[论文解读] Autonomous Last-mile Delivery Vehicles in Complex Traffic Environments

Bai Li, Shaoshan Liu+4 more|arXiv (Cornell University)|Jan 22, 2020

Autonomous Vehicle Technology and Safety参考文献 8被引用 5

一句话总结

本文提出了一套全面的技术解决方案，用于在复杂交通环境（特别是中国密集的城市区域）中运行的自动驾驶末端配送车辆。该系统整合了先进的感知、预测与控制模块，以及关键安全策略，使超过300辆车辆在数十个省份中实现可靠运行，累计行驶715,819英里，历经数百万小时的实路测试，在包含行人、自行车和摩托车的混合交通场景中表现出高度可靠性。

ABSTRACT

E-commerce has evolved with the digital technology revolution over the years. Last-mile logistics service contributes a significant part of the e-commerce experience. In contrast to the traditional last-mile logistics services, smart logistics service with autonomous driving technologies provides a promising solution to reduce the delivery cost and to improve efficiency. However, the traffic conditions in complex traffic environments, such as those in China, are more challenging compared to those in well-developed countries. Many types of moving objects (such as pedestrians, bicycles, electric bicycles, and motorcycles, etc.) share the road with autonomous vehicles, and their behaviors are not easy to track and predict. This paper introduces a technical solution from JD.com, a leading E-commerce company in China, to the autonomous last-mile delivery in complex traffic environments. Concretely, the methodologies in each module of our autonomous vehicles are presented, together with safety guarantee strategies. Up to this point, JD.com has deployed more than 300 self-driving vehicles for trial operations in tens of provinces of China, with an accumulated 715,819 miles and up to millions of on-road testing hours.

研究动机与目标

• 解决中国常见高密度复杂交通环境中自动驾驶末端配送所面临的挑战。
• 开发一种稳健且可扩展的技术系统，能够应对行人、自行车和电动摩托车等多样化且不可预测的路权使用者。
• 通过集成感知、预测与控制模块，确保在真实部署中的安全与可靠性。
• 在多个省份的大规模真实运营中，展示自动驾驶配送车辆的可行性与性能。

提出的方法

• 系统采用多传感器融合架构，结合激光雷达、摄像头和雷达，实现高精度环境感知。
• 采用分层预测框架，对多样化路权使用者的行为进行建模，包括在混合交通环境中常见的非均匀与不稳定运动。
• 运动规划模块结合基于规则的逻辑与学习增强型决策方法，生成安全且可行的轨迹。
• 安全保证策略整合实时风险评估与应急响应协议，以应对不可预测事件。
• 车辆控制系统通过模型预测控制与反馈稳定技术，确保规划轨迹的精确执行。
• 整个系统已部署于中国数十个省份的300多辆自动驾驶配送车辆车队中，开展真实世界运营。

实验结果

研究问题

• RQ1 自动驾驶末端配送车辆如何在高密度混合路权使用者的复杂城市交通中安全行驶？
• RQ2 在应对行人、自行车和电动摩托车等不可预测行为时，哪些感知与预测技术最为有效？
• RQ3 在动态且非结构化的交通环境中，如何实现实时安全保证？
• RQ4 何种系统架构能够实现自动驾驶配送车辆在真实条件下的可扩展、高可靠部署？
• RQ5 在大规模真实试验中，可实现哪些性能指标与运营规模？

主要发现

• 该系统成功实现了在中国数十个省份中对超过300辆自动驾驶配送车辆的真实世界运行。
• 车队累计完成715,819英里的道路测试，运营时长达数百万小时。
• 车辆在包含多样化且不可预测路权使用者的复杂交通场景中表现出可靠性能。
• 集成的安全策略实现了动态环境中的实时风险缓解与应急响应。
• 部署实现了高度可扩展性与运行稳定性，验证了在密集城市环境中自动驾驶末端配送的可行性。
• 该技术方案在真实世界大规模运营中被证明有效，标志着智能物流实用化迈出了重要一步。