图森未来自动驾驶卡车：高速综合工况节油11%，巡航工况节油6%

本文来源：智车科技

自动驾驶卡车能明显提高燃油效率吗？

​图森未来（TuSimple）评估了其L4级自动驾驶技术目前在现实世界中的节油性能，分析了30000多英里的高速公路驾驶，包括手动驾驶和自动驾驶，占比为大约50：50，并对比了该公司技术娴熟、经验丰富的专业驾驶员与其自动驾驶系统的燃油效率性能。

图森未来研究发现，与手动卡车相比，燃油效率总体上有11%的优势。改进的主要驱动因素是动态和交互式事件，如并道和切入。自动驾驶系统能够以比手动卡车更平稳、更渐进的方式应对这些类型的情况。

研究按事件类型对燃油经济性进行了细分，研究发现在高速公路速度下巡航可节省约6%的燃油，在其他高速公路事件中，如跟随慢速车辆和前方车辆切入时，燃油效率显著提高，分别提高了10%和27%以上。

卡车运输最大的两个成本是司机和燃料，自动驾驶技术能够影响两者并为卡车运输行业带来显著节约。

TuSimple认为采用L4级自动驾驶技术有可能减少燃油使用，为所有道路使用者创造更安全的驾驶环境。

补充信息

●嬴彻智能卡车商业运营数据显示，在诸多物流干线上，嬴彻智能卡车的节油表现优于客户油耗考核标准，百公里多节油1至3升，相较于人类优秀司机节油可达3%-7%。在30%常态化运营线路可实现7%-10%的油耗下降。

●智加科技已携手荣庆、申通、德坤等合作伙伴开启前装量产智能重卡联合运营，东至上海、北至盘锦、南至深圳、西至武汉，覆盖快递快运零担整车不同物流业务类型，零事故，最高10%的节油。经过对荣庆物流在以山东为主的长三角地区的实地测试，智能卡车以平原为主的路线上节油率最高在10%以上。

研究目的及意义

根据图森官网博客信息， TuSimple在2023年完成了一项研究，以进一步探索其L4级自动驾驶卡车技术的燃油效率优势。

研究主题是TuSimple的L4级自动驾驶技术。

研究使命是彻底调查和评估L4级自动驾驶技术在现实世界中实现的燃油节约，重点关注其在实际车队运营中的适用性。

本研究的主要目的是量化公路运营燃油经济性的实际改善，因为这代表了长途卡车运行设计域（ODD）的重要部分。此外，考虑到不同场景下运行条件和燃油效率的变化，TuSimple旨在确定其自动驾驶技术在提高燃油效率方面表现出色的具体条件，确保观察到的燃油节约效益的一致性。

事件驱动分析

评估L4级自动驾驶技术对燃油节约的贡献的主要困难之一是驾驶场景的多样性。

驾驶场景大致可分为互动式（驾驶员并线、驾驶员切入、驾驶员后方变道、驾驶员前方变道等）和非互动式（高速公路巡航、空坡道加速等）。

总燃油节省量将取决于这些场景在给定路线上的分布情况，这些情况可能因一天中的时间、与城市的距离等而异。

为了评估各种场景下的燃料节约，需要明确定义场景。为此，TuSimple引入了事件（events）的概念。

事件定义及类型

事件被定义为代表一系列驾驶场景的严格且明确预定的驾驶动作序列。

研究的重点是4种事件类型，范围集中在公路领域。

第一种事件类型名为“聚合公路”，是公路上发生的所有事件的集合，代表了几乎所有的驾驶场景。“聚合高速公路”包含其他三种事件类型作为其子集。该活动量化了整体燃油经济性的改善，涵盖了互动和非互动活动的组合。

图1-自动驾驶燃油效率研究中的事件类型

第二种事件类型为“高速公路巡航”，捕捉了几乎恒定速度和最小车辆交互的场景。该事件是通过检查速度是否在60-75英里/小时的巡航速度范围内以及在整个事件期间速度是否保持大致恒定来提取的。“高速公路巡航”事件构成了公路运营的大部分，因此对燃油经济性有重大影响，并且燃油经济性改善效果应该逊色于动态互动事件，所以构成了评价的基准。

最后两种活动类型，即“卡车跟随慢速车辆”和“前车切入”，展示了自动驾驶系统在与其他车辆交互过程中的表现。

“高速公路巡航”、“前方车辆切入”和“卡车跟随慢速车辆”事件合计约占30000总高速公路里程的75%，本报告中显示的结果集中在三种事件类型上。

数据收集

这项研究的一个独特方面是它所使用的数据的数量和质量。TuSimple通过收集白天和晚上、工作日和周末以及不同季节的数据，确保数据集的场景方差在操作上尽可能高。

TuSimple花了6个月的时间收集了大量的高速公路运营数据。测试数据涵盖了超过30000英里的行驶里程，包括各种道路等级和多种挂车负载条件。

手动驾驶数据是从60名经验丰富的TuSimple专业司机那里收集的。

图2-燃油效率分析的综合数据收集

数据分析

研究通过分析大量感兴趣的事件来调查燃油经济性效益。

为本研究进行的基于数据的分析如下所示。事件提取用于从庞大的TuSimple数据集中收集事件。然后从每个事件中提取燃油经济性和性能指标。最后，进行统计分析以确保表示每种事件类型的性能的数值结果具有高置信度。

图3-燃油经济性效益的数据分析过程

开发了内部工具提取与前面定义的4种事件类型对应的数据，计算每个事件的燃油经济性和性能指标，然后通过统计分析进行汇总。下面的结果部分讨论了数值结果。

定义了4种操作模式，以涵盖所有驱动组合，即仅驱动的驱动模式、不使用燃料的滑行模式、发动机制动模式和基础制动模式。每个模式的部分是基于模式行进距离和每个事件的持续时间之间的比率来计算的。这些指标的目标是统计地捕捉关键的行为水平差异。

除了基于大数据的宏观统计分析外，还对手动驾驶和自动驾驶之间的行为进行了微观研究，以进一步证明观察到的燃油经济性改善。

重点放在车辆交互事件上，即“前方车辆切入”和“卡车跟随慢速车辆”。下图5显示了该公司用于时域分析和行为比较的工具布局，这些工具是从“卡车跟随慢车”事件中采样的。

图4——时域行为比较的示例案例研究布局

为了确保准确的比较，根据进入条件的相似性和时域比较来选择类似的自动驾驶和手动驾驶事件。

此外，还实现了发动机运行域比较，覆盖了发动机燃油MAP，该图以图形方式反映了与手动驾驶相比，自动驾驶发动机如何更有效地运行的特性。利用TuSimple模拟平台强大的回放功能，任何选定的手动驾驶案例都可以使用TuSimple的L4自动驾驶技术重新运行，并可以证明在完全相同的场景下，自动驾驶者如何改善行为以节省更多燃油。

分析结果

分析结论公路的总体改善率为11%，为了得出总的燃料节约，通过查看每种事件类型进行比较。

首先，在没有任何周围车辆互动的情况下，对“高速公路巡航”活动进行了比较。结果显示，燃油经济性略有提高，约为6%。原因是考虑到速度范围内的严格调节，几乎没有优化的余地。

其次，两种常见的交通交互场景研究发现，在“前方车辆切入”事件中，燃油经济性提高了27%，在“卡车跟随慢速车辆”事件中提高了10%以上。

图5-燃油经济性的分项改善：手动与自动

对“前方车辆切入”和“卡车跟随慢速车辆”事件进行了更深入的分析，以强调L4自动驾驶技术在燃油经济性方面可以提供超越L2级巡航控制的潜力。

这些事件表明，经济性有了更显著的改善，这与传统的驾驶辅助功能有所区别。自动驾驶操作系统和手动操作员在与周围交通互动时的行为差异被发现是主要因素。

统计解释

对于“前车切入”事件，速度分布表明，当自动驾驶观察到更多的运动变化时，人类驾驶员倾向于采取最小的反应并保持原始速度，以在车辆驶入时留出更多的空间，从而减少不必要的燃料使用。

图6-燃油经济性改善：“前车切入”事件

图7-速度变化：“前车切入”事件

不同驱动模式百分比之间的比较总结如图。结果表明，自动驾驶降低了11%的驱动模式，同时增加了6%的滑行持续时间。同时，在基础制动模式比相似的情况下，发动机制动器的使用显著增加，以实现自动驾驶。较低的驱动使用率和较高的滑行百分比显然是TuSimple自动驾驶系统燃油效率提高的驱动因素。

图8-自动驾驶汽车与手动操作模式的比较

基于案例研究的发动机运行比较

“卡车跟随慢速车辆”事件中，基于手动和自动驾驶的实际测试数据，从发动机运行角度观察到的改善。对于手动驾驶，扭矩使用率要高得多，集中在高于范围50%左右，而自动驾驶显示出更多的发动机滑行。

图9-发动机扭矩比较：

慢速跟车事件中的自动驾驶与手动驾驶

手动驾驶与自动驾驶回放示例

前方车辆的行驶速度比TuSimple的车辆慢11英里/小时，并且有50米的距离差距。

手动驾驶在处理前方慢速车辆时，减速会出现明显的超调。当实现高制动使用率时，基础制动系统的滞后动力学性质使得很难在不超过超调的情况下减速到适当的目标速度。由于减速过快，卡车司机不得不加速，油门几乎全开，如红框所示。此外，在从减速达到较低的速度范围后，会发生不必要的档位降档，从而在速度恢复阶段引入更多的滞后。这些大的超调和额外的补偿努力导致更差的燃油经济性。

图10-时域行为：轻交通场景中的手动

TuSimple自动驾驶成功地精确降低了速度，以匹配前车速度，基础制动的幅度要小得多。与手动驾驶相比，跟车行为的波动性较小。此外，基于嵌入的动力系模型，最优控制避免了不必要的降档，以减少速度恢复的滞后。

图11-时域行为：轻交通场景下的自动驾驶

结论

TuSimple的研究表明，在标准公路运营期间，燃油经济性提高了11%。除了节省燃料的好处外，重要的是要指出L4自动驾驶的潜在安全好处。

文章转载自公众号：智车科技