1. 课程导入
港口是国际贸易的咽喉节点，而水平运输环节长期依赖人工驾驶集卡完成集装箱在岸桥、堆场、闸口之间的往返搬运。随着自动化码头建设加速，港口无人运输车（常被称为无人集卡、智能导引运输车或自动驾驶水平运输设备）成为提升码头通过能力、降低人力成本与安全风险的关键装备。本课程围绕"港口无人运输车自动驾驶工程"展开，目标不是单纯讲解某一算法，而是建立从场景理解、系统架构、感知定位、决策规划、控制执行到测试运维的完整工程能力。
一、学习目标：从"会看"到"能落地"
本课程的学习目标分为四个层次。第一层是场景认知：理解港口作业区与开放道路的差异，包括封闭/半封闭区域、固定作业路线、密集机械交互、金属箱体遮挡、强风盐雾与昼夜光照变化等。第二层是系统认知：掌握无人运输车的车端系统、路侧系统与云端调度系统之间的协同关系。第三层是工程能力：能够读懂并设计感知、定位、规划、控制、安全冗余等模块的接口与数据流。第四层是落地能力：能够围绕典型港口任务，完成方案选型、参数配置、测试验证与问题复盘。
核心能力清单：
- 能描述港口水平运输的典型作业链路与关键节点。
- 能画出无人运输车自动驾驶系统的分层架构。
- 能解释感知、定位、规划、控制、调度之间的数据关系。
- 能识别港口场景中的主要安全风险与冗余设计要求。
- 能根据任务需求选择传感器配置与通信方案。
二、核心概念：港口无人运输车到底"无人"在哪里
港口无人运输车的"无人"并非简单去掉驾驶员，而是把驾驶任务拆解为可计算、可验证、可监控的工程模块。其核心概念包括：
- 作业任务：由码头操作系统或调度平台下发的运输指令，通常包含起点、终点、集装箱号、优先级与时间窗。
- 全局路径：在港口路网中从起点到终点的宏观路线，考虑道路容量、交通管制与作业区域规则。
- 局部轨迹：在全局路径基础上，结合实时障碍物、车辆动力学与舒适性约束生成的短时可行轨迹。
- 定位与姿态：车辆在港口坐标系中的位置、航向与速度，是路径跟踪与安全判断的基础。
- 安全冗余：通过多传感器、多控制器、多通信链路与远程接管机制，保证单点故障不导致失控。
- 车路云协同：车端负责实时感知与控制，路侧负责盲区补盲与交通协调，云端负责调度、监控与数据闭环。
这些概念之间不是并列关系，而是围绕"任务—路径—轨迹—控制—反馈"形成的闭环。理解闭环关系，比孤立记忆名词更重要。
三、整体框架：一张图看清系统全貌
下图给出港口无人运输车自动驾驶工程的整体框架。它从作业任务出发，经过云端调度、路侧协同、车端感知定位、决策规划、控制执行，最终回到任务完成与数据回传，形成持续优化闭环。
从图中可以看出，港口无人运输车不是孤立的一台车，而是"车—路—云"协同系统中的移动节点。云端负责全局优化，路侧负责局部补盲，车端负责实时闭环。安全冗余贯穿所有层级，是系统能否真正投入生产运营的底线。
四、方法流程：一个运输任务如何被完成
以一次典型的"岸桥到堆场"运输任务为例，流程可以拆解为以下步骤：
- 任务生成：码头操作系统根据船舶装卸计划生成运输任务，包含起点岸桥、终点堆场箱区、集装箱号与优先级。
- 任务下发：云端调度平台将任务分配给合适的无人运输车，并下发全局路径与时间窗。
- 路径行驶：车辆沿全局路径行驶，路侧设备提供交叉口信号与盲区目标信息。
- 局部避障：车端感知模块识别行人、其他车辆、堆高机等动态障碍物，规划模块生成避让或停车轨迹。
- 精准停靠：到达岸桥或堆场后，车辆根据引导信息完成厘米级停靠，等待吊具作业。
- 任务完成与回传：作业完成后，车辆上报状态，云端更新任务队列与路网占用情况。
工程提示：港口场景中，任务完成率与接管率往往比单纯的平均速度更重要。一次异常接管可能意味着数分钟的作业中断，因此系统设计要优先保证"可预测、可接管、可恢复"。
五、案例与场景：为什么港口比开放道路更适合率先落地
与城市开放道路相比，港口作业区具有明显的结构化特征：道路边界清晰、交通参与者相对可控、作业路线重复度高、速度较低。这些特征使得自动驾驶技术更容易达到安全与效率要求。例如，在自动化集装箱码头中，无人运输车通常沿固定车道行驶，与岸桥、轨道吊、堆场机械形成固定交互模式，感知与规划问题的边界更清晰。
但港口也有独特挑战：金属集装箱造成严重遮挡与多径反射，GPS信号在岸桥下可能失锁，强风盐雾影响传感器寿命，昼夜温差与光照变化考验视觉算法。因此，港口无人运输车的工程重点不是"炫技"，而是稳定、可靠、可维护。
| 维度 | 开放道路自动驾驶 | 港口无人运输车 |
|---|---|---|
| 运行区域 | 开放、非结构化 | 封闭/半封闭、结构化 |
| 交通参与者 | 行人、社会车辆、非机动车 | 作业机械、少量人员、其他无人车 |
| 速度范围 | 中高速 | 低速、频繁启停 |
| 定位依赖 | GNSS+高精地图为主 | GNSS+激光/视觉+路侧辅助 |
| 核心指标 | 安全、舒适、通行效率 | 任务完成率、停靠精度、接管率 |
六、常见误区与复盘
初学者容易陷入几个误区。第一，把港口无人运输车等同于"在港口跑的城市自动驾驶"，忽视作业任务与调度系统的深度耦合。第二，只关注感知算法精度，忽视定位、控制与安全冗余的系统性。第三，认为"无人"就是完全不需要人，实际上远程接管与运维团队仍是系统的重要组成部分。第四，忽略通信与时间同步，导致多车协同出现冲突。
复盘要点：港口无人运输车项目的成败，往往不取决于单点算法是否先进，而取决于系统集成、测试验证与运营闭环是否扎实。建议在学习过程中始终带着三个问题：这个模块的输入输出是什么？失效后如何降级？如何用数据证明它可靠？
本课程后续将围绕上述框架逐层展开，从港口场景与作业流程出发，深入感知、定位、规划、控制、调度、安全与测试等关键环节，帮助学习者建立完整的港口无人运输车自动驾驶工程知识体系。