中国自动驾驶发展加速，已实现多场景落地应用

当前技术还无法达到全工况、全区域的自动驾驶，4 级自动驾驶足以满足限定场景内实现完全替代驾驶员及安全员的需求

根据工信部发布的《汽车驾驶自动化分级》推荐性国家标准报批稿，中国对自动驾驶技术的分级标准与 SAE*类似，均根据系统对车辆操纵任务的把控程度，将自动驾驶技术分为 0-5 级。其中，4 级及以上自动驾驶真正实现了系统对驾驶员的替代。5 级完全自动驾驶没有使用场景限制，无需监控和控制，可实现全工况、全区域的自动驾驶，是汽车驾驶自动化系统研发的终极目标。但研发难度大、成本高，现阶段还未达到 5 级所需技术水平。在当前多数应用场景中，4 级自动驾驶足以满足替代驾驶员的要求。4 级自动驾驶商用车应用关乎生命安全、运输效率、节能环保，将释放巨大社会价值 4 级自动驾驶真正实现了在限定场景内解放人力。干线、矿区、港口等场景的货物运输工作强度大、危险性高，安全事故时有发生，给行业和企业带来了巨大损失；而随着我国人口老龄化以及物流行业的发展，货车司机缺口进一步拉大，将制约运量提升；传统柴油卡车是机动车污染物排放的主要来源，司机的不规范驾驶将造成更多油耗进而排放更多污染物。4 级自动驾驶的应用通过替代人力及规范驾驶策略，将提升道路安全，减少交通事故发生数，缓解人力短缺，促进节能环保，释放巨大社会价值。商业化应用驱动因素自动驾驶产品是否可复制是衡量自动驾驶技术从产品期到普及期的核心标准。本报告将自动驾驶落地全过程分为科学期、技术期、产品期和普及期四个阶段。其中，从产品期到普及期，自动驾驶解决方案从定制化走向标准化。本报告研究的商业化应用时间拐点发生在从产品期到普及期的过渡阶段。

在这个时间拐点上，技术解决方案提供商的自动驾驶产品具有场景复制能力，且解决方案具有可行性。同时，终端应用方的需求是真实的，即成本可承担。数据堂自有数据集的“智能驾驶数据解决方案”中掌握着驾乘人群的行为数据，不仅包含驾驶员行为标注数据 50 种动态手势识别数据，103282 张驾驶员行为标注数据等，还包 1300 万组人机对话交互文本数据，245 小时车载环境普通话手机采集语音数据。不管是街景场景数据，驾驶员行为数据，还是车载语音数据，数据堂基于 Human-in-the-loop 智能辅助标注技术”和丰富的 AI 数据项目实施经验及完善的项目管理流程，支持智能驾驶场景下驾驶舱内、舱外的图像、语音数据采集任务，辅助智能驾驶技术在复杂多样的环境下更好的感知实际道路、车辆位置和障碍物信息等，实时感知驾驶风险，实现智能行车、自动泊车等预定目标。对于智能驾驶而言将是其他企业难以企及的优势。

自动驾驶应用场景自动驾驶载货商用车领域的六大主流应用场景当前自动驾驶在载货商用车领域有六大主流应用场景，包括：港口场景、物流园区、矿区场景、机场场景、干线物流、末端物流。

港口场景下自动驾驶技术实现难度相对较小，更易实现商业化应用

在港口场景中，当前 4 级自动驾驶技术主要用于实现水平运输自动化作业，主要应用形式包括自动驾驶集卡和自动驾驶跨运车。自动驾驶跨运车能够同时实现垂直和水平运输，但由于可堆箱数有限，不适用于堆垛层较高的国内港口。国内港口更多采用自动驾驶集卡搭配自动化轨道吊完成自动化水平运输及垂直运输。