编者按：物流降本增效改革综合试点是国家着眼于更深层次推进物流降本增效作出的重要部署。江苏省物流业特别是智慧物流发展位居全国前列，并于2019年成功获批成为全国仅有的一个以“智慧物流”为主题的物流降本增效综合改革试点省份。江苏正立足实际，紧扣“降本增效”改革方向，在智慧物流城市、物流园区智慧化、网络货运平台、关键物流技术突破、智慧物流主体培育五大领域开展试点工作，充分发挥智慧物流在降本增效中的作用，促进全社会物流运行效率与服务水平提升，致力形成可复制、可推广的“江苏经验”和“江苏模式”，为全国物流业高质量发展探路。
从手摇纺车到工业革命，从老式电话到智能手机，历史上的每一次技术进步都带来行业的巨大变革。从物流环节来看，占比最大的传统运输方式依赖于密集劳动力，在成本、效率、安全、人员管理等方面存在深刻的痛点。随着科技进步，无人机、无人仓、仓储机器人等相关产品纷纷投入应用，尚处于技术储备期的无人驾驶汽车技术，或将极大地提升运输速度和运输效率，带来行业的结构性变革。
2020年4月，江苏省发改委会同省交通厅公布了江苏省智慧物流降本增效综合改革试点名单，东南大学（江苏省物流枢纽工程研究中心、机械工程学院）凭借在智能无人运输系统方面的创新性研究成功入选为江苏智慧物流降本增效改革“关键物流技术突破试点”。
此次试点工作中，以东南大学机械工程学院殷国栋教授为学术带头人的新能源与智能网联汽车团队，牵头的项目《基于车联网与多源信息融合感知的园区智能物流无人运输系统》最终入选，该项目深入开展基于多传感器融合的智能环境感知、基于车路协同的智能车辆交互规划、车载终端信息交互等内容的智慧物流关键技术的研究，能有效降低物流作业各环节对人的依赖，节约人力成本，优化运输模式，进一步推动江苏省物流业降本增效，助力物流业高质量发展。
需求引领 以无人驾驶技术赋能汽车物流
东南大学机械工程学院新能源与智能网联汽车团队深耕智能网联汽车领域，围绕复杂环境智能融合感知、决策与最优控制，智能网联汽车的多车协同控制，四轮独立驱动汽车底盘系统智能动态协调控制等多个方面进行了大量卓有成效的研究工作，已斩获多项国际荣誉。
“面对汽车产业新一轮转型升级以及智能汽车激烈的行业竞争，无人驾驶已是汽车行业发展的必然趋势。此外，疫情的冲击更是直接促进了无人作业车在物资配送领域的快速发展。”东南大学智能网联汽车研究中心相关负责人介绍，当前社会各个领域对无人车的需求日益增多，团队紧抓无人驾驶发展趋势，以社会需求为导向，积极开展智能化无人运输相关技术的研究。“以无人驾驶技术赋能汽车物流，不仅可以运用在快递行业，无人运输、无人配送、无人清扫、无人消毒等，均离不开其身影。因此，打造一款多用途的智能无人物流车以满足社会各领域的需求具有重要意义。”该负责人说。
入选试点以来，该团队基于无人驾驶技术研发设计出搭载多种传感器，能够实现自主环境感知、避障、路径规划、轨迹跟踪控制等功能的智慧物流样车（RM-01-48R），为实现智慧园区的无人运输和智慧物流降本增效目标奠定基础。
据了解，该智能无人物流车可适配物流作业中的各个环节：在智能仓储方面，可实现无人参与的智能、高效、准确仓储搬运、卸货、调配等工作模式，极大地提高仓储工作的准确性与效率；在干线运输环节，可实现线路无人智能驾驶，实现昼夜及各类环境下不间断运输，大大保证了运输的时效性、安全性，也有效提高了干线运输的经济性；在末端物流环节，该智慧物流车采用末端无人配送的模式，可有效解决物流“最后一公里”的问题，使用户可以更加方便地接受物流快件，提高配送的时效性。
“这款智能物流车辆使用了提效降本的专利技术，可将成本降低两个数量级以上，契合了行业降本增效的需求。”该负责人说。目前，该物流车辆已经在封闭物流园区实现了自主的物流运输等示范应用，取得了良好的降本增效目的。
物料装载
物料运输
创新驱动 “黑科技”为智能无人运输保驾护航
为了在运输过程中真正落地无人化驾驶，立项以来，项目组专注技术与场景突破，不断优化智能物流无人车的设计，并以提高物流车辆的感知范围和车路允许安全性为目标，深入研究基于车路协同的智能物流车辆感知、决策、规划、控制方案，形成路侧端融合传感器平台、定位系统、融合感知系统、关联定位系统和全局融合系统的设计思路，进一步护航智能无人运输的有效落地。
系统原理图
相关负责人介绍，该系统采用多种传感器，激光雷达、相机和毫米波雷达，同时具有一定的计算和通信能力。传感器分布在园区的车端和路端，扩大了感知系统的感知范围和感知能力。“针对目前广泛存在的多传感器配准精度低、配准方法繁杂等问题，项目组设计出一种通用的多模态传感器配准方法，可实现激光雷达、相机与毫米波雷达三者间任意组合的配准；针对车路协同技术数据传输缺乏有效通讯架构、数据冗余等问题，项目组采用适用于车路协同路侧感知系统的群智感知方法，充分利用路侧感知信息与车端感知信息对全局智能体实现全域动态感知。”该负责人说。
另外，考虑到现实复杂的交通场景，项目团队采用“目标检测-数据关联-目标跟踪”的检测跟踪框架，以实现对交通环境的深层次理解。据介绍，该框架可进行多目标数据关联，从而完成动态多目标身份管理，利用跟踪算法对目标的运动状态进行实时估计，结合道路环境与周围交通参与者的运动情况预测目标的运动轨迹，为目标的异常行为检测与车辆队列的集群控制提供数据基础。
物流过程中发现异常行为该如何处理？该智慧化无人运输系统解决方案中，异常行为检测系统能够较好地识别出交通场景内的异常行为，具有较高精度和实时性；异常提醒系统可根据异常行为区域，对区域内车辆基于5G网络进行通信，发送提醒或是控制信息，对行人则通过喇叭等方式进行提醒，以避免交通意外的发生。同时，基于异常状况的检测与权重判断，该系统还可以优化车辆的调度控制和路径规划，提升交通效率与安全性。
为了进一步提高该系统的感知能力和环境适应性，项目组创新搭建了车路协同智慧物流验证平台，并制定相关的测试评价标准，建立全工况、全要素的多模态数据集并训练感知算法模型，基于虚拟实验场地和实际测试场地对感知系统的各项性能指标进行量化评估。
此次试点工作中，作为唯一入选关键物流技术突破试点工程的高校单位，东南大学已研发出一系列的创新性成果，为物流业降本增效提供了一套安全、高效的解决方案。接下来，东南大学将继续围绕智慧物流中的关键场景，结合云计算、人工智能、无人驾驶、货物识别等信息技术与设备在物流领域的应用，推进智慧物流运输、仓储、配送等物流环节以及供应链、物流枢纽、物流园区、港口、口岸等物流场景的应用研究，力争促进形成技术引领、产业联动的智慧物流产业生态圈。（沙芳如 陈曦 刘姝）
2021-9-6【新华网】