1. 课程导入
商用车智能驾驶，是指在卡车、客车、专用作业车等商用车辆上，通过感知、决策、控制与执行系统的协同，使车辆在特定或全部运行场景中替代或辅助人类驾驶员完成驾驶任务的技术体系。与乘用车相比，商用车的核心诉求并非"驾驶体验"，而是安全、效率、成本与合规——一辆干线物流重卡每年行驶里程可达 15 万公里以上，驾驶员工资、油耗与事故赔付构成运营成本的三大块，智能驾驶的价值必须直接体现在这三项账目上。
一、核心原理：从 L0 到 L5 的分级逻辑
SAE J3016 与我国《汽车驾驶自动化分级》（GB/T 40429-2021）采用同一套思路：按动态驾驶任务（DDT）的执行主体、设计运行条件（ODC）的覆盖范围、以及后备响应主体三个维度划分等级。关键分水岭在 L3：L2 及以下，驾驶员始终是责任主体；L3 起，系统在 ODC 内成为责任主体，但需要人类在请求时接管；L4 则要求系统在 ODC 内具备自主最小风险状态（MRM）能力，不再依赖人类接管。
对商用车而言，分级不能只看"能不能脱手"。港口牵引车在封闭区域内以 15 km/h 循环作业，属于典型 L4；而高速公路上的 L2 领航辅助，虽然车速高、体验好，责任仍在驾驶员。因此，ODC 的清晰定义比等级数字更重要。
二、发展历程：从辅助预警到场景化无人
商用车智能驾驶的演进大致可分为四个阶段。第一阶段（2000—2012 年）以 AEBS、LDW 等法规驱动的预警与紧急制动为主，技术核心是单雷达或单摄像头；第二阶段（2013—2018 年）出现 L2 组合辅助，多传感器融合与线控底盘开始上车，但受限于执行器精度，横向控制仍显生硬；第三阶段（2019—2023 年）进入场景化 L4 探索期，港口、矿区、干线物流成为三大试验田，激光雷达与高算力域控快速降本；第四阶段（2024 年至今）则强调"量产落地 + 数据闭环"，L2++ 与 L4 受控运营并行推进。
值得注意的是，商用车智能驾驶的推动力与乘用车不同：法规（如 JT/T 1242、GB 34660）与运营经济性往往比消费者偏好更具决定性。一个能降低 3% 油耗的预测性巡航系统，在重卡全生命周期中可能节省数十万元。
三、产业格局：谁在造、谁在用、谁在管
产业链可拆为四层：上游是芯片、激光雷达、线控底盘等零部件；中游是智驾方案商与整车厂；下游是物流车队、港口运营方等场景方；旁侧则是检测认证机构与监管部门。当前格局呈现"整车厂自研 + 方案商赋能 + 场景方共建"的混合形态。
| 层级 | 典型角色 | 核心能力 | 关键约束 |
|---|---|---|---|
| 零部件层 | 芯片、雷达、线控底盘供应商 | 算力、感知精度、执行响应 | 车规认证、成本、供货周期 |
| 方案层 | 智驾算法与域控方案商 | 感知决策算法、数据闭环 | ODC 覆盖、功能安全等级 |
| 整车层 | 重卡、客车、专用车企业 | 底盘集成、整车验证、售后 | 法规准入、批量一致性 |
| 场景层 | 物流车队、港口、矿区运营方 | 运营调度、场景数据、付费意愿 | 投资回报周期、安全责任 |
四、系统工程思维：把"能跑"变成"一直跑对"
商用车智能驾驶不是单点算法问题，而是典型的复杂系统工程。它要求从需求定义开始，经过架构设计、集成验证、安全评估，再到运营迭代，形成闭环。常见的误区是"先堆传感器，再补安全"——结果往往是感知冗余了，但失效模式未定义，一旦某个节点异常，系统无法进入最小风险状态。
在工程实践中，建议用如下检查清单约束每个阶段：
阶段检查清单（示例）
1. 需求：ODC 是否可量化？失效响应时间是否明确？
2. 架构：感知/决策/执行是否具备冗余？降级路径是否定义？
3. 验证：是否覆盖边界场景与故障注入？里程与场景比例是否合理？
4. 安全：是否完成 HARA 与 FMEA？MRM 是否可执行、可验证？
5. 运营：数据回传是否闭环？OTA 升级是否可追溯、可回滚？