宫心计2中宫无后国外矿山无人驾驶应用方面，和人工驾驶相比，总体成本降15%，每年多工作500小时。

　　矿区的无人运输系统核心的关键技术包括感知、控制、协同、调度、优化五个方面。

　　预计未来每年4000万套导航会换成高精度的导航系统，前提是组合导航的价格足够低。

　　余贵珍博士，踏歌智行创始人&CEO。北京航空航天大学教授、博士生导师、国家“万人计划”科技创新领军人才。参与《中国制造2025的重点领域技术路线图》《新一代人工智能发展规划》撰写，荣获国家科学技术进步奖、中国智能交通协会科学技术奖。

　　向为博士，北云科技创始人&CEO。国防科技大学博士学历、军队科技进步奖获得者，湖湘青年英才、湘江新区双创领军人才、高层次创新创业人才、北斗天衡智库专家。曾负责多项北斗一号、北斗二号国防重点工程型号项目建设。

　　邓学，天风证券研究所汽车行业首席分析师。清华大学汽车系学士、硕士。2014-2017年获新财富“最佳分析师”第4名、第1名、第2名、第2名，2019年新财富第3名。

　　余贵珍：大家好，我的题目没有写自动驾驶，更多的是写无人运输，后面我会解释这个。我今天分享分四个方面：封闭区域机遇、无人运输系统、关键技术介绍、示范及应用。

　　现在大家抛弃了L3进入了L4，朋友圈里看到了各种的言论，特别是疫情期间朋友圈看到很多无人配送送餐车的应用。

　　十另外十一部委印发《智能汽车创新发展战略》，算是近几年印发最重要的文件，大家感觉到，自动驾驶的春天，无人驾驶的春天来了。

　　Google、百度投入了大量的资金在无人驾驶研发方面，新政策也为无人驾驶、智能驾驶打下了很好的基础。我们也看到很多希望。但公共道路上普通用户使用无人驾驶还是有较长路要走，当前道路法的路权是不允许无人驾驶的车辆行驶。

　　当前的道路是为有人驾驶服务，并不是为无人驾驶服务的，车智能化无人化了，道路是不是智能？如果道路不智能的话，用人的判断来要求车，复杂环境下肯定无法满足无人驾驶的要求。

　　另外是产业的商业模式还没形成，无人驾驶在高速公路上120公里的行驶，可能有一半甚至大部分人不太敢坐，不太想把生命交给机器，我觉得无人化在公共道路上，还是有很长路要走的，是不是无人化的技术落地就不行了？在特定区域内无人驾驶有很多机遇，并且国外已经有量产。

　　比如说矿区的运输、物流园区短距离的接驳、码头、工程、清扫、农业耕种方面，这些方面在国外已经有成功经验，很多创业公司已经挤入这个赛道。

　　这些案例共同的特点是特定的区域，没有法律的障碍，另外环境基本是可控的，可以不让人进入这个环境，甚至让道路的标志更清楚。例如矿区、码头是24小时运行的，机器替人的价值很高，经济效益很显著。特定区域没有法律限制、运行可控、经济效益显著，具备落地的基本条件。

　　我自己从事矿区无人驾驶创业，我更希望用实践跟大家分享。露天矿为什么可以无人运输？它是封闭的，矿车是8米宽，只能在矿行驶，线公里以内，基本上点对点运输，适合于无人驾驶落地。除了机器替人的经济价值，没有人员伤亡，生产更加稳定，不会因为疫情受到招不到人的影响。

　　矿区需要如何？新技术在一个新的场景中应用，有痛点的话才有可能更好的落地。矿区有痛点，大量的矿区在内蒙高寒地区，90年代出生的司机很少，都是50岁以上的司机，招年轻人越来越难。

　　一般一台车有四个司机左右，如果把所有的成本都算进去的线万美金的成本，因为车辆大，盲区大、24小时运输，容易发生疲劳，也经常发生一些事故。

　　所以露天矿区适合落地，有痛点， 24小时高频运输，机器替人有经济价值，踏歌选择这个场景进行落地，希望给客户带来更好的经济价值。

　　国外的情况怎么样？卡特彼勒和小松、别拉斯推出无人驾驶矿车10年以上，在澳洲、加拿大、巴西等300辆无人驾驶矿车投入运营。无人驾驶和有人驾驶相比，总成本会降低15%，每年多工作500小时。

　　中国还没听说过矿里有大批量的无人驾驶，我觉得中国有自己的特点，大型的矿区，除了大型矿车，像卡特彼勒和小松，中国还有小的自卸车和宽体车，国外无人驾驶的要搬过来有点难度。

　　中国的人工成本低，国外是中国的十几倍，矿区的开采工艺和道路环境不一样，我们合作的几个矿里，露天矿的道路宽度是18米到22米，国外的基本上30多米，在中国矿区会车控制更难，另外环境特点也不一样，中国还要满足有人和无人混行的需求。要把无人驾驶结合中国矿区的特点，开发自主可控的矿山无人系统，是中国创业者和相关研发人员面前最重要的任务。

　　刚才提到智能车的政策支持是2月份发布，3月份发改委又发布了《关于加快煤矿智能化发展指导意见》，其中里面有几条是关于露天矿智能化的时间节点。

　　国家这么快出台智能化甚至无人化政策，对创业者来说是很好的福音。从时间节点上我也觉得无人驾驶春天到了，特别是矿区的无人运输。

　　我刚才提到为什么不叫无人驾驶，而是无人运输，矿物运输有装、运、卸多个环节，所以我们认为无人运输更合适。矿区无人运输系统里包括：

　　二是除了矿卡的无人以外，还需要辅助作业车的终端把挖机、电铲配合，实现挖机和无人车通讯，指挥无人车停靠正确的位置，装载完后指挥车辆离开；

　　三是平台，通过无线通信监控车辆的实时状态，还包括车铲路的调度，车与铲配合，路径选择，地图制作和统计报表等。

　　无人运输系统有车载终端的产品和云平台的产品，主要围绕矿里的业务，一般一台挖机对应四辆无人驾驶的车辆，卸端有推土机，车载终端产品和云端平台产品都是为矿区的典型作业编组服务。

　　矿车无人驾驶方面，和公共道路上的无人驾驶一样，包括环境感知、规划决策和控制执行这三个层次。在环境感知方面，矿区道路没有车道线，路面坑洼不平，大部分都是上坡或或下坡是，公共道路摄象头、毫米波雷达、激光雷达的感知算法无法直接用于矿区环境感知。

　　例如激光雷达方面，激光要求斜向下，识别驶行安全区域、道路石头以及车辆行人障碍物；另外矿车运输有装和卸的点，车辆需要倒车动作，这样后面也要装相关的毫米波和激光雷达，来检测后面的障碍物和深坑。

　　踏歌公司无人驾驶控制系统中，核心是主控器和执行器，感知、控制、决策等算法主要在主控器中。

　　线控底盘方面，北方股份在大型的矿卡占有很大的市场，主要负责线控底盘改造，踏歌做无人化和平台部分。辅助作业车载终端方面，主要包括防撞终端、调度终端，电铲作业终端，还有推土机和挖机的作业终端。

　　矿区的无人运输系统核心的关键技术有哪些？首先我们介绍技术之前，知道矿里有哪些技术挑战。

　　感知方面的挑战包括：24小时作业，晚上的光线不太好，北方的温度有零下四十多度，非结构化的道路，道路特征并不明显，车辆的体积大盲区多，所以矿区感知技术跟公共道路不太一样。

　　控制方面挑战主要是：车型大，刹车一秒钟才能有反应，重载上坡，转弯180度，200吨以陡坡行驶。

　　在协同作业方面挑战包括：车跟铲、车跟推土机，车与车十字路口、单行道的协同。

　　另外调度技术挑战包括：四台车编成调度相对简单，当二十个编组甚至几百个编组矿区运行，对调度系统是个很大的考验。

　　在可靠性方面，矿区24小时作业，需要车载运行高可靠性、网络连接和定位的高可靠性、平台运行高可靠性。

　　面对这些技术挑战，我们总结出以下核心的技术。在感知方面是非结构化道路路面的检测和融合感知，解决晚上灯光、沙尘，前向、后向感知。

　　在控制方面，特种车辆的无人驾驶轨迹跟踪和精准停靠。轨迹跟踪的精准才能在较窄道上两个车会车，精准停靠才能实现车与铲的协同作业。

　　另外还有基于V2X技术的车路协同无人编组作业的智能调度技术和基于大数据技术的能耗与效率优化等核心技术。当无人矿车大批量运行，无人驾驶模型将会是最好的驾驶员，能耗和效率一定最优。

　　比如说车辆控制中轨迹跟踪，公共道路上车辆控制模型和算法无法用于矿区车辆控制，我们采用运用机器学习，采集大量的优秀司机人工驾驶数据，从这些数据学习人是怎么驾驶，形成驾驶的控制模型，用于车辆的控制，实现重载上坡、空载下坡，180度弯道等场景下轨迹的高精度控制。

　　在矿车装和卸端，特别是装载方面，挖机或电铲会随着矿物质的减少不断的移动，车也需要跟随挖机移动，如果移动不到位，装载效率会低，当可以精准停靠的时候装载效率比较高。

　　动态的装载实际上国际矿卡控制难题，我们花一年实现动态的装载、动态路径的规划，可以实现精准的停靠，位置偏差载0.3米以内，方位偏差在三度以内，比原来人工停靠精度还要高。

　　V2X除了实现车铲的配合，另外窄道会车，矿区路口路权的协同都要基于V2X。我们通过这一年多在矿区的运营，V2X是矿区重要的技术，运用于装、运、卸等环节。

　　平台智能调动，主要对车、铲、挖点、卸点、道路等资源进行调度，实现资源有效利用和高效匹配，提高作业效率。

　　接下来大家再分享一下我们在白云鄂博的案例，宝钢的白云鄂博已经有四台车运行一年，整个矿有两个电铲，今年要把17台车都要运行起来，整个项目是踏歌和北方股份合作完成，这是金属矿无人运输的案例。

　　国家电投霍林河跟北方股份合作，215台主动防撞，如果装了防撞系统，尽可能减少事故发生。2台的无人矿卡已经在矿区运行。另外今年霍林河有10台无人驾驶新车会投入运营。

　　我们在鄂尔多斯和中环协力合作200台车左右，明年上半年会全部运行起来，在2到3个矿中运营，主要是煤矿的土石方运输，核心技术基本相似，也包含平台。

　　向为：首先感谢主持人，刚才余老师带来的演讲非常精彩，让我对矿车无人驾驶的细节了解得很多。各位朋友大家好，我是湖南北云科技有限公司的CEO向为，感谢邓老师和天风力合的邀请，非常荣幸参加这场研讨会。

　　几天前，北斗三号的倒数第二颗卫星发射完毕，预计北斗三号会在今年5月全部建成，并提供全球服务，标志着北斗系统将与GPS在智能网联汽车中发挥重要作用。

　　我和团队之前就是在国防科大参与北斗卫星导航系统的建设，现在专注于在智能网联汽车中提供高精度定位，团队主要成员，因为北斗系统的建设获得多项军队科技进步一等奖，2013年成立公司，2019年成功完成了多元融合、高精度定位芯片的自主研发与批量生产，能够为无人驾驶提供经济、可靠的高精度定位。

　　当前的产品已经在全国大部分的驾考场地得到了应用，这些图都是各个地方的驾考场地的实拍图片，为驾考提供稳定的高精度定位，现在考驾照的学员大部分会接触我们的产品，这些考场也给我们提供了海量的场景和数据，促进相关算法的改进和训练，提升产品品质，为下一步产品在更广阔的智能驾驶相关车载运用中打下基础。

　　接下来我简要介绍一下无人驾驶使用的定位技术，首先是GNSS定位，全球卫星导航系统的简称，包括GPS、北斗、Galileo、GLONASS等多个导航系统。

　　卫星导航主要利用卫星的位置和卫星到我们的距离，计算出准确的位置，卫星的位置是直接通过星历播发的，距离是通过信号飞行的时间和光速计算得来的，卫星信号需通过大气层才能传递到车上的高精度天线和车上的接收机上。

　　大气层有各种各样的不确定性，包括电离层、对流层，导致飞行信号有一定的延时，导致定位不准确，我们需要在附近有基准站校准这个误差，通过互联网播发给无人驾驶汽车，才能达到十厘米以内的定位精度。

　　遍布全国的基准站的网络是提供高精度定位的基础设施，我们要实现高精度的定位，必须要在几十公里的范围内有一个基准站，国内这个设施已经相对完善，比如国内的电信运营商、中国移动前不久完成对全国建站的招标工作，准备与5G信号一起提供这项服务，为全国范围内的无人驾驶打下良好的基础。

　　GNSS卫星定位有它的局限性，上面列出的三种情况，会导致距离的误差，比如本来不应该收不到的信号，通过窗户反射出来收到了会带来误差。

　　信号遮挡，比如说隧道里面，会导致卫星导航接受不到信号无法进行定位，因此需要惯性定位的辅助。

　　我们一般会将卫星定位和惯性导航相结合，优势互补，为无人驾驶在各种各样的情况下提供稳定的定位。

　　以上说的是绝对定位，极端的情况下，光靠惯性导航和卫星导航的组合也无法满足无人驾驶的要求，这个时候就需要用到激光雷达定位，激光雷达是通过点云进行建图、匹配，激光雷达可以获得每个扫描点的距离信息，有比较好的稳健性。

　　除此之外还有视觉定位。现在简要分析一下自动驾驶对定位精度的要求，每辆车都有自己的安全空间，超出之后可能发生事故。

　　安全空间可以分为垂向、纵向和横向，车辆有转弯，我计算空间，会进一步提高它的要求。车辆姿态估计，如果有偏差，方形中的车辆上下摆动一下，对精度的要求会更高。

　　经过层层的限制和计算，这个表列出常用车型的定位要求，乘用车要求0.29米的定位精度，不要认为这个精度很低，现在很多手机广告也宣称可以达到这个精度，普通人可能会被广告迷惑陷入到广告宣传的误区，认为这个精度很容易。

　　事实上这个定位精度，我们这个指标一定要结合使用环境、可靠性来讲。很多宣传中的高精度手机一般只能在空旷的足球场达到，只要稍微有树木遮挡、路牌遮挡就会导致定位精度大幅下降，甚至发散到几十米。

　　下面看一下前沿的传感器，百度阿波罗推荐的，这也是自动驾驶主流的选择，我们把这款系统与国产的X1，也是我们研发的对标产品进行了详细的测试，给大家直观展示一下定位精度在车载环境下的各种表现。

　　这是我们测试中的实物连接图，我们选择八个典型驾驶场景，看一下它的定位表现，先介绍两个指标概念，衡量精度的，第一个是可用性，测试时间段内，定位误差能够满足自动驾驶时段的百分比。CEP95指标，在95%的概率以内可以满足的误差指标。

　　左上角的表，在开阔环境下国外对标的E1，X1-3和X1-6是采用了不同的惯导模块，都可以提供百分之百的可用性，定位精度都在10厘米以内，这是误差的曲线图。开车时不可能只有开阔的环境，经常会穿过林荫道、高楼和隧道，我们还要在其他的环境下都要测一测。

　　这个图的误差达到0.5到0.9米，经过我们的详细测试，树荫遮挡比较浓密的情况下，X1组合导航能达到98%的可用性，相比国外的产品也有一定的进步。

　　除了常见的遮挡产品还有一种干扰场景，大家现在租车或是大货车，很多管制，很多司机为了保证隐私，会买一些GPS干扰仪，这个时候只能依靠纯粹的惯导，我们这种情况先进行了测试，干扰开始后，开始的一小段时间可以保证精度，随着时间的推移精度无法保持。

　　这是停车场的测试，停车场也是常见场景，大家可以看误差图，由于进入的时间过长，所以精度是逐渐下降的，组合导航只能在前期维持定位精度，几分钟之后，惯性导航的误差会越来越大，国产的在两到三米。

　　我们有原始的测试数据可以分析，高架桥是城市场景中经常遇到的状况，天空遮挡非常严重，这个情况是非常考验组合导航的技术水平，因为需要紧耦合，把底层的信号处理，RTK解算和惯性导航组合起来才能做好，达到和国际先进水平相当。

　　这是国际主流的，主要是组合导航的定位方式，我们自己的产品和国外的产品指标已经相当了，之前在我们调研的过程中，自动驾驶企业还是有几个痛点的。

　　激光雷达的价格比较贵，大家都知道最近降价比较厉害，而进口的组合导航的价格也太高，一套车才十多万，或是套底盘，怎么可能买几万甚至十几万的组合导航小模块？更不用说未来用在量产车型上。

　　我们这款产品自研芯片、自研算法，成本可控，可以为自动驾驶批量提供服务，提供基础性的模块，X1产品是最具性价比的导航系统。

　　最后谈谈定位核心传感器器件的发展趋势，这是GSA的市场报告，每年大概有4000万套普通的车载导航系统，随着智能化的程度越来越高，未来每年4000万套的导航会换成高精度的导航系统，前提是组合导航的价格足够低，我们是有信心做到的。近几年商用车上会提前的大批量应用。

　　这是当前组合导航所处的技术趋势位置图，大家可以看到，组合导航是标到黄色的部分，他是属于多元融合技术，相关的技术还处于发展的中期，技术壁垒比较高，市场上还缺少划时代的产品，我们正在这块努力。

　　下面介绍一下现在比较主流的定位方案采取的措施，采取的方案，这是百度阿波罗的架构，基本上用到我们所提的所有传感器，采用多元融合的方案。

　　这是特斯拉的定位解决方案，特斯拉右下角的拆解可以看到，右下角有一个小模块，是用了低精度的导航模块，没有用到激光雷达，也没有用到RTK定位。

　　这是另外一个智能驾考系统，是多伦科技的智能驾考系统也是我们的大股东之一，使用的就是我们的产品。

　　人工智能、无人驾驶在商用车上是很有前景的，乘用车普遍认为还比较漫长。驾考也是一个商机，为了追求驾考的公平公正，驾考车越来越智能化。

　　2012年开始大部分自动化判断以后，现在也在做一些全智能化的判断，驾考、驾培车有几十万辆的规模，如果能形成统一标准，预计会和商用车一起成为无人驾驶技术率先落地的重要领域。

　　除此之外，高精度定位还会用在各种商用车的定位中，这是我们的典型客户，包括无人重卡、扫地车、无人矿卡等。

　　介绍完应用我再说一下技术发展的趋势，无人驾驶多传感器融合是大势所趋，之前给大家展示的测试报告中，卫星导航和惯性导航的组合导航定位精度在超长隧道等极端场景下时不足以满足自动驾驶要求的，我们可以主要依赖卫星导航和惯性导航。

　　隧道中卫星导航不可见，我们主要依赖惯性导航，激光雷达等，还有视觉导航提供服务，现在人工智能算法不能媲美人类的智慧，传感器越多，就越能提升人工智能的可靠性和安全性。

　　当前很多自动驾驶和无人驾驶的厂家在传感器的选择上有一些考虑，有的不用激光雷达，有的不用组合导航等，主要是考虑成本，我预计只要芯片成熟，工艺成熟以后，这些成本大幅度下降，无人驾驶应该配备足够的传感器。相信成本下降的时间会快于人工智能完全智能化的时间。

　　最后提一点遐想，这是《银翼杀手》的剧照，人足不出户，利用代理人出行，随着人工智能和高精度传感器的成熟，无人驾驶中的遥控方案也可能成为一大主流应用，不完全是自动驾驶。欢迎各位朋友到长沙来我们公司，湖南北云科技有限公司坐一坐，谢谢大家。