自動駕駛技術在港口的落地路線，在發展過程中除了學習和傳承成熟的港口AGV經驗外，還是不斷創新以貼合港口業務生產的過程體現

港口自動駕駛技術的傳承與創新

（中遠海運港口有限公司）

隨著5G和無人駕駛技術的日益成熟，加之港口又是典型的封閉和低速運營場景，利用“5G網絡+自動駕駛”實現港口的水平運輸自動化正成為集裝箱碼頭全流程自動化作業建設的行業趨勢。港口匯集了眾多動態作業單位和各式作業流程，考驗的不單單是DCV（無人駕 駛集裝箱運輸車輛）的自動駕駛技術，更需要耦合和承載碼頭業務邏輯功能。

一、DCV主要形式介紹

業內一般認為，傳統的土建開挖、光纖鋪設和預埋磁釘的AGV建設模式并不是港口自動駕駛，因為AGV行駛過程是通過自身的磁導航傳感器接收磁釘信息，并沒有使用到自動駕駛技術。自動駕駛技術主要指DCV采用激光雷 達 SLAM（一般指即時定位與地圖構建）、視覺 SLAM、導航定位系統以及多傳感器融合定位技術，實現在不同場景下的自動駕駛。我國港口的自動駕駛是從2019 年左右開始起步的，產品從無到有，并在2020年至2022年呈現“百家爭鳴，百花齊放”的發展態勢。

港口自動駕駛解決方案主要有3種形式：第一種是在有人駕駛集卡的基礎上加裝激光雷達、相機、組合導航、計算單元等自動駕駛套件來實現感知、定位、控制和規劃等功能，外形上同有人駕駛集卡基本一致，如寧波梅山碼頭（飛步科技）和深圳媽灣港（三一/中科云杉）的自動駕駛場景；第二種是在跨運車上加裝自動駕駛套件，由于跨運車通常只能滿足 1~3 層集裝箱高度的堆放，而我國集裝箱碼頭普遍堆場密集，跨運車方案在國內港口使用不多，主要案例集中在歐洲港口，如丹麥的Arhus碼頭和瑞典的CTN碼頭 ；第三種是傳承了傳統的AGV 底盤架構，為平板式導引車，只是不再使用磁釘循跡方案，而是加裝了與集卡一樣的感知和定位傳感器來實現自動駕駛功能，如天津C段（主線科技/西井科技）和廈門遠海碼頭（東風悅享）的自動駕駛場景。

據不完全統計，截至2023年3月底，全國各港口和內陸口岸開展自動駕駛測試或運營的場景已近40家，其中，無人駕駛集卡已超過 250臺，平板式自動導引車近320臺。平板式自動導引車的數量已超過其所傳承的AGV數量（306 臺），因其更具靈活性和穩定性，平板式自動導引車也正成為越來越多港口企業的主要選擇。

二、港口自動駕駛技術演化的3個階段

1. 創新突破：強單車弱平臺階段

AGV 經過近30年的發展，無論是運行效率、 定位精度，還是運行穩定性等方面，都達到了一個優秀的工業自動化產品的要求，如青島港前灣自動化碼頭和上海港洋山四期等。但基于AGV的水平運輸方案需要在港口碼頭的地面埋下數萬枚磁釘，一般適用于新建碼頭，不太適用于舊碼頭的自動化改造。作為存量最大的舊碼頭自動化改造，自動駕駛成為最佳的解決方案，也是自動駕駛技術可以最快實現商業化應用的場景之一。

西井科技在2015年最先嗅到“自動駕駛” 在港口的商業機會，并在 2018 年首次在珠海港嘗試港口自動駕駛。緊接著，主線科技和飛步科技橫空出世，兩家港口自動駕駛公司的創始人是“百度”和“滴滴”的技術核心人物。作為新進港口行業的科技公司，因成立時間不長，為快速占領市場，主要挑戰來自自動駕駛技術 能力。依托定位導航、環境感知、決策規劃、底層控制和安全保障政策等自動駕駛技術取代了AGV原有運行技術方案，西井科技公司實現了在港口應用場景的快速落地試運營，即強單車弱平臺階段。該階段的技術以自動駕駛匹配簡單的港口作業場景為主，車輛數量投入不多，也不需要太多的算法和調度邏輯。

同時，鑒于港口相對簡單的場景，資本市場對于港口自動駕駛這一賽道頗為看好。在資本的加持下，科技公司可以不斷地把資金投入到產品中，使用多傳感器融合定位技術的DCV在導航技術、路徑規劃邏輯、車架設計等方面進行了提升和改良。相較于AGV，DCV的單機 設備智能化程度更高，進而推動港口自動駕駛技術落地地加速和快速普及。

2. 技術傳承：弱單車強平臺階段

單車能力的自動駕駛解決方案并不能滿足碼頭的實際需求，碼頭用戶需要的是從上層調度和中臺系統來實現車隊級別的集裝箱運輸服務。基于封閉場景下的 AGV路徑規劃讓港口自動駕駛找到了借鑒的方向。所謂AGV路徑規劃，是指 AGV能夠根據算法最優準則，在具體的業務場景下確定一條從起始狀態到目標狀態的最優路徑，并且保障 AGV在行駛過程中避免與其他物體碰撞。

從強單車弱平臺階段的自動駕駛到借鑒AGV車隊級的自動駕駛，DCV 需要在每一個環節重新迭代和改造，以滿足這個場景中的需求。如DCV調度任務分配與路徑規劃的選擇問題，考慮DCV在運輸過程中因沖突死鎖等產生的擁堵情形，為DCV實時分配作業任務箱岸橋交換區、行駛路徑以及堆存交換區。此外，DCV在行駛過程中可能會因沖突死鎖而產生的擁堵需要通過算例驗證路徑規劃的可靠性，提前調度DCV做減速或優先級避讓。強大的平臺可以為DCV 構建“上帝視角”， 實現對港口內人、車、物等要素的全息管理，形成系統性智能，提供路徑規劃和全局調度能力，提升駕駛安全和道路通行效率。在這個封閉場景里，DCV借鑒了AGV的模式，可以不那么智能，只要通過視覺和激光識別技術，保證準確的控制執行和車道保持。隨著平臺建設 和路徑規劃算法的優化，落地實施的港口場景開始有能力增加DCV的數量以滿足車隊級別運營，如天津C段投入的 DCV運營數量最高達到了92臺。

3. 走向未來：強單車強平臺階段

路徑規劃和港區內所有移動的物體存在很大協同關系，天津C段使用空間或時間的隔離方式將人工集卡與DCV分開作業。但在開放式場景內，路徑規劃很難將人工集卡、現場作業人員納入路徑規劃算法的整體規劃及管控。從產業化的思維出發，如何將自動駕駛技術投放到大量開放式場景的傳統碼頭，在碼頭區域內實現有人駕駛與無人駕駛的混行，才是港口自動駕駛走向規模商用化的最終目標。

在開放式的港口場景中，因存在多種異常工況，平臺的路徑規劃必須更強大，通過安裝定位軟件等手段將人工集卡、現場作業人員納入碼頭整體規劃及管控，具有處理港口實時環境中各種不確定性的能力，最終形成可以應對港區內設備全息管理的VMP（Vehicle Management Platform）系統。此外，為減少人機混合作業不確定性，需要在關鍵控制點間的路徑執行做邊界分割，提升DCV自動駕駛的自主性，如根據具體環境和單車姿態由DCV自主選擇最優的行駛路徑等。

隨著VMP對有人集卡的協調調度進一步提升，DCV環境感知技術也需進一步發展，強單車強平臺的港口自動駕駛技術將可實現在混合場景下的車隊級作業，并逐步提高船舶作業效率的穩定性和可靠性，為大量開放式場景的傳統碼頭帶來價值。

以上港口自動駕駛技術演化路線的3個階段走勢總覽圖見圖1。

圖1 港口自動駕駛技術演化路線

 三、傳承與創新亮點

1. 持續耦合港口核心作業流程

相比于采用AGV運營的全自動化碼頭，傳統碼頭的TOS系統智能化程度普遍較低，經常出現指令任務發錯等情況；同時，大部分傳統碼頭的場橋、岸橋設備未做自動化改造，無法準確獲取設備詳細信息。為解決以上這些挑戰，港口自動駕駛綜合解決方案在功能上不僅提供了與傳統碼頭TOS系統的對接方案，而且通過對接智能理貨、自動充電樁、集中扭鎖站等系統，實現了全場作業要素的采集和功能調度優化，緊密耦合港口作業流程。

港口作業過程中對DCV的定位精度要求高，采用5G網絡的港口自動駕駛技術極易受到集裝箱金屬結構對GPS信號的干擾。此外，艙單不準確、岸橋作業位變動等因素導致DCV在作業過程中比傳統AGV模式受到的挑戰更多更復雜。通過在岸橋加裝掃描設備，結合單車視覺和激光識別技術，提升了岸橋下定位和相對位置精度，滿足了DCV匹配作業流程點位的精確引導。

2. 創新突破路徑規劃策略邏輯

在強單車弱平臺階段，路徑規劃由DCV決策，車與車之間不互通，在路口經常會遇到擁堵和死鎖的情況。相比傳統的AGV路徑規劃，創新突破的DCV 路徑規劃策略通過在行駛中不斷申請前行的覆蓋區域對周圍環境進行語義分割和障礙物分析，計算路徑的通過性，生成路徑規劃算法完成任務。DCV基于對空間和時間的連續點的分析，確定路徑和時間窗口，當時空軌跡在同一時間窗口并在特定區域發生匯集時，預判為擁堵區域，路徑規劃根據擁堵區域情況，計算新的路線或采用速度控制策略避免加塞，以提高通行效率，有效避免擁堵發生。   此外，路徑規劃的創新突破讓單車和平臺各取所長。平臺根據車輛規劃的瞬時速度預測多車的時空軌跡，下達路徑規劃；但由于單車個體差異、載重、道路條件不同等因素，平臺下達的路徑為建議參考路徑，DCV需根據車輛的姿態和允許偏差做自主路徑規劃，實現轉彎、變道、避障等自主決策。

3. 雙線協同能源管理與作業調度

無論 AGV還是DCV，大多采用電力驅動，在作業過程中均存在電池續航問題，需要雙線協同車輛能源管理與作業調度之間的關系。AGV運行時會在集卡交換區做機會充電調度管理，DCV同樣傳承采用了輪換充電策略，分批 次調度車輛完成充電，輪班上線作業和下線充電，平衡車輛電量和充電設施資源的關系。

因DCV充電設施相比AGV減少了很多，為保障生產作業連續性，港口自動駕駛創新使用了對DCV按照階梯型時間或電量差異化的充電調度策略。具體策略主要指，作業的DCV通過智能算法交替充電，避免參與作業的DCV電量同步消耗導致同一時間段出現集體低電量的情況，形成充電高峰對充電樁設施資源使用造成壓力。此外，還需同步考慮同一時間段過少DCV充電則充電樁閑置的問題，因為參與作業的DCV電量同步消耗也會導致下一個充電高峰的形成。

為解決以上幾類充電調度可能產生的問題，港口自動駕駛利用多系統間聯動，在信息互聯的基礎上執行優化可變的能源管理方案，將生產要素從單一能耗單元轉化為充儲一體化的管理體系，提高作業效率的同時實現能源的有效管理。

4. 開拓賦能開放場景混行策略

港口自動駕駛正超越AGV的場景限制，在海內外多個開放式的傳統碼頭落地試運營，并開始嘗試進入大規模商業應用階段。對于開放式碼頭場景，需要解決混行策略問題。如DCV在堆場口轉出操作時，因車身未出堆場，攝像頭和傳感器完全被堆場中的集裝箱遮蔽，這是開發式混行中最高危的場景之一。港口自動駕駛技術開拓式地借鑒了有人集卡駕駛習慣，如出堆場時由DCV在堆場口探出一定的距離停車等待N秒，判斷路口無安全風險后再行進。

在混合場景的自動駕駛決策中，需要兼顧強平臺的集中調度能力和強單車智能規劃能力。決策過程中需要建立平臺和單車之間的申請和批準機制，保證兩者之間行為具有相互作用時，各主體可以根據所掌握信息及對自身能力的認知，做出有利的決策。在混行策略下，港口自動駕駛不僅極大發揮了單車智能的特性與參與度，同樣也與上層平臺系統緊密配合。車輛依賴自己的感知算法和規控算法在區域內行駛，云端同時保證車輛的安全性，同時吸取了云端和車端的長處。

 四、結束語

在港口自動駕駛到來之前，以磁釘為導航定位方式的AGV模式就配備了車輛管理系統（VMS）、岸橋管理系統（QCMS）和場橋管理系統（BMS）等，各個系統通過與上層碼頭生產管理系統進行對接，給 AGV 路徑規劃以最終完成作業。

港口自動駕駛也將繼續傳承和創新AGV的模式，利用自動駕駛設備的行為數據積累進行全方位信息化擴展，一方面耦合港內車輛、岸橋、場橋、圍欄、道路、交通燈等靜態要素和配套系統，另一方面融合流動機械、人員、船舶等動態要素和系統要素，全面深化數字化在碼頭的決策管控、生產運營、安全監管方面的應用，助力港口數字化轉型。