本系列介绍5G车联网赋能自动驾驶环卫车、干线物流、末端物流、矿卡、港口自动驾驶、自动接驳车、Robotaxi、公交车等的解决方案、商业价值和典型案例。之前已介绍5G车联网赋能自动驾驶环卫车、5G车联网赋能干线物流、5G车联网赋能末端物流、5G车联网赋能矿卡，5G车联网赋能港口自动驾驶，本篇介绍5G车联网赋能自动接驳车。
文 | 吴冬升
全文7600字，预计阅读20分钟
（一）
自动接驳车产业概述
发展自动接驳车的原因一方面是创新和经济发展的需求，另一方面是当地和区域的流动性以及改善公共交通的需要。自动接驳车在公共交通中的服务可由公共交通机构或其他公共和私人提供商提供。
自动接驳车服务模式可以比传统的随叫随到服务更灵活地选择路线，使用智能手机应用程序、信息亭或基于网络的预订，乘客可以要求到所需的目的地上下车或上门服务。自动接驳车主要应用在公园、景区、校园、科技园、工业园、示范区等封闭/半封闭，或较为简单的混合交通环境。这类场景的车辆与行人相对较少，车辆行驶速度相对较低，属于典型的低速自动驾驶场景，是自动驾驶快速落地且商业化的一个较好切入点。
自动接驳车具体有如下服务模式。
（1）固定路线
自动接驳车在起点终点之间的固定路径上运行，沿途设有站点，类似于公共汽车或铁路服务提供的传统公共交通。车辆可在专用车道或混合交通中以不同的速度行驶。固定路线自动接驳车服务可以在所有预定点停止，也可以根据请求停止。用户可以使用语音技术、计算机屏幕、呼叫按钮和其他移动设备应用程序，从自动接驳车内部请求停车。出行频率或车辆大小可根据需求进行调整。
（2）循环器
在闭环内运行，通常为5公里或更短。自动接驳车循环服务特别适用于人们在特定社区或校园内旅行的情况。在公共交通循环服务中，站点通常比固定路线服务更近。由于乘客密度高，且该服务可能仅代表多式联运行程的一段，因此循环服务的运行频率通常更高，车辆也可能更小。
（3）A-B穿梭机
以固定路线或循环器在两点之间行驶。例如，A-B穿梭机可以往返于特殊活动、就业目的地或停车场。A-B穿梭机服务可能包括客户请求在车内或车外按需停车的功能。
（4）第一/最后一公里服务
最后一公里服务，国外又称为最后一英里（Last Mile）服务，是指从停车场、公交站、地铁站、商业CBD等到最终目的地的一段短距离移动，可以将客户连接到容量更大的固定路线公交或铁路服务，其效果是增加公共汽车站或火车站的集客区面积，主要的方式包括自动接驳车、共享单车、共享电单车、电动滑板车等多种形式。
最后一公里服务的主要目的之一是通勤。通勤需求常年存在，而且呈现早上和晚上的上下班时间段集中爆发特点，需求频次高，出行需求量大。
欠发达城市10公里以内的短距出行需求更大。10公里以内出行在四、五线城市中最为普遍，三线城市次之，一线城市占比最低。主要原因是欠发达城市的公共交通覆盖不足，因而对最后一公里服务需求也更大。
最后一公里服务方式多样化，由于传统的公交车、出租车、轨道地铁等城市公共交通不能满足民众个性化、即时性、点对点的出行需求，因此自动接驳车、共享单车、共享电单车、电动滑板车等新型出行方式快速兴起，有效补充了传统出行方式的缺点[1]。
采用自动接驳车做最后一公里服务，可作为固定路线运营，也可以提供灵活的路线和门到门服务。小型自动接驳车可以提供从中转站或车站到附近目的地的频繁服务。
（5）辅助客运系统（按需服务）
自动接驳车可根据客户要求提供点对点服务，这对需要门到门服务的机动性、视觉或认知障碍客户尤其有利。这些服务可作为无人驾驶出租车或叫车服务预订或按需提供，可作为共享服务部署，将朝同一方向行驶的人集中到一辆车上。当达到阈值人数或指定的等待时间时，可以调度自动接驳车，无论其是作为辅助客运系统还是作为一般通行系统。
（二）
5G车联网赋能自动接驳车
车联网赋能自动接驳车，一方面和Robotaxi场景类似，可以通过车联网实现红绿灯信息精准推送、超视距信息精准获取、鬼探头等典型场景应对、额外安全冗余等。
（1）红绿灯信息推送
单车智能依靠摄像头识别红绿灯信息，存在前方大车遮挡看不到红绿灯，或者树木遮挡红绿灯，以及在恶劣天气条件下，比如雨雾天气、强光照射，识别错误的情况。
而依靠智能网联方式，直接读取红绿灯信号机信息，给到RSU，通过RSU广播到Robobus。可以让Robobus精准读取到红绿灯信息，并且可以完全实现和信号机红绿灯倒计时秒数的同步。
对于主要行驶在城市道路的Robobus来说，分布在交叉路口的红绿灯信息，通过智能网联方式精准获取，是其最有价值的车路协同案例。
（2）超视距信息获取
单车智能安装的各类传感器都有自己的覆盖范围，和人眼视距类似，例如超声波雷达探测距离5米，摄像头100米，激光雷达150米，毫米波雷达250米的融合感知组合。超出这个距离，依靠单车智能就无法再识别和获取信息。
比如超出单车智能传感器感知范围的前方隧道内，发生了交通事故，自动驾驶车辆无法及时获取隧道内信息，这对于自动驾驶车辆来说非常危险。依靠智能网联，可以通过安装在隧道内的传感器检测出隧道内出现的交通事故，再将相关信息传递给路侧边缘计算设备，进而通过区域边缘计算设备或者中心云平台，传递给几公里外的RSU设备，并通过RSU设备广播给自动驾驶车辆，实现超视距交通状态感知。
（3）鬼探头等典型场景应对
根据预期功能安全四象限理论，通过车路协同可以使自动驾驶SOTIF中的不安全场景转化为安全场景，未知场景转化为已知场景，如图1所示。
图1 基于车路协同使得SOTIF各区域发生变化
①不安全场景转化为安全场景。针对原有“不安全”的场景，处理方式有两种：一是提升自动驾驶能力将其转化为安全场景；二是进行触发条件检测并通过限制ODD进行排除。车路协同的加入，让自动驾驶车辆能够获取更全面的数据，可以更早更远地启动处理，从而为车辆应对不安全场景营造更好的条件。同时，也支持增强对危险场景的触发检测能力，以便通过ODD将其排除。
②未知场景转化为已知场景。针对原有“未知”场景的探索是一个行业难题。车路协同一方面可以通过全量的感知识别完成对未知现象触发和处理，如将未知异常的交通现象转化为触发条件，并且提示过往车辆提前做出预判；另一方面，通过数据驱动和算法学习，可以将未知数据采集、挖掘、训练提升，发现未知场景，从而完成学习式系统的成长[2]。
鬼探头通俗来讲，就是在前方有车辆或障碍物阻挡住司机视线，也就是存在视野盲区，从路边突然蹿出一辆非机动车或行人，导致司机避让不及时。因为事发突然，彼此都没有反应与躲避的时间与空间，令人猝不及防，因此被称为鬼探头。
单车智能目前无法有效规避鬼探头风险。只有在相关路段进行智能网联路侧基础设施部署，通过路侧智能设施识别出非机动车或行人的行为，通过路侧边缘计算设备进行计算分析，预判出潜在碰撞风险，及时推送给Robobus。从而Robobus的“已知安全”场景集合明显扩大。
除了鬼探头这样的场景外，还有一些单车智能难以识别的场景，比如路边车辆停在右转机动车道上，挡住Robobus正常行驶线路，Robobus难以判断该车辆是在等待右转灯继续行驶，还是非法停车状态。而通过智能网联路侧基础设施，可以进行识别和判断该车辆停留时间，给Robobus提供决策依据。
（4）安全冗余
Robobus产业发展，最需要的就是安全。一旦出现交通事故，尤其是造成人员伤亡和财产损失，对自动驾驶产业发展将造成致命打击。因此，单车智能的主流做法是采用多重冗余的多传感器融合感知+高精地图+高精定位。
而道路智慧化改造可以让道路具备对交通参与者行为的分析预测能力、对交通环境和道路设施状态的判断能力、对交通事件的感知能力，这些结果通过智能网联系统，给到Robobus，作为Robobus决策的输入源之一，和单车智能输入源进行融合判断，可以有效提升Robobus的安全性，从而让Robobus多一层安全冗余。
另外一方面，和Robotaxi不同的是，Robobus需要向用户提供更加精准的服务，因此需要依靠精准的出行需求来设计路线，车联网可以赋能实现出行OD分析、路况精准服务等，帮助科学合理地规划设计Robobus线路。
依托车联网的车端和路端数据、交通大数据以及互联网位置大数据（人流、车流、交通流等），可以挖掘出精准的出行需求，结合当前城市公共交通的负荷度与公共交通车辆的分担率，挖掘城市出行中供需不平衡的焦点问题，将这些焦点问题统筹考虑，利用智能算法串联成线，指导Robobus的线路设计。并且，Robobus的线路设计还可以和其他公共交通方式进行融合，指导全域公共交通线网的优化，达到线路规划的最优结果，实现最优接驳方案和高效多式联运。
（三）
网联自动接驳车商业价值
自动接驳车的服务治理和融资通常通过公私合作进行。城市、区域规划组织和公共交通机构与房地产开发商、医院、私人雇主、大型保险公司、酒店业（如会议中心、酒店和餐厅）、能源部门（主要是电力设施）和其他私营实体合作，管理、监督和资助自动接驳车服务。
网联自动接驳车服务目的和带来的价值包括如下可能。
教育：自动接驳车可以提供大学和其他教育校园之间的联系，扩大流动选择和教育机会。
就业：自动接驳车可提供进入就业中心的通道，并允许在就业中心内流动（就业中心是工作地点集中的区域，如办公园区、市中心、多用途校园、工业园区或办公楼群）。此类服务可降低停车要求，增加员工和访客的便利。
娱乐、游戏和零售业：自动接驳车可以将客户连接到娱乐、游戏和零售场所，并允许在指定的单一用途或混合用途区域内移动。自动接驳车服务有助于减少停车需求，改善无障碍性，特别是对于那些有机动性、视觉或认知障碍的人。
保健：自动接驳车可以向医疗园区内提供服务，或向医疗和行为健康服务提供点对点服务，以改善获得医疗服务的机会。自动接驳车服务可以缩短预约的交通时间，减少停车需求，并提高后续护理率。
停车：自动接驳车可以接送员工往返远程停车场，降低员工和雇主的停车成本。
基于财产的服务：房地产开发商通常为基于物业的服务提供资金，以吸引购物者或为员工或居民提供便利设施。自动接驳车服务（如循环器和最后一公里服务）可以将居民、客户和员工与家庭、购物和工作联系起来。
高级服务及住宅发展：自动接驳车可以在校园环境和社区环境中提供高级固定路线和按需服务 [3]。
（四）
网联自动接驳车典型案例
案例1：美国拉斯维加斯AAA免费自动接驳车
美国拉斯维加斯拥有60多万人口，是美国最受欢迎的旅游目的地之一。从2017年开始，拉斯维加斯市和内华达州南部地区交通委员会（RTC），以及北美基奥利市和美国汽车协会北加利福尼亚州、内华达州和犹他州（AAA），在市中心环路上运营了全国首个混合交通的公共交通自动驾驶服务。一辆Navya ARMA自动接驳车为居民和拉斯维加斯游客提供服务。
AAA免费自动接驳车第一阶段在拉斯维加斯市中心沿着弗里蒙特、南第八街、东卡森大道和南拉斯维加斯大道环行，穿过八个十字路口，其中六个十字路口有信号灯。以0.6英里的固定路线运行，有三个固定站点，不收费。自动接驳车通常以低于10英里/时的速度运行。除了夏天炎热的日子外，人们对自动接驳车的兴趣很高，自动接驳车站点通常排着长队，乘客主要是拉斯维加斯的游客。
第二阶段品牌为“GoMed”，是行驶4.5英里的自动接驳车，连接拉斯维加斯市中心和附近的医疗园区。该项目于2018年12月获得联邦530万美元的建设拨款资金，并被称为拉斯维加斯医疗区自动循环和行人安全项目。四辆车服务于穿梭路线，提供市中心循环器和穿过I-15的市中心和医学院之间的A点到B点穿梭。该项目的目标是将居民与“医疗、就业、教育和其他重要服务”联系起来。
Keolis是一家在美国和欧洲运营公共汽车和轨道交通服务的移动和交通服务提供商，在试点期间招募、培训和监督所有安全员。Keolis还负责城市合同设施中车辆的储存和充电。Keolis还提供了AAA、Navya、RTC和该市关于乘客量、出行和电池利用率的信息。另外，Keolis向Navya提供了技术脱离接触报告和其他日志。
在试验期间，AAA自动接驳车通常在夏季的上午11:00至下午7:00之间运行，Keolis将时间表调整为下午1:00至晚上9:00之间，以避免高温。极端的高温需要持续的空调，影响电池性能，并对人们在外面等待自动接驳车的意愿产生不利影响。
Navya自动接驳车没有联邦自动车安全标准（Federal Motor Vehicle Safety Standard，FMVSS）要求的侧后视镜、制动踏板和驾驶员座椅。Navya完成了FMVSS差距分析，解释了车辆不符合的具体部分，并演示了它们如何仍能满足同等功能水平并提供同等安全水平。例如，八个激光雷达传感器提供的道路和交通状况信息比人眼多得多。
此外，该市还重点研究DSRC、互联车辆和基础设施技术、共享服务等领域。在拉斯维加斯市中心的70多个十字路口配备了DSRC设备，RTC使用DSRC网络对自动接驳车服务进行测试，以判断未来在支持自动驾驶车辆部署方面所需要的投资。
AAA免费自动接驳车是作为一个单独用例设计的，没有集成到RTC的公交系统中（集成票价或协调服务和调度）。该车辆与本地基础设施（如DSRC RSU）集成，市政府认为该试验是对连接DSRC车辆的有用验证，该单元为车辆定位提供冗余，并将有关交通灯状态的信息（包括信号相位、配时数据）转发给车辆[3]。
案例2：美国得克萨斯州阿灵顿市Milo
美国得克萨斯州阿灵顿市人口39.6万人，是达拉斯沃思堡大都会的地理中心。阿灵顿市是亚热带湿润气候，夏季温度约为35摄氏度。高温加上高湿度，使得许多人在室外行走时感到不舒服，另外还有些人行动不便。
每年有超过1400万游客来到阿灵顿娱乐区。娱乐区拥有15000多个工作岗位，还有达拉斯牛仔体育场（AT&T公园）、得克萨斯州流浪者体育场（环球生活场）、六旗游乐园、大型会议中心、酒店和其他区域景点。
2016年秋天，阿灵顿市任命了一个交通咨询委员会（TAC）来制定城市交通创新计划。TAC在2017年9月发布了最终报告《连接阿灵顿：连接人与地的交通愿景》，自动接驳车是该计划中的一项关键建议。
Milo试验是阿灵顿市自动接驳车试验的第一阶段，战略倡议办公室在18个月的时间内领导规划、项目开发、采购、实施、运营和评估。得克萨斯州的监管环境一直鼓励自动驾驶车辆部署，阿灵顿市的工作人员在项目开始之前无需获得得克萨斯州的许可。该项目也不需要FMVSS豁免，因为车辆没有在公共道路上行驶。这条路大约10英尺宽，供自行车手和行人使用。典型的运行速度为8英里/时，路线是多用途路线。
阿灵顿市使用普通资金与EasyMile签订合同，租赁两辆EasyMile EZ10 Gen-1车辆。自动接驳车的运营成本由会议和活动服务账户使用旅游收入提供资金。阿灵顿市最初计划从EasyMile购买车辆并接受相关培训后自行操作车辆。然而，阿灵顿市工作人员意识到这将是一种不可持续的模式，并决定与First Transit（一家交通和移动服务提供商）签订合同，由其在规定数量的活动中处理常规运营，并提供日常服务。
EasyMile为阿灵顿市和First Transit提供技术支持，特别是在试点开始时，它提供车辆规格、操作和维护说明，并为安全员提供认证课程和培训文件。EasyMile提供了关于EZ10 Gen-1车辆如何工作的详细规范和说明。First Transit采用了其铁路运营的最佳实践，包括遵循检查表、调度和维护的标准化协议。阿灵顿市以安全为重点进行监督。
阿灵顿市在政府保险风险池的支持下对该项目进行了自我保险。此外，它还需要EasyMail提供覆盖范围之外的额外保险。
Milo自动接驳车旨在成为一个创新的交通项目，向娱乐区的各种区域居民和游客展示自动化技术。具体目标是：在现实环境中测试自动化车辆技术；教育公众并提高对自动化车辆技术的认识。
阿灵顿市在为期一年的试点期间进行了调查，在乘坐Milo自动接驳车的人中，99%的人喜欢他们的经历并感到安全，97%的受访乘客支持更广泛地使用自动驾驶技术，另外还有评论称，这一经历改变了他们对自动驾驶技术的看法，并表达了阿灵顿市扩大服务领域的愿望[3]。
案例3：广州国际生物岛和南京生态科技岛自动驾驶微循环小巴
2021年初文远知行与宇通联手打造自动驾驶微循环小巴Mini Robobus，采用前装量产车型，无方向盘、油门和刹车，搭载文远知行自主研发的全栈式软硬件解决方案，能够安全高效地处理各种复杂的城市交通路况。在广州国际生物岛和南京生态科技岛开启“两岛一线”的常态化测试。
宇通也是全球智能网联客车的先行者。2015年宇通完成第一代自动驾驶产品研发，并在郑开大道完成全球首例自动驾驶客车开放道路试运行；2019年3月，宇通5米自动驾驶微循环车在海南博鳌论坛示范运营；2019年5月，郑州“智慧岛5G智能公交”项目落地，宇通5米自动驾驶微循环车在开放道路试运行；2020年6月，宇通助力郑州郑东新区开通了全长17.4公里的自动驾驶1号线，率先实现自动驾驶公交商业化应用[4]。
案例4：苏州相城区Robobus市民体验线路
苏州相城区Robobus市民体验线路总长度超过4公里，沿途设置了8个站点，包括苏州北站、相融大厦、青龙港路陆港街、苏州港口发展大厦、苏州高铁商务大厦、圆融广场、江南大厦和阳澄国际电竞馆，串联起苏州高铁新城的核心交通枢纽、商业办公区、购物中心、居民小区等地。
由轻舟智航部署的Robobus单向循环行驶，途经14个路口，车辆和行人较多，路况十分复杂，对自动驾驶技术提出了更高的要求。这条线路同时也支持车路协同C-V2X应用落地，进一步保证自动驾驶公交出行的安全性[5]。
参考文献
[1] 中国电动汽车百人会. 未来城市出行蓝皮书[R]. 2020,10.
[2] 清华大学智能产业研究院,百度Apollo. 面向自动驾驶的车路协同关键技术与展望[R]. 2021.
[3] 美国国家科学院出版社. 公共交通中的低速自动车辆（LSAV）[R]. 2021.
[4] 36氪. 文远知行获宇通集团2亿美元B1轮战略投资，推动自动驾驶微循环巴士和公交车等落地[N]. 2020,12.
[5] 网易新闻. 全球首条城市微循环Robo-Bus市民体验线路在苏发布[N]. 2020,7.
- END -
▎推荐阅读
5G车联网赋能自动驾驶系列之一：5G车联网如何赋能自动驾驶环卫车？
5G车联网赋能自动驾驶系列之二：干线物流自动驾驶和车路协同融合发展探索
5G车联网赋能自动驾驶系列之三：车联网赋能末端物流自动驾驶探索
5G车联网赋能自动驾驶系列之四：5G车联网赋能矿山自动驾驶探索
5G车联网赋能自动驾驶系列之五：5G车联网赋能港口自动驾驶探索
▎好书推荐
01
随着 5G车联网产业化进程加速，继2020年《5G与车联网技术》、2021年《从云端到边缘：边缘计算的产业链和行业应用》出版之后，2022年吴冬升博士带领「5G行业应用」作家团队推出又一力作——《车联未来：5G车联网创新商业模式》。本书由化学工业出版社出版，聚焦5G车联网商业模式，探索车联网未来可持续性发展之路。
吴冬升博士 主编
吴冬升，东南大学博士。现任高新兴科技集团股份有限公司高级副总裁、粤港澳大湾区自动驾驶产业联盟副理事长、广州车路协同产业创新联盟理事、广州市智能网联汽车示范区运营中心理事等。致力于5G、智能网联、自动驾驶、大数据、人工智能等技术的研究与应用创新。省市级期刊发布论文数十篇，主编《5G与车联网技术》等书籍，参与编写《广州市智能网联汽车与智慧交通产业发展报告（2020）》等。
购买链接
02
本书由人民邮电出版社出版，聚焦5G，由点及面全景解读边缘计算。在介绍5G时代边缘计算内涵和核心技术的基础上，着重分析和介绍边缘计算产业链的情况和边缘计算7大典型行业的应用。产业链方面涵盖上游、中游、下游。典型行业应用方面，包括交通行业（自动驾驶、智能网联、智能交通、智慧道路）、安防行业、云游戏行业、工业互联网、能源互联网、智慧城市和智能家居等。
购买链接
03
本书系统剖析5G车联网整体架构、体系标准、关键技术、典型业务及应用场景等，对全球及国内车联网最新进展做了全面的扫描和分析，并对5G车联网产业发展面临的挑战和未来发展前景进行展望和预测，对于致力于5G及车联网产业研究、标准化及相关产品实现的广大从业者具有参考价值。
购买链接
关于我们
「5G行业应用」是聚集TMT行业资深专家的研究咨询平台，致力于在5G时代为企业和个人提供客观、深入和极具商业价值的市场研究和咨询服务，帮助企业利用5G实现战略转型和业务重构。本公众号专注提供5G行业最新动态及深度分析，覆盖通信、媒体、金融、汽车、交通、工业等领域。
