刘鹏：各位领导、各位专家、各位同仁：

大家上午好！

我是一直在搞控制，所以我们民航行业的会议我第一次参加，我今天给大家介绍一下智慧机场自动驾驶技术的探索。

这是我今天要发言的题目，自动驾驶技术发展了很多年，看着很成熟，但是实际上要做大规模的商用目前还都是在做示范，各个城市都在做示范，每个示范区据我了解一般也只有几十辆车在跑。昨天我在深圳开会议就讲，很多城市加起来不足两三百辆车，这两三百辆车跑来跑去不如一个机场大，所以我们从去年开始接手鄂州机场自动驾驶项目，分析论证后来发现这个事情极其复杂，因为这个机场有它的特点。

鄂州机场是物流的枢纽机场，枢纽机场有一个特点，在夜间起飞、夜间降落、夜间进行交换，再就是枢纽比较是群起群降，都是夜间必须飞过来才可以交换货物，必须是大家一起飞过来、一起飞走，所以这样这个机场碰到的问题就比较多了。首先，货运飞机用车的地面车辆数量比客运飞机多很多，因为所有货全部用车来转运，没有客人；其次，群起群降，他们一期机位100多个，二期机位270多个，按我估计两三年之后这一百多个机位就被占了，一百多架飞机同时进行保障，只有两个小时的时间这个交通量非常大，所以这个机场不做自动驾驶也不行。

开始我们还没有觉得这个事情多严重，后来跟甲方论证发现这个事情，如果不做自动驾驶靠人来驾驶，那么就麻烦了，这个路就被堵死了，因为交通量实在是太大了。它的特点就是群起群降，夜间2-3点我们测算一下，有两千辆车分布在机场平均不到20公里路上。什么概念？每十米就会有一辆车，这些车停在路上都十米一辆，密度相当大，而且还要跑起来，这个控制的难度很大。机坪上什么车都有，大小不一，有人车、无人车都有。自动驾驶发展的再好也需要有过渡过程，开始有人车不行，混行怎么办？还有就是机场交通环境，我们的路从这个路到那个路也就100米，这100米意味着协同控制难度就极大，机器开车有优势也有弱势。

我们清华汽车系有一个老师，他们仿真结果在高速公路上自动驾驶车从里道到外道，提前一公里并线成功几率只有46%，提前三公里并线成功概率60%多，提前十公里并线成功概率是90%，而我们的道路就一百米，这一百米需要定线、拐弯，这个怎么控制？所以这个难点还是非常的大。

如果仅仅靠单车智能自动驾驶连并线都并不过去，那么怎么办？一定要进行协同控制，对所有车进行外部控制。这个车很厉害，我们还需要获取周边车辆状态还有它的感知信息，就是它的信息我也需要知道， 它行驶的趋势和意图也需要知道，比如一群车都在前进，旁边有车、对向还要来车，到了路口横向也有车，这些车行驶意图几点几分，多少毫秒，精准到毫秒级需要干什么，还有车辆比较多需要做协同控制，这些协同控制都是在毫秒级的，控制精度应该以十厘米、二十厘米为单位，大概就在这个精度，做不到这个精度当前的题目几乎就没有办法完成。

开始鄂州机场以为有单车，买车就可以，我跟他们讲这个不行，但是他们还没有意识到这个事情严重性。后来我们发现，这些单车一方面会造价很高，因为它要感知传感器非常贵，再就是算力，就是它的计算速度比较快，算力大CPU非常贵，还有就是算力有上限，我们做的再好，特斯拉车做的再好每年都会出车祸，都有误判的时候。如果靠群体智能协同控制思路就可以解决这个问题，而且不会锁死，如果这些车足够聪明，但是大家是无序，就像人开车一样到入口都可以往前抢，那么这个车一定会堵死了，但是如果都是靠云车路一体化，那么运行会有序，这样才可以完成这个任务。

我们需要靠群体智能协同控制，无人车和有人都需要可控，刚刚白云机场老总讲的和我的思路基本一致，就是有人车也要和无人车一样的进行协同控制，但是这只是到调度级、任务级，我们这个地方要到动作级，就是行驶的动作都要协调，否则就没有办法完成。但是运车路，车与车都要高度协同，云端优先、任务优先，从路端相当于交通级，云端相当于中心控制，车端执行，这样车整个造价比较低，而且任务才能可行，当然就这么一个车要装OBU，静态和动态地图精度做到十厘米，定位精度做到十厘米，通讯都是毫秒级，要达到5G的水平。

整个设计的思路就是这么几句话，云、路、车智能一体化，这个要完美的进行融合，当然难度是极大的。基于5G-V2X技术，这个技术刚刚起步，有很多基于5G的协议，没有怎么办？这个项目没有办法只能自己定义了。

智能网联汽车，过去叫自动驾驶汽车，或者是无人驾驶汽车，现在统一名称包括从国家战略来讲都叫智能网联汽车，国家走的自动驾驶路线是智能网联，美国、欧洲现在也慢慢转过来，特斯拉就是靠单车，他以为自己做的CPU做的很好就没有问题，但是后来发现问题还是比较多的。

编制机场空侧自动驾驶场景库，就是交通场景库。制定混行交通规则，这里面很多交通规则是过去有人驾驶时代，没有当回事，或者是穿行，或者是并线，谁让行、谁先行，穿行谁先走谁后走，后走的车和先走的车怎么进行通讯，怎么用灯光进行表示，怎么用标志进行联络，这都是要我们定的规则。设计的目标就是安全高效，跟刚才几位专家讲的是一样的。

这是我们从开始提的八大系统，云端、车端、路端、停车厂，底层支撑系统，大的框架没有变但是里面的内容变化比较大。

我们的云控平台还分成应用平台和技术平台。应用平台跟控制的人和管理的人是相关的，我们还可以干涉，但干涉有限，因为这个系统一旦运行起来速度非常快，人可以修改一些规则、修改优先级，但是大的干涉很难做。技术平台就很难让人干涉了，都是机器在走。

这是自动驾驶平台和塔台、生产运营中心有连锁，在这个项目里面有总动引导车，这个车是引导飞机滑行，一方面要跟A-SMGCS系统拿到路径。另外我们的A-SMGCS系统是补充，这个系统A-SMGCS系统得到飞机位置不准确，乱正过程当中我们发现整个场监雷达精度只能做到二三十米，这对于我们来讲是不够，包括后面自动驾驶的时候我们有大量的车，车行道和滑行道横穿的，在机场有十三个，这些地方就需要飞机精准位置，我们自己在跑道边缘包括在跑道上，现在在机场探索在某些地方埋光线，某些跑道边上装雷达，我们要探索飞机精准位置，这个位置是米级，包括飞机拐弯从快速道脱离时，到底从什么道脱离我们需要第一时间知道他走到哪里，这样引导车可以迎上去，否则追不上。因为我们引导车从停车场出发迎它，不是停在跑道边上，跑道边上不能停。这就是路径选择。数据还需要反馈给A-SMGCS，因为A-SMGCS拿不到精准位置。

这是四层结构，顶层是塔台提供了生产任务和飞机的滑行路径，云端做的主要是任务调度和总体态势优化，路侧相当于交通警察，就是这么多车在路侧或者十字路口切入时，到底谁先走谁后走，谁让谁，A车让B车，还是B车让A车，这些都是需要路侧解决。车辆主要是做数据混合和决策执行，数据融合是我们这个车在开的时候，他实际上从我们的路侧边缘计算可以拿到周围所有车的态势，他的位置、行驶意图，基本上就是高精地图，这些数据都能够拿到，拿到之后还要融合自己的传感器感知周边数据，然后他决策车怎么走，走的路径包括云端调度指令前后八九不离十，就是这样的架构。

协同调度指令分三类：一类是比较长的指令——任务指令。车从起点到终点干什么，哪个空车离这里比较近，怎么不堵车的情况下最快可以完成生产任务，这也是有优化。二类是中长指令，从一个路口到另外一个路口，在鄂州机场从一个路口到下一个路口将近700米，有的路口可能不到200米，有的路口不到50米，从这个路口到另外一个路口发一个指令，这个指令就是这个车走哪个车道，这个车道怎么走，走的过程当中让不让线，或者到哪里停，下个路口往哪里拐。三类是短指令，0.1米、20毫秒，这个周期是干什么的？就是并线、切入、切出、急停、让行、先行、穿行，就是这种动作，而且一群车的动作，就类似于舞蹈演员在舞台上演出时，谁做什么动作，谁先做谁后做，谁跟着谁后面。

从刚刚讲的要做到这么多高精度协同控制，所以高精度地图是非常重要的。我们将地图分成四层，静态图层，就是静度比较高，要优于10厘米，工作量大是实时图层和动作图层，实时图层就是道路、交通信息、车辆感知路层。我们路侧有很多探测器，可以探测这条路有哪些车，这些车怎么走的，它的态势是什么。动态图层就是所有车位置、组态、速度、行驶意图，包括车和车之间协同的数据，这些数据都需要在这个土层进行标注。用户图层，比如这个车的特征，有多长、有多短，司机开车的行为习惯是什么，用户的需求是什么。这些动态数据的存储量、计算量很大，而且这些数据分片发给每一辆车，因为每辆车只需要知道自己周围一两百米内就可以了，所以这些动态数据、实时数据放在边缘云，中间云放基础数据、全周态势、任务调度、集中决策，到了边缘云这块这些数据的标注、记录和分片下发到每一个车，每一个车拿到的数据包要足够的短，要足够的全，不可能把所有的数据都发过去毫秒级，这个运算量很大，所以我们放在边缘计算，与协同控制放在一块。车端就比较简单了，有了这些系统车要做的事情就是自己要感知识别，然后还要给云端和边缘贡献我们的数据，同时还要获取分片地图，这个地图过去的数据都是动态数据，拿到这些数据之后就跟上帝视角一样，开车司机不光可以看到眼前状况，还可以看到两百米之外周围的车到底都在干什么，它们都要干什么，路上有没有障碍或者有没有堵车，我们都一目了然，这种车开起来大家就放心多了！

这么复杂的系统怎么设计？必须用数字来支撑，刚才我也讲了，通讯的协议、交通规则、地图存储、下发、标注，这些东西理论上都是可以实现的，但是实际上谁也没有做这么大量的商业化运行项目。目前国内甚至国际绝对是第一个，没有人做，所以这些东西必须是进行实验、验证和模拟，至少在仿照上通过在现场进行测试，其实这些系统光设计也需要两三年，运行阶段也需要优化，所以说数字孪生系统也是非常重要，一点不亚于前面所有系统。

刚刚讲的所有车都需要装OBU，这些OBU与云端和路端进行通讯的手段，有人车也需要装，有人车装了以后在任务调度基础上还增加了协同和动作，这个动作就是要求有人车的司机必须按我的动作来开，，如果不并后面的车也不知道该怎么弄了，因为是一群车，将来的密度是极大的，每十米一辆车，时速可以跑二三十公里时速还是很吓人，我们其实有视频，看起来车都是川流不息。

自动驾驶车辆，鄂州机场是顺丰投资，顺丰领导人比较超前和务实，所有车都想走无人化，我们给他建议就是先搞四种车：货运车、引导车、摆渡车、清扫车，后面的车慢慢弄好，因为这个项目投资没有两三年做不完，无人引导车的优势调度和协同控制是厘米级，精度是厘米级，通讯是毫秒级，过去是靠对讲机跟司机对接，或者靠屏幕发命令，这都太慢了，这个协同是非常高的，我们现正在测试正负5米左右可以随着速度进行调整。

货运车，货运车除了拖头车一拖四，昨天广泰演示的车，还有一种方案就是做单厢的转运车，单厢转运车带来的好处就是任务流程相对比较简单，一拖四装机时是乱序，会比较麻烦，这个我装一个就走一个，这样效率会比较高，而且无人驾驶时代这个车会比拖车跑的快，因为它自己有刹车、自己有动力，载运盘有动力，板箱自己可以走过来，所以这个比较方便。

这个项目目前有五个大标准需要制定。

第一是场景标准。编制交通场景库，这个场景库包括每一种场景的对策是什么，交互的信息是什么，车和车之间、车和云之间、车和路之间到底做什么动作，通讯上到底怎么做。

第二是高精地图。这个高精地图重点是动态数据和局部地图存取和下发，这是我们需要攻克的难点和重点。

第三就是交通标准。运行管理规则，过去交通规则要增加，我们交通标志标识，包括车辆灯光也是一种语言，比如有一个车穿行，另外一个车要让行，这个穿行的车要穿的时候旁边的车到底是在让还是不再让，它让行的车不会停下来，这个车一旦停下来再启动就慢。所以我们协同的结果肯定是大家都不会停，只会让的时候速度减一下，穿行的车速度加一下，这样就过去了，这种情况下怎么两个车进行语言的交互，灯光的标识后面会有标准。

第四是通讯标准和数据接口。

第五是安全机制。身份认证，就是安全非常重要，无人驾驶时代安全是最重要的事情。

下面我再谈谈效益分析。无人驾驶不光是节约了人工费用，这确实是一大块，后来我们计算减少了等待时间，因为在高度协同控制下我们的车从什么地方出发到什么地方会合做什么事情，有点像火车，但是不像火车，火车没有什么扰动，而我们中间会有很多扰动。比如，飞机晚点，我们没有办法控制，飞机什么时候到有时飞行员自己也搞不清楚，这样可以减少等待时间、减少车辆投放、降低能源消耗。刚刚讲了引导车为什么跑的快迎飞机，不能让飞机停在那里等。昨天还在讲，飞机一脚刹车下去再启动比较耗费，所以我们协同的目的是谁都不能停，大家都在运行。

大家都知道，无人驾驶的本质是安全，可以做到零事故，原理上可以做到零事故、零隐患。

最后，在工艺流程再造方面，整个系统稳定、可靠、准时可以做到的时候，与将来货运系统以及分捡系统可以完美融合，过去融合不了有大量等待时间，飞机等车、车等飞机这就造成了浪费。

我就讲这些，谢谢大家！