自动驾驶技术在港口的落地路线,在发展过程中除了学习和传承成熟的港口AGV经验外,还是不断创新以贴合港口业务生产的过程体现 港口自动驾驶技术的传承与创新 撰文|林维猛 单位:自动化码头技术交通运输行业研发中心 (中远海运港口有限公司) 随着5G和无人驾驶技术的日益成熟,加之港口又是典型的封闭和低速运营场景,利用“5G网络+自动驾驶”实现港口的水平运输自动化正成为集装箱码头全流程自动化作业建设的行业趋势。港口汇集了众多动态作业单位和各式作业流程,考验的不单单是DCV(无人驾 驶集装箱运输车辆)的自动驾驶技术,更需要耦合和承载码头业务逻辑功能。 一、DCV主要形式介绍 业内一般认为,传统的土建开挖、光纤铺设和预埋磁钉的AGV建设模式并不是港口自动驾驶,因为AGV行驶过程是通过自身的磁导航传感器接收磁钉信息,并没有使用到自动驾驶技术。自动驾驶技术主要指DCV采用激光雷 达 SLAM(一般指即时定位与地图构建)、视觉 SLAM、导航定位系统以及多传感器融合定位技术,实现在不同场景下的自动驾驶。我国港口的自动驾驶是从2019 年左右开始起步的,产品从无到有,并在2020年至2022年呈现“百家争鸣,百花齐放”的发展态势。 港口自动驾驶解决方案主要有3种形式:第一种是在有人驾驶集卡的基础上加装激光雷达、相机、组合导航、计算单元等自动驾驶套件来实现感知、定位、控制和规划等功能,外形上同有人驾驶集卡基本一致,如宁波梅山码头(飞步科技)和深圳妈湾港(三一/中科云杉)的自动驾驶场景;第二种是在跨运车上加装自动驾驶套件,由于跨运车通常只能满足 1~3 层集装箱高度的堆放,而我国集装箱码头普遍堆场密集,跨运车方案在国内港口使用不多,主要案例集中在欧洲港口,如丹麦的Arhus码头和瑞典的CTN码头 ;第三种是传承了传统的AGV 底盘架构,为平板式导引车,只是不再使用磁钉循迹方案,而是加装了与集卡一样的感知和定位传感器来实现自动驾驶功能,如天津C段(主线科技/西井科技)和厦门远海码头(东风悦享)的自动驾驶场景。 据不完全统计,截至2023年3月底,全国各港口和内陆口岸开展自动驾驶测试或运营的场景已近40家,其中,无人驾驶集卡已超过 250台,平板式自动导引车近320台。平板式自动导引车的数量已超过其所传承的AGV数量(306 台),因其更具灵活性和稳定性,平板式自动导引车也正成为越来越多港口企业的主要选择。 二、港口自动驾驶技术演化的3个阶段 1. 创新突破:强单车弱平台阶段 AGV 经过近30年的发展,无论是运行效率、 定位精度,还是运行稳定性等方面,都达到了一个优秀的工业自动化产品的要求,如青岛港前湾自动化码头和上海港洋山四期等。但基于AGV的水平运输方案需要在港口码头的地面埋下数万枚磁钉,一般适用于新建码头,不太适用于旧码头的自动化改造。作为存量最大的旧码头自动化改造,自动驾驶成为最佳的解决方案,也是自动驾驶技术可以最快实现商业化应用的场景之一。 西井科技在2015年最先嗅到“自动驾驶” 在港口的商业机会,并在 2018 年首次在珠海港尝试港口自动驾驶。紧接着,主线科技和飞步科技横空出世,两家港口自动驾驶公司的创始人是“百度”和“滴滴”的技术核心人物。作为新进港口行业的科技公司,因成立时间不长,为快速占领市场,主要挑战来自自动驾驶技术 能力。依托定位导航、环境感知、决策规划、底层控制和安全保障政策等自动驾驶技术取代了AGV原有运行技术方案,西井科技公司实现了在港口应用场景的快速落地试运营,即强单车弱平台阶段。该阶段的技术以自动驾驶匹配简单的港口作业场景为主,车辆数量投入不多,也不需要太多的算法和调度逻辑。 同时,鉴于港口相对简单的场景,资本市场对于港口自动驾驶这一赛道颇为看好。在资本的加持下,科技公司可以不断地把资金投入到产品中,使用多传感器融合定位技术的DCV在导航技术、路径规划逻辑、车架设计等方面进行了提升和改良。相较于AGV,DCV的单机 设备智能化程度更高,进而推动港口自动驾驶技术落地地加速和快速普及。 2. 技术传承:弱单车强平台阶段 单车能力的自动驾驶解决方案并不能满足码头的实际需求,码头用户需要的是从上层调度和中台系统来实现车队级别的集装箱运输服务。基于封闭场景下的 AGV路径规划让港口自动驾驶找到了借鉴的方向。所谓AGV路径规划,是指 AGV能够根据算法最优准则,在具体的业务场景下确定一条从起始状态到目标状态的最优路径,并且保障 AGV在行驶过程中避免与其他物体碰撞。 从强单车弱平台阶段的自动驾驶到借鉴AGV车队级的自动驾驶,DCV 需要在每一个环节重新迭代和改造,以满足这个场景中的需求。如DCV调度任务分配与路径规划的选择问题,考虑DCV在运输过程中因冲突死锁等产生的拥堵情形,为DCV实时分配作业任务箱岸桥交换区、行驶路径以及堆存交换区。此外,DCV在行驶过程中可能会因冲突死锁而产生的拥堵需要通过算例验证路径规划的可靠性,提前调度DCV做减速或优先级避让。强大的平台可以为DCV 构建“上帝视角”, 实现对港口内人、车、物等要素的全息管理,形成系统性智能,提供路径规划和全局调度能力,提升驾驶安全和道路通行效率。在这个封闭场景里,DCV借鉴了AGV的模式,可以不那么智能,只要通过视觉和激光识别技术,保证准确的控制执行和车道保持。随着平台建设 和路径规划算法的优化,落地实施的港口场景开始有能力增加DCV的数量以满足车队级别运营,如天津C段投入的 DCV运营数量最高达到了92台。 3. 走向未来:强单车强平台阶段 路径规划和港区内所有移动的物体存在很大协同关系,天津C段使用空间或时间的隔离方式将人工集卡与DCV分开作业。但在开放式场景内,路径规划很难将人工集卡、现场作业人员纳入路径规划算法的整体规划及管控。从产业化的思维出发,如何将自动驾驶技术投放到大量开放式场景的传统码头,在码头区域内实现有人驾驶与无人驾驶的混行,才是港口自动驾驶走向规模商用化的最终目标。 在开放式的港口场景中,因存在多种异常工况,平台的路径规划必须更强大,通过安装定位软件等手段将人工集卡、现场作业人员纳入码头整体规划及管控,具有处理港口实时环境中各种不确定性的能力,最终形成可以应对港区内设备全息管理的VMP(Vehicle Management Platform)系统。此外,为减少人机混合作业不确定性,需要在关键控制点间的路径执行做边界分割,提升DCV自动驾驶的自主性,如根据具体环境和单车姿态由DCV自主选择最优的行驶路径等。 随着VMP对有人集卡的协调调度进一步提升,DCV环境感知技术也需进一步发展,强单车强平台的港口自动驾驶技术将可实现在混合场景下的车队级作业,并逐步提高船舶作业效率的稳定性和可靠性,为大量开放式场景的传统码头带来价值。 以上港口自动驾驶技术演化路线的3个阶段走势总览图见图1。 图1 港口自动驾驶技术演化路线 三、传承与创新亮点 1. 持续耦合港口核心作业流程 相比于采用AGV运营的全自动化码头,传统码头的TOS系统智能化程度普遍较低,经常出现指令任务发错等情况;同时,大部分传统码头的场桥、岸桥设备未做自动化改造,无法准确获取设备详细信息。为解决以上这些挑战,港口自动驾驶综合解决方案在功能上不仅提供了与传统码头TOS系统的对接方案,而且通过对接智能理货、自动充电桩、集中扭锁站等系统,实现了全场作业要素的采集和功能调度优化,紧密耦合港口作业流程。 港口作业过程中对DCV的定位精度要求高,采用5G网络的港口自动驾驶技术极易受到集装箱金属结构对GPS信号的干扰。此外,舱单不准确、岸桥作业位变动等因素导致DCV在作业过程中比传统AGV模式受到的挑战更多更复杂。通过在岸桥加装扫描设备,结合单车视觉和激光识别技术,提升了岸桥下定位和相对位置精度,满足了DCV匹配作业流程点位的精确引导。 2. 创新突破路径规划策略逻辑 在强单车弱平台阶段,路径规划由DCV决策,车与车之间不互通,在路口经常会遇到拥堵和死锁的情况。相比传统的AGV路径规划,创新突破的DCV 路径规划策略通过在行驶中不断申请前行的覆盖区域对周围环境进行语义分割和障碍物分析,计算路径的通过性,生成路径规划算法完成任务。DCV基于对空间和时间的连续点的分析,确定路径和时间窗口,当时空轨迹在同一时间窗口并在特定区域发生汇集时,预判为拥堵区域,路径规划根据拥堵区域情况,计算新的路线或采用速度控制策略避免加塞,以提高通行效率,有效避免拥堵发生。 此外,路径规划的创新突破让单车和平台各取所长。平台根据车辆规划的瞬时速度预测多车的时空轨迹,下达路径规划;但由于单车个体差异、载重、道路条件不同等因素,平台下达的路径为建议参考路径,DCV需根据车辆的姿态和允许偏差做自主路径规划,实现转弯、变道、避障等自主决策。 3. 双线协同能源管理与作业调度 无论 AGV还是DCV,大多采用电力驱动,在作业过程中均存在电池续航问题,需要双线协同车辆能源管理与作业调度之间的关系。AGV运行时会在集卡交换区做机会充电调度管理,DCV同样传承采用了轮换充电策略,分批 次调度车辆完成充电,轮班上线作业和下线充电,平衡车辆电量和充电设施资源的关系。 因DCV充电设施相比AGV减少了很多,为保障生产作业连续性,港口自动驾驶创新使用了对DCV按照阶梯型时间或电量差异化的充电调度策略。具体策略主要指,作业的DCV通过智能算法交替充电,避免参与作业的DCV电量同步消耗导致同一时间段出现集体低电量的情况,形成充电高峰对充电桩设施资源使用造成压力。此外,还需同步考虑同一时间段过少DCV充电则充电桩闲置的问题,因为参与作业的DCV电量同步消耗也会导致下一个充电高峰的形成。 为解决以上几类充电调度可能产生的问题,港口自动驾驶利用多系统间联动,在信息互联的基础上执行优化可变的能源管理方案,将生产要素从单一能耗单元转化为充储一体化的管理体系,提高作业效率的同时实现能源的有效管理。 4. 开拓赋能开放场景混行策略 港口自动驾驶正超越AGV的场景限制,在海内外多个开放式的传统码头落地试运营,并开始尝试进入大规模商业应用阶段。对于开放式码头场景,需要解决混行策略问题。如DCV在堆场口转出操作时,因车身未出堆场,摄像头和传感器完全被堆场中的集装箱遮蔽,这是开发式混行中最高危的场景之一。港口自动驾驶技术开拓式地借鉴了有人集卡驾驶习惯,如出堆场时由DCV在堆场口探出一定的距离停车等待N秒,判断路口无安全风险后再行进。 在混合场景的自动驾驶决策中,需要兼顾强平台的集中调度能力和强单车智能规划能力。决策过程中需要建立平台和单车之间的申请和批准机制,保证两者之间行为具有相互作用时,各主体可以根据所掌握信息及对自身能力的认知,做出有利的决策。在混行策略下,港口自动驾驶不仅极大发挥了单车智能的特性与参与度,同样也与上层平台系统紧密配合。车辆依赖自己的感知算法和规控算法在区域内行驶,云端同时保证车辆的安全性,同时吸取了云端和车端的长处。 四、结束语 在港口自动驾驶到来之前,以磁钉为导航定位方式的AGV模式就配备了车辆管理系统(VMS)、岸桥管理系统(QCMS)和场桥管理系统(BMS)等,各个系统通过与上层码头生产管理系统进行对接,给 AGV 路径规划以最终完成作业。 港口自动驾驶也将继续传承和创新AGV的模式,利用自动驾驶设备的行为数据积累进行全方位信息化扩展,一方面耦合港内车辆、岸桥、场桥、围栏、道路、交通灯等静态要素和配套系统,另一方面融合流动机械、人员、船舶等动态要素和系统要素,全面深化数字化在码头的决策管控、生产运营、安全监管方面的应用,助力港口数字化转型。 来源:中国港口
|