首頁熱門文章
一文看懂智能交通中的自動駕駛產業
發布時間：2017-05-31 分類：趨勢研究
自2016年起，一切圍繞“自動駕駛”的概念和故事開始比以往更頻繁地進入公眾視野：從Uber與沃爾沃共同打造無人汽車，到Alphabet將Waymo從Google X中拆分；從特斯拉Autopilot 1.0的意外事故，到新加坡nuTonomy的無人駕駛出租車在本土上路；從高通收購恩智浦，到英特爾收購Mobileye；從ADAS到車聯網；從激光雷達到高精度地圖。
截至2017年第一季度，全球前14大技術公司里，已經有12家宣布開發自動駕駛相關的技術；在汽車領域，全球前14家的整車廠之中，已有13家宣布要進軍自動駕駛領域。自動駕駛的時代，已經來臨。
業內領先的技術公司以及諸多在近兩年成長起來的初創企業，都對自動駕駛投入了巨大的人力、物力和財力，積極地推動自動駕駛技術革新的浪潮。在這一交叉屬性明顯的領域，需要整車廠(OEMs)和零部件以及技術提供商進行合作，通過研發技術、升級產品，乃至并購等方式，保持在業內的競爭力。除此以外，自動駕駛的車輛共享和租賃服務因具備更佳的用戶體驗，其優勢和價值已經開始顯現。
從三個角度理解“自動駕駛”
關于如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，近年來相關概念的引用和使用產生了一些混亂，“自動駕駛”、“無人駕駛”、“自我駕駛”、“自動化汽車”等詞均在不同場合被提及。那么，到底該如何定義“自動駕駛”？
1)從技術元素的角度
自動駕駛描述的是一個目前人類想象力所能達到的理想駕駛狀態，是一個結果。在實現的途中，需要融合和運用多種技術，主要涉及到人工智能算法技術、云技術以及機器人技術。其中任意兩種技術的結合，都是廣義自動駕駛概念的外延，或者是實現自動駕駛的底層基礎。
2)從原理的角度
所有的控制系統都是由傳感器、控制器、執行器組成的，即對應感知信息、決策、執行三個功能模塊。人類駕駛即是如此，自動駕駛亦是如此。
3)從行業標準的角度
關于如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，相關概念的引用和使用產生了一些混亂，為了解決這個問題，行業的做法是分級。目前行業內普遍采用的分級標準是美國汽車工程師學會(SAE，即Society of Automotive Engineers)J3016國際標準。
該標準來自2016年9月19日美國交通部與國家公路交通安全管理局(NHTSA)聯合推出的《美國自動駕駛汽車政策指南》。該指南的推出，意味著此前頗為權威的NHTSA五級分級標準未成為聯邦標準。兩個標準的區別主要是，在“有條件自動化”與“完全自動化”之間SAE多分了一級為“高度自動化”。
從1925年世界上第一輛“無人駕駛汽車”的誕生到2015年前后，自動駕駛行業在幾個關鍵事件的驅動下，經歷了階進式的發展。
按照國際上眾多車企的時間表，2016年至2018年是自動駕駛汽車走向市場化的時間段，因此2016年也被業界看作“自動駕駛元年”。回顧這一年，整車廠和技術服務提供商開始深入合作，產業鏈日臻完善。
產業鏈中的玩家，可大致劃分為整車廠(OEMs)、零部件/技術提供商，以及運營和服務提供商。
科技界與整車廠的合作目前主要有兩種模式：一是傳統的供應商模式，即科技企業進入整車廠的供應鏈，向其供貨；二是更加平等的合作關系，雙方各取所長。通過合作關系圖我們發現：在海外，美國和德國的傳統車企在與科技公司的合作展開得更早也更廣泛；在國內，一方面，百度通過提供完整的軟硬件和服務解決方案，已經走在了國內科技公司與整車廠合作的前面，另一方面，攜手芯片廠商和高精度地圖廠商，是國內的整車廠目前最迫切的合作切入點。
ADAS不是真正的自動駕駛，但它是實現“自動駕駛”的基礎
- ADAS 是 Advanced Driver Assistance System 的縮寫，即“高級駕駛輔助系統”。
- ADAS 不是一項配置，而是幾項配置協調作用的系統，利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。
- ADAS 硬件的核心是傳感器(攝像頭、雷達等)和處理器，軟件核心是算法。
- ADAS 主要起到的是駕駛輔助的功能，目前主要實現在 SAE 標準的 L0-L3 階段，所以不是真正的“自動駕駛”，但它卻是實現“自動駕駛”的基礎。ADAS 系統除具有預警功能外，還可以在緊急情況下干預駕駛員操作，避免碰撞等交通事故的發生。
展望自動駕駛的未來，Comet Labs 認為
一、降低激光雷達的成本對自動駕駛固然意義重大，但降低成本的問題可能不是真正的難點
激光雷達在過去幾年因缺乏民用應用場景，沒有人過度關注成本問題，但在自動駕駛應用民用化的推動下，已經產生了至少兩種降低成本的方法：一是采用低線數雷達配合其他傳感器，即傳感器的融合；二是用固態激光雷達來替代因機械旋轉部件昂貴而導致高成本的傳統激光雷達。因此，在產業鏈各方有足夠的重視和投入的情況下，激光雷達成本問題的技術進步，可能會在比人們所預期的更短的時間內實現。
二、多傳感器融合的過程會異常艱難
為滿足ADAS應用的高性能需求，多傳感器的融合已經成為業內共識的趨勢。目前傳感器融合的方案已呈現出趨同的趨勢，未來競爭的核心也主要集中在算法的研究上，但傳感器融合的過程必將會異常艱難：其一，需要大量投入人力和財力完成融合的系統架構；其二，以計算機視覺為主的系統只能做到L3，而在L4面對更復雜的情況時必然會產生更加龐大難以處理的數據量；其三，傳感器融合之后會產生融合算法的問題，在捕捉到巨大數據量的情況下要面臨決策和取舍。訓練深度神經網絡的人工智能算法，讓機器自己去學習和建模，仍然是最佳的方案。
三、核心基礎設施的升級需盡快實施
隨著自動駕駛技術逐漸被主流汽車廠商采用，核心基礎設施的升級需要被提上日程并盡快實施。基礎設施升級涉及到很多方面——從噴繪新的、更清晰的車道分隔線，到整合新的傳感器和通訊模塊。自動駕駛汽車需要能獲取足夠多關于所處環境的信息，以便進行預判、制定決策以及作出反應。當前的基礎設施為人類駕駛員提供信息的方式并不一定適合自動駕駛汽車。針對人類駕駛員，我們使用不同的顏色、標志、信號燈、障礙物和車燈閃爍方式提供信息；而對自動駕駛汽車來說，這些信息輸入將與環境結合，進而提供與道路狀況相關的更多信息——傳感器能監控車流信息，而汽車之間也能進行通信。
四、智能交通生態中出現突破性的事件對自動駕駛的實現至關重要
全球各國各地的交通環境會受到包括自然環境，政府的城市規劃、政策，以及道德、民族文化等多方面因素的影響。如何讓自動駕駛系統與交通環境適配，會成為一個長久的課題。智慧城市、節能汽車、電動汽車、車聯網等智能交通生態中的任何一個環節的突破性進展，乃至政府政策的引導(比如雄安新區的智慧城市、智慧交通的定位)，都會大幅推進自動駕駛實現的進程。
截至2017年第一季度，全球前14大技術公司里，已經有12家宣布開發自動駕駛相關的技術；在汽車領域，全球前14家的整車廠之中，已有13家宣布要進軍自動駕駛領域。自動駕駛的時代，已經來臨。
業內領先的技術公司以及諸多在近兩年成長起來的初創企業，都對自動駕駛投入了巨大的人力、物力和財力，積極地推動自動駕駛技術革新的浪潮。在這一交叉屬性明顯的領域，需要整車廠(OEMs)和零部件以及技術提供商進行合作，通過研發技術、升級產品，乃至并購等方式，保持在業內的競爭力。除此以外，自動駕駛的車輛共享和租賃服務因具備更佳的用戶體驗，其優勢和價值已經開始顯現。
從三個角度理解“自動駕駛”
關于如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，近年來相關概念的引用和使用產生了一些混亂，“自動駕駛”、“無人駕駛”、“自我駕駛”、“自動化汽車”等詞均在不同場合被提及。那么，到底該如何定義“自動駕駛”？
1)從技術元素的角度
自動駕駛描述的是一個目前人類想象力所能達到的理想駕駛狀態，是一個結果。在實現的途中，需要融合和運用多種技術，主要涉及到人工智能算法技術、云技術以及機器人技術。其中任意兩種技術的結合，都是廣義自動駕駛概念的外延，或者是實現自動駕駛的底層基礎。
所有的控制系統都是由傳感器、控制器、執行器組成的，即對應感知信息、決策、執行三個功能模塊。人類駕駛即是如此，自動駕駛亦是如此。
3)從行業標準的角度
關于如何界定“自動駕駛”的概念，一直是汽車行業的熱議話題。隨著行業熱度的提升，相關概念的引用和使用產生了一些混亂，為了解決這個問題，行業的做法是分級。目前行業內普遍采用的分級標準是美國汽車工程師學會(SAE，即Society of Automotive Engineers)J3016國際標準。
該標準來自2016年9月19日美國交通部與國家公路交通安全管理局(NHTSA)聯合推出的《美國自動駕駛汽車政策指南》。該指南的推出，意味著此前頗為權威的NHTSA五級分級標準未成為聯邦標準。兩個標準的區別主要是，在“有條件自動化”與“完全自動化”之間SAE多分了一級為“高度自動化”。
自動駕駛的行業發展歷程
從1925年世界上第一輛“無人駕駛汽車”的誕生到2015年前后，自動駕駛行業在幾個關鍵事件的驅動下，經歷了階進式的發展。
自動駕駛的產業鏈
產業鏈中的玩家，可大致劃分為整車廠(OEMs)、零部件/技術提供商，以及運營和服務提供商。
整車廠和技術供應商的合作關系
ADAS不是真正的自動駕駛，但它是實現“自動駕駛”的基礎
- ADAS 是 Advanced Driver Assistance System 的縮寫，即“高級駕駛輔助系統”。
- ADAS 不是一項配置，而是幾項配置協調作用的系統，利用安裝在車上的各式各樣傳感器，在汽車行駛過程中隨時來感應周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。
- ADAS 硬件的核心是傳感器(攝像頭、雷達等)和處理器，軟件核心是算法。
- ADAS 主要起到的是駕駛輔助的功能，目前主要實現在 SAE 標準的 L0-L3 階段，所以不是真正的“自動駕駛”，但它卻是實現“自動駕駛”的基礎。ADAS 系統除具有預警功能外，還可以在緊急情況下干預駕駛員操作，避免碰撞等交通事故的發生。
展望自動駕駛的未來，Comet Labs 認為
一、降低激光雷達的成本對自動駕駛固然意義重大，但降低成本的問題可能不是真正的難點
激光雷達在過去幾年因缺乏民用應用場景，沒有人過度關注成本問題，但在自動駕駛應用民用化的推動下，已經產生了至少兩種降低成本的方法：一是采用低線數雷達配合其他傳感器，即傳感器的融合；二是用固態激光雷達來替代因機械旋轉部件昂貴而導致高成本的傳統激光雷達。因此，在產業鏈各方有足夠的重視和投入的情況下，激光雷達成本問題的技術進步，可能會在比人們所預期的更短的時間內實現。
二、多傳感器融合的過程會異常艱難
為滿足ADAS應用的高性能需求，多傳感器的融合已經成為業內共識的趨勢。目前傳感器融合的方案已呈現出趨同的趨勢，未來競爭的核心也主要集中在算法的研究上，但傳感器融合的過程必將會異常艱難：其一，需要大量投入人力和財力完成融合的系統架構；其二，以計算機視覺為主的系統只能做到L3，而在L4面對更復雜的情況時必然會產生更加龐大難以處理的數據量；其三，傳感器融合之后會產生融合算法的問題，在捕捉到巨大數據量的情況下要面臨決策和取舍。訓練深度神經網絡的人工智能算法，讓機器自己去學習和建模，仍然是最佳的方案。
三、核心基礎設施的升級需盡快實施
隨著自動駕駛技術逐漸被主流汽車廠商采用，核心基礎設施的升級需要被提上日程并盡快實施。基礎設施升級涉及到很多方面——從噴繪新的、更清晰的車道分隔線，到整合新的傳感器和通訊模塊。自動駕駛汽車需要能獲取足夠多關于所處環境的信息，以便進行預判、制定決策以及作出反應。當前的基礎設施為人類駕駛員提供信息的方式并不一定適合自動駕駛汽車。針對人類駕駛員，我們使用不同的顏色、標志、信號燈、障礙物和車燈閃爍方式提供信息；而對自動駕駛汽車來說，這些信息輸入將與環境結合，進而提供與道路狀況相關的更多信息——傳感器能監控車流信息，而汽車之間也能進行通信。
四、智能交通生態中出現突破性的事件對自動駕駛的實現至關重要
全球各國各地的交通環境會受到包括自然環境，政府的城市規劃、政策，以及道德、民族文化等多方面因素的影響。如何讓自動駕駛系統與交通環境適配，會成為一個長久的課題。智慧城市、節能汽車、電動汽車、車聯網等智能交通生態中的任何一個環節的突破性進展，乃至政府政策的引導(比如雄安新區的智慧城市、智慧交通的定位)，都會大幅推進自動駕駛實現的進程。
上一篇：
未來物聯網行業主要市場一定在中國
下一篇：
共享汽車：尚未大規模發展 問題已不容忽視
