第二部分 行业发展报告

第2章 商用车自动驾驶国内外发展现状与挑战

本章作者：郑玲

摘要：

随着自动驾驶技术的快速发展，商用车自动驾驶迎来了前所未有的发展机遇。自动驾驶为解决商用车的人力成本、交通事故以及高效作业难题，带来了全新的解决方案。在政策和环境的驱动下，商用车自动驾驶在城市无人公交、港口、矿山、干线物流、末端配送等封闭、半封闭特定场景下开展了大量的示范应用，为其商业化落地和运营积累了宝贵经验。但商用车自动驾驶现状与人们的预期还有很大差距，仍面临诸多挑战。本章概述了商用车自动驾驶的国内外研究现状，分析了商用车自动驾驶环境感知与高精定位、多车协同控制以及线控底盘三大关键技术，并从技术、成本以及人们对自动驾驶信任度三个方面，剖析了商用车自动驾驶的挑战。

一、引言

据交通运输部行业发展公报统计，2021年我国依托公路运输完成营业性客、货运量达50.87亿人、391.39亿t，分别占总体的比例为61.3%、75.0%（图2-1），可见公路运输在全社会营业性运输体系中占据着极其重要的地位。按照用途不同，汽车分为乘用车和商用车两大类，作为汽车大家庭中的一员，商用车主要服务于实体经济，其行业规模深受宏观经济形势的影响，因新冠肺炎疫情、国际贸易摩擦等因素的制约，世界经济发展脚步放慢，从2019年起，全球商用车产量大幅下降。图2-2显示，2020年我国商用车产量达到523.1万辆，占全球份额的24%；2021年，我国商用车产量为467.4万辆，比2020年有所回落，其中，上半年商用车市场受排放法规切换、治超治限、基建项目启动等因素拉动，增长较快，而下半年受市场提前透支、房地产开发行业较冷以及前期政策红利逐步减弱等因素的影响，需求弱于上半年，全年产量同比[1]下降10.65%。受经济、市场等多层影响，2022年国内商用车市场面临更大的下行压力，截至2022年上半年，全国商用车产量为168.3万辆，同比下降38.5%。但从前些年统计数据来看，我国商用车产销量庞大，后续市场仍具有较大的发展潜力。

纵观产业格局，商用车的发展主要面临以下几处痛点。其一，驾驶员缺口庞大。据相关调查显示，我国商用车驾驶员年龄结构不合理，总体年龄偏大，主力军集中在36～45岁，而25岁以下占比仅为1.4%，形成了明显的年龄断层（图2-3）。由于商用车驾驶员工作环境恶劣、长期远离家庭、薪酬待遇低，所以对年轻人缺乏吸引力，无法为行业的未来发展提供充足的新生力量。此外，行业对大、中型车辆驾驶员有更为严格的培训及从业资质要求，获取高等级驾驶执照需要耗费大量时间和精力成本。根据2021年2月发布的相关交通规定，货车驾驶员将实施8h工作制，随着新法规的落地与老龄化问题的加重，行业对驾驶员的需求还将被进一步放大。其二，货运成本高昂。人难招、用人贵已经成为运输行业内的普遍现象，为了降低人力成本，驾驶员工作强度提升的情况越来越普遍，如此便陷入了招人难—涨薪资—工作环境恶劣—招人难的死循环。另一方面，除道路通行费之外，燃油费用也是运输成本的重要组成部分，驾驶员不科学的驾驶操作，如频繁加减速、长期怠速会降低汽车的燃油经济性，大幅增加油耗，这也进一步挤压了企业的合理利润。其三，行车安全难以保障。车辆吨位大，载质量变化明显，且制动器工作条件恶劣，其性能易发生衰退，使驾驶员难以准确评估有效制动距离，易导致追尾事故的发生。商用车体积大、尺寸长，转向时前后轮间存在较大的轮迹差，加之驾驶室过高，整车存在多处视野盲区，驾驶员无法准确获取周围交通信息并做出合理的驾驶行为，也会引发交通事故。此外，由于运输距离长、行业竞争激烈，驾驶员往往会为了追求高效作业而疲劳驾驶，进一步增大了车辆碰撞风险。由此可见，与乘用车相比，商用车所面临的痛点更加严峻，行业对升级转型有着更迫切的需求。

自动驾驶技术的出现与日臻成熟为解决行业日益突出的运营难题带来了先进的技术手段。搭载自动驾驶系统的车辆通过车载或路侧感知设备对周围行车环境进行全方位感知，基于认知信息在车辆纵横方向上给予合理的辅助，并进行自动驾驶决策，降低了驾驶员的驾驶负荷，加强了行车管控，提升了车辆运营安全。依托基于人工智能的高等级自动驾驶技术，驾驶员还将从原先的车辆操控者变为相应车辆或是车队的管理者，通过人物角色的转变与拓展极大程度上提升运营效率，有效解决了驾驶员短缺和人力成本上升的难题。通过节能驾驶与网联队列控制技术的支持，智能商用车可在路侧设备的辅助下实现超视距环境感知，在港口、货运干线等诸多场景下自主形成队列行驶，提升运营效率，并能根据当前工况将车辆运行状态自行调节至最佳状态，杜绝不经济驾驶行为，降低运输能耗，减小运输企业运营负担。

此外，商用车自动驾驶技术的推广应用，在极大程度上带动了包含芯片、运营服务在内的众多软硬件供应企业的快速崛起，形成了商用车自动驾驶的产业生态，有效带动了上下游制造商的技术融合与产业升级。因此，在巨大的市场需求和政策法规的驱动下，商用车自动驾驶将迎来前所未有的高速发展和商用化示范运营。

二、商用车自动驾驶国内外发展现状

（一）国外发展现状

国外汽车强国在商用车自动驾驶关键技术上相对领先。搭载L1级和L2级驾驶辅助系统的商用车已经实现量产，包括预警提示类功能的驾驶辅助系统，如车道偏离预警、前向碰撞预警、盲点检测、交通标志识别等系统；干预辅助类功能的驾驶辅助系统，如自适应巡航（Adaptive Cruise Control, ACC）、自动紧急制动（Autonomous Emergency Braking, AEB）、车道保持辅助（Lane Keeping Assist, LKA）、自动泊车（Automated Parking Assist, APA）、智能远光等系统。此外，L3级综合功能自动驾驶也已具备推广应用条件，L4级高度自动驾驶已经进入试验阶段。

国际主要商用车主机厂如戴姆勒（Cascadia）、沃尔沃（FH、UD）、福特（F-Vision）、曼恩（aFAS）、特斯拉（Semi）等，在特定场景下已基本能完成L4级自动驾驶相关测试。沃尔沃与英伟达等公司合作，通过在沃尔沃商用车上加装包括机器视觉、激光雷达在内的21个车载传感器，在瑞典歌德堡港内采集交通场景与驾驶员交互数据，为后续港口的自动化运输系统建立与测试提供了技术支撑。荷兰鹿特丹港Euromax码头采用德国Dematic公司的Dynacore导航软件对自动导引运输车（Automatic Guided Vehicle, AGV）进行导航和控制，通过预埋大量的磁钉对AGV航向进行实时修正，从而实现了AGV在桥吊和堆场之间的自动化作业。自2018年起，图森未来开始进行道路测试，并在美国亚利桑那州凤凰城邮政服务中心和得克萨斯州达拉斯配送中心之间超过1600km的运输线路上为美国邮政（USPS）提供货运服务，且于2021年12月成功完成了世界上首次完全自动驾驶测试。

在矿区场景应用方面，1996年，日本小松公司的1辆77t无人驾驶货车在澳大利亚昆士兰矿山进行了实车测试，该车采用雷达对障碍物进行检测，最大运行速度为36km/h。随后，小松公司的5辆无人驾驶货车在西澳大利亚投入运行，采用架线供电方式，沿道路每150m设一根标杆，以采样周期为0.1s的耦合脉冲激光校准制导和GPS定位系统对货车进行引导，控制精度达到厘米级。截至2017年年底，小松已经在澳大利亚、美洲等6座矿山累计部署超过100辆无人驾驶货车，系统的环境耐受性与控制灵活性均得到有效验证。2019年，斯堪尼亚针对矿山研发了AXL自动驾驶自卸车，通过配备多重感知冗余技术保证临近车身位置至少被多个传感器覆盖，同样采用双机备份等多项冗余措施保证系统安全运行，从而满足封闭路况下的使用需求。

此外，末端物流配送也是商用车自动驾驶的典型应用场景。Starship公司所研制的六轮无人配送小车配备了包括摄像头以及超声波雷达传感器在内的大量电子设备，可以实现自主充电、过马路、爬路沿、夜间行驶等功能，最高行驶车速为16km/h；此外，还搭载了远程操纵平台，在紧急情况下工作人员可进行人工接管。Nuro通过与比亚迪北美公司合作研制了R系列无人配送车，搭载了外部安全系统，能够在与人或外界车辆发生碰撞时主动张开气囊保护行人或车辆的安全，目前R2平台已经获得美国交通部和公路管理局的路权豁免，并在加利福尼亚州（以下简称加州）正式开展商业运营，与Seven-Eleven（7-11便利店）、Domino's（达美乐）、Walmart（沃尔玛）等企业开展合作。

综上可知，国外商用车自动驾驶研究历程较长，在特定区域、场景下的应用已有示范运营，且面向开放性场景的相关技术也已进入测试阶段。但由于技术、成本、伦理以及法规等原因，其商业化的量产与落地仍面临很大挑战。

（二）国内发展现状

国内各主流商用车主机厂，如解放、东风、陕汽、重汽等，通过跨界合作的产业融合模式，推动了自动驾驶的创新发展。目前，已基本达到L1～L2级智能商用车的量产水平，且都在加速推进L3～L4级自动驾驶的模块化开发。一汽解放与挚途科技联合立项了前装车规级L3级自动驾驶重型货车，一汽解放J7 L3超级货车已于2021年7月小批量生产下线并交付上路运营。嬴彻科技联合东风商用车和中国重汽推出了基于自动驾驶系统“轩辕”的L3级重型货车，相关车型已于2021年年底交付，未来可通过空中下载（Over-the-Air, OTA）技术升级至L4级。

在关键技术的研发上，高科技企业如百度、主线科技、慧拓智能、希迪智驾、智加科技、西井科技等，成为主力军。2021年9月14日，宏景智驾发布了全新一代L3级自动驾驶重型货车Hyper Truck One，并于2022年上半年正式量产下线。聚焦于商用车干线物流，百度生态公司DeepWay深耕于面向结构化场景的自动驾驶技术，也于2021年9月推出L3级智能重型货车星途1代，并计划在未来3～5年实现高速公路L4级自动驾驶。主线科技基于“L4级自动驾驶货车+全功能影子模式”，与德邦物流、福佑货车等展开货运业务合作，目前已经在国内20余条主干线进行运营测试，行驶里程累计超100万km，为主线科技自动驾驶软硬件迭代升级及商业模式验证提供了海量数据支持。2022年，主线科技在天津港自动驾驶二期示范区揭牌仪式上交付了8辆无人驾驶集装箱货车（业内俗称集卡），依托“Trunk Master”系统，无人驾驶集卡已经能够在社会集卡动态混行场景下，具备感知识别各类障碍物、预测交通参与者行为、自主避障、换道超车等功能，实现了集装箱装卸作业安全、稳定、高效运行。慧拓智能旗下的无人驾驶矿车搭载了机器视觉、激光雷达、毫米波雷达与全球定位系统（Global Positioning System, GPS）等感知设备，并依托感知融合和车路协同感知技术，实现了在沙尘、雨雪、碎石等恶劣工况下的自车定位与多目标检测跟踪，使车辆能够根据交通管控和高精地图进行实时决策、轨迹规划与精准停靠，具有遇见活物停车、其余绕行的避障功能。此外，上层智能调度系统还能根据车辆的轨迹及车载传感信息对地图进行自动更新，实现对矿区作业的智能化管理。目前，慧拓智能已在多个矿山实现了快速复制，已经交付超过200辆无人驾驶矿车，在与国家能源集团、中国宝武集团等国内顶级能源企业合作下落地了多个智慧矿山无人化项目。

针对半开放式场景下的应用，国内阿里巴巴、京东、美团、苏宁、智行者等公司也在加大末端无人配送研发力度，并在高校、园区进行了测试运营。由于国内相关企业有着明显的市场优势，配送业务体量庞大，极大促进了无人配送技术的产业落地与发展。

综上所述，国内商用车自动驾驶的发展势头强劲，经过几年的奋起直追，在关键技术上已取得了长足进步，并在矿区、港口、末端物流配送等场景下开启了商业化运营。特别是国内的基础设施建设以及5G通信技术的快速发展，为我国商用车自动驾驶技术的落地和大规模推广应用提供了有力的技术保障。

三、商用车自动驾驶关键技术

（一）环境感知与高精度定位技术

环境感知相当于智能商用车的“眼睛”，即依托车载或路缘感知设备来获取周围道路信息和障碍物的运动状态，为决策规划提供依据和条件，其中包括自车可行驶的区域、道路交通规则、障碍物当前所处的位置及行驶速度等。

根据传感器获取的信号类型，车载传感器分为视觉与雷达两大类。随着数字图像处理技术的快速发展和计算机硬件性能的提高，基于机器视觉的识别准确率得到大幅提升，加上视觉传感器成本相对较低，使其在汽车感知系统上颇受青睐。但视觉传感器对光照敏感，易受车体振动的干扰，在恶劣工作环境下性能不佳。在视觉传感器图像识别的算法方面，基于深度学习的方法，较传统方法准确率高、适应性好、通用性强，但神经网络结构往往比较复杂，对算力要求高。因此，基于深度学习的方法一般不能直接部署于车端，必须对神经网络进行轻量化处理。目前，常用的轻量化神经网络有SqueezeNet、MobileNet和ShuffleNet等。毫米波雷达采用回波检测的原理，其工作波长短、频带宽，具有探测距离远、速度测量精度高、穿透力和抗干扰性强等优点，广泛用于高级驾驶辅助系统（Advanced Driving Assistance System, ADAS）的前方障碍物距离探测，但对行人及横向运动物体的感知能力较弱。因此，考虑到单一感知设备所存在的局限性，往往会将多型号、多类型的感知设备进行组合，构建多传感器信息融合框架，通过多传感器在时空上的冗余信息，获得被测对象的一致性描述。多传感器信息融合技术充分结合了各类传感器的优点，可显著提升检测算法的鲁棒性与准确性。

图森未来自主研发的高清摄像头感知系统，融合激光雷达和毫米波雷达等其他传感器，能够360°感知周围环境和运动目标，多传感器全覆盖使得无人驾驶系统在几乎任何条件下都可以平稳运行。踏歌智行采用激光雷达和毫米波雷达作为感知系统的输入，结合V2X（Vehicle to Everything，即车对外界）通信、高精度定位和云端平台，实现了矿山运输无人驾驶解决方案。西井科技Q-Truck搭载了超远视距高精度工业级双目摄像头、激光雷达、毫米波雷达等多种传感器，实现了360°全方位观察周边环境，融合定位精度可达厘米级，已在全球多个港口进行了无人驾驶车辆的规模性部署。

智能商用车的高精度定位是实现其自动驾驶的另一个关键技术。自动驾驶实现定位的技术分为三类。1）基于卫星信号定位。这是获得车辆绝对位置的唯一办法，车载全球导航卫星系统（Global Navigation Satellite System, GNSS）接收机在空旷地带接收到GNSS卫星信号，通过相应的数据解算即可获得其位置信息。但卫星信号容易受遮挡和电磁环境的干扰导致定位失败。2）基于航迹推断的定位。该技术利用惯性测量单元（Inertial Measurement Unit, IMU）测量获取车辆运动的加速度和角加速度信息，由此计算车辆的运动姿态，再根据前一时刻的位置信息计算当前的位置信息。由于解算过程中的累积误差，该技术定位精度不高。3）基于特征匹配的定位。该技术基于激光雷达、立体视觉，用观测到的特征和数据库中存储的特征进行匹配，由此获得当前时刻车辆的位置和姿态。

由于每种定位技术的局限性，要实现高精度定位，往往需要采用多传感器进行融合定位。目前，GNSS与惯性导航系统（Inertial Navigation System, INS）的融合定位方式是商用车自动驾驶定位广泛采用的方案之一，当GNSS卫星信号受到遮挡时，INS仍能为车辆提供位置信息，而在GNSS定位工作正常时，能够消除INS积累的误差。此外，融合GNSS、IMU和视觉传感器的定位方式，在GNSS信号可用但存在时延的场景下，采用GNSS、INS组合定位方式，在GNSS信号受到遮挡的场景下，采用视觉和INS的组合定位方式，通过视觉信息修正惯性导航的累计误差，能进一步提高定位精度。在港口作业场景下，龙门吊的结构与使用方法给港口重型货车的停放位置提出了严苛的精度要求，智加科技通过搭载摄像头与激光雷达，融合深度学习视觉与SLAM方法，设计了面向港口的精准定位与控制方案，可将集卡停车误差控制在±2cm之内。以图森未来为代表的L4级自动驾驶商用车，采用视觉定位和多传感器融合技术，结合高精地图，在隧道场景下实现了分米级车辆定位。

（二）多车协同控制技术

近年来，为了有效降低商用车的油耗、提高道路通行效率，商用车自动驾驶编队控制一直是一个研究热点。编队控制将同一车道内的相邻车辆进行编队，基于车载传感器和V2X通信设备，通过编队的信息流拓扑结构，实现车辆之间的信息交互和协同控制，达到稳定编队行驶的目的。商用车自动驾驶编队行驶可极大地减小跟车距离，一方面提升道路利用率，另一方面降低车辆高速行驶时的空气阻力，可进一步降低燃油消耗。编队行驶主要面向中高速开放道路场景，属于高级自动驾驶范畴，由于业内仍无法界定其性能运行边界，难以确保系统的预期功能安全，因此编队控制技术至今仍处于验证阶段。

沃尔沃以领航车-跟随车架构为基础，在西班牙进行了异质4车队列测试，依托车间通信技术，3辆乘用车在1辆商用车引领下实现了无人编队行驶，可在85km/h的车速下将车间距缩短至6m。日本基于Energy ITS项目开展了同质3车队列测试，在摄像头、激光雷达、专用短程通信（Dedicated Short Range Communication, DSRC）等技术的支持下，可在高速公路上以80km/h的速度进行队列行驶，通过将车间距缩减到10m可有效提升约14%的燃油经济性。虽然我国在队列控制方面研究起步较晚，与国外先进技术水平存在差距，但近年来也有了长足进步，东风、图森未来、北汽福田等诸多企业均在结构化道路上成功完成了商用车编队行驶技术测试。

此外，智能网联商用车的出现为优化交叉路口场景的交通通行提供了可能，一方面，智能网联商用车可以得到信号灯配时等交通环境信息，对自车的行驶轨迹进行优化；另一方面，智能网联商用车还可以获取周围其他车辆的信息，通过对自车的控制改善区域交通效率。

特定场景下的多车协同控制可转换成约束框架下的最优调度问题，其解决方案有集中式与分布式两类。前者调度任务主要由区域路侧计算单元承担，根据收集到的交通信息，在保证交通参与者在冲突区域内没有碰撞的前提下，路侧调度中心将道路的时间、空间资源统筹分配给区域内每一辆车，以保证通行路段的安全性。与集中式调度不同，分布式调度通常将一部分计算任务交给交通参与者承担，自动驾驶车辆具有更大的自主权限，可根据自车的动力学响应来进行紧急避障或平滑轨迹等，从而提高车辆横向稳定性。但分布式调度在吞吐量方面的效率较低，且随着车辆数量增加易出现死锁现象。

由于多车协同控制技术在提升作业质量、生产效率等方面的优异性能，正逐渐成为无人驾驶领域下一个研究热点。

（三）线控底盘技术

作为自动驾驶系统的关键执行系统，线控底盘的主要功能是代替驾驶员来操纵车辆的驱动与转向，故线控底盘技术主要有线控驱动、线控转向、线控制动三大技术。

线控驱动，业内俗称线控油门（Throttle-By-Wire, TBW），由电子控制单元（Electronic Control Unit, ECU）根据测量到的加速踏板的位置，来驱动节气门控制电机，从而达到控制车辆加速的目的。理论上，控制汽车纵向运动的功能都会用到线控油门，如自适应巡航系统、牵引力防滑控制系统和自动泊车系统等，具有这些功能的车辆都标配了线控油门。

线控转向指ECU根据测量到的方向盘转角，来驱动转向机的控制电机，达到控制车轮转角的目的。线控转向不仅可以实现转向比的连续变化，而且由于拆除了转向柱，在发生碰撞时，还可避免转向柱对驾驶员造成伤害。线控转向主要提供自动驾驶车辆的横向运动控制，由于其直接影响到车辆的稳定性和安全性，其技术一直不够成熟。

线控制动包括线控液压制动（Electro-Hydraulic Brake, EHB）和电子机械制动（Electro-Mechanical Brake, EMB）。EHB系统由于具有备用制动系统，安全性较高，是目前主要推广量产的方案。EMB由于缺少备用制动系统且技术尚不成熟，短期内很难大批量应用。线控液压制动是在传统的液压制动器基础上发展而来，线控制动单元（驱动电机+制动主缸+防抱死制动系统/电子稳定控制）替换了原有的真空助力器+制动主缸+电子稳定控制模块，踏板与制动单元之间无机械连接，仅靠传感器来给线控制动单元提供踏板位置信息。线控制动是商用车自动驾驶的关键技术，其反应速度优势明显大于普通的电子稳定控制，这对高级自动驾驶的实现至关重要。此外，在商用车电动化背景下，整车不再拥有真空源，无法通过真空助力器完成液压管路的建压，线控制动通过电机代替真空助力器进行制动液压管路建压，是未来智能电动商用车必备的执行单元。

由于线控底盘集成技术的门槛很高，博世、大陆、采埃孚、克诺尔等国外供应商优势明显。近几年，国内供应商的技术积累以及产品性能已有了长足的进步，如万向钱潮、万安科技、亚太机电等，有望占据更大的市场份额。

四、商用车自动驾驶的挑战

近年来，国内商用车自动驾驶技术已取得了重大进展，在港口、矿山、办公园区、干线物流等封闭、半封闭特定场景下开展了示范性应用，为商用车自动驾驶技术的落地和商业化运营提供了宝贵的经验。但商用车自动驾驶现状离人们的预期还有很大差距，仍面临诸多挑战。这些挑战包括技术、成本以及人们对自动驾驶的信任度。

在技术方面，尽管人们采用了摄像头、毫米波雷达、激光雷达等多种传感器，并基于多源信息在时空对准条件下，进行不同层级的信息融合，但其道路及目标检测的准确度并不能令人完全满意。比如，摄像头采用深度神经网络算法，大大提升了目标检测和识别的准确性，但离自动驾驶车辆对环境感知的现实要求还存在距离。多个开源数据集测试表明，目前性能最优的车道检测算法，其准确度仅为95%，面对存在阴影、遮挡的情况，识别的准确度会下降到90%。采用摄像头和毫米波雷达的信息融合来提高目标识别的准确性，是目前自动驾驶汽车开发的主流方案，但目标检测的准确性仍有待进一步提升。其次，由于高度复杂动态的交通环境，自车与环境车辆、行人及其他交通参与者的关系不断发生快速变化，如何在繁多的信息流中，像人类驾驶员一样，快速提取交通场景的交互信息，结合自车的运动状态，规划出安全、节能、舒适的行车轨迹，仍是决策规划中的一个难题。目前，大多基于规则的轨迹规划方法，其规划的路径往往比较生硬，不符合人类驾驶员的驾驶习惯，与人们预期的自动驾驶安全、宜人的驾驶决策规划还有很大差距。此外，由于交通环境的高度动态性，车辆底盘执行系统的功能安全不确定性以及信息交互和信号传输过程中的不确定性，综合考虑不确定性的车辆轨迹跟踪控制是另一个技术挑战。

在成本方面，自动驾驶汽车的开发成本很高，包括硬件、软件以及自动驾驶汽车的测试和性能评价。从硬件来看，自动驾驶的一些关键设备，如激光雷达、毫米波雷达、实时动态载波相位差分（Real-Time Kinematic, RTK）技术、图形处理器（Graphics Processing Unit, GPU）以及芯片等，价格依然偏高。尽管随着激光雷达的国产化以及小型固态激光雷达的研发，激光雷达的成本在进一步下降，但其价格仍远高于自动驾驶汽车量产应用的要求。此外，由于各种传感器的性能局限，为了保证自动驾驶汽车的安全性，往往需要采用多传感器冗余备份，这也增加了硬件成本。自动驾驶技术开发中的数据集采集以及测试验证也是一项资金投入很大且不可或缺的工作。国外的数据库相对丰富，采集都集中在美国加州、新加坡、西班牙、英国等气候、环境友好的地方，收集的数据对于学习具有挑战性的驾驶情况帮助不大，其他更为广泛的具有恶劣天气和危险场景的驾驶数据，还必须投入高昂的成本，以获取具有代表性和有价值的驾驶数据集。自动驾驶汽车测试根据仿真测试的程度不同，分为模型在环（Model in the Loop, MIL）、软件在环（Software in the Loop, SIL）、硬件在环（Hardware in the Loop, HIL）和整车在环（Vehicle in the Loop, VIL），场地测试和实际道路测试，这些测试也将耗费大量的资金，大力发展虚拟仿真测试技术，可以有效弥补道路测试的不足。人力成本也是自动驾驶汽车开发的一大支出，近年来苹果、华为、小米等科技公司均布局自动驾驶板块，为了吸引人才抢占技术制高点，不断给自动驾驶技术人才开出更高的薪资，对人才的争夺也使得开发成本大幅提升。

信任度也是推广自动驾驶技术所面临的一大挑战。民意调查显示，约2/3的民众对自动驾驶技术是不信任的，大家普遍认为隐私、安全、可靠性、清晰的双向沟通和多种互动模式是建立信任的关键。将影响信任的因素进行划分、以不同的方式进行处理是构建信任的关键，技术开发商应当处理好隐私、安全和双向沟通这些因素，政府和第三方机构应做好可靠性的评估。相关的法律法规尚需进一步建立和完善。

五、结语

商用车天生具有生产资料的属性，它要为社会与团体带来经济价值，因此，商用车的自动驾驶更注重依靠先进技术提升车辆行驶的安全性、减少驾驶员的驾驶强度、降低燃油消耗，达到真正意义上的降本增效和节能减排。发展商用车自动驾驶的意义重大，在政策和环境的驱动下，随着自动驾驶研发和技术的迭代，商用车自动驾驶技术将更加成熟，产业生态链将进一步拉长，并极大提升运行效率，为人类的智慧物流和智慧出行带来一场深刻变革。

---

[1]本书除特别说明外，同比均指与上一个统计期相比。