外界頻繁談及自動駕駛寒冬的時候，港口自動駕駛仍然在快速落地。

在中國，東北至西南共分佈著87個港口。自2017年港口自動駕駛探索以來，無人集卡與IGV已在13個港口陸續落地。這些自動駕駛卡車主要應用在東南沿海港口，包括上海洋山港、天津港、媽灣港、寧波舟山港、珠海港、廈門港等。

今年，港口自動駕駛發展正呈迅猛態勢，下圖為部分自動駕駛公司在2022年業務落地情況。

這個擴張速度，遠遠超過了自上世紀就開始佈局的AGV。

簡要說明下，AGV是荷蘭鹿特丹港ETC-Delta碼頭於1993年開發的無人自動引導運輸車。透過自身的磁導航感測器，AGV可以接收磁釘資訊，從而實現對路徑的定位。

但這種方法需要在行駛道路的地下提前埋上磁釘，耗費成本高，維修難度大，因此已逐漸被無人集卡取代。

“獨善其身”的港口端

自動駕駛寒意傳導，為何港口端能“獨善其身”？

這得益於其獨特的發展路線，港口自動駕駛是堅定的 「高精地圖擁護者」。

眾所周知，自動駕駛一直存在“輕感知、重地圖”與“輕地圖、重感知”的技術路線之爭。高精地圖作為一種超視距感測器，是自動駕駛前行的柺杖，許多頭部車企都依靠高精地圖快速推進城市內部的落地計劃。

但隨著高精地圖的採集資質收緊、成本居高不下、鮮度保持困難等問題出現，部分車企開始將企業路線掉轉為難度更高的輕地圖。

上述之爭並沒有殃及港口自動駕駛，其特殊的場景結構決定了港口對高精地圖沒有采集資質的要求、沒有鮮度保持的煩惱、更沒有成本控制的憂慮。此外，港口中場橋、岸橋等港機裝置的工作根本離不開高精地圖。

因此，港口自動駕駛公司最終都選擇將這根 “柺杖” 作為開疆拓土的必備武器。

但高精地圖統一併不代表各家技術路線的步調也會一致，港口自動駕駛也存在著技術爭議。

強車or弱車

港口自動駕駛一直存在著 強雲弱車和強雲強車的技術路線之爭。雲指的是自動駕駛管理系統，車指的是無人集卡、IGV等單車。

首先說 強雲弱車，其延續了港口的一貫指導思想，是一種平臺功能很強大，單車相對弱雞的方案。強雲弱車已在多地大港落實執行，被證實新建港口的可行方案。

但該方案中，單車事事都需徵得平臺命令，弊端同樣顯而易見。

（a）一旦出現網路延遲、不穩定等問題，就會危及單車安全行駛，增加單車損耗。

（b）行駛路線上出現未上報雲端的障礙物，單車只會原地等待，致使交通堵塞，無法正常作業；行駛路線上出現的障礙物在雲端有記錄，單車也需請求雲端重新規劃路線，等待新的指令，這勢必會影響工作效率。

總的來說，與其他場景不同，港口自動駕駛不僅是單車智慧的單打獨鬥，同時也是單車智慧與平臺智慧的配合戰。 不僅雲要強，車也不能弱。

這樣看， 強雲強車顯然更合時宜，也是業內呼聲最高的新路線。將雲端的技能適當轉移至單車上，並結合外界自動駕駛技術解決方案，增強單車的智慧性，可以避免因某輛車故障而導致港口癱瘓。

下圖為強雲強車的具體子功能。

從表格可看出，雲端除升級導航、豐富運營管理外，也將區域性規劃轉移至車端，增加了單車感知預測的功能。強雲依舊是強雲，弱車能力顯著增強。

毫無意外，此方案會解決強車弱雲的諸多弊端。

（a）沒有網路延時、不穩定帶來的速度上傳和下發的不完全對稱問題，單車速度控制更加穩定，能耗降低的同時還可以降低底盤的損耗；

（b）單車具備基本的感知決策力，在行進過程會主動避讓障礙物，並做出下一步決策，減少單車損耗。無需等待平臺端的指令。

強雲強車是一個好的技術路線，但也是一個困難重重的路線。

港口自動駕駛雖是封閉或半封閉場景，但也並不像想象中那樣容易落地。

許多特定問題，如無人集卡釐米級的定位、金屬集裝箱對衛星的干擾、車輛間互動/姿態控制/轉彎的控制等，都是港口自動駕駛需面臨的挑戰。

因此，與其他場景下的自動駕駛技術相似，港口自動駕駛也需要高階別輔助駕駛的協助。

港口自動駕駛應朝著L4甚至L5級別努力，這需要相關演算法的訓練與調優，其高垂直度、高精確度的場景需求， 也對資料集的質量要求帶來了挑戰。

如何得到細分場景的高質海量結構化資料？

顯然，選擇與 專業的大中型資料標註公司合作是自動駕駛公司的首選。

曼孚科技自研的MindFlow SEED資料服務平臺具有高度的場景適配性，平臺包含三大標註模式以及四維標註工具，全面覆蓋影像、影片、點雲等幾十種標註工具，高效地處理港口自動駕駛海量資料集，為港口自動駕駛各類演算法模型提供資料支撐。

從港口到港間，自動駕駛確實擁有一定的優勢。以相對簡單、容易落地的領域著手，是封閉、半封閉自動駕駛場景的獨特行進方式，也是港口自動駕駛最快的落地路線。

而曼孚科技也將持續為客戶提供 定製化資料服務解決方案，為港口自動駕駛的擴張貢獻更多資料的力量。