外界频繁谈及自动驾驶寒冬的时候，港口自动驾驶仍然在快速落地。

在中国，东北至西南共分布着87个港口。自2017年港口自动驾驶探索以来，无人集卡与IGV已在13个港口陆续落地。这些自动驾驶卡车主要应用在东南沿海港口，包括上海洋山港、天津港、妈湾港、宁波舟山港、珠海港、厦门港等。

今年，港口自动驾驶发展正呈迅猛态势，下图为部分自动驾驶公司在2022年业务落地情况。

这个扩张速度，远远超过了自上世纪就开始布局的AGV。

简要说明下，AGV是荷兰鹿特丹港ETC-Delta码头于1993年开发的无人自动引导运输车。 通过自身的磁导航传感器，AGV可以接收磁钉信息，从而实现对路径的定位。

但这种方法需要在行驶道路的地下提前埋上磁钉，耗费成本高，维修难度大，因此已逐渐被无人集卡取代。

“独善其身”的港口端

自动驾驶寒意传导，为何港口端能“独善其身”？

这得益于其独特的发展路线，港口自动驾驶是坚定的「高精地图拥护者」。

众所周知，自动驾驶一直存在“轻感知、重地图”与“轻地图、重感知”的技术路线之争。高精地图作为一种超视距传感器，是自动驾驶前行的拐杖，许多头部车企都依靠高精地图快速推进城市内部的落地计划。

但随着高精地图的采集资质收紧、成本居高不下、鲜度保持困难等问题出现，部分车企开始将企业路线掉转为难度更高的轻地图。

上述之争并没有殃及港口自动驾驶，其特殊的场景结构决定了港口对高精地图没有采集资质的要求、没有鲜度保持的烦恼、更没有成本控制的忧虑。此外，港口中场桥、岸桥等港机设备的工作根本离不开高精地图。

因此，港口自动驾驶公司最终都选择将这根 “拐杖” 作为开疆拓土的必备武器。

但高精地图统一并不代表各家技术路线的步调也会一致，港口自动驾驶也存在着技术争议。

强车or弱车

港口自动驾驶一直存在着强云弱车和强云强车的技术路线之争。云指的是自动驾驶管理系统，车指的是无人集卡、IGV等单车。

首先说强云弱车，其延续了港口的一贯指导思想，是一种平台功能很强大，单车相对弱鸡的方案。强云弱车已在多地大港落实执行，被证实新建港口的可行方案。

但该方案中，单车事事都需征得平台命令，弊端同样显而易见。

（a）一旦出现网络延迟、不稳定等问题，就会危及单车安全行驶，增加单车损耗。

（b）行驶路线上出现未上报云端的障碍物，单车只会原地等待，致使交通堵塞，无法正 常作业；行驶路线上出现的障碍物在云端有记录，单车也需请求云端重新规划路线，等待新的指令，这势必会影响工作效率。

总的来说，与其他场景不同，港口自动驾驶不仅是单车智能的单打独斗，同时也是单车智能与平台智能的配合战。不仅云要强，车也不能弱。

这样看，强云强车显然更合时宜，也是业内呼声最高的新路线。将云端的技能适当转移至单车上，并结合外界自动驾驶技术解决方案，增强单车的智能性，可以避免因某辆车故障而导致港口瘫痪。

下图为强云强车的具体子功能。

从表格可看出，云端除升级导航、丰富运营管理外，也将局部规划转移至车端，增加了单车感知预测的功能。强云依旧是强云，弱车能力显著增强。

毫无意外，此方案会解决强车弱云的诸多弊端。

（a）没有网络延时、不稳定带来的速度上传和下发的不完全对称问题，单车速度控制更加稳定，能耗降低的同时还可以降低底盘的损耗。

（b）单车具备基本的感知决策力，在行进过程会主动避让障碍物，并做出下一步决策，减少单车损耗。无需等待平台端的指令。

强云强车是一个好的技术路线，但也是一个困难重重的路线。

港口自动驾驶虽是封闭或半封闭场景，但也并不像想象中那样容易落地。

许多特定问题，如无人集卡厘米级的定位、金属集装箱对卫星的干扰、车辆间交互/姿态控制/转弯的控制等，都是港口自动驾驶需面临的挑战。

因此，与其他场景下的自动驾驶技术相似，港口自动驾驶也需要高级别辅助驾驶的协助。

下个风口—数据标注

港口自动驾驶应朝着L4甚至L5级别努力，这需要相关算法的训练与调优，其高垂直度、高精确度的场景需求，也对数据集的质量要求带来了挑战。

如何得到细分场景的高质海量结构化数据？

显然，选择与专业的大中型数据标注公司合作是自动驾驶公司的首选。

曼孚科技自研的MindFlow SEED数据服务平台具有高度的场景适配性，平台包含三大标注模式以及四维标注工具，全面覆盖图像、视频、点云等几十种标注工具，高效地处理港口自动驾驶海量数据集，为港口自动驾驶各类算法模型提供数据支撑。

从港口到港间，自动驾驶确实拥有一定的优势。以相对简单、容易落地的领域着手，是封闭、半封闭自动驾驶场景的独特行进方式，也是港口自动驾驶最快的落地路线。

而曼孚科技也将持续为客户提供定制化数据服务解决方案，为港口自动驾驶的扩张贡献更多数据的力量。