当前位置: 首页 【起点智能汽车】无人驾驶行业报告:2020年中国市场才能启动

【起点智能汽车】无人驾驶行业报告:2020年中国市场才能启动

我国无人驾驶汽车已经过多年的摸索,目前仍处于探索期。紧随2011年一汽无人驾驶车路事件之后,各参与方纷纷在无人驾驶领域展开布局,加大技术研发投入,试图在无人驾驶市场抢先占据一席之地。预计将在2020年以后市场将会进入启动期。


1
无人驾驶产业发展背景分析



无人驾驶是智能汽车发展的最高形态


根据美国NHTSA公布的划分标准,智能汽车可以分为4个级别(不包含L0的完全无自动驾驶功能)

L0(不具备自动驾驶):完全不具备自动驾驶功能,仅具备普通预警类功能。

L1(特定功能自动驾驶)1个或多个功能能够实现自动化,且各项功能之间能够独立工作。

L2(组合功能自动驾驶):组合功能实现自动化,且能够实现功能协同、融合。

L3(受控的自动驾驶):限定环境下可以实现无人驾驶,判断是否恢复驾驶者自主操作模式。

L4(完全无人驾驶):在任意环境下实现完全无人驾驶。

完全无人驾驶是汽车自动化、智能化程度最高的级别。但目前仍处于路测阶段,距离商用还有较长一段时间。


无人驾驶形成两条发展路径——ADAS和人工智能


目前无人驾驶的发展已经形成以ADAS和人工智能切入的两条发展路径。

路径一:以传统车厂为代表,如上汽集团、长安汽车等。

通过不断完善和发展ADAS功能和技术,逐步提高汽车的自动化、智能化程度来不断向完全无人驾驶发展。 发展的根本目的是缓解司机驾驶压力,改善司机的驾驶体验。 主机厂具备丰富的整车制造经验,完善的配套服务体系。 核心技术是ADAS的各项自动控制系统,在汽车的行驶决策过程中,更多的是由人对周边的状况做出判断,并采取执行措施,机器决策仅起到辅助作用。

路径二:以互联网企业为代表,如百度、谷歌等。

通过提高移动式机器人深度学习能力和自主决策能力来完成无人驾驶汽车的各项任务。 发展的根本目的是以计算机来控制汽车,彻底取代人工驾驶。 互联网企业拥有先进的互联网技术,成熟的算法和云服务平台,能够通过人工智能技术不断提高机器的“驾驶经验”,从而对行驶路况进行准确的判断,降低人为因素干扰带来的事故率。 核心技术是人工智能技术,在汽车的行驶决策过程中,完全由机器对周边状况进行决策并控制执行,人工智能完全控制汽车的所有驾驶决策。


中国无人驾驶市场仍处于探索期


分析认为,我国无人驾驶汽车已经过多年的摸索,目前仍处于探索期。紧随2011年一汽无人驾驶车路事件之后,各参与方纷纷在无人驾驶领域展开布局,加大技术研发投入,试图在无人驾驶市场抢先占据一席之地。预计将在2020年以后市场将会进入启动期。

探索期内已经展开的一系列重要事件:

1992年:国防科技大学成功研制出中国第一辆真正意义上的无人驾驶汽车,标志着中国无人驾驶行业正式起步并进入探索期,无人驾驶的技术研发正式启动。

2005年:上海交通大学成功研制首辆城市无人驾驶汽车。

2011年:一汽红旗HQ3无人驾驶车进行了从长沙至武汉286公里的路测。

2014年:百度和宝马签署战略协议,双方将在无人驾驶领域展开合作,此后各汽车厂商和互联网公司加大研发投入,无人驾驶的技术将快速发展。

2015年12月:百度无人驾驶汽车完成北京开放高速路的自动驾驶测试。

2016年4月:长安汽车成功完成2000公里超级无人驾驶测试,从重庆途径西安、郑州,最终抵达北京。

2016年6月:工信部批准的国内首个“国家智能网联汽车(上海)试点示范区”封闭测试区正式开园运营。


2
无人驾驶产业生态图谱分析


中国无人驾驶产业生态图谱


无人驾驶是在传统汽车产业的基础上融入了智能化、自动化、电动化以及互联网化等技术的综合性产业。

从产业图谱角度来看,无人驾驶产业包含硬件和软件两大部分:硬件分为整车和智能零部件两部分;软件分为技术和内容两部分。

深度学习算法、云服务、车联网、系统平台、人机交互等是人工智能的核心技术,也是实现无人驾驶的核心技术。地图导航系统是无人驾驶发展的前提,能够增加无人驾驶汽车对外部地理位置信息的完整度。娱乐通信生活服务内容则能够大大丰富无人驾驶的汽车生活,满足消费者娱乐、社交、办公等的需求。

智能硬件是实现无人驾驶的基础。通过智能感知设备对周边环境进行信息采集,由植入深度学习算法的芯片处理器进行决策分析,并通过控制执行设备对芯片处理器做出的决策进行执行。人机交互设备属于汽车内部的信息采集设备,通过交互设备接收消费者的指令,并提供导航和车内娱乐等服务。


智能零配件提供方关键成功要素


分析认为,智能零配件提供方的关键成功要素为:

感知层面:扩大感知范围,提高信息采集精确度

决策层面:加大研发投入力度,掌握核心芯片技术

执行层面:加快响应速度,提高运行稳定性


无人驾驶汽车智能零配件图示


一辆完全无人驾驶汽车通常需要配置的主要智能零配件包括:激光雷达、超声波传感器、测距传感器、GPS定位装置、前视摄像头、毫米波雷达以及(内置)计算机系统(担任系统平台)等。


智能零配件是实现完全无人驾驶的硬件基础。


汽车高级辅助驾驶系统通常包括导航与实时交通系统TMC,电子警察系统IS、车联网、自适应巡航ACC、车道偏移报警系统LDWS、车道保持系统、碰撞避免或预碰撞系统、夜视系统、自适应灯光控制、行人保护系统、自动泊车系统、交通标志识别、盲点探测,驾驶员疲劳探测、下坡控制系统和电动汽车报警系统。

智能零配件是ADAS功能的载体,通过多个智能零配件的组合实现ADAS的辅助驾驶功能。

ADAS是无人驾驶的基础模块,实现无人驾驶需要多套ADAS的协同工作。智能零配件是实现完全无人驾驶的硬件基础。


国内智能零部件提供方现状


整车提供方关键成功要素


分析认为,智能零配件提供方的关键成功要素为:

传统车厂:提高创新能力,进行商业模式转型

互联网/科技公司:提高整车生产制造经验,增加资金来源、降低成本


互联网企业掀起造车热潮,整车供应格局有望被打破


近年来互联网企业纷纷进入造车领域,未来有望推出自动化、智能化程度更高的整车产品,整车供应市场格局将有可能被打破。

随着互联网企业产品逐步推向市场,计算机对汽车的控制程度的不断提高,将促进无人驾驶行业的发展,提高消费者对无人驾驶汽车的认知。

出于传统车厂多年来的垄断地位以及整车研发制造经验,仍将在较长时间内保持主导地位。


技术提供方关键成功要素


分析认为,智能零配件提供方的关键成功要素为:

深度学习算法:获取更全更多的学习样本、优化算法模型

云服务平台:增强数据安全性保障、提高非结构化及海量数据的存储能力和响应速度

车联网技术:需要国家政策支撑,全面构建顶层设计

系统平台:提高新事物的响应速度、增强功能性和数据安全、提高启动速度

人机交互技术:获取更全更多的学习样本,优化算法模型


深度学习算法和云服务加速无人驾驶技术提升


深度学习是人工智能的一门学科,指通过外部信息采集,利用算法模型模拟神经网络,让机器不断自我学习。

云服务平台使得无人驾驶汽车在不同场景下的路测学习所得的知识能够有效地进行复制和分享,一台无人驾驶汽车所学的知识能快速被其他所有无人车所掌握。

深度学习算法和云服务技术的结合,能够大幅推动无人驾驶技术的进步,有效缩短路测时间。

同时驾驶经验数据的丰富和完善能够有效提高无人驾驶汽车的安全性。


V2X的车联网技术促进无人驾驶技术的不断完善


硬件:GPSRFID、传感器、摄像头

技术:互联网技术、计算机技术

效果:车辆与更多外界物体相连接,通过各项硬件装置和技术手段,实现汽车与外界的实时互动,提高行驶安全性,增加便捷性


人机交互技术让人车交流更简单自然


人机交互技术是指将以手势、声音、表情等方式传达出的指令信息转化为机器语言,以便完成指令任务的一项技术。

无人驾驶时代,人们希望通过更为简单的语音或肢体动作进行信息交流和指令传达,人机交互技术的不断发展,将推动“汽车即是服务”理念的快速实现。


内容提供方关键成功要素


分析认为,智能零配件提供方的关键成功要素为:

地图导航系统:完善高精度地图、实时更新地图内容

娱乐通信生活服务:开发基于LBS技术的深度服务,完善配套移动支付方式


高精度地图可降低无人驾驶汽车对硬件的依赖


高精度地图是无人驾驶汽车发展的基础,实时更新的高精度地图能够提高信息完备性,有利于精准决策。

在特殊气候条件下,传感器采集周边实时路况信息的功能可能受到影响,地图导航精度越高,保障性越强。

无人驾驶时代,高精度地图供应商的地位将得到显著提升。

受法规等限制,高精度地图是国内无人驾驶受益确定性最高的环节。


通信服务完善汽车知识结构,丰富汽车生活


无人驾驶时代,汽车将由“软件+硬件”组成向“软件+硬件+内容”组成的方向发展,未来内容提供商将会给消费者带来更加丰富的汽车生活。


3
无人驾驶典型企业及发展趋势分析



谷歌无人驾驶汽车及结构图


谷歌无人驾驶汽车主要结构包括硬件(包括整车和智能零配件)和软件(技术和内容)两大部分。

谷歌无人驾驶汽车的整车主要有两批,一批是改装的丰田车,一批是自主研发设计的无刹车方向盘的小车。

谷歌无人驾驶汽车智能零部件中以车顶的64束激光雷达最为典型,由于探测范围广、精度高成为所有零部件中价格最高的一个配置,售价高达7万美元。高精度设备的成本高昂成为制约无人驾驶行业发展的一大因素。

一方面谷歌在人工智能方面已经做了较长时间的研发积淀也取得了较为领先的地位,成为推动无人驾驶快速发展的核心动力,另一方面,以google earth为基础的高精度地图导航系统和各项娱乐通信生活服务,为无人驾驶汽车提供了大量的学习样本也丰富了无人驾驶的汽车生活。


谷歌无人驾驶研发进程


谷歌自主进行车身设计和软件系统等的研发,在无人驾驶行业取得了一定的成绩。

但目前谷歌无人驾驶仍然面临汽车视觉能力有待提高、样本容量有待扩充、研发投入成本过高以及法律法规不健全等诸多难题,真正实现大规模的发展需要产业链各方以及政府层面展开合作,共同努力。


中国无人驾驶行业发展趋势分析

无人驾驶免受人为因素的影响,有助于降低交通事故发生频率。

无人驾驶商业化进程不断深入,将大规模取代传统司机的职位。

无人驾驶对云服务和大数据等技术提出更高要求,大数据将成为推动企业发展的新能源。

无人驾驶行业的发展将促进共享经济的快速实现。




版权属于:起点智能汽车

原文地址:http://78soft.com/article/20100.html

转载时必须以链接形式注明原始出处及本声明。

猜你喜欢

最热文章

热门标签