|
|
?L4階段對應(yīng)完全自動化，在該階段完全由系統(tǒng)掌握對于汽車的控制地位，駕駛者只需提供目的地或?qū)Ш叫畔�，汽車能夠憑借自身的感知、分析和執(zhí)行來完成所有駕駛?cè)蝿?wù)，完全釋放駕駛者的手腳。
2.漸進式創(chuàng)新和破壞式創(chuàng)新并舉
我們判斷，汽車智能化存在兩條演進路線，即自動輔助駕駛所對應(yīng)的漸進式創(chuàng)新演進路線和無人駕駛所對應(yīng)的破壞式創(chuàng)新演進路線。
我們認為，自動輔助駕駛不等于無人駕駛，前者的本質(zhì)是原有汽車駕駛系統(tǒng)的模塊疊加和功能發(fā)展，其目的是為了給駕駛者提供便捷、舒適和安全的駕駛環(huán)境，其主決策者依然是人；后者的本質(zhì)是種全新的能夠自主導(dǎo)航的移動運輸類機器人，其外形設(shè)計、應(yīng)用場合并不拘泥于現(xiàn)有的模式，其主決策者是人工智能。
我們的分析，自動輔助駕駛漸進式創(chuàng)新路線以毫米波雷達、紅外雷達、超聲波雷達和車載攝像頭作為主要傳感器，其核心技術(shù)是自動控制技術(shù)和傳統(tǒng)模式識別技術(shù)，其主導(dǎo)者為汽車傳統(tǒng)整車廠家和新興的電動車廠家，該技術(shù)路線可以將成本轉(zhuǎn)嫁給消費者；無人駕駛破壞式創(chuàng)新路線以高精度的激光雷達作為主要傳感器，以高精度地圖作為參考坐標系，以基于深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)作為算法決策，其核心技術(shù)是3D即時測繪和深度學(xué)習(xí)算法，該技術(shù)路線需要大量的基礎(chǔ)設(shè)施長期投入，并且嚴重依賴車聯(lián)網(wǎng)（V2X），在目前車聯(lián)網(wǎng)標準尚未統(tǒng)一，并且基礎(chǔ)設(shè)施缺失的條件下可能難以大規(guī)模商用，但是這或許是無人駕駛汽車的終極進化形態(tài)。
根據(jù)的數(shù)據(jù)，2015年10月國內(nèi)市場各種功能的自動輔助駕駛功能滲透率分別為：盲點檢測功能（BSD）3.8%，自動泊車入位（AP）2.6%，前向碰撞預(yù)警（FCW）2.6%，自動緊急制動（AEB）2.4%，全景攝像頭（SVC）2.3%，車道偏離預(yù)警（LDW）1.7%，自適應(yīng)巡航導(dǎo)航（ACC）1.3%，車道保持輔助（LKA）0.8%。全球整車市場自動輔助駕駛系統(tǒng)的滲透率也低于10%，歐美地區(qū)市場接近8%，新興國家市場則僅為2%，市場空間依然非常巨大。據(jù)咨詢公司測算，未來全球ADAS滲透率將大幅提升，預(yù)計2022年全球新車ADAS搭載率將達到50%，我們判斷自動輔助駕駛功能正處于導(dǎo)入期向成長期過度的階段，蘊藏著極大的投資機會。
根據(jù)HIS的研究，全球車載攝像頭出貨量將從2014年的2800萬顆增長至2020年的8270萬顆，6年復(fù)合增長率為19.8%。據(jù)舜宇光學(xué)披露的數(shù)據(jù)顯示，2015年舜宇光學(xué)車載鏡頭全年出貨量為1651萬顆，而在2016年前11個月的累積出貨量已經(jīng)達到了2064萬顆，預(yù)計全年出貨量約為2200萬顆到2300萬顆之間，2016年全年車載鏡頭出貨量增速為33%到39%之間，據(jù)舜宇光學(xué)管理層透露，其在車載鏡頭領(lǐng)域的市場份額為30%到35%左右，因此推測2016年車載鏡頭市場全球市場出貨量在6285萬顆到7667萬顆之間，遠高于HIS研究的數(shù)據(jù)。
艾媒咨詢調(diào)查研究顯示，2016年全球無人駕駛汽車市場規(guī)模為40億美金左右，預(yù)計2021年全球市場規(guī)模將達到70.3億美元左右，復(fù)合年均增長率為11.8%。該機構(gòu)分析師認為百度、谷歌等互聯(lián)網(wǎng)巨頭雖然均投身于無人駕駛的領(lǐng)域，但由于政策法規(guī)的限制、技術(shù)產(chǎn)業(yè)化的不成熟和成本方面的綜合考慮，短期內(nèi)無人駕駛汽車市場規(guī)模變化不大，行業(yè)整體處于內(nèi)部測試階段，難以實現(xiàn)大面積推廣。
綜上所述，短期來看自動輔助駕駛智能化演進路線的滲透率已經(jīng)開始快速提升，但是長期來看，無人駕駛汽車智能化演進路線或許是終極形態(tài)。
汽車智能化是汽車行業(yè)演進的下一個必然階段
自汽車誕生的一百多年以來，發(fā)動機、變速箱一直都是其最為重要的部件，并且汽車行業(yè)的整體發(fā)展也多由這兩者所推動，然而進入21世紀之后，汽車行業(yè)也在日益被信息技術(shù)所改變，從最開始改進汽車的設(shè)計、生產(chǎn)、制造等流程，到了現(xiàn)在改變汽車本身，汽車行業(yè)正在發(fā)生深刻的革命。
我們認為，汽車行業(yè)正在發(fā)生一場深刻的變革，智能化、網(wǎng)聯(lián)化、電動化的未來趨勢正在讓汽車變得像是一個帶有四個輪子的電腦，處理器、計算能力、網(wǎng)絡(luò)互聯(lián)等數(shù)字化元素也正在取代發(fā)動機和變速箱等機械部件的核心地位，即車用芯片/計算能力提供商將處于未來智能汽車產(chǎn)業(yè)的核心位置。在這一產(chǎn)業(yè)革命下，汽車產(chǎn)業(yè)的價值鏈或許將重構(gòu)，智能軟件系統(tǒng)、處理器等芯片公司或許將會處于產(chǎn)業(yè)鏈的頂端，拿走大部分利潤，而整車制造、汽車零部件生產(chǎn)企業(yè)的地位或許會開始下沉，這對于中國電子制造業(yè)或許是新的機遇。
1.監(jiān)管機構(gòu)的推動和政府立法的支持
監(jiān)管機構(gòu)的推動和政府立法的支持是驅(qū)動汽車智能化的一大驅(qū)動力。
歐盟新車評鑒協(xié)會（，簡稱為E-NCAP）和美國公路保險協(xié)會（，簡稱為IIHS）是汽車碰撞安全測試最為權(quán)威的兩家機構(gòu)，其他國家和地區(qū)在制定汽車碰撞安全測試標準時會大量參考和引用上述兩家機構(gòu)制定的評分標準。
根據(jù)E-NCAP公布的路線圖，從2013年開始，其對于新車的評分規(guī)則進行了調(diào)整，增加了更多自動輔助駕駛（，簡稱為ADAS）的考核。到2017年時，速度輔助系統(tǒng)（，簡稱為SAS）、自動緊急制動（，簡稱為AEB）、車道偏離預(yù)警/車道偏離輔助（，簡稱為，簡稱為LKD）的評分要求已經(jīng)設(shè)定為汽車整體裝機量達到100%。
2016年3月18日，美國高速公路安全管理局（NationalHighwayTrafficSafetyAdministration）和IIHS也宣布，占美國汽車市場份額99%以上的20家汽車制造商（通用、福特、菲亞特克萊斯勒、豐田、本田、日產(chǎn)、馬自達、三菱、富士重工業(yè)、現(xiàn)代、起亞、奧迪、寶馬、戴姆勒、大眾、保時捷、沃爾沃、瑪莎拉蒂、捷豹路虎、特斯拉）已同意在2022年9月1日讓自動緊急制動（AEB）成為技術(shù)標準，豐田表態(tài)2017年開始為在美銷售的所有新車都必須要標配AEB功能。
由于汽車作為交通工具所具有的特殊性，自動駕駛汽車或無人駕駛汽車的上路必然會導(dǎo)致交通事故發(fā)生時責(zé)任的難以界定，因此各國政府立法的支持和監(jiān)管機構(gòu)對于責(zé)任的界定同樣是一大障礙，但是這一障礙目前已經(jīng)隨著各國政府立法的支持和監(jiān)管政策的明細而逐步消失。
汽車智能化的技術(shù)已經(jīng)日趨成熟，在此基礎(chǔ)上監(jiān)管機構(gòu)的督促導(dǎo)致汽車整車廠家開始自發(fā)地往新開發(fā)車型中整合自動輔助駕駛模塊，點燃了汽車電子市場的蓬勃發(fā)展，盲點檢測（BDS）和車道偏離預(yù)警（LDW）等L0級功能已經(jīng)在國內(nèi)汽車市場開始慢慢普及，自動緊急制動（AEB）和自適應(yīng)巡航（ACC）等L1級功能開始萌芽；同樣值得注意的是，隨著各國政府對于無人駕駛汽車的立法和監(jiān)管法規(guī)逐漸清晰，無人駕駛汽車的上路測試和未來真正商用化也在逐步推進和落地。
2.駕駛者使用體驗的提升
無論是自動輔助駕駛還是無人駕駛，對于駕駛者的用戶體驗都將有著顯著的提升，這將是汽車智能化的另一個重要驅(qū)動因素。自動輔助駕駛對于減少違章駕駛，加強危險預(yù)警和避讓有著直接的幫助。盲點檢測功能（BSD）和車道偏離預(yù)警（LDW）功能可以有效如何降低車禍發(fā)生的概率，自動緊急制動（AEB）更是可以極大降低車禍發(fā)生時造成的人員傷亡。
無人駕駛汽車可以極大解放人類的雙手，讓人工智能完成對于駕駛功能的接管，可以極大提升人類時間的充分利用。從國外的統(tǒng)計數(shù)據(jù)來看，德國每名駕駛員一生處于交通堵塞狀態(tài)的時間達一年半之多，這不管對人還是經(jīng)濟發(fā)展來說都是巨大的時間浪費。如今越來越多的車輛已邁出了實現(xiàn)全面無人駕駛的第一階段，具備了部分自動化駕駛功能。目前已經(jīng)可以在真實的駕駛環(huán)境中體驗自動化駕駛的優(yōu)勢。假如在不久的將來，可以完全實現(xiàn)無人駕駛汽車，人類將被解放出來，可以擁有更多自由時間，也可以讓人類花費更少時間到達目的地，幫助人們在通勤上減少時間浪費。
汽車智能化對于駕駛者的用戶體驗也有著極大的提升，有研究顯示，中國的80后和90后對網(wǎng)絡(luò)的依賴度排全球第7位，消費者的特性和需求也決定了智能汽車發(fā)展的方向。中國消費者對于智能汽車的需求主要是四個方面：安全、便利、體驗和個性化。消費者對第四屏的交互體驗有更高的要求，比如手勢控制、語音控制，及抬頭顯示等，這些交互方式會使操作更流暢，提高駕駛體驗，隨著消費者對產(chǎn)品個性化的需求增加，車廠也開始為消費者提供了越來越多的選擇。
3.交通網(wǎng)絡(luò)運營效率的優(yōu)化
自動輔助駕駛和無人駕駛將降低車禍發(fā)生數(shù)量，減少人員傷亡，并且顯著優(yōu)化交通網(wǎng)絡(luò)的運行效率。
據(jù)世界衛(wèi)生組織統(tǒng)計，全球每年有124萬人死于交通事故，這一數(shù)字在2030年可能達到220萬人。僅在美國，每年大約有3.3萬人死于交通意外，自動輔助駕駛設(shè)備和無人駕駛汽車能大幅降低交通事故數(shù)量，為此可能挽救數(shù)百萬人生命。EnoCentreforTransportation研究顯示，如果美國公路上90%的汽車變成無人駕駛汽車，車禍數(shù)量將從600萬起降至130萬起，死亡人數(shù)從3.3萬人降至1.13萬人。在過去6年間，谷歌無人駕駛汽車已經(jīng)行駛300多萬公里，只遇到過16起交通意外，且從未引發(fā)過致命事件，并且谷歌宣稱造成車禍發(fā)生的原因均來自其他車輛。
美國國家公路交通安全管理局局長MarkRosekind指出，未來無人駕駛汽車將使交通事故死亡率減少一半，使人們的日常出行更為安全，另一方面還可以降低保險費用。
沃爾沃汽車集團高級技術(shù)主管埃里克·寇林格認為：“在改善交通安全方面，無人駕駛汽車擁有巨大潛力。這也是我們進軍無人駕駛汽車領(lǐng)域的重要原因之一�！币林Z交通中心預(yù)測，如果美國公路上90%的汽車實現(xiàn)自動化，每年發(fā)生的交通事故將從600萬起降至130萬起，死亡人數(shù)從3.3萬人降至1.13萬人。
據(jù)艾媒咨詢分析研究，88.%的網(wǎng)民認為車禍是由于司機開車時分心造成的，85.4%的網(wǎng)民認為疲勞駕駛導(dǎo)致車禍事故發(fā)生，此外酒后駕駛、天氣狀況也是造成事故的主要原因之一，因此自動輔助駕駛提供的不管是L0功能還是L1功能都將大大降低車禍發(fā)生的概率。
無人駕駛汽車不僅可幫助減少車禍，還能大幅降低交通擁堵情況，從而提升對于現(xiàn)有交通網(wǎng)絡(luò)的利用效率。據(jù)KPMG報告顯示，無人駕駛汽車可幫助高速公路容納汽車能力提高5倍。斯坦福大學(xué)計算機專家、谷歌無人駕駛汽車項目前專家塞巴森·特隆表示，一旦機器人汽車成為主流，當(dāng)前公路上只需要30%汽車。
4.共享經(jīng)濟的興起
自動輔助駕駛和無人駕駛的興起將大大降低共享經(jīng)濟運營商的運營成本。共享經(jīng)濟的本質(zhì)上是商品使用權(quán)和所有權(quán)的分離，并且通過新興的LBS（LocationBasedServices）技術(shù)實現(xiàn)了使用權(quán)在不同所有權(quán)占有者的匹配和撮合，從而在不增加新商品的條件下，對于現(xiàn)有商品使用權(quán)的優(yōu)化配置。
對于Uber、滴滴打車這一類共享經(jīng)濟出行服務(wù)提供商而言，采用無人駕駛可以降低上述巨頭整體的運營成本，并且由于無人駕駛汽車可以降低交通事故發(fā)生的概率，因此可以顯著減少車輛的維護費用和保險費用。
2016年8月18日，Uber宣布與沃爾沃合作，擬斥資3億美元，于2016年8月底推出自動駕駛出租車運營測試，在未來預(yù)計推出100輛沃爾沃XC90SUV型自動駕駛出租汽車，計劃于2021年推出自動駕駛汽車。根據(jù)雙方協(xié)議，Uber和沃爾沃將各出1.5億美元作為初步研發(fā)資金，共同開發(fā)無人車，其中Uber提供技術(shù)，沃爾沃提供駕駛車輛，該項自動駕駛計劃使用的車型是沃爾沃XC90SUV。
2016年，Uber收購了無人駕駛貨運公司OttoTrucking，OttoTrucking公司股票交易價值高達6.8億美元，Otto的股東不僅獲得了價值約6.8億美元的Uber股份，還能從Uber未來的貨運業(yè)務(wù)中獲得20%利潤的擔(dān)保，這也是Uber進行的有史以來最大規(guī)模的收購。
2015年，Uber開始了對卡內(nèi)基梅隆大學(xué)國家機器人工程中心專門的人才挖角計劃。Uber此前就傳言在2016年上半年虧損13億美元，成為了硅谷虧損最嚴重的公司之一，虧損的一部分原因是在中國市場的燒錢大戰(zhàn)，另一部分原因則是對人才和大量新項目的投資，無人駕駛便是燒錢的投資項目中燒的最快的一項。
2016年，Uber通過購買人工智能初創(chuàng)公司GeometricIntelligence來押注人工智能。因為GeometricIntelligence能給它帶來整個研究團隊，Uber能夠借此機會成立自己內(nèi)部的人工智能研究室。
汽車智能化原理初探
在汽車智能化演進路線中，類比人類對于汽車駕駛操作的完成，從功能層對硬件進行分類，傳感層是眼，處理層是腦，執(zhí)行層是手。
?傳感層包括車載攝像頭等視覺系傳感器和車載毫米波雷達、車載激光雷達和車載超聲波雷達等雷達系傳感器——我們認為，無論是漸進式創(chuàng)新路線還是破壞式創(chuàng)新路線，依賴單一傳感器均不可能實現(xiàn)完整功能，多傳感器融合是必然趨勢。
?處理層包括自動控制算法與傳統(tǒng)模式識別算法和人工神經(jīng)網(wǎng)絡(luò)兩種解決方案——我們認為漸進式創(chuàng)新路線中，處理層的主流算法是自動控制算法與傳統(tǒng)模式識別算法相結(jié)合使用，從算法層面來看，其本質(zhì)是過程驅(qū)動；從硬件層面來看，將會用到大量的微控制器處理單元（MicroControlUnit，簡稱為MCU）和數(shù)字信號處理器（DigitalSignalProcessor，簡稱為DSP）以及專用的圖像模式識別芯片等。在破壞式創(chuàng)新路線中，處理層的主流算法為路徑規(guī)劃算法、高精度地圖定位、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法等，從算法層面來看，其本質(zhì)是數(shù)據(jù)驅(qū)動；從硬件層面來看，未來將會誕生新一代的計算平臺，比如基于GPU和FPGA的新一代運算平臺等。
?執(zhí)行層根據(jù)前裝市場和后裝市場的不同，可以分為預(yù)警和報警類等被動安全執(zhí)行和主動安全執(zhí)行——我們判斷在汽車智能化演進的過程中，前裝市場和后裝市場在功能上最主要的差異來自于是否可以完成對于汽車控制功能的接管。后裝市場由于只與汽車CAN總線中獲取信息進行集成，因此只能讀取車輛信息，而不能控制汽車電子設(shè)備，在執(zhí)行層更多地是提供預(yù)警和報警類等被動安全執(zhí)行措施，無法在危機時接管汽車的駕駛操作；前裝市場由于可以接入汽車的CAN總線并且與汽車電子設(shè)備進行整體集成，在執(zhí)行層可以提供執(zhí)行類的主動安全，在危機時可以完成對于汽車駕駛的接管。我們認為無論是漸進式創(chuàng)新路線還是破壞式創(chuàng)新路線，要真正實現(xiàn)系統(tǒng)對于汽車駕駛操作的控制權(quán)接管，前裝市場幾乎是唯一的選擇。
1.傳感層——多傳感器融合是必然趨勢
傳感層包括車載攝像頭等視覺系傳感器和車載毫米波雷達、車載激光雷達與車載超聲波雷達等雷達系傳感器。
?車載攝像頭之類的視覺系傳感器具有可識別圖像、成本相對低廉的優(yōu)點，但是缺點為受光線和天氣干擾嚴重。
?車載毫米波雷達具有探測精度高、探測距離遠（最高可達250米到300米）、不受天氣干擾的優(yōu)點，但是缺點為無法呈現(xiàn)圖像和識別物品的具體形狀。
?車載超聲波雷達具有結(jié)構(gòu)簡單、成本低廉的優(yōu)點，但是缺點為工作頻率低，由于存在多普勒效應(yīng)，在汽車高速運行時精度不夠，因此主要應(yīng)用場景為汽車低速運行時的倒車雷達檢測。
?車載激光雷達具有精度高，可3D即時測繪環(huán)境的優(yōu)點，缺點為數(shù)據(jù)量太大，對于處理器的要求頗高，并且目前成本依然居高不下，但是依然是破壞式創(chuàng)新演進路線中最為重要的主傳感器。
我們認為，僅僅依靠單一的傳感器設(shè)備實現(xiàn)自動輔助駕駛和無人駕駛是不可能完成的任務(wù)，由于汽車的控制與駕駛安全直接相關(guān)，為了保證檢測和控制的準確性和精確度，多傳感器輸入的數(shù)據(jù)必須有所融合，甚至有所冗余才可在準確性和精確度上有所保證。
2.處理層——算法決定芯片，芯片支撐算法，兩者相輔相成
處理層包括自動控制算法與傳統(tǒng)模式識別算法和人工神經(jīng)網(wǎng)絡(luò)兩種解決方案，我們認為上述兩種解決方案分別對應(yīng)著漸進式創(chuàng)新和破壞式創(chuàng)新兩條路線。
在漸進式創(chuàng)新路線中，處理層的主流算法是自動控制算法與傳統(tǒng)模式識別算法相結(jié)合使用，從算法層面來看，為過程驅(qū)動；從硬件層面來看，將會用到大量的微控制器處理單元（MicroControlUnit，簡稱為MCU）和數(shù)字信號處理器（DigitalSignalProcessor，簡稱為DSP）以及專用的圖像模式識別芯片等。
以汽車電子控制芯片領(lǐng)域巨頭英飛凌為例，英飛凌的車載毫米波雷達處理器根據(jù)毫米波雷達傳感回來的數(shù)據(jù)，在經(jīng)過變頻、解調(diào)之后，依據(jù)傳統(tǒng)的模式識別分類算法，在車輛即將發(fā)生碰撞時，輸出對于汽車的控制信號，完成必要的剎車和制動操作。
在破壞式創(chuàng)新路線中，處理層的主流算法為路徑規(guī)劃算法、高精度地圖定位、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法，從算法層面來看，為數(shù)據(jù)驅(qū)動；從硬件層面來看，將會誕生新一代的計算平臺，比如基于GPU和FPGA的新一代運算平臺等。
以英偉達最新一代的無人駕駛汽車計算平臺為例，英偉達最新一代的計算平臺主要是基于卷積神經(jīng)網(wǎng)絡(luò)的算法，測試算法的直接輸入數(shù)據(jù)為像素級的車載攝像頭錄像的路況信息，輸出數(shù)據(jù)為方向盤的控制信號，英偉達首先在云端通過大規(guī)模的數(shù)據(jù)訓(xùn)練得到了訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)，之后將上述卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)部署到了無人駕駛汽車的計算平臺中，根據(jù)英偉達的實驗結(jié)果，用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)完成無人駕駛汽車的操作，結(jié)果好的出奇。
3.執(zhí)行層——前裝市場和后裝市場的本質(zhì)區(qū)別
執(zhí)行層根據(jù)前裝市場和后裝市場的不同，可以分為預(yù)警和報警類等被動安全執(zhí)行和主動安全執(zhí)行，我們認為前裝市場和后裝市場對于能否接管汽車駕駛的操作存在本質(zhì)的不同——前裝市場和后裝市場在執(zhí)行層中最主要的差異來自于是否可以完成對于汽車控制功能的接管。
?后裝市場由于只與汽車CAN總線進行集成，因此只能讀取車輛信息，而不能控制汽車電子設(shè)備，在執(zhí)行層更多地是提供預(yù)警和報警類等被動安全執(zhí)行措施，即無法在危機時接管汽車的駕駛操作。
?前裝市場由于可以接入汽車的CAN總線并且與汽車電子設(shè)備進行整體集成，在執(zhí)行層可以提供執(zhí)行類的主動安全操作，即在危機時可以完成對于汽車駕駛的接管。
我們認為無論是漸進式創(chuàng)新路線還是破壞式創(chuàng)新路線，要真正實現(xiàn)系統(tǒng)對于汽車駕駛操作的控制權(quán)接管，前裝市場幾乎是唯一的選擇。
來源：廣東省創(chuàng)新孵化期運營研究院 |
本帖子中包含更多資源
您需要 登錄 才可以下載或查看，沒有帳號？立即注冊
x
|
