务，收取服务费。如图3所示。

图3 自动驾驶重卡轻资产模式

第二种，重资产模式。自动驾驶科技公司向整车厂购买自动驾驶重卡，为物流平台公司提供自动驾驶重卡整车租赁服务以及自动驾驶技术服务，或者在运力紧张时直接向客户提供自动驾驶货运服务，按里程收取自动驾驶运输服务费。如图4所示。

图4 自动驾驶重卡重资产模式

第三种，混合模式。自动驾驶科技公司一方面为物流平台公司自有车辆提供自动驾驶技术服务。另一方面向整车厂购买自动驾驶重卡，为物流平台公司提供自动驾驶重卡整车租赁服务以及自动驾驶技术服务，或者在运力紧张时直接向客户提供自动驾驶货运服务，按里程收取自动驾驶运输服务费。如图5所示。

图5 自动驾驶重卡混合模式

自动驾驶干线物流的解决方案成本达到30万/车，则可在3年实现盈利。解决方案成本主要包括感知传感器、计算平台、功能安全要求带来的冗余制动、转向、电源等硬件及相应软件。假设使用寿命为3年，每年15%运维费用。每年由于自动驾驶带来驾驶员用工成本、燃油费用节省，分别为6~15万/年/车、3~5万/年/车，取中位数合计14.5万/年/车，则自动驾驶车3年可实现盈亏平衡。见表2 ^[4]。

表2 自动驾驶重卡带来的盈利变化

重卡自动驾驶编队行驶将带来额外的商业价值。卡车自重大，刹停距离长，在手动驾驶的情况下，卡车之间需要保持最大化安全距离。添加雷达防碰撞系统，能够有效削减感知反应时间，但仍然需要在雷达检测到前车减速后，后车的制动才能启动。而在编队行驶模式下，转向是手动的，但制动是自动的，头车做出刹车指令后，V2V可以做到前后车之间的瞬时反应，后车甚至可以在前车开始减速前就自动启动制动，这种瞬时反应意味着卡车可以以非常小的距离安全跟随。

在编队行驶的状态下，因为车距十分接近，两车之间形成“气流真空区”，不会产生空气涡流，因而能够有效降低空气阻力，降低燃油消耗和二氧化碳排放。NACFE（北美货运效率委员会）和美国能源和运输部曾进行过独立燃油效率测试，结果显示，能够至少实现10%的燃油节省。

（四）

网联干线物流自动驾驶典型案例

案例1：延崇高速自动驾驶编队行驶

延崇高速公路是从北京延庆到张家口崇礼的高速公路，全长约116公里，是2022年冬奥会延庆赛场与张家口崇礼赛场的直达高速通道。其中北京段全长约33.2公里，起点为延庆区大浮坨村西侧，终点在市界与延崇高速河北段相接。

2019年12月，演示双向四车道全封闭环境下、基于C-V2X车路协同技术的L4级自动驾驶和队列跟驰测试。演示路段从阪泉服务区开始，途经1公里平原路段、4个隧道及3公里高架桥路段，至小海坨山赛场出口结束，全程14公里，94%以上路段为隧道和高架。

隧道路段存在定位信号不佳、光线迅速明暗变化、﹣20摄氏度低温等多重不利条件，对交通系统整体智能化水平提出了更高要求。在西羊坊特长隧道内首次实现奥迪乘用车2公里隧道L4级自动驾驶、北汽福田/图森未来14公里的重卡3车队列跟驰和乘用车3车编队行驶（其中包括9.8公里连续特长隧道群路段）。

演示采用头车人工驾驶模式，后车自动驾驶模式进行列队巡航、列队加速、列队换道、队列同步减速停车以及列队车路协同场景试验。测试结果显示，车辆列队可以达到80公里/时时速下保持车间距10米的技术指标。单人驾驶多车队列跟驰具备三方面竞争力，即节省燃油（大约可降低10%~15%的燃油消耗，以及驾驶员人力成本）、提升安全性（系统可以在0.1秒内完成操作，而驾驶员需要1.4秒的反应时间）、提升道路通行能力（车距缩小，路面容纳车辆数量会增加）。

智慧公路主要部署C-V2X RSU、摄像头、毫米波雷达、交换机等设备。其中RSU在双向车道两侧间隔210米成Z字形部署；摄像头在双向车道两侧间隔105米对称部署；毫米波雷达在双向车道两侧间隔210米对称部署。通过毫米波雷达、视频等多源数据的边缘智能计算，实现高速路事故、行人等异常交通事件全天候实时感知，并通过C-V2X网络实时发送给车辆，车辆进行车速调整、变道超车、自动减速以及紧急停车等^[5]。

案例2：L3级别自动驾驶重卡

一汽解放和智加发布了L3级别自动驾驶重卡，具有智能、安全、节油、可靠、互联五大产品优势。智加L4技术栈降维应用，使得驾驶员在高速路段可以解放双手双脚。节油算法可以有效降低油耗10%~20%。安全开发流程、冗余架构设计、软硬件车规级认证全方位保证行车安全。还可以有效缓解长途驾驶的疲劳，最终全面实现降本增效。最后，数据引擎和OTA远程升级功能可实现数据闭环，为用户提供产品的持续迭代升级。

满帮联合智加基于这款自动驾驶重卡开展商业化运营。满帮平台上已经拥有900万认证司机，400万认证货主，覆盖全国339个城市、11万条线路，平台年撮合成交规模达8000亿元规模。新车型将接入满帮平台，利用其卓越的安全性和燃油经济性帮助打造客户服务标杆。并通过最优化货源匹配和路线设计，收集大量真实营运路测数据，高效训练自动驾驶软件系统，并利用OTA远程更新系统持续提升车辆性能^[6]。

参考文献

[1] 圆通研究院. 5G网络技术在新一代物流行业中的应用[R]. 2019,5.

[2] G7,科尔尼咨询. 中国公路货运安全白皮书2021[R]. 2021.

[3] 亿欧智库. 2021中国自动驾驶干线物流商业化应用研究报告[R]. 2021.

[4] 中国电动汽车百人会. 自动驾驶应用场景与商业化路径[R]. 2020,6.

[5] 5G行业应用. 一文读懂智慧高速车路协同现状与未来[N]. 2020,5.

[6] 雷锋网. 智加科技与满帮集团深化战略合作加速L4级无人驾驶技术落地[N]. 2020,9.

- END - 

▎推荐阅读

5G车联网赋能自动驾驶系列之一：5G车联网如何赋能自动驾驶环卫车？

▎好书推荐

01

随着 5G车联网产业化进程加速，继2020年《5G与车联网技术》、2021年《从云端到边缘：边缘计算的产业链和行业应用》出版之后，2022年吴冬升博士带领「5G行业应用」作家团队推出又一力作——《车联未来：5G车联网创新商业模式》。本书由化学工业出版社出版，聚焦5G车联网商业模式，探索车联网未来可持续性发展之路。

吴冬升博士 主编

吴冬升，东南大学博士。现任高新兴科技集团股份有限公司高级副总裁、粤港澳大湾区自动驾驶产业联盟副理事长、广州车路协同产业创新联盟理事、广州市智能网联汽车示范区运营中心理事等。致力于5G、智能网联、自动驾驶、大数据、人工智能等技术的研究与应用创新。省市级期刊发布论文数十篇，主编《5G与车联网技术》等书籍，参与编写《广州市智能网联汽车与智慧交通产业发展报告（2020）》等。

购买链接

02

本书由人民邮电出版社出版，聚焦5G，由点及面全景解读边缘计算。在介绍5G时代边缘计算内涵和核心技术的基础上，着重分析和介绍边缘计算产业链的情况和边缘计算7大典型行业的应用。产业链方面涵盖上游、中游、下游。典型行业应用方面，包括交通行业（自动驾驶、智能网联、智能交通、智慧道路）、安防行业、云游戏行业、工业互联网、能源互联网、智慧城市和智能家居等。

购买链接

03

本书系统剖析5G车联网整体架构、体系标准、关键技术、典型业务及应用场景等，对全球及国内车联网最新进展做了全面的扫描和分析，并对5G车联网产业发展面临的挑战和未来发展前景进行展望和预测，对于致力于5G及车联网产业研究、标准化及相关产品实现的广大从业者具有参考价值。

购买链接

关于我们

「5G行业应用」是聚集TMT行业资深专家的研究咨询平台，致力于在5G时代为企业和个人提供客观、深入和极具商业价值的市场研究和咨询服务，帮助企业利用5G实现战略转型和业务重构。本公众号专注提供5G行业最新动态及深度分析，覆盖通信、媒体、金融、汽车、交通、工业等领域。