无人卡车短期难完全替代司机，人机协作成务实路径

搭载人工智能的无人驾驶卡车有望重塑货运格局。目前，多家企业已在得克萨斯州和加利福尼亚州的有限线路上测试早期模型。模拟数据显示，自动化车队在提升安全性、优化燃油经济性及缩短运输时间方面潜力显著。

然而，卡车制造商与运营商仍面临严峻挑战，包括如何应对多变天气与复杂路况，以及确定大型卡车内是否仍需保留驾驶员。作为研究人为因素与交通安全的工程师，笔者认为，在相当长的一段时间内，自动化卡车将与人类驾驶员协同工作。

完全自动化卡车依托人工智能、机器学习、计算机视觉及自适应决策能力，能在良好天气的高速公路上无需人工干预行驶。以Torc公司为例，其利用AI整合多传感器数据，构建预测卡车性能的模型。

测试数据表明，配备自动紧急制动和车道保持辅助的全自动卡车，能有效降低事故频率与严重程度。通过优化加减速及紧密编队行驶，无人驾驶卡车可节省燃油并降低成本。此外，近乎全天候的运行能力及无需怠速等待的特性，也有助于减少停车需求及相关排放。

值得注意的是，自动化技术还有助于缓解司机短缺问题。讽刺的是，自动化反而可能通过降低驾驶压力与体力消耗，提升驾驶员的工作满意度。

当前自动化卡车未能普及的主因，在于其难以应对多变天气、动态道路条件及其他不可预测的交通参与者。自动驾驶依赖传感器、雷达和摄像头感知环境，但雨雪天气会阻碍设备“看清”路面。例如，Waymo的无人驾驶汽车仅在无降雪地区运营。

缺乏清晰标线或路面不可预测的路段同样棘手。在施工区域，橙色路锥、狭窄车道及缺失标线让无人驾驶系统难以处理，多数公司选择避开此类区域。研究甚至显示，其他车辆撞击无人驾驶汽车的概率高于有人驾驶汽车。

鉴于上述挑战，各公司倾向于在路况简单的道路上进行测试。Aurora在达拉斯与休斯顿间平坦笔直的I-45公路上运营货运卡车；Kodiak则在得州鲜为人知的道路上向工业站点运送沙子。由于城市交通中行人、自行车及信号灯带来的混乱，几乎没有自动化卡车在复杂城市环境中测试。

行业洗牌也在加速。2023年，Embark、TuSimple和Locomotion相继关闭；Waymo转而专注乘用车领域；其余公司则将业务收缩至连接大城市或制造基地的少数专用路线。

未来几年，基于AI的自动化卡车仍需驾驶员介入。理想模式是人与机器共生：人类驾驶员负责充满不确定性的“第一英里”，即在仓库场地及当地街道行驶至高速入口；随后由自动化系统接管高速路段；在进入“最后一英里”前往最终目的地时，人类驾驶员重新掌握控制权。

研究显示，高效的人机界面是关键。驾驶室屏幕或抬头显示器可展示技术状态，语音提示或震动座椅则能在系统无法处理突发情况时信号驾驶员接手。同时，开发人员需警惕“自动化偏见”导致的过度信任，以及算法对特定人群识别率不均的偏见风险。

尽管无驾驶员运营是长期愿景且有助于降低成本，但短期内大规模推广并不现实。更务实的做法是将驾驶员与自动化卡车视为团队，由车企、开发者、监管机构及驾驶员共同努力，以实现技术益处。

注：本文作者Shannon Roberts系马萨诸塞大学阿默斯特分校工业工程副教授。