2020年自动驾驶技术研究报告
自动驾驶的发展现状、挑战与应对

自动驾驶的发展现状、挑战与应对作者:李晓华来源:《人民论坛》2023年第18期【关键词】自动驾驶无人驾驶产业发展产业政策【中图分类号】F42 【文献标识码】A随着人工智能、物联网、5G移动通信等新一代数字技术的发展与成熟,其与实体产品的融合日趋紧密,汽车是其中的典型代表。
近年来,汽车企业持续推进整车的自动化智能化水平,市场对自动驾驶的接受程度也在不断提高,具有辅助驾驶或自动驾驶功能的汽车销量快速增长,自动化与电动化一起成为改变全球汽车产业格局的重要力量。
未来自动驾驶仍有巨大的发展空间,且会向无人驾驶的方向发展。
同时也要看到,自动驾驶汽车的发展也面临技术、成本、数据、基础设施和法律等方面的制约和挑战,需要积极采取措施加以应对。
汽车产业规模大、先进技术集成度高、产业关联度强,是美国、中国、日本、德国等制造大国的重要支柱产业。
自动驾驶作为一项颠覆性技术,其发展水平直接关系各国汽车产业的国际竞争力和全球产业分工格局,因此世界主要国家都高度重视自动驾驶的发展,不少传统汽车大国发布自动驾驶路线图和发展目标,在交通法规、监管政策等方面积极探索,推出一系列支持自动驾驶的产业政策,以重塑汽车产业竞争优势、保持和强化全球竞争地位。
例如,美国在联邦和州政府层面发布了一系列法规,逐步对自动驾驶向更高等级发展进行松绑。
我国将自动驾驶作为新兴产业发展的重点领域,工信部等相关部委出台了一系列自动驾驶相关的发展战略、规划和标准,一些地方也在积极开展关于自动驾驶的地方立法。
随着自动驾驶技术的逐步成熟和性能提升、成本下降,市场接受度不断提高,产业呈现快速发展势头。
总体上看,国内外自动驾驶汽车呈现以下五个方面发展特点:一是技术水平快速提升。
国际汽车工程学会(SAE)2014年1月发布的J3016标准定义了从无驾驶自动化(L0)到完全驾驶自动化(L5)等6个驾驶自动化等级,2021年4月该标准更新到第4版。
我国2021年8月发布并于2022年3月1日实施的《汽车驾驶自动化分级》(GB/T 40429-2021)国家标准与国际汽车工程学会的划分大体一致,将驾驶自动化划分为6个等级,0级是应急辅助,1级是部分驾驶辅助,2级是组合驾驶辅助,3级是有条件自动驾驶,4级是高度自动驾驶,5级是完全自动驾驶。
无人驾驶技术调研报告

无人驾驶技术调研报告随着科技的飞速发展,无人驾驶技术逐渐成为汽车行业的热门话题。
本报告旨在对当前的无人驾驶技术进行调研,并分析其应用前景和挑战。
一、无人驾驶技术概述无人驾驶技术,即自动驾驶技术,是指通过车载传感器、人工智能算法等技术手段,使汽车能够在没有人工干预的情况下实现自主导航、自动驾驶的能力。
该技术可以提高驾驶安全性、减少交通事故,并节约燃油资源。
二、无人驾驶技术的发展现状目前,全球多家知名汽车制造商和科技公司都在积极推进无人驾驶技术的研发。
例如,特斯拉公司已经在市场上推出了部分自动驾驶功能,并计划逐步实现完全自动驾驶。
谷歌、苹果等科技巨头也在自动驾驶领域投入大量研发资源。
三、无人驾驶技术的应用领域1. 公共交通:无人驾驶技术可以应用于公共汽车、地铁等公共交通工具上,提升运营效率,降低人力成本。
2. 物流配送:通过无人驾驶技术,可以实现货物的无人送货,提高物流效率,减少人力投入。
3. 出行服务:用户可以通过手机应用预约无人驾驶车辆提供出行服务,提升个人出行的便捷性。
四、无人驾驶技术面临的挑战1. 安全性问题:无人驾驶技术在实际应用中仍存在一定的安全隐患,如传感器故障、算法失灵等情况需要得到解决。
2. 法律法规:无人驾驶技术的发展迫切需要相关的法律法规来规范其运行。
目前,各国对于无人驾驶技术的法规尚不完善。
3. 市场接受度:部分消费者对于无人驾驶技术的接受度较低,需要通过宣传、推广等手段提高公众认知度。
五、无人驾驶技术的前景展望无人驾驶技术被认为是汽车行业的未来发展方向之一。
随着技术的持续进步和各方的共同努力,相信无人驾驶技术最终能够广泛应用于交通出行领域,提升出行安全性、改善交通拥堵等问题。
六、结论通过本次调研报告,我们对无人驾驶技术进行了简要概述,并分析了其应用领域、面临的挑战以及前景展望。
我们相信无人驾驶技术的发展前景广阔,但在实际应用中仍需解决诸多技术和法律问题。
我们期待未来无人驾驶技术能够为社会交通事业做出更大贡献。
开题报告范文基于深度学习的自动驾驶技术研究与优化

开题报告范文基于深度学习的自动驾驶技术研究与优化尊敬的导师:我计划开展一项关于基于深度学习的自动驾驶技术研究与优化的课题,我将在此开题报告中详细阐述我的研究内容和计划。
一、研究背景与意义近年来,自动驾驶技术备受瞩目,其在交通领域的应用潜力巨大。
然而,目前的自动驾驶系统仍然存在许多挑战和问题,如环境感知不准确、决策能力有限等。
为了进一步提升自动驾驶技术的稳定性和安全性,深度学习成为了一个具有巨大潜力的研究方向。
本项目旨在基于深度学习技术对自动驾驶系统进行研究与优化,以提高其感知和决策能力。
二、论文目标本论文的主要目标是提出一种基于深度学习的自动驾驶技术研究与优化方法,以解决目前自动驾驶系统存在的问题。
具体而言,我们将聚焦于以下几个方面的研究内容:1. 环境感知深度学习技术在计算机视觉方面具有卓越的能力,我们将利用深度学习模型对道路、交通标志、障碍物等环境信息进行感知,以提高自动驾驶系统在复杂环境中的适应能力。
2. 决策与规划在自动驾驶过程中,合理的决策和规划是确保车辆安全行驶的重要因素。
我们将通过深度学习模型对驾驶策略进行学习和优化,以提高自动驾驶系统的决策能力和行驶效率。
3. 系统评估与优化为了验证和评估我们提出的自动驾驶技术优化方法的有效性,我们将设计相应的评估指标,并利用实际道路场景和真实交通数据对系统进行广泛的实验和测试。
三、研究方法与步骤1. 数据收集与预处理收集大量的自动驾驶车辆感知和控制数据,对其进行标注和预处理,为后续的模型训练提供有力支持。
2. 模型选择与设计选择合适的深度学习模型,并在数据集上进行训练和调优,以实现对道路、交通标志等环境的感知和理解。
3. 决策与规划算法设计结合强化学习等技术,设计适用于自动驾驶系统的决策与规划算法,提高车辆的行驶安全性和效率。
4. 系统集成与测试将优化后的自动驾驶技术与现有系统进行整合,进行综合实验和测试,分析测试结果并对系统进行优化调整。
四、预期成果与创新点通过本课题的研究,我们预期达到以下成果:1. 提出一种基于深度学习的自动驾驶技术优化方案,有效解决现有自动驾驶系统的问题,提高其性能和稳定性。
2020年无人驾驶汽车上路可能实现安全自动驾驶系统成汽车技术研发热点

的燃料 使 用和碳排 放 。
候 ,CVI 计划 推 出一个车 载触 S还 摸 屏 应 用 包 。按 照 CVI 协 调 S的
谁 是第 一个 吃螃蟹 的人
施 相 比 ,欧 1 美 国 的汽 车 制 造 和 商 则将 车 与 车 之 间 的 直接 通 信 视 作 更 为 简单 和 成 本低 廉 的解 决 方 尽 管 自动 驾驶 技 术 在 实 际操
显 示仪 上 发 布 警 示 信 息 ,比 如 前
定 队 列 中 的 一个 位 置 ,当他 们 加 入 队 列 之 后 ,就 可 以 将 车辆 的控
制 权 交 给 头 车 。也 就 是 说 ,后 车 的方 向掌 控 、加 速 和 刹车 动 作 等 都 由车 载 电脑 根 据 头 车 无线 传 输 过 来 的数 据 以 及 该 车 自身 的 摄 像 头 、雷 达 和 激 光探 测 器 采 集 到 的 信 息 来执 行 。后 车驾 驶 员不 需 要
I 按
头和 传 感 器 ,拥 有 车 辆 信 息 与通 信 系统 接 收机 的车 辆 都 可 以得 到 潜 在 危 险 方 面 的 提 示 ,包括 其他 车辆 试 图并 线 ,或 者 前 方 有 十 字 路 口等 。除 此 之 外 ,安 全驾 驶 支
持 系统 还 可 以 在车 辆 的卫 星 导航
作 中还 将 面 临 巨 大挑 战 ,但 通 用 汽 车 公 司研 发 部 副 总裁 艾 伦 ・ 陶
员保 罗 ・ 夫 纳 的设 想 ,这 是一 康 个 类 似 智 能 手机 的 界面 ,可 以根
据 司机 所 处 的方 位 ,为 他们 提 供
一
系列 应 用程 序 。其 中 一个 应 用
程 序 可 以 通过 与 交 通 灯 控 制 系统 的 “ 流” 交 ,告诉 司机该 以什 么速 度 通 过 而 不 会 闯红 灯 , 目前该 程 序正在 开发 中 。 各种 有助 于 行 车 安全 的 自动 驾 驶技 术 也许 会 在 不 断 的开 发 和 测 试 中 得 以 完 善 ,但 无 论 如 何 ,
无人驾驶概况及技术简析可编辑全文

,然后对这些区域 提取特征,最后使 用训练的分类器进 行分类
基于深度学习目 框提取速度
标检测的热潮
CVPR 2014 R-CNN
NIPS 2015 Faster R-CNN
CVPR 2016 YOLO
SSD
SSD300: 74.3% mAP
63.4% mAP 46fps
DPM(HOG+SVM) 66% mAP 0.02fps
2011 年 , 柏 林 自 由 大 学 顺 利 完成拥堵交通流、交通信号灯 及环岛通行等诸多项目。
2015年,google无人车完 成美国加州公路测试。
21世纪
2007
2011
2015
2003
2003 , 清 华 大 学 研 制 成 功 THMR-V 型 无 人 驾驶车辆。
2009
2009年,Google已完成多款 无人驾驶样车,以及近100万 公里的实际道路测试。
1月
7月
2016 年 1 月 , 初 创 公 司 Nauto 使 用行车记录仪实 现ADAS功能。
2016年9月,Uber 在匹兹堡市向公 众开放无人驾驶 汽车出行服务。
2016年12月, Chris Urmson成 立了自己的自动 驾驶创业公司。
2017年1月,Quanergy 公司的Solid State LiDAR S3获得了汽车无 人类的最高奖项。
25
2.2 关键技术:目标感知 基于深度学习的视觉和LiDAR数据融合方法
1) 显著提高识别分类精度以及收敛速度; 2) 采用车载NVIDIA TX1(15W)运算可达120帧/秒; 3) 物体识别率提高将近5%
26
2.2 关键技术:目标感知
27
智能驾驶—ADAS行业研究报告PPT课件

注:ESC电子车身稳定系统、AEB紧急制动系统、TPMS胎压监测、FCW前向碰撞预警、LDW车道偏离报警
1 Part
智能驾驶是消费者对安全的内在需求
根据公安部统计数据,近84%的交通事故归因于驾驶员的驾驶失误,人已成为交通安全中最大 的不确定性因素。智能驾驶系统作为人类驾驶的辅助与替代,利用算法实现人类经验难以比拟的 判断速度与精度,能够有效减少驾驶失误,降低交通事故率。新一代80、90后消费者对于汽车的 方方面面都有所了解,对安全的需求有所加强,重视驾驶辅助系统,推动了智能驾驶的发展。 2014年道路交通事故原因统计
0.14% 3.25% 2.98% 机动车 机动车驾驶员 4.97% 4.94%
新车购买消费者关注点
非机动车驾驶员
行人/乘车人 道路 83.72% 其他
资料来源:公安部
资料来源:搜狐汽车
2 Part
实ห้องสมุดไป่ตู้无人驾驶的两图,配合激光雷达、 摄像头、毫米波雷达、超声波传感器、GPS等传感器通过人工智能算法实现完全自主驾驶,他们 的核心竞争力是高精度地图的构建,结合各种传感器进行地图的匹配和算法的调试; (2)以福特、通用、沃尔沃、特斯拉等车企以及前后装企业Mobileye等为代表的ADAS逐步升级 路线,依靠摄像头、毫米波雷达、超声波传感器等设备,实现在某些环境和条件下的高级辅助驾 驶功能,他们的核心竞争力在于整车的设计、制造、销售以及驾驶员辅助驾驶体验的需求挖掘。 • 对于科技公司而言,研发的目的是实现公司在人工智能领域的重大探索创新以及对于未来流 量入口的提前布局,研发过程无需背负变现的压力。科技公司在人工智能(智能驾驶核心环 节)、人机交互服务层面具备较强竞争优势。其研究更贴近该领域的难点,进度或将大幅领 先采取ADAS升级路线的传统车企。 • 对于传统车企而言,主营业务是整车的销售,因此研发ADAS的直接目的是提供更好的驾驶体 验,研发过程中自然也会着重考虑研发成果的变现能力,关于这点的考虑可能会把其自动驾 驶研究的进程限制在ADAS领域。传统整车厂商具备先发优势,可以直接利用现存客户资源快 速迭代优化其智能驾驶系统。
自动驾驶与人工智能研究报告

2018自动驾驶与人工智能研究报告 AMiner研究报告第一期Contents目录1 人工智能篇人工智能 (2)人工智能发展路线图 (3)人工智能的定义 (3)人工智能的起源 (3)人工智能的发展 (4)中国人工智能的发展 (5)全球人工智能研究 (7)全球人工智能研究学者数量分布 (7)人工智能研究流派 (9)活跃度较高的学者 (13)全球人工智能发展趋势 (14)中国人工智能研究 (15)中国人工智能的领域分类 (15)中国人工智能学者现状 (16)中国人工智能论文现状 (19)中国人工智能专利现状 (22)人工智能在中国的应用实践 (24)虚拟现实 (25)深度学习应用 (25)计算机视觉 (27)语音技术 (27)中国人工智能的机遇和挑战 (28)中国人工智能拥有的机遇 (28)中国人工智能遭遇的挑战 (31)小结 (32)2汽车研究领域篇汽车研究领域 (34)汽车研究领域创新趋势 (34)汽车研究 (37)全球汽车研究学者数量分布及产业发展 (37)中国汽车领域研究学者数量分布及产业发展 (37)汽车研究流派 (38)活跃度较高的研究学者 (39)汽车研究领域发展趋势分析 (39)3 人工智能+汽车篇人工智能+汽车 (42)无人驾驶研究 (42)无人驾驶的等级 (43)无人驾驶涉及的新技术 (44)无人驾驶的决策模型 (46)无人驾驶产业 (49)自动驾驶汽车的商用 (49)增强学习在无人驾驶中的应用 (49)增强学习在无人驾驶中的优势 (50)增强学习在无人驾驶中的未来 (51)交叉创新笛卡尔智能分析 (51)历史热点分析 (54)Genomics(AI)& Real Time(Vehicle) (54)未来趋势分析 (56)参考文献 (57)扫描订阅摘要随着人工智能(Artificial Intelligence,AI)高速发展与应用,计算机技术已经进入以人工智能为代表的新信息技术时代——智能技术时代。
机器技术总结报告范文(3篇)

第1篇一、前言随着科技的飞速发展,机器技术在各个领域的应用日益广泛,从工业生产到日常生活,从科学研究到国防军事,机器技术都发挥着不可替代的作用。
本报告旨在对过去一年(例如:2023年)我国机器技术的研究成果、应用进展以及存在的问题进行总结和分析,以期为我国机器技术的未来发展提供参考。
二、研究进展1. 人工智能与机器学习(1)深度学习算法:在过去的一年中,深度学习算法在图像识别、语音识别、自然语言处理等领域取得了显著成果。
例如,我国科学家在图像识别领域提出的“残差网络”(ResNet)在ImageNet竞赛中取得了优异成绩。
(2)强化学习:强化学习在机器人控制、自动驾驶等领域取得了突破性进展。
我国科学家在强化学习算法方面进行了深入研究,并在多个应用场景中取得了成功。
2. 机器人技术(1)服务机器人:服务机器人在医疗、养老、教育等领域得到了广泛应用。
我国科学家在服务机器人技术方面取得了显著成果,如自主研发的“智能养老机器人”。
(2)工业机器人:工业机器人在制造业中发挥着重要作用。
我国在工业机器人技术方面取得了长足进步,如自主研发的“协作机器人”。
3. 自动化技术(1)智能制造:智能制造是当前工业发展的热点。
我国在智能制造领域取得了显著成果,如工业互联网、工业大数据等。
(2)自动化设备:自动化设备在各个领域得到了广泛应用。
我国在自动化设备研发方面取得了重要进展,如数控机床、自动化生产线等。
4. 机器人与人工智能融合机器人与人工智能的融合是未来发展趋势。
我国在机器人与人工智能融合方面取得了显著成果,如智能机器人、智能无人系统等。
三、应用进展1. 工业领域(1)制造业:机器人与自动化设备在制造业中得到了广泛应用,提高了生产效率,降低了生产成本。
(2)物流行业:自动化物流系统在物流行业中发挥了重要作用,提高了物流效率,降低了物流成本。
2. 服务业(1)医疗领域:服务机器人在医疗领域得到了广泛应用,如手术机器人、康复机器人等。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2020年自动驾驶技术研究报告2020年11月▍技术架构:自动驾驶汽车的“核芯”科技E/E 架构由分布走向集中,使得集中算力平台成为可能传统汽车使用分布式E/E 架构(电子电气架构),算力和数据较为分散,难以实现自动驾驶所需的计算。
分布式E/E 架构下,汽车通过特定ECU(电子控制单元)实现特定功能,各ECU 间较为独立,一方面导致难以协调利用各ECU 的算力资源,另一方面也无法满足自动驾驶对于多传感器融合等数据协同方面的需求。
随着汽车功能的复杂化,汽车E/E 架构从分布式向集中式演进。
同时,由于自动驾驶需要对整车进行整体控制,因此计算资源势必要集中化,自动驾驶芯片应运而生。
随着汽车E/E 架构经历分布式——域集中式——整车集中式的升级,整车的资源与数据被集中到更高层面,交由具备集中处理能力的控制器处理,而芯片是这种集中处理能力的主要载体。
以目前发展迅速的域集中式架构为例,自动驾驶芯片实质上也就是自动驾驶域的计算中心。
自动驾驶芯片有望向整车的计算中心发展。
随着汽车E/E 架构由域集中式继续向整车集中式发展(参考报告《计算机行业“智能网联”系列专题之四—车载以太网:智能汽车的中枢神经》2020-8-25),汽车的计算资源还将进一步集中。
自动驾驶芯片承担了自动驾驶汽车中主要的计算任务,如果在这一基础上将其他功能所需的计算能力融入进去,就可能打造出整车级别的计算中心。
特斯拉正是这一路径的探索者。
据台湾工商时报报道,特斯拉正与博通合作研发下一代自动驾驶芯片,预计将用于控制和支持ADAS(先进驾驶辅助系统)、电动汽车动力传动、汽车娱乐系统和车身电子四大功能。
若以此标准来看,特斯拉的下一代自动驾驶芯片将非常接近整车计算中心的概念。
图1:汽车E/E 架构发展趋势资料来源:博世自动驾驶芯片平台成为整车计算核心中央集中式架构的演进促进了车载芯片的发展,自动驾驶芯片成为智能汽车时代核心。
特斯拉率先使用了中央集中式架构,即用一个电脑控制一个汽车,其他各大主机厂认识到软件定义汽车的大趋势,纷纷升级自身的电子电气架构,向域控制/集中化进军。
域控制器开始集成汽车的传感器处理器、数据融合、路径规划、控制等诸多运算处理器功能,因此对域控制芯片的算力需求大幅提升。
非结构化的传统MCU 不再能够满足需求,加之自动驾驶技术需要对汽车进行整体化的协同控制,自动驾驶芯片作为智能时代的协处理器,成为智能汽车时代的核心。
车载芯片是自动驾驶技术落地的基石,也是智能汽车生态循环的心脏。
智能网联汽车的四大核心技术:芯片、算法、操作平台、数据共同构建起了新的汽车产业架构,其中车载芯片承担了主要的计算任务,是实现软件定义汽车与自动驾驶的基石。
类比于手机产业链,我们认为自动驾驶车载芯片行业与自动驾驶平台属于寡头垄断格局,而从当下行业发展的情况来看,芯片行业格局较为稳定,且处于产业链核心地位。
目前,各大互联网企业、零部件厂商以及车企纷纷致力于研发自身的自动驾驶平台。
自动驾驶平台是各驾驶功软硬件模块的集中配置管理平台,用于模块化开发和管理不同部件功能。
自动驾驶系统涵盖多个软件模块,同时整合了各硬件模块,一个稳定、可靠的操作系统平台可以很好的调配软硬件资源,极大的提高研发效率并节约成本。
因此,众多自动驾驶芯片厂商将开发平台视为除芯片外另一重要的竞争点。
在芯片开发平台方面,多家芯片公司推出了基于其芯片的高性能运算平台。
英伟达推出了NVIDIA DRIVE,提供从底层运算、操作系统层以及应用层在内的全套可定制的解决方案;Mobileye 联合其母公司Intel 发布了IntelGo 平台,该平台具备包括CPU、FPGA 及面向深度学习的硬件加速技术在内的灵活架构;华为推出了MDC 系列智能驾驶计算平台,可最高实现L4 级别的自动驾驶;恩智浦推出了Blue BOX,基于Linux 打造开放式平台,可供主机厂和一级供应商开发和试验。
自动驾驶技术演进,高级自动驾驶成为可能根据SAE(Society of Automation Engineers,国际自动机工程师协会)在2014 年发布的关于自动驾驶汽车的分级标准,自动驾驶技术一共被分为5 个等级:驾驶支援(Level 1),部分自动化(Level 2),有条件自动化(Level 3),高度自动化(Level 4),完全自动化(Level 5)。
从2015 年开始,L1 级辅助驾驶技术逐渐走向市场,随后,自动驾驶技术就一直在经历着飞速的发展。
按照技术演技路线来看,我们正处于L3 阶段的市场导入期,我们预计在2023 年,L4 及以上的技术逐渐走向成熟,完全自动驾驶将在不远的未来成为可能。
2015 年以前汽车的辅助驾驶功能主要为L0/L1 级,L0 级可以实现一些告警功能,如LDW(Lane Departure Warning,汽车车道偏移预警系统),FCW(Forward Collision Warning,前方碰撞预警),对于许多车而言,LDW 和FCW 已经是标配。
L1 级可实现加减速或转向控制,驾驶员需要进行持续性驾驶操作,间或受到警告和干预系统的辅助支持。
代表功能包括LKA(Lane Keeping Assist,车道保持辅助)、AEB(Advanced Emergency Braking,自动紧急制动)、ACC(Adaptive Cruise Control,自适应巡航控制)等。
汽车E/E 架构为分布式,即大部分功能仍是分布式离散单元控制,单个ECU 对应单个功能,整体单车配套价值约7 千元。
2016 年起进入L2 时代,辅助系统可实现车速控制与转向自动化,驾驶必须始终保持掌控驾驶,在特定场景下系统进行横向和纵向操作。
代表功能包括TJA(Traffic Jam Assist,交通拥堵辅助)、APA(Auto Parking Assist,自动泊车辅助系统)等,部分ECU 开始集成式发展,自动驾驶芯片重要性日益提升,2 级系统通常结合两种或两种以上的1 级驾驶人辅助系统,整体单车配套价值在1.5 万左右。
到2020 年,全球正式进入L3 级时代,即有条件自动驾驶。
汽车可在特定环境下实现自动驾驶,驾驶员可以解放双手,不必一直监控系统,但必须保持警惕并在必要时刻进行干预。
代表功能为TJP(Traffic Jam Pilot,交通拥堵驾驶)、RPP(Remote Parking Pilot,遥控泊车)等。
分布式E/E 架构逐渐向域集中式演进,自动驾驶芯片逐渐成为汽车刚需,车载芯片算力指数级提升,开始扮演自动驾驶及整车控制的重要作用。
L3 及以下整体单车配套价值约为2.5 万元。
预计从2023 年开始,我们将逐步进入L4 级时代,汽车实现高级自动驾驶,功能范围内不再需要驾驶人参与。
代表功能包括TJC(Traffic Jam Chauffeur,拥堵辅助副驾驶)、HWC(Highway Chauffeur,高速公路副驾驶)等,自动驾驶芯片将成为整车核心,汽车E/E 架构走向完全集成,预计在激光雷达大幅降价后单车系统价值约4 万元左右。
图2:自动驾驶技术及车载芯片演进路线资料来源:《自动驾驶技术概论》-清华版,市场研究部▍市场分析:自动驾驶市场如何发展?从自动驾驶技术的演进节奏来看,我们认为市场发展应该分为两个阶段。
第一阶段为2020-2025 年,短期内ADAS 及L3 以下技术快速普及。
受制于政策、伦理、技术等问题,目前来看短期内高等级的无人驾驶无法实现盈利能力,而此时低等级无人驾驶已经拥有了一定技术支撑,加之成本的下降与政策上的对于ADAS 的强制普及,ADAS 系统将由原来的高端车型“奢侈品”逐渐市场下沉,成为中低端车型的标配。
目前,我们已经逐渐步入这一阶段,华为、地平线、百度、黑芝麻等公司均在积极布局。
我们认为,未来3-5 年将成为ADAS 与L3 以下技术发展的黄金时期。
第二阶段为2025 年后,中长期高级(L4/L5)自动驾驶技术市场将逐步落地。
自动驾驶开始在特定场景中实现,基础建设落地,智能网联汽车技术普及,相关政策与法律体系走向成熟,安全等级逐步提高,自动驾驶技术也实现了L4/L5 的技术突破,单车价值量提升,自动驾驶领域实现万亿的市场机会。
图3:自动驾驶投资阶段资料来源:《自动驾驶技术概论》-清华版,市场研究部各国政府积极布局,政策推动行业发展政策方面,各国政府均出台了多项利好政策,ADAS 有望快速发展。
美国自2015 年起强制要求一般车辆与商用车辆安装倒车显示,自2018 年起五星安全标准车辆必须配置自动紧急制动AEB;欧洲在2015 年起强制所有新车安装LDW,2016 年起AEB 需具备防止与行人碰撞能力,2017 年起4 星评级车辆需具备主动安全系统;日本自2016 年起强制新车安装AEB,2017 年11 月起要求所有新车必须安装FCW。
我国政府也在积极布局相关政策,促进ADAS 与高级自动驾驶技术加速落地。
2016年,我国发布了《“十三五”汽车工业发展规划意见》,对智能网联汽车发展设定目标:具有驾驶辅助功能的智能网联汽车当年新车渗透率达50%,有条件自动化的汽车当年新车渗透率达10%,到2020 年我国初步建立能够支撑驾驶辅助及低阶自动驾驶的智能网联汽车标准体系;2019 年年初发布了《车联网(智能网联汽车)产业发展行动计划》并提出相应指标:2020 年新车高级驾驶辅助系统(ADAS)搭载率将超过30%,接下来预计市场渗透率每年增长30%,在2024-2025 年,全球生产的全部8000 万辆新车上面都将搭载ADAS。
ADAS 步入黄金发展时期,短期内有望快速扩张短期内,ADAS 技术将成为汽车行业主流,市场渗透率稳步上升至市场饱和。
在当前阶段,我国政府积极推动自动驾驶技术落地,作为自动驾驶基础的ADAS 应用快速发展。
同时,根据全球各大车企规划来看,大部分企业都准备在2020 年左右量产携带L3 级别自动驾驶的汽车,少数企业计划直接跳过L3,在2023 年左右发布L4 级别汽车。
受技术演进、法规、大众接受度等因素的制约,短期内高级自动驾驶技术难以普及。
因此,我们预计在未来3-5 年内,L3 及其以下的自动驾驶技术将成为行业主流,ADAS 作为自动驾驶的前期落地产品,是自动驾驶技术走向成熟的必由之路。
随着技术的成熟、成本的下降与政策的驱动,预计ADAS 系统将逐渐普及,市场渗透率稳步提升至2025 年达到基本饱和。
图4:国内车企自动驾驶技术发展规划图5:国外车企自动驾驶技术发展规划资料来源:各公司官网,市场研究部资料来源:各公司官网,市场研究部目前,ADAS 渗透率不高,市场成长空间大,具有广阔的市场前景,有望成为汽车行业新的利润增长点。