當前技術還無法達到全工況、全區域的自動駕駛，4級自動駕駛足以滿足限定場景內實現完全替代駕駛員及安全員的需求

根據工信部發布的《汽車駕駛自動化分級》推薦性國家標準報批稿，中國對自動駕駛技術的分級標準與SAE*類似，均根據系統對車輛操縱任務的把控程度，將自動駕駛技術分為0-5級。其中，4級及以上自動駕駛真正實現了系統對駕駛員的替代。5級完全自動駕駛沒有使用場景限制，無需監控和控制，可實現全工況、全區域的自動駕駛，是汽車駕駛自動化系統研發的終極目標。但研發難度大、成本高，現階段還未達到5級所需技術水平。在當前多數應用場景中，4級自動駕駛足以滿足替代駕駛員的要求。4級自動駕駛商用車應用關乎生命安全、運輸效率、節能環保，將釋放巨大社會價值4級自動駕駛真正實現了在限定場景內解放人力。干線、礦區、港口等場景的貨物運輸工作強度大、危險性高，安全事故時有發生，給行業和企業帶來了巨大損失；而隨著我國人口老齡化以及物流行業的發展，貨車司機缺口進一步拉大，將制約運量提升；傳統柴油卡車是機動車污染物排放的主要來源，司機的不規范駕駛將造成更多油耗進而排放更多污染物。4級自動駕駛的應用通過替代人力及規范駕駛策略，將提升道路安全，減少交通事故發生數，緩解人力短缺，促進節能環保，釋放巨大社會價值。商業化應用驅動因素自動駕駛產品是否可復制是衡量自動駕駛技術從產品期到普及期的核心標準。本報告將自動駕駛落地全過程分為科學期、技術期、產品期和普及期四個階段。其中，從產品期到普及期，自動駕駛解決方案從定制化走向標準化。本報告研究的商業化應用時間拐點發生在從產品期到普及期的過渡階段。

在這個時間拐點上，技術解決方案提供商的自動駕駛產品具有場景復制能力，且解決方案具有可行性。同時，終端應用方的需求是真實的，即成本可承擔。數據堂自有數據集的“智能駕駛數據解決方案”中掌握著駕乘人群的行為數據，不僅包含駕駛員行為標注數據50種動態手勢識別數據，103282張駕駛員行為標注數據等，還包1300萬組人機對話交互文本數據，245小時車載環境普通話手機采集語音數據。不管是街景場景數據，駕駛員行為數據，還是車載語音數據，數據堂基于Human-in-the-loop智能輔助標注技術”和豐富的AI數據項目實施經驗及完善的項目管理流程，支持智能駕駛場景下駕駛艙內、艙外的圖像、語音數據采集任務，輔助智能駕駛技術在復雜多樣的環境下更好的感知實際道路、車輛位置和障礙物信息等，實時感知駕駛風險，實現智能行車、自動泊車等預定目標。對于智能駕駛而言將是其他企業難以企及的優勢。

自動駕駛應用場景自動駕駛載貨商用車領域的六大主流應用場景當前自動駕駛在載貨商用車領域有六大主流應用場景，包括：港口場景、物流園區、礦區場景、機場場景、干線物流、末端物流。

港口場景下自動駕駛技術實現難度相對較小，更易實現商業化應用

在港口場景中，當前4級自動駕駛技術主要用于實現水平運輸自動化作業，主要應用形式包括自動駕駛集卡和自動駕駛跨運車。自動駕駛跨運車能夠同時實現垂直和水平運輸，但由于可堆箱數有限，不適用于堆垛層較高的國內港口。國內港口更多采用自動駕駛集卡搭配自動化軌道吊完成自動化水平運輸及垂直運輸。

審核編輯黃宇