在全球供應鏈面臨持續壓力與綠色低碳轉型雙重挑戰的背景下，如何在復雜港口環境中實現7×24小時高效、安全作業，成為行業亟需攻克的核心問題。

2023年，我們在英國菲力斯杜港正式啟動一項重大合作 —— 部署規模達百輛的新能源智能無人駕駛Q-Truck車隊，至今第一批車隊已完成超 660 天常態化運營。這一標桿案例不僅突破了傳統港口作業模式對人力依賴的局限，依托創新的雙目感知、OCC占據感知及智慧能源管理系統，我們也為行業提供了可復制、可規模化的整體解決方案。本文將從技術細節出發，解析Q-Truck在歐洲頂級港口場景下的創新實踐及其背后的行業價值。

全球港口的自動化轉型挑戰

港口，作為全球物流的核心樞紐，一直承載著巨量的集裝箱運輸需求。隨著全球貿易量持續增長，傳統依賴人工操作的模式在應對高強度、連續性作業時顯現出明顯局限：夜間作業、雨霧天氣、集裝箱堆疊帶來的視覺盲區，都會對安全與效率造成潛在威脅。

與此同時，零碳轉型與運營成本的雙重壓力，讓港口管理者在保障作業連續性、降低事故率的同時，還必須考慮能源效率與投資可行性。

正是在這種背景下，我們助力英國菲力斯杜港，在歐洲首次實現了無人駕駛與人工駕駛混行作業的常態化運營，形成了一個集智能感知、能源管理、全局調度于一體的港口新范式。

雙目感知：賦予無人車“超視距慧眼”

在菲力斯杜港，無人駕駛卡車面臨的是瞬息萬變的實戰環境：夜間作業光線微弱，突如其來的暴雨模糊視線，堆疊的集裝箱形成視覺盲區…… 這些都對無人駕駛重卡的“眼睛”提出了近乎苛刻的要求。傳統單目視覺方案難以精確估算深度，常規立體視覺在強光、雨霧和遠距離小物體感知上也存在短板。這一行業共性難題，直接制約著港口自動駕駛的安全性與出勤率。

西井科技為Q-Truck所裝備的雙目感知系統，其核心是基于與同濟大學聯合研發的SPT（Stereo Pyramid Transformer）技術。此項在IROS 2024上發表并獲收錄的成果，從算法底層實現了感知范式的革新，為車輛的“慧眼”賦予了四大核心能力：

看得更“細”：在堆滿集裝箱的港口，一個不起眼的障礙物或地面陰影都可能帶來風險。SPT技術的核心創新之一在于其多層“金字塔”結構，基于此，西井的感知系統模擬人眼的分層處理機制，能夠從模糊的輪廓到清晰的邊緣，逐層解析視覺信息。無論是隱藏在陰影中的工具，還是遠處低矮的路肩，系統都能實現亞米級的精準測距，從根本上有效避免因誤判導致的碰撞或急停，為復雜環境下的精準導航提供了堅實基礎。

看得更“懂”：真正的智能感知不僅是識別物體，更在于理解它們的空間關系。SPT引入的語義注意力機制，使系統能夠解構場景中不同元素的語義關聯，并對其潛在運動軌跡進行概率預判。當Q-Truck同時感知到前方移動集卡與側向穿行人員時，它能像經驗豐富的司機一樣理解各自的意圖，提前做出平滑的減速或輕微繞行等平滑、擬人化的決策，從而實現安全、高效的人車混行。

看得更“穩”：眾所周知，港口作業沒有“天氣豁免權”。SPT創新性地融合了雙目立體視覺與單目深度預測的優勢，為車輛構建了感知冗余：當一側攝像頭因強光、水霧暫時致盲時，系統能立即調用另一套“視覺邏輯”進行補位判斷。

最終實現的效果是：在KITTI這類國際權威測評中，我們深度感知的誤差被控制在0.16米以內。這個比一個行李箱還小的誤差范圍，是Q-Truck在復雜港口環境中實現 7×24 小時連續安全作業的核心技術保障。

OCC占據感知：從識別物體到理解空間

在傳統自動駕駛感知體系中，車輛主要依賴識別物體類別來判斷前方環境。然而在真實的港口環境中充滿了遮擋、非標準物體以及復雜的動態場景，這種單純識別的方法難以覆蓋所有潛在風險，容易導致漏檢與誤判。而我們在Q-Truck部署的OCC（3D Occupancy Grid）占據感知技術，旨在徹底解決這一問題。它不再僅僅識別“是什么物體”，而是轉而回答一個更根本的問題：“前方的物理空間，有哪些地方被占用了”。

OCC技術從根本上重構了感知邏輯，它不依賴于物體分類，只要具備物理體積，無論物體是否被定義或標注過，都能將其表征為障礙物，進而為應對未知風險提供了極致的安全冗余。依據稠密的空間幾何信息，這一技術能夠更準確地預測被部分遮擋的行人、車輛的動向，從而做出更平滑、擬人化的決策，顯著減少急剎與突兀變道。

同時，憑借對物體輪廓的精確刻畫，車輛在狹窄路段具備更優的通過性，能夠精準判斷與周邊障礙物的間隙，實現安全、順滑的貼近通過，展現出類人的空間判斷能力。更重要的是，OCC不依賴窮舉式3D標注，具備更強的泛化能力與數據效率，能夠快速適應不同地域與道路環境，為端到端自動駕駛架構提供可擴展的基礎。

多源冗余感知：從全景環境認知到復雜場景決策

要在港口這樣動態、高密度的生產現場實現安全可靠的無人駕駛，僅依賴單一傳感器維度遠遠不夠。我們為Q-Truck構建了以360°無盲區覆蓋為基礎的多源傳感冗余系統，通過多顆頂置攝像頭與超廣角激光雷達的拓撲布局，建立360°全景感知域，實現了對車輛周邊環境的無死角監控，為高階自動駕駛提供了基礎性的空間安全保障。

針對港口復雜環境中的信號衰減與數據干擾等問題，西井自研的OCC感知框架創新性地實現了視覺與激光雷達的特征級深度融合。該體系架構中，攝像頭能準確識別物體的屬性特征，通過視覺模態提供豐富的紋理與語義信息；激光雷達則能夠不受光線變化影響，實時提供毫米級的空間數據。二者并非簡單互補，而是在統一的幾何空間中進行特征級融合，生成稠密且精確的3D占據柵格。

這種架構帶來的最大價值在于：當港口出現強光、雨霧或信號干擾，導致任一傳感器性能波動時，系統能立即調動另一傳感器進行無縫補位與交叉驗證，從而形成一條持續、穩定的環境認知流。在菲力斯杜港復雜而高活躍的作業區域中，這種多源冗余機制真正支撐了無人駕駛車輛的7×24小時全天候可靠感知能力。

在此基礎上，OCC占據感知與行為預測模塊共同構成了Q-Truck在水平運輸“流動圖譜”中的決策核心。當Q-Truck與人工駕駛集卡、流動設備、穿梭的工作人員以及其它無人駕駛車輛共同作業時，系統能夠：

精確計算與周邊設備的實時安全間距

預判前方車輛的行為意圖

在密集的車流中實時規劃出最優通行路徑

這意味著，Q-Truck不僅“看得清”，還能“看得懂”，并在交通結構高密、動態條件頻繁變化的港口道路網絡中保持平穩、從容的運行，為實現持續的安全“零事故”無人化作業提供了又一核心技術保障。

智慧能源管理：定義港口綠色轉型的“能源中樞”

新能源重卡的高效運營，離不開能源管理的精準與高效。對于港口管理者而言，車隊新能源化轉型的最大顧慮，并非技術路徑本身，而是其背后的運營風險與成本不確定性：

數小時的充電時間，如何保證作業的連續性？

龐大的電池基礎設施，是否意味著天價投入？

在西井科技為菲力斯杜港構建的解決方案中，我們通過 “換電模式” 與全局調度系統重新定義了港口能源管理的效率與經濟性。

效率重構：將“小時級”等待壓縮為“分鐘級”周轉

在分秒必爭的港口運輸中，WellFMS系統實時管理全場作業設備，實現車輛的精準調度與路徑規劃：當Q-Truck能量即將耗盡，無需再經過長時間的排隊等待，而是根據系統指令，有序進入PowerOnair換電站，在5分鐘內完成電池更換。這與傳統柴油車加油的時間相當 —— 也意味著，新能源車隊同樣能承擔24小時不間斷的高強度作業，“出勤率” 這個核心運營指標得到了根本保障。

資產優化：“車電分離”與“電池共享”的輕資產模式

西井的模塊化換電體系，創新性地實現了“車電分離”。PowerOnair專精于對換電站網絡的精細化控制，它接收來自AdaOps的能源調度策略，并實時管理著電池的充電、存儲、分配和更換全過程。港口無需為每輛車一次性投入巨資配備固定電池，而是通過換電站內的智能調度，實現了多車共享池化電池。這不僅大幅降低了初始投資門檻，更將能源管理轉變為一種靈活的、按需使用的服務，讓綠色轉型更輕盈、更靈活。

系統協同：讓能源補給“主動”匹配生產計劃

作為系統的“數字大腦”，AdaOps致力于實現運營的預見性與協同性，通過預測作業高峰與低谷，在低負載時段為電池集中充電，在高負載時段確保換電效率。提前協調換電站與車隊調度，實現能源補給與生產任務全局同步。

這種 “削峰填谷” 的智能調度，既避免了電網沖擊，又最大化利用了綠電資源，從根源上避免了傳統模式下因計劃不周導致的作業中斷，讓能源補給本身成為優化整個港口運營效率的關鍵一環。

從技術出海到行業領先：全球驗證下的持續進化

從泰國林查班港的“全球首個人工智能混行碼頭”，到英國菲力斯杜港的“歐洲綠色智能港口新標桿”，這不僅是地域位置的跨越，更是一條在真實場景中不斷被驗證、迭代的技術進化路徑。每一次落地，都在證明西井科技方案的可靠性、可復制性與規模化能力，為全球港口提供了清晰可行的智能化升級范本。

我們輸出的不是單一產品，而是一整套隨著全球項目共同演化的技術體系與架構哲學。這種"全球驗證、持續進化"的模式，讓我們能夠為不同地區的港口提供最適合的整體解決方案。

當前，全球港口正面臨著效率提升、安全保障、成本優化和綠色轉型等多重挑戰。西井愿意將我們在全球項目中積累的技術成果和運營經驗，與更多伙伴分享，攜手行業共同推動大物流邁向更加高效、安全與可持續的未來。