2018年中國自動駕駛概況、自動駕駛標(biāo)準(zhǔn)、駕駛場景及自動駕駛競爭格局發(fā)展趨勢分析[圖]

    自動駕駛是指智能汽車通過安裝配備在車上的傳感器設(shè)備（包括2D攝影視覺感知、激光雷達(dá)、毫米波雷達(dá)等）感知汽車周圍的駕駛環(huán)境，結(jié)合導(dǎo)航的高精度地圖等地圖數(shù)據(jù)，進(jìn)行快速的運(yùn)算與分析，在不斷模擬和深度學(xué)習(xí)潛在的路況環(huán)境并作出判斷，進(jìn)一步借助算法規(guī)劃汽車最理想或最合適的行駛線路及方式，再通過芯片反饋給控制系統(tǒng)進(jìn)行剎車、方向盤控制等實際操作動作。

    一、概況

    隨著移動互聯(lián)網(wǎng)的流量天花板逐漸見頂，互聯(lián)網(wǎng)與實體行業(yè)如農(nóng)業(yè)、工業(yè)、建筑業(yè)和服務(wù)業(yè)等傳統(tǒng)行業(yè)的數(shù)字化融合將成為新的趨勢，產(chǎn)業(yè)互聯(lián)網(wǎng)結(jié)合5G和云計算等技術(shù)將加快實體經(jīng)濟(jì)轉(zhuǎn)型。

    汽車作為產(chǎn)業(yè)互聯(lián)網(wǎng)場景下必不可少的智能移動設(shè)備，隨著新一代的汽車技術(shù)革命如新能源、智能網(wǎng)聯(lián)、自動駕駛的創(chuàng)新，將結(jié)合不同的落地場景打造可復(fù)制循環(huán)的商業(yè)模式閉環(huán)。

新能源汽車與自動駕駛打造智能網(wǎng)聯(lián)汽車的基礎(chǔ)架構(gòu)

數(shù)據(jù)來源：公開資料整理

    在自動駕駛行業(yè)熱度飆升之初，算法型公司和主機(jī)廠對自動駕駛L4~L5級別的落地時間規(guī)劃在2018~2022年，但從政府對自動駕駛的開放態(tài)度、復(fù)雜道路突發(fā)情況的發(fā)生和“地理圍欄”效應(yīng)對部分場景的適應(yīng)性來看，不同場景的落地時間差異顯著。

    二、ADAS

    ADAS（高級別輔助駕駛），是一個主動安全功能集成控制系統(tǒng)，利用雷達(dá)、攝像頭等傳感器采集汽車周邊環(huán)境數(shù)據(jù)，進(jìn)行靜態(tài)、動態(tài)物體的識別、跟蹤，控制系統(tǒng)結(jié)合地圖數(shù)據(jù)進(jìn)行做出行為決策，使駕駛者覺察可能發(fā)生的危險，必要情況下直接控制車輛以避免碰撞，可有效提升駕駛安全性、舒適性。

    ADAS是實現(xiàn)自動駕駛的前提，自動駕駛與ADAS（高級輔助駕駛）都是通過傳感器，收集車內(nèi)外的數(shù)據(jù)來反饋車周邊的異常信息。區(qū)別在于，ADAS是通過周邊信息的異常反饋給駕駛員，由駕駛員根據(jù)反饋的道路信息和傳感器數(shù)據(jù)進(jìn)行駕駛操作。而自動駕駛的最高級階段，則是通過傳感器反饋的數(shù)據(jù)，傳輸給決策層做出決策，最終由控制層將行為動作引導(dǎo)給系統(tǒng)，系統(tǒng)完成最終的操作。

已實現(xiàn)L2級別（ADAS）的國內(nèi)量產(chǎn)車型

數(shù)據(jù)來源：公開資料整理

    ADAS在定義中并沒有對覆蓋范圍有具體的限定，從無自動化向無人駕駛的技術(shù)創(chuàng)新都可看作是ADAS的一部分。而ADAS的實現(xiàn)過程從硬件設(shè)備操作感知系統(tǒng)，數(shù)據(jù)庫、芯片算法等規(guī)劃具體決策，電機(jī)等控制單元操作控制系統(tǒng)。整體過程離不開感知-決策-控制的操作線條。目前ADAS包含但不限于自適應(yīng)巡航控制、盲點(diǎn)探測、前方碰撞預(yù)警系統(tǒng)、夜視系統(tǒng)等。

    一、 自動駕駛標(biāo)準(zhǔn)

    由于從無自動化干擾到最終的無人駕駛過程中，會出現(xiàn)不同程度的系統(tǒng)干預(yù)，各國協(xié)會分別對自動駕駛劃分了不同級別和標(biāo)準(zhǔn)，各國商業(yè)公司按照劃分的級別來對外宣布研發(fā)階段和落地成果。目前已知的標(biāo)準(zhǔn)包含由CAAM（中國汽車工業(yè)協(xié)會）、NHTSA（美國高速公路安全管理局）、SAE（美國機(jī)動車工程學(xué)會）各自制定。而國際上通用的標(biāo)準(zhǔn)是以SAE制定的L0-L5六個階段為主。

    L0：此階段無自動化設(shè)備介入。由駕駛員全程操控汽車。

    L1：單一功能自動化。在特定駕駛環(huán)境下，單項輔助駕駛系統(tǒng)可通過獲取車輛周邊環(huán)境信息反饋給駕駛員，但動態(tài)操作由駕駛員完成。

    L2：部分系統(tǒng)自動化。多項輔助駕駛系統(tǒng)根據(jù)環(huán)境信息對汽車的橫向和縱向駕駛動作同時進(jìn)行操作，動態(tài)操作依舊由駕駛員完成。

    L3：在特定環(huán)境下，系統(tǒng)完成全部動態(tài)操作，但駕駛員需要在特殊情況發(fā)生時，給予系統(tǒng)回應(yīng)。目前大多商業(yè)公司集中此階段的落地。

    L4：在特定環(huán)境下，即使駕駛員未對特殊情況進(jìn)行回應(yīng)，系統(tǒng)依舊負(fù)責(zé)執(zhí)行全部動態(tài)駕駛動作。

    L5：系統(tǒng)進(jìn)行全路況的動態(tài)駕駛動作，駕駛員可對系統(tǒng)進(jìn)行管理。

    二、 駕駛場景

    自動駕駛從概念提出到發(fā)展到現(xiàn)階段，最重要的兩個目的是降低駕駛風(fēng)險提升安全，進(jìn)而降低成本實現(xiàn)量產(chǎn)。不僅乘用車和商用車的車型會有所區(qū)別，其各自所適用的場景也差別較大，商業(yè)路徑各不相同。

自動駕駛主要適用場景及各場景商業(yè)化程度、代表公司

數(shù)據(jù)來源：公開資料整理

    乘用車：現(xiàn)階段并沒有完全出臺與乘用車上路或量產(chǎn)的相關(guān)法律條文或政策文件，大部分解決方案無法滿足L3-L5級別的技術(shù)條件，外加安全問題、法律責(zé)任問題、消費(fèi)者認(rèn)知普及等問題，目前來看落地有難度，但隨著與整車廠的量產(chǎn)開始同步，近期也出現(xiàn)了轉(zhuǎn)機(jī)。

    商用車：商用車由于不同的適用場景，因此在落地性上各不相同，目前主流落地性較強(qiáng)的場景包括自動駕駛叫車服務(wù)、高速運(yùn)輸、港口貨運(yùn)、礦區(qū)、市政環(huán)衛(wèi)以及最后一公里物流。

    干線物流場景，主要基于L4的系統(tǒng)操控。穿梭于有大量公路貨運(yùn)需求的城市之間。計價方式與運(yùn)送貨物的體積、重量、品類、等因素息息相關(guān)。而回到自動駕駛落地干線物流的主因，不外乎降本與提效。

美/日/中物流運(yùn)輸成本結(jié)構(gòu)

數(shù)據(jù)來源：公開資料整理

美/日/中物流倉儲成本結(jié)構(gòu)

數(shù)據(jù)來源：公開資料整理

美/日/中物流管理成本結(jié)構(gòu)

數(shù)據(jù)來源：公開資料整理

    結(jié)合中美日三國的物流成本來看，運(yùn)輸成本是在包含倉儲及管理費(fèi)用在內(nèi)占比最高的核心成本。

    司機(jī)薪資：以美國勞工統(tǒng)計局的統(tǒng)計數(shù)據(jù)為準(zhǔn)，卡車司機(jī)年收入的中位數(shù)約在44,500美元左右。

    國內(nèi)單個司機(jī)的駕駛成本年薪構(gòu)成也至少超過20萬元，結(jié)合單個車輛2個司機(jī)輪流執(zhí)勤的情況，在干線物流駕駛司機(jī)存量少、增量低的大背景下，運(yùn)輸需求上漲將面臨供給不足的情況。

    L4級：搭配L4級自動駕駛技術(shù)，無需駕駛員便可以通過傳感器感知周邊車輛環(huán)境和動態(tài)，結(jié)合結(jié)構(gòu)化道路的位置和標(biāo)識，為下一步行駛做出決策，并由系統(tǒng)進(jìn)行最后的決策。在這段過程中，司機(jī)的工作負(fù)擔(dān)大大降低。未來隨著政策放開和技術(shù)不斷發(fā)展，可以實現(xiàn)完全無人化，無需安全員在車內(nèi)。

    費(fèi)用方面，以圖森未來在亞利桑那州和德州落地的商業(yè)模式為例，盡管前期試運(yùn)營車輛單車成本高（獨(dú)立采購激光雷達(dá)等設(shè)備），但后續(xù)量產(chǎn)后按照不同客戶的需求定制化費(fèi)用標(biāo)準(zhǔn)。且前裝系統(tǒng)量產(chǎn)后的整車可以降低意外事故發(fā)生率、提升駕駛安全、降低司機(jī)費(fèi)用的投入。

    油耗及罰款：在國內(nèi)的高速路段中，由于不同年限的商用運(yùn)輸車輛在一定時期內(nèi)會達(dá)到年限，但高昂的購車成本還是會讓企業(yè)選擇繼續(xù)使用該車輛。因此，在高速路段臨檢時，經(jīng)常會遇到排放標(biāo)準(zhǔn)不達(dá)標(biāo)導(dǎo)致的罰款事件。

自動駕駛在成本及管理成本幫助企業(yè)減負(fù)

數(shù)據(jù)來源：公開資料整理

半封閉樞紐場景涉及到的具體場景

數(shù)據(jù)來源：公開資料整理

    物流園區(qū)的車輛改造解決的問題，主要在于貨運(yùn)量的逐年提升下，運(yùn)輸車輛的運(yùn)行時間更長，園區(qū)內(nèi)集裝箱等大型貨物的移動和單位周轉(zhuǎn)量也越大，停車需要達(dá)到厘米級的精度，還要與起重機(jī)進(jìn)行交互。國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，全國貨運(yùn)量和公路貨運(yùn)量都在逐年提升，貨物運(yùn)輸量由2015年的417.6億噸增長到2018年的514.6億噸。

    最后一公里配送服務(wù)，以快遞配送和外賣場景為主，屬于區(qū)別于乘用車的低速行駛，能夠解決配送時間、配送需求以及客戶隱私安全性等問題，但在行駛過程中會涉及大量內(nèi)部道路及非機(jī)動車道，依舊需要解決外部干擾等因素。目前包含京東、蘇寧等在內(nèi)企業(yè)都開始參與到無人配送車的測試與量產(chǎn)環(huán)節(jié)。

2015-2018年全國貨運(yùn)量、公路貨運(yùn)量及公路貨運(yùn)周轉(zhuǎn)量

數(shù)據(jù)來源：公開資料整理

    以半封閉樞紐為例，自動駕駛在此固定區(qū)域及低速環(huán)境下落地相對乘用車在復(fù)雜城市道路下面臨的各類V2X問題，處理方式更為直接，區(qū)別在于同一場景下，哪個企業(yè)提供的算法更全面、解決方案量產(chǎn)成本合適、以及滿足主機(jī)廠在礦區(qū)、物流園區(qū)以及港口的需求。

    五、競爭格局

    自動駕駛行業(yè)在場景中的滲透離不開算法和硬件設(shè)備的支持，不同的場景下，各家公司所采用的傳感器設(shè)備、芯片、計算方式是區(qū)別公司之間競爭力的技術(shù)優(yōu)勢。

    對于自動駕駛下的不同級別，成熟的（L2級別）設(shè)備支持相對完善，包含激光雷達(dá)、攝像頭視覺解決方案、芯片（如Mobileye的EyeQ系列產(chǎn)品）等在內(nèi)已經(jīng)擁有成熟的一級零部件供應(yīng)商。

    而對于逐步開發(fā)的（L3級別以上）算法及系統(tǒng)，對硬件和算法的要求越來越高，車規(guī)級標(biāo)準(zhǔn)逐步提升，因此給了一些創(chuàng)業(yè)公司挖掘商機(jī)的機(jī)會，如何在新一個研發(fā)階段提供有競爭力的設(shè)備成為發(fā)力的重點(diǎn)。

    自L3級別往后，系統(tǒng)操作會需要傳感器收集到的數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，模擬實際場景可能發(fā)生的情況并不斷進(jìn)行重復(fù)演練，對產(chǎn)業(yè)鏈環(huán)節(jié)中涉及到的各個環(huán)節(jié)標(biāo)準(zhǔn)也將不斷提高。

    傳感器層面的競爭相對更加激烈，多家廠商積極打造符合自動駕駛規(guī)格的雷達(dá)、攝像頭解決方案等，而算法型公司也根據(jù)各自的模型和標(biāo)的場景加強(qiáng)算力，加速落地。

    1、高精度地圖概念與訂單落地

    傳統(tǒng)圖商：當(dāng)司機(jī)駕駛汽車行駛在城市或低/高速路段時，導(dǎo)航地圖會向我們推薦一條或幾條路線，現(xiàn)有的多數(shù)導(dǎo)航地圖甚至顯示擁堵情況，以及每需要花費(fèi)的時間。獲得這些信息后，司機(jī)根據(jù)地圖提供的信息決定是否直行和轉(zhuǎn)彎，并對周圍的駕駛環(huán)境進(jìn)行評估，可能還要考慮交通管制：信號燈、限速標(biāo)志等。

    高精度地圖：自動駕駛在脫離人力的情況下，無法自主判斷目前所在位置以及依據(jù)GPS識別交通信號燈、指示牌、行人以及其他障礙物。因此，包含大量駕駛輔助信息的高精度地圖便成為自動駕駛不可或缺的重要環(huán)節(jié)。高精度地圖擁有眾多特點(diǎn)，精度多在5~10厘米（高精性）、（包容性）、語義信息多（實時性）。

    高精度地圖的制作與應(yīng)用需要以云服務(wù)作為載體，因此相比于傳統(tǒng)地圖License模式，按年（年費(fèi)）或者按服務(wù)量（服務(wù)費(fèi)）的支付方式進(jìn)行是高精度地圖比較特殊的一點(diǎn)。即使像海外圖商如Here、TomTom等，其高精度地圖產(chǎn)品也還沒有形成比較具體清晰的商業(yè)模式。高精度地圖產(chǎn)品最終的收費(fèi)模式需要圖商、Tier1、車廠等產(chǎn)業(yè)鏈中主要參與者共同協(xié)商確定。

    2、車規(guī)級激光雷達(dá)

    激光雷達(dá)通過采取的點(diǎn)云數(shù)據(jù)，利用3D建模構(gòu)建數(shù)據(jù)模型。在自動駕駛行業(yè)，通過激光雷達(dá)得到的數(shù)據(jù)與高精度地圖進(jìn)行結(jié)合，再借助深度學(xué)習(xí)算法返回到實際場景中進(jìn)行決策。

    車規(guī)級激光雷達(dá)目前擁有1線、4線、8線、16線、32線和64線，線束越高、反應(yīng)速度和精確度也響應(yīng)越高，成本也更高昂。目前16線激光雷達(dá)在低速場景和園區(qū)內(nèi)應(yīng)用更廣泛。

    車規(guī)級激光雷達(dá)的參與者主要是Velodyne，Velodyne的產(chǎn)品64線、32線、16線3類產(chǎn)品在售，官方定價分別為8萬美金（約合52.3萬人民幣）、4萬美金（約合26萬人民幣）和8千美金（約合5.2萬人民幣）。

    國內(nèi)參與激光雷達(dá)研發(fā)的企業(yè)包含北科天繪、數(shù)字綠土、鐳神智能等。北科天繪目前布局了包含激光雷達(dá)芯片在內(nèi)的自研產(chǎn)品，鐳神智能也發(fā)布了多線及固態(tài)激光雷達(dá)專用芯片。

    3、毫米波雷達(dá)

    毫米波通常是指30～300GHz頻域，能分辨識別很小的目標(biāo)，且能同時識別多個目標(biāo)。同超聲波雷達(dá)相比，毫米波雷達(dá)具有體積小、質(zhì)量輕和空間分辨率高的特點(diǎn)，擁有較成熟的市場和技術(shù)，抗干擾能力也優(yōu)于其他車載傳感器，由于技術(shù)的提升和規(guī)模化應(yīng)用于ADAS，價格也相對更合理。

    市場主流使用的車載毫米波雷達(dá)按照其頻率的不同，主要可分為兩種：24GHz毫米波雷達(dá)和77GHz毫米波雷達(dá)。通常24GHz雷達(dá)檢測范圍為中短距離，用作實現(xiàn)盲點(diǎn)探測系統(tǒng)，而77GHz長程雷達(dá)用作實現(xiàn)自適應(yīng)巡航系統(tǒng)。

    毫米波雷達(dá)的市場份額基本都被國外Tier1壟斷，以博士、大陸、Hella和德爾福為代表的廠商壟斷了絕大多數(shù)的市場份額。國內(nèi)上市公司中，德賽西威量產(chǎn)了24GHz毫米波雷達(dá)，非上市公司中，行易道科技、木牛科技、蘇州毫米波等企業(yè)都獲得了后裝訂單。

毫米波雷達(dá)發(fā)展趨勢

數(shù)據(jù)來源：公開資料整理

    4、芯片

    傳統(tǒng)CPU由于算力不足，難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求，而GPU同時處理大量簡單計算任務(wù)的特性在自動駕駛領(lǐng)域取代CPU成為了主流方案。

    從ADAS在向更高級別自動駕駛進(jìn)化的過程中，包含激光雷達(dá)點(diǎn)云、計算機(jī)視覺采集圖像等在內(nèi)的數(shù)據(jù)需要進(jìn)行接收、分析、處理等行為，因此，算法型公司對芯片的需求和類型也存在較大差別。

    在目前已有的主流芯片類型中，GPU擅長云端訓(xùn)練，但功率相對高且推理效率一般；FPGA芯片的算力強(qiáng)但功耗同樣較高，每完成一次燒錄，都會具備新連接方式后的功能；ASIC芯片是專門針對特定客戶特定目的設(shè)置的專用芯片，功耗低、體積小等特點(diǎn)很符合車規(guī)級產(chǎn)品的標(biāo)準(zhǔn)。

    目前出貨量較大的是在輔助駕駛芯片擁有較大話語權(quán)的Mobileye，以EyeQ為主的四代產(chǎn)品可以處理8臺攝像頭的數(shù)據(jù)，目前Mobileye已被英特爾收購；另外英偉達(dá)的GPU芯片目前同樣被大規(guī)模使用，在前期研發(fā)和試行階段，盡管功耗和成本高，但靈活性也相對較強(qiáng)。

    相關(guān)報告：智研咨詢發(fā)布的《2019-2025年中國自動駕駛儀行業(yè)市場運(yùn)營態(tài)勢及未來發(fā)展趨勢報告》