2021 年 12 月 10 日，由雷峰网 & 新智驾主办的第四届「全球智能驾驶峰会」在深圳正式召开。
这一次，雷峰网(公众号：雷峰网)新智驾以「智能驾驶鏖战时刻」为主题，将话筒递给业内 19 家标杆企业，辐射 13 大技术/场景，覆盖智能驾驶算法、芯片、感知、落地等多个维度，每个领域只筛选最具代表性的一家企业。
遵循“基础理论技术创新”和“行业解决方案落地”两项黄金标准，演讲嘉宾向行业分享他们对过去经验的总结回顾、对未来趋势的预测以及行之有效的模式的分享。
峰会之上，美团无人车配送部总经理夏华夏带来了题为「城区配送场景下的智能驾驶实践」的精彩演讲。
夏华夏在会上指出，自动配送车因其体积小、车速低，常给外界技术比较简单的假象，但在城市公开道路以20公里以上速度行驶时，非机动车道上的行人、自行车、以及机动车的不确定性经常为自动配送车带来意想不到的安全性问题。
尽管自动驾驶技术整体标准化，但自动配送车多在道路狭窄、多遮挡物、不确定性多的非结构化道路行驶。
他认为，城区配送如果要实现大规模落地，必须实现运营一线无安全员的去人化。现在，一方面需要行业玩家继续提升自动驾驶技术，让整个自动驾驶对周围的感知、规划、控制、定位更加安全可靠。另一方面需跟进人力、维修、紧急安全员等运营能力。
今年4月，美团发布整车按照车规级标准生产的自动配送车魔袋20，经过了整车性能测试、耐久测试、严寒酷暑环境适应性等多项测试，最高时速达45公里每小时。
目前，美团自动配送车在北京顺义区的公开道路配送累积里程约50多万公里，配送订单超过10万。
以下是夏华夏演讲全文，雷峰网新智驾做了不改变原意的整理与编辑：
大家好！刚才朱老师完成了一个非常精彩的分享，其中提到无人驾驶非常难，我深有同感。因为美团做无人驾驶到现在五年多了，从开始做到现在，我们每年都有一些进展，也面临着新的挑战，我自己的内心对这个事情的敬畏也一年比一年大。
今天借着这个机会，一方面跟大家同步，美团2021年在自动驾驶方面的进展，另一方面也想和大家讨论，城市复杂场景下做自动驾驶有哪些挑战。
这张图是自动驾驶的应用脉络，分为不同的场景和速度。我们按照速度和场景的复杂度，把很多场景应用画在图上，用不同颜色表示。蓝色的是载人的车辆，红色的是城市公共交通的巴士，橙色是无人配送领域，灰色是特殊场景的应用。
大家可以看到，越往右上角，代表速度更高，场景更复杂。从自动驾驶技术的角度来看，我们认为它需要的自动驾驶技术的能力也就越强。
如果大家看城区无人配送，虽然速度要求没有特别高，但场景复杂度特别高。
这些斜的虚线代表一些能力的等高线，无人配送如果在最复杂的场景，可能代表着需要我们最完善的自动驾驶技术，这是我们一直努力突破的目标。
物流一般分干线物流和城区配送。今天上午好几位嘉宾提到自动驾驶卡车，那是干线物流。城区配送一般以40或者50公里之下，20公里之上的速度进行配送。其中，物流场景一般叫支线配送。还有一部分在封闭场景比如在园区、校园、住宅小区等，也有很多配送需求。
美团现在主要侧重于城区场景配送，会涉及城市道路、园区、住宅道路等等。这类场景的参与者非常复杂，我们希望最终达到结合城市场景里包括园区、公开道路的配送车，以及空中的无人机，通过无人设备跟我们的骑手去协同，打造一个空地一体化的人机协同的配送网络，支持我们城市末端的配送需求。
我们在今年4月正式发布了一款新的自动配送车——魔袋20，车宽1.1米，车长2.5米，最高时速达45公里每小时。车辆智能程度方面，我们增加了更多的传感器，更大的算力，整个车辆的传感器总数达到30多个。车辆硬件方面，我们按照车规级标准生产、制造、测试。其中，我们完成了整车性能测试、耐久测试、严寒酷暑环境适应性等测试。
我们今年在北京顺义区公开道路配送的累计总里程大概为50万公里，累计配送的真实用户订单大概为10万单，今年参加了包括深圳、广州、南京、成都、厦门等城市的抗疫工作。
自动配送车在公开道路要识别红绿灯，其中在非机动车道内要跟很多车辆、行人、老年代步车、自行车、电瓶车、逆行的行人和车辆交互。在整体运行速度为20多公里，还有很多电瓶车逆行的时候，将会对无人配送车的通行带来很大的挑战。
自动配送车是一个送物小车，行驶速度相对比较低，在很多人想象中，是否比较简单？但是当我们实际做的时候，发现在这个场景下会遇到特别特别多城市的“烟火气”，以及预想不到的长尾、复杂情况。
我这里列举了几个图片，比如在机动道路上或非机动车道上，行人、自行车等很多不同元素交合，在路边停了很多车辆，包括当我们在非机动车道行驶，很多树把卫星信号遮挡得非常严重。
整个自动驾驶技术是非常一致的，包括定位、感知、决策、控制，但每个环节都会面临挑战。对于较特殊的挑战，我分开给大家看一下例子。
我们先来看感知。在当前的场景里面，因为我们要在机动车道、非机动车道行驶。三个图代表不同的摄像头，结合摄像头、雷达，我们能识别周围很多的障碍物。
从这个图里面大家可以看到，道路里面有很多不同的障碍物，它的速度各不相同，运动方向各不相同，种类也很不一样。
比如园区很窄的道路有大量的行人和自行车，在这样的场景里我们怎么去识别？如果这边停了一辆自行车，我们需要判断车上有人或者车边上有人，是静止的车还是骑行的车等等挑战。
再一个是定位。我们很多时候觉得定位是一个相对来说已经解决的问题，但在一些城市的复杂场景中，定位还是有很多挑战。
一方面，很多场景会让定位退化，所谓“退化”就是它的周围场景，第一可能卫星信号被遮挡。
另一方面，如果通过视觉看周围的环境，环境始终是不变化的。比如在很长的隧道里，不管到哪，激光雷达视觉进行匹配，看到周围隧道都是一样的。或者在地库的旋转坡道上，如果不仔细识别信息，很难知道现在到底在哪。再比如树木会遮挡很多卫星信号，让我们不得不用更综合的技术手段定位。再比如城市道路上会频繁遇到大量的城市道路施工场景，环境会经常变化，一旦变化的话，我们就需要非常及时地更新高精地图，让车辆更好地行驶。
再来看决策控制。在城市环境中，跟自动配送车交互的道路元素多种多样。如果自动配送车在机动车道行驶，相对来说周围汽车的运动轨迹、运行速度比较容易预测，因为汽车绝大部分是直着往前走，偶尔变道也会逐渐过来。但是当周围要跟很多行人、自行车交互时，当很多人逆行，或者很多行人在道路上横过马路时，怎么较好地预测周围的每一个元素，或是未来三五秒钟出现在什么位置，将非常大地影响我们的决策和控制动作。
最右边这个图，是自动配送车在非结构化道路比如园区道路进行不太好完成的调头，如果进行大尺度调头，这对车辆技术的要求非常高，因为路径的规划和速度控制要非常好地吻合才能实现。我们现在已经实现时空一体的三维规划，把路径规划和速度控制在一个模型内结合，才能较好地让自动配送车在剧烈变化的路径中稳定行驶。这是我们在决策控制上遇到的挑战。
再有一大类是安全方面。车辆在路上行驶一定要安全，而且比人还要安全。这个安全分为主动安全和被动安全。主动安全即车辆自动驾驶要能做到躲避障碍物；被动安全是万一真的发生碰撞，不管是我的原因还是别人的原因，怎么尽量减少对周围环境造成的伤害。比如人撞上，车通过外形设计、材料选择，降低发生碰撞时产生的伤害。
同时，我们也会考虑数据安全。我们的车辆会采集大量的数据，很多是比较敏感的地理数据，我们需要保证这些数据的传输、存储比较安全。
再比如网络，不管是上传的数据还是车辆的控制信号，都是通过网络传输，怎么保证数据加密，以及控制信号的不可篡改等，这些都要考虑。
还有功能安全。对车辆来说，除了车辆的机械结构之外，还有大量不同的传感器，还有一个非常复杂的分布式计算平台。这些传感器、计算平台、软件每一个都可能发生故障。在一些零部件发生故障的时候车辆能不能较好地实现容错，如果不能正常行驶，也要尽量减少对交通造成的危害。
主动安全，被动安全，数据安全，网络安全，功能安全这五大安全领域，都是我们现在发现且要一个个解决的。所以我们现在从三个大的维度去思考：对车辆设计，对软件系统在内的整个系统方面，以及整个运营流程等都需要比较好地进行很多设计，让我们的配送可以更加安全。
最后展望未来，我们觉得如果城区配送最终大规模落地，一定是去人化，去人化就是不需要安全员在运营一线跟随。自动驾驶车如果要一个人跟着，经济成本就算不过去，无人配送也是这样。
自动配送车上没有座位，但自动配送车目前在绝大部分城市落地时，按照政策要求，车后需要跟随一个人，以及远程监控员。我们希望最终做到不管从技术或政策，能够让自动配送车不带一线运营安全员地在道路行驶，重点通过远程监控来保障运营。所以一方面需要我们继续提升自动驾驶技术，让自动驾驶对周围的感知、规划、控制、定位更加安全可靠。
另一方面是在运营方面努力，如果有一些突发情况，我们能通过运营的人力、维修、紧急安全员快速跟上。
还有政策法规上，我们需要跟政府一起，通过自动驾驶能力的提升，政府能更有信心，给行业开放更多路权和更灵活的条件。
最后在网络安全方面，整个行业也需要不断地做探索。
希望通过美团和在座同行，以及很多朋友的努力，大家一起让自动驾驶技术、整个行业、法律法规不断成熟。我们的目标是通过无人配送让服务触达世界的每个角落，我们也相信这个目标肯定会达到，但我们希望有更多人帮助，一起让这个事情早日实现。
希望大家继续努力！
雷峰网雷峰网雷峰网
正在生成分享图...
Nemo