进入2022年，重卡市场一直“跌跌不休”。

在销量走低背后，重卡交通事故、燃油（今年油价创8年新高）、人力等运力成本持续走高，进一步压缩了物流企业的利润空间，行业为降低运输成本选择疲劳驾驶、超载现象普遍，但往往造成交通事故、经济损失的加剧。

降本增效、存量竞争，商用车如何突围？

智能驾驶技术保障本质安全 助力降本增效

对于商用车，安全是1，效率、能耗、成本是0。在1前面的0，毫无价值；只有确保安全，1后面的0才能真正实现降本增效。从双预警到AEB，是法规驱动的智能驾驶1.0时代，致力于解决第一层安全问题。

针对货运物流、两客一危、搅拌、渣土、环卫等商用车的驾驶安全痛点，极目智能推出AEBS（智能防碰撞系统）车辆主动安全产品，提高道路交通安全，降低事故率，保障经济社会效益。

图1 极目智能AEBS解决方案示意图

产品利用摄像头、毫米波雷达等传感器实现精准的环境感知和规划控制，并输出结果到车辆执行层，能实现FCW（前方碰撞预警）、LDW（车道偏离预警）、AEB（自动紧急制动）、BSD（盲区监测）、DMS（驾驶员疲劳监测）、RCW（后方碰撞预警）、ACC（自适应巡航）、TJA（交通堵塞辅助）等功能。

相关数据表明，商用车事故约有35%与视觉盲区有关，盲区安全显得尤为突出。为了针对性解决这一问题，极目智能推出了商用车全球首批视觉MOIS及BSIS的盲区解决方案。

该方案采用域控制形态，支持八路视频输入，支持MOIS（Moving Off Information System)及BSIS（Blind Spot Information System）功能，并可拓展ReIS、AVM环视感知、DMS等功能。

图2 极目智能MOIS及BSIS的盲区针对性解决方案

此外，极目智能打造了集终端+云平台+云服务于一体的面向企业和物流车队管理的数字化平台，与主动安全设备协同驱动，通过实时监控车辆状态及规范驾驶员行为等，对终端采集的海量道路数据进行分析及风险评估，实现主动避免驾驶风险，降低事故，减少损失，全面助力降本增效。

极目智能合作物流企业数据显示，安装极目智能前向ADAS+DMS设备，车辆事故损失率下降20%；安装极目智能AEB+DMS设备，车辆事故损失率下降35%；安装极目智能AEB+DMS+BSD设备，车辆事故损失率下降45%。

进入智能驾驶2.0时代，商用车市场正在从法规要求的主动安全（前向预警、盲区预警、紧急制动）向辅助驾驶功能迭代方向持续演进，L2级及以上级别智能驾驶开始成为解决“能耗、成本、效率”问题的利器。

有研究表明，智能驾驶ACC可以实现节油降耗3%~10%；TJA（交通拥堵辅助系统）可以实现智能跟车、自动启停，降低疲劳驾驶，提升人工效率。

从高端重卡车型上，我们可窥得智能驾驶技术驱动降本增效的赋能实力。例如，福田欧曼银河、一汽解放鹰途、重汽汕德卡等诸多高端车型都配备了L2级别及以上ADAS功能（如LKA、ACC、PACC预见性巡航等），一方面驱动降本增效，另一方面打造差异化竞争优势，摆脱价格战，助力产品品牌向上。

据高工智能研判，未来1~2年时间，国内商用车市场将进入L2/L3高端重卡的量产爬坡期。

技术驱动 极目智能加速为商用车行业创造价值增量

最近两年，商用车智能驾驶行业进入了AEB、ACC等功能前装量产的关键节点。但是，这类涉及到“控制与执行”层面的功能，国内虽然参与者众多，但真正能够落地量产的企业却寥寥。

得益于感知、融合、规控全栈自研技术，极目智能作为国内少数掌握全栈技术的智能驾驶供应商，已经建立了完善的商用车智能驾驶产品布局，包括针对法规市场的包含前向预警、盲区预警、紧急制动的安全性解决方案，包含ACC、LKA、TJA辅助驾驶的超高性价比的单视觉L2方案，以及面向特定场景的无人驾驶方案。

商用车智能驾驶落地离不开基于海量场景的数据验证和支撑，极目智能基于海量精准数据，打造了数据驱动的算法迭代闭环，实现了数据驱动算法升级，为方案商业化落地奠定数据基础。

图3

对于前向预警、盲区预警、紧急制动来说，检测精度、小目标检测、静态目标检测是最大的挑战。而对于辅助驾驶来说，其稳定性和鲁棒性一直以来都是最大的技术难点。

极目智能采用自研JMNet深度学习网络，目标检测率更高，能够较好处理小目标检测，并区分动态及静态目标。

动态目标的位姿对于实现高阶智能驾驶中的轨迹预测、规划控制等环节至关重要。极目智能领先的基于BEV+单目3D的环境感知技术组合，能达到兼顾融合的一致性和较远的检测距离，实现用较少的计算量实现更远的检测距离和更高的检测精度。

基于深度估计+光流前景估计算法，可保障在关键感知范围视觉目标定位和运动估计的精度和可靠性，通过相对速度计算来实现运动预测，进行目标风险评估。

要实现AEB尤其是基于单视觉的AEB功能，需要把漏检、误检控制到非常低的水平。极目智能通过大量类人类车物的标注和训练，增加类别之间的差异来降低误检，同时采用代价敏感矩阵来对模型进行精细调控，进一步降低漏检误检。

在训练阶段，针对典型失效场景进行广泛采集，阶段长期累积困难样本，确保全面覆盖corner case，持续提升困难场景下的鲁棒性。

图4

正是基于一系列的技术突破，极目智能正在加速为商用车行业创造价值增量。未来极目智能仍将始终秉承技术赋能的理念，坚持以人为本，技术为根，不断将更好的产品和技术带向全球，赋能智能驾驶，引领安全出行。