2025年3月26日-28日，2025商用车产业发展会议在湖北省十堰市举办。本次会议由中国汽车工业协会主办，以“开辟新赛道，汇聚新动能——发展商用车产业新质生产力”为主题，采用“1+1+6+N”模式，即1场闭门会议，1场开幕式暨主旨会议，6个主题分会场和其他相关对接、展示等活动，旨在深入分析商用车发展面临的新机遇、新挑战，探讨商用车产业未来发展的新趋势、新方向。其中，在3月27日下午举办的“主题分会场一：智能网联商用车‘车路云一体化’”上，东风汽车股份有限公司智驾系统开发主任张敏超发表精彩演讲。以下内容为现场发言实录：

　　尊敬的各位专家、各位领导，下午好！我是东风股份的张敏超，汇报的主题是轻型商用车规划控制系统的技术思考及应用案例，在车路云一体化做的一些技术性的探索。本次汇报主要将围绕四个，背景、系统、应用情况、未来展望四个部分展开。
　　首先，近几年在政策引导和市场驱动的共同作用下，L4级自动驾驶技术已经成为未来商用车智能网联发展的技术之一，规划控制技术作为自动驾驶系统的智能中枢，决定了其在复杂场景下的智能化水平。
　　相比于乘用车，轻型商用车从场景、特点、能效目标三方面存在一定的需求差异，首先从场景层面上来看，乘用车的场景比较单一，用于城市、高速乘员的运输。商用车包括环卫、城市物流、园区物流、配送等。从作业模式来看的话，乘用车任务切换的模式比较简单，而商用车特别是环卫场景下的作业模式较多，需要具备复杂自主的切换逻辑。从作业精度来看，乘用车作业精度的要求通常在30厘米以内，商用车的作业精度在20厘米以内，针对环卫这种模式下，甚至需要保持在5厘米的作业精度。从车辆本身的特点来看，商用车的载荷更大，从能效目标的层面来看，乘用车的能效目标要保证续航最大化，商用车的目标是达成续航和效率最优。
　　基于上述的需求差异，轻型商用对规划控制技术提出了一些新的技术要求，首先要针对不同场景、不同车型，规划控制系统需要较强的适配能力和较低的适配成本。其二，轻型商用车具备任务自主决策能力。三是能克服载荷变化和自动延迟，具备高稳定性的跟踪能力。第四个就是能同时考虑作业任务的效率和续航，达到能效目标。
　　接下来讲讲东风股份针对这些技术需求做的技术探索。首先保证规划控制系统针对不同场景和车型具备较低的适配难度，延续了业内常用的一个分成式的软件架构方式，在原有的基础上增加了动态决策模块和灯光声音控制模块。其中动态任务决策模块主要是用来实现加水、充电、作业等任务的自主决策。灯光声音上装控制模块内置了一个场景规则库，可以通过场景规则库切换来快速适配不同的场景。
　　想象这样一个场景：一辆自动驾驶多功能环卫车正在执行清扫任务，突然收到紧急洒水指令，同时电量告警、垃圾箱将满……如何在瞬息万变的环境中，协调充电、加水、倾倒、作业等多任务？这要求算法必须像“指挥官”一样，实时权衡时效性、资源消耗与安全性。为了实现任务的自主决策，我们设计了一个资源驱动型动态任务决策框架，以环卫车为例，车辆在接收到平台下发的任务之后，首先会对车辆本身的资源情况进行核查，比如水量是否充足，电量是否充足，垃圾箱空间是否充足，如若当前资源不足，则会自主的生成相应补给任务，加入到任务队列中。利用优先级评估模型对任务队列任务进行实时评估量化打分，调整任务队列，确保当前执行的任务优先级最高。在优先级评估模型中，我们考虑了4个维度，分别是任务紧急度、资源匹配度、任务时效性以及任务的切换成本。同时为了保证任务优先级评估的合理性，我们还设计了一个动态的权重调整策略，比如在低电量模式下，我们会提高资源匹配度的权重，从而降低时效的权重。
　　针对“续航+效率”双目标需求，我们采用了一个三阶段的任务路线规划算法。首先利用高精度地图数据和动态交通数据，对道路拓扑图进行了一个重建，在道路拓扑图中增加了能耗代价和时间代价。然后使用改进的A*算法在重建的道路拓扑图进行初步的任务路线搜索。最后，以改进A*算法的路径为初始值，采用遗传算法来求解最优任务路径路线。除此之外，为了进一步的降低能耗，我们还设计了一个基于启停能耗优化的速度规划算法，在常规速度规划算法中引入了“绿波车速”的概念，通过减少车辆的启停，从而降低能耗，增加续航。首先我们对常规的速度规划算法中的DP速度规划进行了改进，在其代价函数中增加了能耗代价项。其次，在车辆接近红绿灯路口时，我们在速度规划中增加了启停决策、绿波速度计算、滑行曲线计算三个子项，其中启停决策是用来判断前方红绿灯路口是否能实现绿波通行，如果可以则计算绿波速度，如果不行的话则滑行减速。最后，我们还增加了一个安全和能耗评估，对轨迹的安全性、舒适性、能耗经济性进行多维度评估。
　　最后，针对“续航+效率”双目标需求，我们采用了一个三阶段的任务路线规划算法。首先利用高精度地图数据和动态交通数据，对道路拓扑图进行了一个重建，在道路拓扑图中增加了能耗代价和时间代价。然后使用改进的A*算法在重建的道路拓扑图进行初步的任务路线搜索。最后，以改进A*算法的路径为初始值，采用遗传算法来求解最优任务路径路线。除此之外，为了进一步的降低能耗，我们还设计了一个基于启停能耗优化的速度规划算法，在常规速度规划算法中引入了“绿波车速”的概念，通过减少车辆的启停，从而降低能耗，增加续航。首先我们对常规的速度规划算法中的DP速度规划进行了改进，在其代价函数中增加了能耗代价项。其次，在车辆接近红绿灯路口时，我们在速度规划中增加了启停决策、绿波速度计算、滑行曲线计算三个子项，其中启停决策是用来判断前方红绿灯路口是否能实现绿波通行，如果可以则计算绿波速度，如果不行的话则滑行减速。最后，我们还增加了一个安全和能耗评估，对轨迹的安全性、舒适性、能耗经济性进行多维度评估。
　　针对轻型商用车的规划控制东风股份共做了五部分工作，一是采用模块化解耦的分层式软件架构，实现差异车型的快速适配和多场景规则灵活加载。二是针对轻型商用车部分任务自主决策的技术需求，设计了资源驱动型的任务决策算法。三是针对轻型商用车续航+效率双目标的要求，实际了三阶段的任务算法。四是针对启停能耗较高的问题，设计了一个基于启停能耗优化的速度规划。五是针对轻型商用车载荷时变与制动延迟的问题，创新融合LPV-MPC与Smith预估器协同控制方法。
　　目前分层式规划控制技术已在襄阳T23智慧环卫项目开展应用，单车续航提升20%。预计今年同步会把这套算法逐渐迭代到东风物流和城市物流的相关项目上。
　　随着商业化落地的进展加快，轻型商用车自动驾驶规划控制基数已经在限定场景下取得一定进展，在全场景无人化落地中仍然面临诸多未被充分探索的技术挑战。一是多车协同作业资源冲突。在物流园区、港口等场景中，多辆自动驾驶车辆需共享有限资源，若任务决策不当易引发死锁或效率下降。二是阶段路面条件引发的控制稳定性下降。
　　我相信在不久的将来，在行业的共同努力下，这些问题都将逐步被解决。我的汇报到此结束，感谢各位领导、专家！
　　（注：本文根据现场速记整理，未经演讲嘉宾审阅）