短途無人配送車自動駕駛技術研究綜述

王強暉　邵忠瑛

摘要：隨著互聯網經濟與物流運輸的迅猛發展，“最后一公里”在送貨效率、安全、成本上需要更智能化的解決方案，無人化的物流配送成為解決當前配送痛點的關鍵技術，短途無人配送車已經從試驗室階段邁向商業化應用階段。與其他車型的無人駕駛技術類似，無人配送車也需要應用到車輛定位、環境感知、路徑規劃及決策、車輛控制四大核心技術。據此，通過研究核心技術的發展情況，梳理了現階段無人配送車存在的技術問題，以期為行業提供參考。

關鍵詞：短途；自動駕駛；無人配送；綜述研究

中圖分類號：U471.1? 收稿日期：2023-01-12

DOI：10.19999/j.cnki.1004-0226.2023.06.003

1 前言

作為整個貨運物流傳動鏈條中費用最大、效率最低、環境污染最嚴重的“最后一公里”，一直是派送階段質量的短板。這盡管歸屬于配送尾端，卻具有非常重要的意義。有數據顯示，末端配送階段在費用和時間的耗費占整個派送作業30%之上。無人配送的痛點由客觀原因和人為要素產生，充分體現在“最后一公里”配送的發貨速率、配送安全性、配送成本費三個方面。比如，須派送貨物品類諸多、配送過程中環境繁雜、派送途徑繁雜、消費者對于派送規定多種多樣、派送工作人員服務質量不一等問題。物流運輸“最后一公里”需要更加智能的方式來優化。

派送的痛點持續存在，但配送需求與日俱增。在我國互聯網快速發展的同時，物流運輸也在飛速發展，不斷增長的貨運量和訂單數量給派送尾端帶來極大的工作壓力。而另一個現實是，我國適齡青年勞動人口在不斷減少。由于人口老齡化和城市化進程的加速，適齡青年工作人口總數與生產建設、服務項目消費市場中間形成了極大差別。由此可見，單靠人力開展派送，早已不能完全處理時下物流運輸“最后一公里”所存在的困難，無人配送的高速發展刻不容緩。

無人配送是一種自動駕駛系統的實際應用，因此需要使用自動駕駛中的相關技術，其中大部分技術跟一般的無人駕駛基本一致，需要將硬件與軟件感應器緊密結合，完成汽車定位、環境感知、最短路徑算法管理決策、車輛控制四大關鍵技術，如圖1所示。

本文主要從無人配送需要用到的無人駕駛技術和遇到的技術難點進行解讀，共同探討如何有效提升“最后一公里”的運作效率，以期為行業起到借鑒作用。

2 車輛定位技術

無人配送與自動駕駛系統一樣，也要運用到定位技術。自動駕駛系統的基礎是自主導航，不僅是車子與外界因素的位置關系，還要認知車子本身的絕對位置，因而定位與導航都是核心技術之一。現階段自動駕駛系統定位主要依靠衛星導航系統和慣性導航系統來達到。

a.衛星導航系統。GPS、北斗衛星導航系統都涉及射定位技術和相對定位技術。相對定位技術可分為靜態數據定位與動態精準定位兩類，其中動態精準定位RTK理論是一種新的常見定位系統測量方法。

無人配送車輛使用的是RTK定位技術。RTK定位技術歸屬于多源定位技術，對天氣情況及周邊阻礙物敏感度低。通過互聯網RTK對數據進行差分信號的運算，得出移動站與基準站的偏差關聯性，從而得到定位導航。

b.慣性力高航系統軟件（通稱慣導系統）。慣導系統的硬件由手機陀螺儀和加速度傳感器組成。慣導系統歸屬于測算導航方式，可連續測到載體的所在位置。該系統不受外界干擾信號產生的影響，具備全天、全天候、全地域工作等特點。

應對具體繁雜的行車自然環境，定位系統通常會受制于自身缺點而難以保證精確度，因而現階段無人自動駕駛車輛主要采用的是通信衛星慣導系統的排列方式。

3 環境感知技術

環境感知作為自動駕駛系統里的主要階段，處在無人駕駛汽車與外界因素數據交換平臺的關鍵所在部位，其重點在于使無人駕駛汽車能夠更好地模擬人類駕駛員感知力，進而了解自己和周圍的安全駕駛情況。

好似人們受制于本身視線一樣，無人駕駛汽車上安裝的各種感應器也有自己的認知盲點。在無人駕駛環節中，根據組合使用多種類型傳感器和隕鐵時鐘頻率關聯感知技術，能夠屏蔽認知盲點，一般不會影響正常安全駕駛。

無人駕駛汽車獲得與處理環境數據，主要運用于情況感知和V2X網聯平臺通信。交通出行情況認知功能性的完成取決于環境感知感應器及相應的感知技術。依照獲得交通出行環境數據的路徑，可分為以下兩種：

a.處于被動環境傳感器。此類感應器本身不容易發射信號，而是通過接納外界反射面或輻射源信號獲得環境數據。

b.積極環境傳感器。此類感應器主動與環境因素發射信號開展環境感知，主要是指激光傳感器、車載雷達和超聲波雷達。

車體情況認知功能性的完成主要基于GPS、北斗衛星導航系統、慣性導航系統等設施，致力于獲得汽車的行車速度、姿勢方向等相關信息，為無人駕駛汽車的定位與導航欄提供有效數據信息。

V2X網聯平臺通信闡述了汽車、路面、使用人三者的聯系，主要利用RFID、拍照設備、云主機等得到交通路況、交通信息、路人信息內容等一系列路況信息，進而提升安全駕駛可靠性和安全駕駛高效率。智能化汽車里選用配置計劃方案通常由多種型號規格或多種類型機器設備來搭配。

一般來講，感知設備類型越大，價錢越高，精密度相對越高，鑒別范圍相對越大。然而每一種感知設備都有局限性，因為道路環境、氣溫自然環境的多樣化，以及其無人駕駛汽車自身的運動特性，照相機容易受眾多不可控因素產生的影響。

雷達探測對陽光照射、顏色等不可控因素具有極強的可擴展性，激光傳感器、車載雷達和超聲波雷達也都有自己的優點，但都不可能徹底消除凹痕反射面、粉塵影響和雨、雪、霧等惡劣氣溫情況下的檢測難點。

定位系統為無人駕駛帶來了高精準定位、導航和授時服務，RTK INS組成也為即時精準定位和裝配精度提供了保障。因此，無人駕駛汽車應以每日任務需求為導向，針對性地選擇適宜的感知設備，組成完成合理配置，做到根本目的。

4 路徑規劃

最短路徑算法是智能駕駛所涉及的一項重要技術。近些年該方法最大的一個改善便是考慮到汽車具體駕駛的自然條件，并依據控制系統形成最優的參照途徑。

路徑規劃一般分為三大形式：

a.分層次遞階式路徑規劃。

這是一個串聯體系結構，在這個體系中，各控制模塊順序明晰，因而也被稱為“認知-整體規劃-行為”構造。得出任務和約束后，整體規劃管理決策便會依據原有標準確定出行為路經，從而完成每日任務。但是它也有缺陷，對全局性標準較為理想，但對傳感器和測算數據庫系統較為嚴苛；另外，穩定性不太高，一旦其中出現問題，很有可能形成總體崩潰的情況。

b.反應方程式的路徑規劃。

選用并接構造，每一個控制層能直接根據傳感器鍵入開展管理決策，更適用于徹底陌生環境。由于每一層只需承擔全面的某一個個人行為，整個系統可以方便地完成銜接，并且如果某一層的控制模塊出現常見故障，剩余層次仍可能存在價值，系統軟件的可擴展性獲得了很大的提高。但是它也有自身缺點，系統軟件實施的協調能力，必須配備聯動機制去解決每個控制電路的沖突；另外，伴隨每日任務復雜性的提高和各個人行為中間配對檢驗的提高，預測分析能力可能不夠，從而欠缺較高級別的智能化，如圖2所示。

c.混合式路徑規劃。

分層遞階式和反應式各有優劣，都難以單獨滿足使用需求，因此應將兩者進行有效的結合。混合式在全局規劃層次上偏向于分層遞階式行為，在局部規劃層次上偏向于反應式行為。混合式體系結構可以應對復雜多變的使用環境，如圖3所示。

5 車輛控制執行

無人配送車必須在環境感知的前提下，依據決策規劃出來的總體目標運動軌跡，并根據縱向和橫向控制系統的搭配使用，使車輛必須按照總體目標運動軌跡精確平穩行車。依據行車自然環境到安全駕駛動作投射的全過程，無人駕駛控制系統可分為間接控制和完全控制兩個不同的方案。

無人駕駛間接控制是一類根據整體規劃及追蹤的主力無人駕駛車輛的控制方式。根據當前汽車行為要求，在符合汽車本身約束下，規劃出一條行得通且可控的無撞擊安全性軌跡，以此來實現獨立安全駕駛。

無人駕駛完全控制是一類根據人工智能無人駕駛汽車自主控制決策方法。假如被控對象的特點與環境狀態已知，且能得到令人滿意的控制性能，但實際上行車自然環境受諸多因素的影響，具有高度的不可操控性，致使車輛本身存在行車差異。而完全控制依據人工智能設定了從行車自然環境到安全駕駛動作直接映射的全過程，有較強的操控性和實用性。

6 無人配送車相關技術存在的問題

無人配送技術盡管發展快速，但還是處于產品研發實驗的時期，目前僅在局部地區開展小范圍的檢測。想進入商業化還應克服以下問題：

a.非嵌入式操作系統產生安全隱患：無人配送車的超算平臺多為非實時電腦操作系統，可事實上依照車規的需求，每一個車載操作系統都要即時實際操作，才能保證反應速率及使用安全性。

b.機器學習算法水平不夠優秀：當面對繁雜情景時，現階段機器深度學習水平暫且不能非常好的解決。

c.決策規劃和運動控制技術還不足以達到市場多元化、個性化的需求：現在市場還在發展中，下游的無人駕駛車技術性經銷商暫時還不能提供個性化要求，這也使得無人配送車在決策規劃及控制上存在比較多的難題與挑戰。

d.車輛可靠性還需要進一步提高：配送過程中遭遇多元化的情景，能不能達到高韌性工作中的派送要求，應該是對車輛穩定性的考驗。

e.市場需求的不一致造成車輛設備欠缺專業化、規范化的通用性，提升了成本。

7 結語

無人配送是人工智能典型性落地式情景。盡管自動駕駛系統離徹底完善尚需時日，可是無人配送能夠幫助自動駕駛系統迅速落地、不斷迭代。

目前，派送情景需要大量科技創新，一旦取得成功，可實現傳統產業升級，進行服務性產業鏈向科技驅動服務性產業鏈銜接。

參考文獻：

[1]劉曉鵬.破解無人配送車商業化困局[J].中國物流與采購，2022（23）：26-27.

[2]宋苗苗.基于服務設計的校園無人配送車設計研究[D].哈爾濱：哈爾濱理工大學，2022.

[3]劉銳，郭文佳，劉傳福.基于配送需求的無人駕駛駛向“經商”賽道的必然和挑戰[J].智能網聯汽車，2021（5）：65-67.

[4]四川移動推出5G+高精度定位無人配送車[J].通信與信息技術，2020（2）：34.

[5]夏華夏.無人駕駛在末端物流配送中的應用和挑戰[J].人工智能，2018（6）：78-87.

作者簡介：

王強暉，男，1991年生，助理工程師，研究方向為智能駕駛道路測試。