在全球供应链面临持续压力与绿色低碳转型双重挑战的背景下，如何在复杂港口环境中实现7×24小时高效、安全作业，成为行业亟需攻克的核心问题。
2023年，我们在英国菲力斯杜港正式启动一项重大合作 —— 部署规模达百辆的新能源智能无人驾驶Q-Truck车队，至今第一批车队已完成超 660 天常态化运营。这一标杆案例不仅突破了传统港口作业模式对人力依赖的局限，依托创新的双目感知、OCC占据感知及智慧能源管理系统，我们也为行业提供了可复制、可规模化的整体解决方案。本文将从技术细节出发，解析Q-Truck在欧洲顶级港口场景下的创新实践及其背后的行业价值。
港口，作为全球物流的核心枢纽，一直承载着巨量的集装箱运输需求。随着全球贸易量持续增长，传统依赖人工操作的模式在应对高强度、连续性作业时显现出明显局限：夜间作业、雨雾天气、集装箱堆叠带来的视觉盲区，都会对安全与效率造成潜在威胁。
与此同时，零碳转型与运营成本的双重压力，让港口管理者在保障作业连续性、降低事故率的同时，还必须考虑能源效率与投资可行性。
正是在这种背景下，我们助力英国菲力斯杜港，在欧洲首次实现了无人驾驶与人工驾驶混行作业的常态化运营，形成了一个集智能感知、能源管理、全局调度于一体的港口新范式。
在菲力斯杜港，无人驾驶卡车面临的是瞬息万变的实战环境：夜间作业光线微弱，突如其来的暴雨模糊视线，堆叠的集装箱形成视觉盲区…… 这些都对无人驾驶重卡的“眼睛”提出了近乎苛刻的要求。传统单目视觉方案难以精确估算深度，常规立体视觉在强光、雨雾和远距离小物体感知上也存在短板。这一行业共性难题，直接制约着港口自动驾驶的安全性与出勤率。
西井科技为Q-Truck所装备的双目感知系统，其核心是基于与同济大学联合研发的SPT（Stereo Pyramid Transformer）技术。此项在IROS 2024上发表并获收录的成果，从算法底层实现了感知范式的革新，为车辆的“慧眼”赋予了四大核心能力：
看得更“细”：在堆满集装箱的港口，一个不起眼的障碍物或地面阴影都可能带来风险。SPT技术的核心创新之一在于其多层“金字塔”结构，基于此，西井的感知系统模拟人眼的分层处理机制，能够从模糊的轮廓到清晰的边缘，逐层解析视觉信息。无论是隐藏在阴影中的工具，还是远处低矮的路肩，系统都能实现亚米级的精准测距，从根本上有效避免因误判导致的碰撞或急停，为复杂环境下的精准导航提供了坚实基础。
看得更“懂”：真正的智能感知不仅是识别物体，更在于理解它们的空间关系。SPT引入的语义注意力机制，使系统能够解构场景中不同元素的语义关联，并对其潜在运动轨迹进行概率预判。当Q-Truck同时感知到前方移动集卡与侧向穿行人员时，它能像经验丰富的司机一样理解各自的意图，提前做出平滑的减速或轻微绕行等平滑、拟人化的决策，从而实现安全、高效的人车混行。
看得更“稳”：众所周知，港口作业没有“天气豁免权”。SPT创新性地融合了双目立体视觉与单目深度预测的优势，为车辆构建了感知冗余：当一侧摄像头因强光、水雾暂时致盲时，系统能立即调用另一套“视觉逻辑”进行补位判断。
最终实现的效果是：在KITTI这类国际权威测评中，我们深度感知的误差被控制在0.16米以内。这个比一个行李箱还小的误差范围，是Q-Truck在复杂港口环境中实现 7×24 小时连续安全作业的核心技术保障。
在传统自动驾驶感知体系中，车辆主要依赖识别物体类别来判断前方环境。然而在真实的港口环境中充满了遮挡、非标准物体以及复杂的动态场景，这种单纯识别的方法难以覆盖所有潜在风险，容易导致漏检与误判。而我们在Q-Truck部署的OCC（3D Occupancy Grid）占据感知技术，旨在彻底解决这一问题。它不再仅仅识别“是什么物体”，而是转而回答一个更根本的问题：“前方的物理空间，有哪些地方被占用了”。
OCC技术从根本上重构了感知逻辑，它不依赖于物体分类，只要具备物理体积，无论物体是否被定义或标注过，都能将其表征为障碍物，进而为应对未知风险提供了极致的安全冗余。依据稠密的空间几何信息，这一技术能够更准确地预测被部分遮挡的行人、车辆的动向，从而做出更平滑、拟人化的决策，显著减少急刹与突兀变道。
同时，凭借对物体轮廓的精确刻画，车辆在狭窄路段具备更优的通过性，能够精准判断与周边障碍物的间隙，实现安全、顺滑的贴近通过，展现出类人的空间判断能力。更重要的是，OCC不依赖穷举式3D标注，具备更强的泛化能力与数据效率，能够快速适应不同地域与道路环境，为端到端自动驾驶架构提供可扩展的基础。
要在港口这样动态、高密度的生产现场实现安全可靠的无人驾驶，仅依赖单一传感器维度远远不够。我们为Q-Truck构建了以360°无盲区覆盖为基础的多源传感冗余系统，通过多颗顶置摄像头与超广角激光雷达的拓扑布局，建立360°全景感知域，实现了对车辆周边环境的无死角监控，为高阶自动驾驶提供了基础性的空间安全保障。
针对港口复杂环境中的信号衰减与数据干扰等问题，西井自研的OCC感知框架创新性地实现了视觉与激光雷达的特征级深度融合。该体系架构中，摄像头能准确识别物体的属性特征，通过视觉模态提供丰富的纹理与语义信息；激光雷达则能够不受光线变化影响，实时提供毫米级的空间数据。二者并非简单互补，而是在统一的几何空间中进行特征级融合，生成稠密且精确的3D占据栅格。
这种架构带来的最大价值在于：当港口出现强光、雨雾或信号干扰，导致任一传感器性能波动时，系统能立即调动另一传感器进行无缝补位与交叉验证，从而形成一条持续、稳定的环境认知流。在菲力斯杜港复杂而高活跃的作业区域中，这种多源冗余机制真正支撑了无人驾驶车辆的 7×24小时全天候可靠感知能力。
在此基础上，OCC占据感知与行为预测模块共同构成了Q-Truck在水平运输“流动图谱”中的决策核心。当Q-Truck与人工驾驶集卡、流动设备、穿梭的工作人员以及其它无人驾驶车辆共同作业时，系统能够：
精确计算与周边设备的实时安全间距
预判前方车辆的行为意图
在密集的车流中实时规划出最优通行路径
这意味着，Q-Truck不仅“看得清”，还能“看得懂”，并在交通结构高密、动态条件频繁变化的港口道路网络中保持平稳、从容的运行，为实现持续的安全“零事故”无人化作业提供了又一核心技术保障。
新能源重卡的高效运营，离不开能源管理的精准与高效。对于港口管理者而言，车队新能源化转型的最大顾虑，并非技术路径本身，而是其背后的运营风险与成本不确定性：
数小时的充电时间，如何保证作业的连续性？
庞大的电池基础设施，是否意味着天价投入？
在西井科技为菲力斯杜港构建的解决方案中，我们通过 “换电模式” 与全局调度系统重新定义了港口能源管理的效率与经济性。
效率重构：将“小时级”等待压缩为“分钟级”周转
在分秒必争的港口运输中，WellFMS系统实时管理全场作业设备，实现车辆的精准调度与路径规划：当Q-Truck能量即将耗尽，无需再经过长时间的排队等待，而是根据系统指令，有序进入PowerOnair换电站，在5分钟内完成电池更换。这与传统柴油车加油的时间相当 —— 也意味着，新能源车队同样能承担24小时不间断的高强度作业，“出勤率” 这个核心 运营指标得到了根本保障。
资产优化：“车电分离”与“电池共享”的轻资产模式
西井的模块化换电体系，创新性地实现了“车电分离”。PowerOnair专精于对换电站网络的精细化控制，它接收来自AdaOps的能源调度策略，并实时管理着电池的充电、存储、分配和更换全过程。港口无需为每辆车一次性投入巨资配备固定电池，而是通过换电站内的智能调度，实现了多车共享池化电池。这不仅大幅降低了初始投资门槛，更将能源管理转变为一种灵活的、按需使用的服务，让绿色转型更轻盈、更灵活。
系统协同：让能源补给“主动”匹配生产计划
作为系统的“数字大脑”，AdaOps致力于实现运营的预见性与协同性，通过预测作业高峰与低谷，在低负载时段为电池集中充电，在高负载时段确保换电效率。提前协调换电站与车队调度，实现能源补给与生产任务全局同步。
这种 “削峰填谷” 的智能调度，既避免了电网冲击，又最大化利用了绿电资源，从根源上避免了传统模式下因计划不周导致的作业中断，让能源补给本身成为优化整个港口运营效率的关键一环。
从泰国林查班港的“全球首个人工智能混行码头”，到英国菲力斯杜港的“欧洲绿色智能港口新标杆”，这不仅是地域位置的跨越，更是一条在真实场景中不断被验证、迭代的技术进化路径。每一次落地，都在证明西井科技方案的可靠性、可复制性与规模化能力，为全球港口提供了清晰可行的智能化升级范本。
我们输出的不是单一产品，而是一整套随着全球项目共同演化的技术体系与架构哲学。这种"全球验证、持续进化"的模式，让我们能够为不同地区的港口提供最适合的整体解决方案。
当前，全球港口正面临着效率提升、安全保障、成本优化和绿色转型等多重挑战。西井愿意将我们在全球项目中积累的技术成果和运营经验，与更多伙伴分享，携手行业共同推动大物流迈向更加高效、安全与可持续的未来。
.jpg)
