02025年3月26日-28日，2025商用車產業發展會議在湖北省十堰市舉辦。本次會議由中國汽車工業協會主辦，以“開辟新賽道，匯聚新動能——發展商用車產業新質生產力”為主題，采用“1+1+6+N”模式，即1場閉門會議，1場開幕式暨主旨會議，6個主題分會場和其他相關對接、展示等活動，旨在深入分析商用車發展面臨的新機遇、新挑戰，探討商用車產業未來發展的新趨勢、新方向。其中，在3月27日下午舉辦的“主題分會場一：智能網聯商用車‘車路云一體化’”上，東風汽車股份有限公司智駕系統開發主任張敏超發表精彩演講。以下內容為現場發言實錄：
尊敬的各位專家、各位領導，下午好！我是東風股份的張敏超，匯報的主題是輕型商用車規劃控制系統的技術思考及應用案例，在車路云一體化做的一些技術性的探索。本次匯報主要將圍繞四個，背景、系統、應用情況、未來展望四個部分展開。
首先，近幾年在政策引導和市場驅動的共同作用下，L4級自動駕駛技術已經成為未來商用車智能網聯發展的技術之一，規劃控制技術作為自動駕駛系統的智能中樞，決定了其在復雜場景下的智能化水平。
相比于乘用車，輕型商用車從場景、特點、能效目標三方面存在一定的需求差異，首先從場景層面上來看，乘用車的場景比較單一，用于城市、高速乘員的運輸。商用車包括環衛、城市物流、園區物流、配送等。從作業模式來看的話，乘用車任務切換的模式比較簡單，而商用車特別是環衛場景下的作業模式較多，需要具備復雜自主的切換邏輯。從作業精度來看，乘用車作業精度的要求通常在30厘米以內，商用車的作業精度在20厘米以內，針對環衛這種模式下，甚至需要保持在5厘米的作業精度。從車輛本身的特點來看，商用車的載荷更大，從能效目標的層面來看，乘用車的能效目標要保證續航最大化，商用車的目標是達成續航和效率最優。
基于上述的需求差異，輕型商用對規劃控制技術提出了一些新的技術要求，首先要針對不同場景、不同車型，規劃控制系統需要較強的適配能力和較低的適配成本。其二，輕型商用車具備任務自主決策能力。三是能克服載荷變化和自動延遲，具備高穩定性的跟蹤能力。第四個就是能同時考慮作業任務的效率和續航，達到能效目標。
接下來講講東風股份針對這些技術需求做的技術探索。首先保證規劃控制系統針對不同場景和車型具備較低的適配難度，延續了業內常用的一個分成式的軟件架構方式，在原有的基礎上增加了動態決策模塊和燈光聲音控制模塊。其中動態任務決策模塊主要是用來實現加水、充電、作業等任務的自主決策。燈光聲音上裝控制模塊內置了一個場景規則庫，可以通過場景規則庫切換來快速適配不同的場景。
想象這樣一個場景：一輛自動駕駛多功能環衛車正在執行清掃任務，突然收到緊急灑水指令，同時電量告警、垃圾箱將滿……如何在瞬息萬變的環境中，協調充電、加水、傾倒、作業等多任務？這要求算法必須像“指揮官”一樣，實時權衡時效性、資源消耗與安全性。為了實現任務的自主決策，我們設計了一個資源驅動型動態任務決策框架，以環衛車為例，車輛在接收到平臺下發的任務之后，首先會對車輛本身的資源情況進行核查，比如水量是否充足，電量是否充足，垃圾箱空間是否充足，如若當前資源不足，則會自主的生成相應補給任務，加入到任務隊列中。利用優先級評估模型對任務隊列任務進行實時評估量化打分，調整任務隊列，確保當前執行的任務優先級最高。在優先級評估模型中，我們考慮了4個維度，分別是任務緊急度、資源匹配度、任務時效性以及任務的切換成本。同時為了保證任務優先級評估的合理性，我們還設計了一個動態的權重調整策略，比如在低電量模式下，我們會提高資源匹配度的權重，從而降低時效的權重。
針對“續航+效率”雙目標需求，我們采用了一個三階段的任務路線規劃算法。首先利用高精度地圖數據和動態交通數據，對道路拓撲圖進行了一個重建，在道路拓撲圖中增加了能耗代價和時間代價。然后使用改進的A*算法在重建的道路拓撲圖進行初步的任務路線搜索。最后，以改進A*算法的路徑為初始值，采用遺傳算法來求解最優任務路徑路線。除此之外，為了進一步的降低能耗，我們還設計了一個基于啟停能耗優化的速度規劃算法，在常規速度規劃算法中引入了“綠波車速”的概念，通過減少車輛的啟停，從而降低能耗，增加續航。首先我們對常規的速度規劃算法中的DP速度規劃進行了改進，在其代價函數中增加了能耗代價項。其次，在車輛接近紅綠燈路口時，我們在速度規劃中增加了啟停決策、綠波速度計算、滑行曲線計算三個子項，其中啟停決策是用來判斷前方紅綠燈路口是否能實現綠波通行，如果可以則計算綠波速度，如果不行的話則滑行減速。最后，我們還增加了一個安全和能耗評估，對軌跡的安全性、舒適性、能耗經濟性進行多維度評估。
最后，針對“續航+效率”雙目標需求，我們采用了一個三階段的任務路線規劃算法。首先利用高精度地圖數據和動態交通數據，對道路拓撲圖進行了一個重建，在道路拓撲圖中增加了能耗代價和時間代價。然后使用改進的A*算法在重建的道路拓撲圖進行初步的任務路線搜索。最后，以改進A*算法的路徑為初始值，采用遺傳算法來求解最優任務路徑路線。除此之外，為了進一步的降低能耗，我們還設計了一個基于啟停能耗優化的速度規劃算法，在常規速度規劃算法中引入了“綠波車速”的概念，通過減少車輛的啟停，從而降低能耗，增加續航。首先我們對常規的速度規劃算法中的DP速度規劃進行了改進，在其代價函數中增加了能耗代價項。其次，在車輛接近紅綠燈路口時，我們在速度規劃中增加了啟停決策、綠波速度計算、滑行曲線計算三個子項，其中啟停決策是用來判斷前方紅綠燈路口是否能實現綠波通行，如果可以則計算綠波速度，如果不行的話則滑行減速。最后，我們還增加了一個安全和能耗評估，對軌跡的安全性、舒適性、能耗經濟性進行多維度評估。
針對輕型商用車的規劃控制東風股份共做了五部分工作，一是采用模塊化解耦的分層式軟件架構，實現差異車型的快速適配和多場景規則靈活加載。二是針對輕型商用車部分任務自主決策的技術需求，設計了資源驅動型的任務決策算法。三是針對輕型商用車續航+效率雙目標的要求，實際了三階段的任務算法。四是針對啟停能耗較高的問題，設計了一個基于啟停能耗優化的速度規劃。五是針對輕型商用車載荷時變與制動延遲的問題，創新融合LPV-MPC與Smith預估器協同控制方法。
目前分層式規劃控制技術已在襄陽T23智慧環衛項目開展應用，單車續航提升20%。預計今年同步會把這套算法逐漸迭代到東風物流和城市物流的相關項目上。
隨著商業化落地的進展加快，輕型商用車自動駕駛規劃控制基數已經在限定場景下取得一定進展，在全場景無人化落地中仍然面臨諸多未被充分探索的技術挑戰。一是多車協同作業資源沖突。在物流園區、港口等場景中，多輛自動駕駛車輛需共享有限資源，若任務決策不當易引發死鎖或效率下降。二是階段路面條件引發的控制穩定性下降。
我相信在不久的將來，在行業的共同努力下，這些問題都將逐步被解決。我的匯報到此結束，感謝各位領導、專家！
（注：本文根據現場速記整理，未經演講嘉賓審閱）
