汽车行业前瞻研究:ADAS驾驶辅助、车联网及无人驾驶的进阶之路

  • 来源:国信证券
  • 发布时间:2019/06/16
  • 浏览次数:2252
  • 举报

汽车智能化的终极目标是无人驾驶,而实现无人驾驶是一个渐进式的发展过程,在这个过程中,车内硬件智能(ADAS)和车际互联通信(V2X)两条腿走路,比较而言,ADAS 技术只需要在车体本身做传感器加装和算法改进,相较于具 备强外部性的 V2X技术更易推进,是智能汽车的早期技术,目前国内国外在跑 的中高端车型上基本加装了部分 ADAS 功能,几乎能协助车辆达成L3级别以 下的自动驾驶。要实现更高级别的自动驾驶乃至无人驾驶,其制衡点更多在于 车际互联(V2X)技术,这项技术简单化理解就是以联网通信的模式强化感知, 相当在车辆上加装了更为灵敏的“眼睛”,实现真正的车路协同。但是V2X技 术具备强外部性,要求对整体道路基建做整改,对通信协议做规范,同时对高 速移动通信的质量提出更高的要求,V2X 这项技术在国内极高概率是以智能互 联示范区的模式推进。我们认为,要充分发挥 V2X 下车路协同的优势,传输信 息和信号,需要非常大的流量和带宽以及很短的延时,差之毫厘失之千里,5G 技术即成为车联网 V2X 中的关键制衡。随着 5G 通信技术的发展以及我国在全 球通信产业的地位提升,未来汽车智能驾驶不仅限于硬件端(ADAS),还将向 通信端发力,这期间搭建通讯收发设备,覆盖 5G 应用网络的智能互联示范区 将获得迅速发展。

一、写在前面的

要理解目前的智能驾驶,离不开以下一个公式:

出行需求=总量*里程 左边,出行需求=人数*人均出行里程。 右边第一项,总量=公共交通工具+私人交通工具。 右边第二项,里程=时间*速度。

需求方面,随着国内城市化和现代商业化的发展,一方面提高了城市人口,一 方面城市半径不断提升(主要城市半径>25km),居民的生活工作出行距离增加, 等式左边的出行需求是快速增加的。

出行需求的增加必将要求总量和使用效率的提升。公共交通工具方面,公交和 地铁等领域存在短板,2017年中国地铁运行线路总长度为3881.77公里,与美 国仍有较大差距(重铁+轻铁,5799 公里)。同时主要城市每万人拥有的公共出 租汽车数量呈下降趋势。私人交通工具方面,截至9月底,全国机动车保有量 达 3.22亿辆,其中汽车保有量达2.35亿辆,千人保有量达 169 辆,受限于道 路和停车场等土地要素的短缺,城市保有量增长存在瓶颈。

国内居民的出行需求和供给方存在着缺口,这种缺口部分程度削弱了居民的出 行品质,造成拥堵的路上交通和地铁。如何提高现有资源的使用效率是解决出 行矛盾的关键。智能驾驶和共享出行就是谋求提升资源使用率的供给端革命(我 们在 18 年 12 月发布了共享出行行业专题-《共享汽车,非成熟条件下的模式探 讨》),本期报告旨在探讨智能驾驶行业的发展路径,从短期、中期和长期三个 维度理解智能驾驶的实现模式。智能驾驶的终极目标就是无人驾驶,在无人驾 驶的模式下,一方面劳动力成本节约,另一方面车联万物的模式下交通阻塞程 度将大幅度降低,城市道路汽车运载量有望增加,出行效率有望大幅提升。

二、当前是无人驾驶的关键时点

随着汽车智能化、电子化的推进,无人驾驶已经是未来汽车发展的必然趋势。 在没有人为干预的情况下,自动驾驶汽车可以通过传感器感知周围环境、规划 行车路线并控制汽车安全抵达目的地,优点包括:1)降低人为操作失误所造成 的交通事故及其导致的伤亡、成本;2)为社会弱势人群(老人、残疾人)提供 安全、经济的出行方式;3)降低劳动成本,把节约时间用于工作或休息。4) 减少交通阻塞,增加城市道路汽车运行量,提高出行效率。

政策逐年深化,2020年是关键节点。2016 年被认为是无人驾驶的投资元年, 2017 年以来政府相关政策法规出台速度明显加快。根据我们的统计,2017 年 发布的相关文件主要从相对宏观(汽车、人工智能)和相对微观(信息安全、V2X)的层面提出规划和制定标准,而 2018 年 1 月国家发改委印发《智能汽车 创新发展战略》是站在智能汽车的宏观层面对产业内的细分领域提出规划,规 划更专,规格更高;2018 年底工信部发布《车联网(智能网联汽车)产业发展 行动计划》,强调通信和计算融合的智能汽车产业体系,在车联网层面上做出了 中长期规划。我们认为,国内无人驾驶产业即将到达首个政策节点——2020 年: 1)智能汽车创新发展战略中要求到2020年智能汽车新车占比达到50%,中 高级别智能汽车实现市场化应用;2)《车联网(智能网联汽车)产业发展行动 计划》中要求车联网用户渗透率达到 30%以上。

5G 商用临近,或为无人驾驶进展重要推手。车联网涉及到人和车,车和车,车 和路之间的通讯,我国5G规模化商用在即,低延时、高密度、高可靠的通信 网络为车联网打开突破口。2019年 1 月,工信部部长苗圩透露,今年会给一些 地区发放 5G 临时牌照。此前,三大运营商也表示,5G 在 2019 年进入预商用 阶段,2020 年开始规模商用,时点临近。2019 年 3 月,博鳌亚洲论坛 2019 年年会上苗圩透露,他已经与交通运输部部长达成了重要的共识,就是在中国 的公路上要加快推动数字化、智能化的改造。把道路的一些标识、道路的红绿灯以及道路的管理规则,都通过智能化的改造固化下来。

智能汽车主要是消费者驱动,渐进式发展。和新能源汽车有所不同的是,智能 汽车更多的是在消费者主动选择下的发展,由于不同消费者的车辆价位和性能 接受度差异,智能汽车上的辅助驾驶功能各异,目前主流的方法是根据智能汽 车上可实现功能的差异对车辆进行智能化的分级定义,通常分为 4 级或者 5 级。 其中 L0-L5 是美国 SAE 的智能汽车阶段定义,L0-L4 是美国 NHTSA 的智能汽 车阶段定义,DA-FA 是中国制造 2025 的智能汽车阶段定义。

根据 2016 年美国汽车工程师学会(SAE)的分类,无人驾驶自动化的程度可 以分为六个阶段,从 L1 到 L5 进步的顺序依次体现在操作执行、环境监控、动 态监视任务和行驶情景。

车企也基本遵循 L0-L5级别的渐进研发节奏。可以看到的是,近年来传统车企和 造车“新势力”们纷纷实现了高度自动驾驶级别车型的量产。1)主流外资传统车企 方面,奥迪目前已经推出 L4 级别概念车 Elaine,L5 级别概念车 Aicon,L3 级别的 奥迪 A8 已量产;奔驰目前已经推出L5级别概念车 Smart Vision EQ fortwo,L3 级别的奔驰 S 级已量产;宝马目前已经推出L5级别概念车 iNEXT,L3 级别的宝 马 5 系已量产;通用相对而言智能汽车研发进度稍逊一筹,目前L3级别的 CT6 已经量产。国际主流车企在 L5 级别车型方面的量产时间点相对一致,2021 年是 L5 级别车型的量产关键时点。2)新兴造车势力方面,传统车企在不断积累智能网 联汽车技术的同时, 以新能源车为主攻方向的新兴造车势力正在以惊人的速度崛 起,截至 2017 年年底我国新创车企数量达 314 家之多,而在通过人才、资本等关 卡后,2018 年能看到有实质性进展的新势力为数不多。凭借蜂拥而至的互联网资金,对新技术和新供应商更加开阔的态度,造车新势力正式进入了短兵相接的局面, 致力于从极致视觉传达、先进互联网科技、前沿智能驾驶技术等领域全方位装备新 车型,蔚来、威马、小鹏等汽车公司量产车型陆续亮相和上市。

全球相关企业在无人驾驶领域有两种布局方式:传统车企主张循序渐进,从辅 助驾驶升级到自动驾驶,以ABB为代表,已经具备 L3 级别能力,并开始研发 L4 级别。另一方面,IT 企业主张在技术上直接达到无人驾驶的程度,以谷歌和 百度为代表。我们认为,产生这样的差异的原因在于传统车企具有较大的固定 资产投入,并且需要持续的汽车销量获取利润维持公司的运营和研发投入,因 此逐渐过渡有助于吸引消费者购买新车型和新功能,增加企业收入。而互联网 企业属于轻资产,对无人驾驶的规划以提供出行服务而非销售汽车为主,因而 可以将资源更多的投入技术开发。

智能汽车(ADAS)和车联网(V2X)分别是实现无人驾驶的内部和外部要求

智能汽车指配备高级驾驶辅助系统(advanced driver-assistance systems, ADAS),通过感知周围环境、分析车辆所处环境从而根据环境变化做出相应反 应。智能汽车可以被看作是实现无人驾驶汽车的过渡,也是传统车企主要的研 发方向。由于智能汽车行驶在一个包括车辆、行人、设施等因素的复杂环境中, 因此要做到完全自动驾驶就需要建立汽车与行驶环境中其他因素的信息交换, 即 V2X(Vehicle to Everything)。在内、外部要求都被满足的前提下,自动驾 驶才有可能实现。

三、ADAS——车内智能的开端

DAS 的原理、构成和分类

ADAS 工作原理模仿人体的生理机制,主要分为感应、分析和执行三个方面。汽车的各类传感器(五官)收集关于周围环境不同种类的数据,如图像、距离 等,进行标志、行人的辨识、侦测与追踪,并将信息传输到中央处理芯片(大 脑),再结合导航仪地图数据,利用相关算法进行计算(思考),根据计算结果 做出反馈,通过汽车部件(肢体)执行,完成汽车的驱动、制动或转向等功能。

ADAS 主要由三大系统构成:负责环境识别的环境感知系统,负责计算分析的 中央决策系统,负责执行控制的底层控制系统。其中,负责感应的传感器主要 包括摄像头、毫米波雷达、超声波雷达、夜视仪等;负责分析的主要是芯片和 算法,算法是由 ADAS向无人驾驶进步的突破口,核心是基于视觉的计算机图 形识别技术;执行主要是由制动、转向等功能的硬件负责。

按照系统功能可以将 ADAS分为主动安全系统和被动安全系统,被动安全系统 又可以分为监测系统和预警系统。在 SAE 的阶段划分中,L0 发挥作用的主要 为被动安全系统,它可以辅助或提前警告驾驶员完成操作任务,如夜视辅助(Night Vision)和车道偏离预警(Lane Departure Warning),但是无法取代 驾驶员进行操作;从 L1 开始,主动安全系统介入并直接作用于制动或转向系统, 分担驾驶员的工作,如自动紧急制动(Automatic Emergency Braking)和自适 应巡航(Adaptive Cruise Control)。在 L2 主动安全系统和被动安全系统相互协 作,一起参与控制,驾驶员的工作变为监控周围环境。

渗透率:监测>预警>主动。根据 Yole Developpement 的报告,主动安全系统技术 门槛高,普及时间更长,需要配备传感器数量较多,目前普及率仍处于较低水平; 预警系统的普及率目前正在爬坡期,到 2020 年会达到一个稳定的水平;监测系统 已经充分进入市场,成为汽车必备功能之一。

全球范围内 ADAS渗透率仍偏低,中国市场空间巨大。根据高盛全球投资研究 部门研究,全球 ADAS 渗透率普遍不高,欧美日渗透率只有 8%-12%,根据盖 世汽车研究院测算,我国 ADAS 的渗透率在 2%-5%区间,细分搭载率来看,应 用范围最广的是盲区监测系统、AEB 和其他预警系统(疲劳预警、前车防撞预 警)。从行业成长周期判断,我国 ADAS 产业尚处于由幼稚期向成长期过渡的 阶段,未来发展空间巨大。

市场空间:全球市场规模众说纷纭,测算国内千亿前装规模

全球 ADAS 市场规模众说纷纭,普遍认为 2020 年将超 300 亿美元。德勤预测 2020 年全球 ADAS 市场规模将达到 400 亿美元;智研咨询认为其市场规模将超300亿 美元,2014-2020 年复合增长率将达到 32%;iSuppli 则认为 2016 年世界 ADAS 市场规模在 70 亿美元左右,到 2020 年将达到 300 亿美元;由Strategy Analytics 估计口径,2015 年 ADAS 全球销售额为 87 亿美元,2020 年预计达到 176 亿美元。

2020年中国前装 ADAS 市场规模将超千亿。由于中国汽车零部件后装市场较不成 熟,缺少可靠数据且不确定性较大,所以我们选择估算国内前装 ADAS 市场规模。 估算中国 ADAS 市场规模最重要的两个因素在于渗透率和产品价格。

渗透率假设:首先,我们选取中投顾问对 2015 年国内 ADAS 渗透率计算的数据作 为基础值。其中作为监测和预警功能的ADAS产品渗透率相对靠前,国内渗透率 前三的 ADAS产品分别为盲区监测(BSD)、疲劳预警(DMS)和自动紧急制动(AEB)。

然后,我们认为国外 ADAS 产品发展领先于中国市场,国内 ADAS 产品的增长路径可以参考有代表性的外国 ADAS 厂商(如Mobileye)的历史增长率进行估计。根据 ADAS 的分类,我们认为主动安全系统相比于预警系统技术要求更高,普及 时间较长,因此将 ADAS产品渗透率增长分为两档。

产品价格假设:我们认为,随着未来 ADAS 产品渗透率增加,产品产量随之升高, 规模效应凸显,会带来成本和价格的走低。因此,我们仍将ADAS产品分为预警 系统和主动安全系统。根据渗透率和发展阶段的不同(预警系统更快普及),预警 系统产品价格给予 10-15%的年降假设,主动安全系统产品价格给予 5%的年降假 设。

汽车产量假设:2015 年中国汽车产量 2450 万辆,同比增长 3.3%;2016 年达到 2812 万辆,同比增长 14.8%;2017/2018 年中国汽车产量增速分别为 3.2%/4.2%。 我们假设 2019/2020/2021年中国汽车产量年增速分别0%/3%/3%,2021 年汽车 产量预计 2950 万辆。

市场规模:除了以上三个假设外,我们仅考虑已经投入市场的 ADAS 产品,不考 虑未来新产品的研发和使用。进而,我们按照“某产品市场规模=产品单价*产品渗 透率*汽车产量”模型对中国 ADAS 市场规模进行估算。根据我们的测算,2020 年 中国 ADAS 市场空间将超 1000 亿元。

渗透率增速是决定市场规模关键因素。在此基础上,若将所有 ADAS 产品渗透率 增速下调 10%,则 2020 年市场规模降至 734 亿元;若将所有ADAS产品渗透率增速上调 10%,则 2020 年市场规模将达 1455 亿元。由于预计未来几年我国新车 产量不会出现大幅增长,因此ADAS前装市场渗透率将成为关键因素,渗透率的 提高带动产量,使生产企业达到规模经济,降低产品成本,而产品价格的降低反过 来又会推动渗透率的提升。

产业链公司发展现状及推荐标的

产业链公司一览:ADAS 工作原理顺序为感应、分析和执行,因此ADAS产业 链依次包括上游——传感器零部件和芯片算法,中游——传感器集成控制和执 行系统,下游——一级供应商和整车制造商,后市场包括电商平台、4S 店和旗 舰店等。传感器市场按照不同产品分类由不同公司所占据,摄像头生产商包括 德尔福(Delphi)、松下和法雷奥等,毫米波雷达生产商包括博世、大陆和华域 汽车等,激光雷达生产商包括 Velodyne、Quanegy 和 IBEO 等;芯片市场由英 特尔、英伟达和高通三大巨头垄断;算法方面,国际市场 Mobileye 一家独大, 国内出现众多初创公司,如 minieye、中科慧眼等;执行系统仍由传统汽车零部 件生产商占据,包括博世、大陆、德尔福等。

四、车联网——通向无人驾驶高级阶段的核心技术

广义车联网包含车内、车际和车云网

车联网有广义和狭义之分,狭义车联网单指“Telematics”(车载移动互联网,又称 车云网)。我们这里定义车联网为广义车联网,即车内、车际、车云三网融合。广 义的车联网是最终实现无人驾驶的重要一环,一方面,车际网联合产业链前端的ADAS实现车路协同;另一方面,车云网将数据上传至云平台进行清洗分析,开辟 产业链后端广阔的汽车后服务市场。

1)车内网:是指通过应用CAN总线技术建立一个标准化的整车网络。

2)车际网(V2X):是指基于 DSRC 技术和 IEEE 802.11 系列无线局域网协议的动态网络。这是促进车际互联的最核心技术。

3)车云网(Telematics):又称车载移动互联网,是指车载终端通过 3G/4G 等通 信技术与互联网进行无线连接。

车内网与车云网产业化应用成熟,车际网尚处培育阶段。车内网和车云网分别对应 的 CAN 总线与 OBD 盒子等产品在国内均有较为成熟的应用和市场规模。而以V2X芯片为核心产品的车际网,是推动车路协同,促进车际互联的关键,由于其技术壁 垒最高,发展步伐最为缓慢。世界范围内的 V2X 产品均处开发阶段,未形成大规 模生产,批量生产后可配套装载于智能汽车和道路信号灯、加油站等基础设施,市 场前景广阔。

车际网是车联网之魂,其核心在于V2X技术

车际网是车联网之魂,其 V2X 技术是通向无人驾驶高级阶段的核心技术。我们认 为,无人驾驶依照“ADAS 装配实现车内智能——LTE-V/DSRC技术实现车际互联 ——车际互联的发展进一步推动车内智能设备的研发——车内智能对车际互联要 求的上升”的发展路径,呈现螺旋上升趋势。目前我国智能驾驶发展还是以车内智 能为主,车际互联发展较为缓慢,但随着 V2X 技术的完善,车路协同检测日渐成 熟,车际互联在未来几年出现较快增长。

V2X 技术是车内智能和车际互联的转换器,是智能互联示范区最核心技术所在。我们认为 V2X 受益于智能互联示范区内基础设施建设和车内芯片装配,产业链地 位将大幅提升。

V2X实现的两种方式:V2X的实现主要有DSRC和LTE-V两种方式。其中DSRC 是美国的 V2V 通信标准,中国目前主导的通信技术是 LTE-V。

V2X技术的主要特点是:(1)网络拓扑不稳定;(2)外部环境干扰严重;(3)行 车轨迹可预测;(4)以小数据包为主。由此发展出了两种研究方向,即专用短程通 讯(DSRC)技术和基于蜂窝移网的(LTE-V2X)技术。

DSRC:基于恩智浦半导体和思科公司共同推进的车际通信技术IEEE 802.11p (WiFi 技术标准 IEEE 802.11 针对汽车环境的延伸)。实现在特定小区域内对高速 运动下的移动目标的识别和双向通信,目前广泛应用的电子停车收费系统 ETC 就 是基于 DSRC 实现的。DSRC 在 2014 年 2 月被美国交通部确认为 V2V 标准。

LTE-V:国内大唐电信和华为主导的 LTE-V 标准,LTE-V 是基于 LTE(4G)无线 传输技术的车联网专用通信网。

V2X主要产品:具备 AP、LTE 和 Connectivity 等连接芯片的 V2X 模组。车辆 上的模组装配可以实现 V2V(车辆和车辆之间的通信连接),要实现 V2I(车辆 与基建之间的通信连接),需要在加油站、信号灯等基础设施上也装配模组。

V2X 小批量生产阶段,预计批量后成本可控制在1000 元。根据清华大学系统 工程研究所,目前在 V2X小批量的情况下,清华自己的产品(主机+显示器+ 天线+安装支架)市场价格控制在 1 万元以内,分拆成本来看,软件部分占比较 大,硬件成本不超过2000元,批量后成本大约可控制在1000元左右。目前欧 美市场部分项目1000-2000美金,部分销售到国内售价约13800元。

V2X 目前应用:V2X 模组是车际网的核心产品,一些主流汽车厂商已经宣布将 会在未来的车型上安装 V2X 模组,目前国外龙头芯片制造商如 NXP 等已实现 V2X 模组的批量生产,随着美国的强制性标准实施,我们认为后续市场空间广 阔。

车联网市场空间:预计到 2025 年市场规模接近万亿级别

车联网现在正处于发展第二阶段。车联网发展可以分为三大阶段,当前正处于第二 阶段——智能网联汽车阶段。车联网的发展从最早期的车载信息开始,车辆具备基 本的联网能力;在当前的智能网联阶段,通过V2X技术,车路开始协同;到了未 来的智慧出行阶段,车路协同在智能交通和高级自动驾驶中广泛应用,不可或缺。

2020 年预计全球 V2X 市场规模突破 6500 亿元。得益于政策和大行业的发展,车 联网行业快速渗透,行业规模不断扩大。根据Gartner统计数据,预计 2020 年全 球物联网连接数量将达 70 亿,高速领域占据物联网连接总数的 10%,而车联网是 目前高速场景中具有明确发展方向和市场的领域,将在高速领域发展初期占据大部 分份额。根据华为预测,车联网是物联网高速领域内行业成熟度最高并且连接数量 最多的领域,预计 2020 年,中国车联网连接数量将达到 6000 万规模。另外,根 据中国联通数据显示,预计 2020 年,全球 V2X 市场将突破 6500 亿元,中国 V2X 用户将超过 6000 万,渗透率超过 20%,市场规模超过 2000 亿。而位于车联网整 个产业链上的服务商、服务提供商、硬件商、通信运营商分别占有61%、12%、 17%和 10%的市场份额。

据前瞻产业研究院预计,到 2025 年在 5G 快速建设与产业链成熟度快速提升的推 动下,中国车联网渗透率或提升至77%左右的水平,市场规模有望达到接近万亿 级别。

车联网快速发展,全产业链有望充分受益。

车联网产业链条较长,主要分为上游、中游和下游三个部分。 上游:主要包括 RFID/传感器、定位芯片和其他硬件等元器件设备制造商。 中游:主要包括终端设备制造商、汽车生产商和软件开发商。 下游:主要包括 TSP、系统集成商、内容服务提供商和移动通信运营商。

制造业中整车厂作为核心位置,一方面作为终端、软件、服务的集成者,具有 较大的话语权,同时也在开展自身的车载智能信息服务业务。通信芯片和通信 模组由于涉及通信技术,门槛较高,主要参与者是华为、大唐、中兴以及国外 的高通、英特尔等通信行业领先企业。服务领域,通信运营商以中国移动、中 国联通和中国电信为主,同时运营商也在积极拓展其他车联网领域业务。车联 网信息服务提供商方面,包含了传统 TSP 供应商如安吉星等、主机厂自有 TSP 平台以及新兴车联网创业企业。从整个产业链条看,初创型企业更多的集中在 车载终端设备、交通基础设备、软件开发、信息和内容服务等市场刚刚起步或 者门槛较低的环节。

五、展望:无人驾驶发展之路

核心:我们认为无人驾驶从应用层面可以分为四个阶段,阶段 1 是资讯被动侦测 期,该阶段主要应用于车载资讯服务;阶段 2 是资讯互动交换期,也就是当前所 处阶段,该阶段主要应用为 V2V 和 V2I,融合传感器技术实现车路协同;阶段 4 就是终极无人驾驶期, 无人驾驶背景下车辆运营效率有望大幅提升,该阶段的典型应用就是共享汽车。 基于以上发展路径我们挖掘短中长期三条发展主线——建议短期关注ADAS渗透 率提高带动传感器产业链发展,中期关注车联网伴生的智慧交通基础设施建设, 长期关注 L4级别成熟后共享汽车引领的出行方式颠覆。

短期关注 ADAS渗透率提高带动传感器产业链发展

传感器技术是驱动 ADAS发展的重要因素。根据 Yole Developpment 的测算,无 人驾驶在 L2 需要 17 个传感器,包括超声波雷达、长距离及短距离雷达和环视摄 像头,发展到 L3需要的传感器增加到 29 个,并且将引进立体摄像机、激光雷达 和导航推测系统。对于ADAS而言,传感器技术已经相对成熟,摄像头和超声波 雷达等产品在高端车型得到广泛应用,激光雷达由于造价较高,还只能用于试验阶 段的无人汽车,尚未量产进入市场。进入无人驾驶下一阶段对传感器的种类和精度 都提出了更高的要求,因此传感器技术的开发应用和传感器的价格与渗透都直接影 响着智能汽车自动化的程度。

多传感器协作优势互补。人的五官可以收集听觉、视觉、嗅觉等信息,不同传 感器由于原理、功能存在差异,在感知环境时存在比较优势。摄像头可以采集 外部图像信息,再通过算法进行图像识别(行人、汽车和建筑等),缺点在于容 易受光线等环境因素影响且探测距离较短;而毫米波雷达受环境影响较小而且探测距离最远可以达到 250m,但是缺无法探测行人,两者的协作恰好可以弥 补彼此的劣势。超声波雷达探测距离短,但是分辨率高,方向性好,因此适用 范围局限于停车相关功能。激光雷达被认为是通往自动驾驶下一阶段必需的产 品,最大的优势在于可以绘制出精度达厘米级的 3D 环境地图,但是缺点在于 造价较高,而且激光雷达的使用会受到大雾、雨天的影响。

目前“摄像头+毫米波雷达”的组合仍是 ADAS 传感器的主流搭配,以谷歌为代 表的互联网企业则将一直以来被诟病造价太高的激光雷达作为实现自动驾驶的 核心传感器,而随着激光雷达发展成熟,多传感器融合成为必然趋势。

  • 摄像头

车载摄像头是 ADAS 的核心传感器。摄像头最初在汽车上的应用是记录功能, 例如行车记录仪和倒车影像。随着汽车智能化程度的提高和机器学习算法的进 步,摄像头开始和算法结合,即摄像头将采集的图片信息转换为数据,通过算 法进行图像的识别和匹配,并获取距离信息,再将结果汇总反馈给驾驶员,从 而实现车道偏离预警(LDW)、汽车碰撞预警(FCW)等 ADAS 功能。配合量产 实现的低成本,摄像头成为性价比最高的汽车传感器。

以特斯拉 Autopilot 2.0 为例,该版本共配置了8个摄像头,包括 3 个前置摄像 头、2 个侧方前视摄像头、2 个侧方后视摄像头和 1 个后视摄像头,视野范围达 360 度,最远前后方检测距离达 250m 和 50m。

摄像头产业链一览:摄像头上游原材料包括流光片、光学镜片、保护膜和晶圆, 中游元件主要由三部分构成:镜头组、CMOS(Complementary Metal-Oxide Semiconductor,互补金属氧化物半导体)和 DSP(Digital Signal Process,数 字信号处理器),三部分元件经过系统封装后形成摄像头,投入市场。从硬件成 本来看,芯片、镜头和其他物料各占 1/3。

DSP(数字信号处理器)为 Tier1(系统集成商)、视觉方案提供商和芯片生产 商提供合作平台。三者合作模式为:视觉方案提供商根据市场需求开发ADAS算法,芯片生产商生产搭载算法的芯片(即 DSP),经过与摄像头模组封装后 提供给前装和后装市场。以全球视觉方案提供商龙头 Mobileye 为例,Mobileye 和意法半导体(ST)合作开发的 EyeQ 系列芯片,由麦格纳、大陆等 Tier1 企 业将处理器和算法集成到摄像头中,出售给宝马、通用、沃尔沃等OEM(整车 制造商)。这种合作方式充分发挥了各个类型的企业在自己领域的优势,保证了 摄像头这块蛋糕人人有份。

Tier1 和整车制造商加大合作力度。由于在算法领域 Mobileye 一家独大,Tier1 和视觉方案供应商的合作没有选择空间,但是国际 OEM 市场呈现群雄割据的 局面。在 ADAS 算法开发公司和芯片生产商密切合作的同时,国际汽车零部件Tier1也都与 OEM 加强了合作,注重摄像头种类和性能的研发。

  • 毫米波雷达

段(频域30-300GHz,波长1-10mm)的探测 雷达,通过向周围发射无线电,测定和分析反射波以计算目标距离和方向,早 期主要被应用于军事领域。随着雷达技术的发展,毫米波雷达也在汽车电子、 无人机、智能交通等领域得到广泛应用。

车载毫米波雷达更适合 ADAS 主动安全系统的应用。由于汽车做出判断并执行 需要一定时间,因此需要汽车能够感知到一定距离以外的物体,从而提前实现 制动或行驶功能。毫米波雷达传输距离远,在传输过程中大气衰减和损耗低, 穿透性强,很好的弥补了摄像头探测距离短的缺点,因此长距离毫米波雷达(LRR)是主动安全系统应用更为可靠的传感器,例如自适应巡航控制(ACC)、 前向防撞预警(FCW)和自动紧急制动(AEB)。而短距离毫米波雷达(SRR) 则更适用于盲点监测(BSD)、变道辅助(LCA)和泊车辅助等功能。

以奔驰 S 级轿车为例,该车共配置 1 个长距离雷达(LRR)和 6 个短距离雷达(SRR)。LRR 在车头中间,主要用于 ACC 和 AEB 功能;其两侧放置的两个SRR除了辅助 LRR 还可以进行泊车辅助;最外侧两个 SRR 和车尾两个 SRR 主要用于泊车辅助。

77GHz(76-81GHz)将成车载毫米波雷达主流。在车载毫米波雷达发展早期, 各国产品频段集中在 23-24GHz、60-61GHz 和 76-77GHz,这种混乱的情况很 大程度上限制了车载雷达的发展。2015 年在日内瓦召开的世界无线通信大会上, 各国同意将77GHz确定为全球装配永久认可的权威频段,奠定了未来77GHz成为车载毫米波雷达主流的基础。相比于24GHz,77GHz 毫米波雷达的优势 体现在:1)体积小。24GHz 雷达波长更长,需要更长的天线,做成小体积雷 达难度较高,不利于汽车行业对外观和轻量化的追求。2)频段带宽大,功率水 平大。因此 77GHz 探测距离远,物体分辨准和测速、测距准确度高,更适合对 探测精度要求极高的自动驾驶领域。77GHz 的产品又可以细分为两类: 76-77GHz 毫米波雷达用于长距离探测,77-81GHz 毫米波雷达用于中短距离探 测。

MMIC 芯片和高频 PCB 板是技术难题。车载毫米波雷达主要包括天线、MMIC 和信号处理模块等部分。目前毫米波雷达普遍使用的是“微带贴片天线”,即在 PCB 板上铺开路的微带线从而实现天线的功能。在 77GHz 频段上,任何小的 损耗都会影响雷达工作,因此对于高频 PCB 板的工艺和设计要求极高,国内还 没有企业能独立生产,沪电股份正在和全球最大的高频 PCB 制造商 Schweizer 合作,期望打破这一局面。

Tier1 紧握核心技术,新进入者期望打破技术壁垒。2015 年,博世(Bosch) 和大陆(Continental)分别在全球毫米波雷达市场占据 22%的市场份额,远远 超过第三名的海拉,地位难以撼动。其中博世的主要产品以77GHz为主,包括 MRR 和 LRR 两个系列;相比较之下大陆再24GHz所占份额较多,产品涵盖范 围也更广。前六家企业已经垄断了 85%的市场份额,并且对核心技术的保护十 分严格。中国毫米波雷达市场发展缓慢。中国市场已有成熟的 24GHz 产品,部 分企业已研究出 77GHz 产品,但是芯片和算法仍然依靠进口,导致成本较高, 距离量产并进入市场仍有一段时间。

  • 激光雷达

和毫米波雷达工作原理类似,激光雷达(Light Detection and Ranging, LiDAR) 通过发射激光束并比较发射和接收激光束的差异,计算目标和车的相对距离, 利用收集的目标表面点的三维坐标、反射率和纹理等信息生成精确的数字高程 模型,从而达到感知环境的目的。

固态化、多线束化、小型化、低成本化是激光雷达是未来发展趋势。激光雷达 按照有无机械旋转部件可以分为机械激光雷达和固态激光雷达,根据线束数量 可以分为单线激光雷达和多线束激光雷达(4/8/16/32/64)。

固态化:机械激光雷达最初于 2007 年由 Velodyne 开发并参加 Darpa 无人车挑 战赛,一般被安置在汽车顶,利用多束激光脉冲绕轴旋转360°对周围环境进行 监测,从而绘制 3D 图。固态激光雷达基于光学相控阵扫描技术,去除了机械 旋转部件,利用集成电路上的感应晶片扫描各个方向,然后输出车辆周围的 3D 图像,代表企业是 Quanergy。但是由于固态激光雷达不能进行 360°旋转,只 能探测前方,因此需要在车辆周围多安装几个解决探测范围的不足。混合固态 雷达是一种过渡性产品,通过做工将其内部的机械旋转部件做的小巧并藏在机 身内部。以 Velodyne 为代表。

多线束化:激光雷达的线束决定了激光雷达在纵向平面的覆盖广度和数据精度。单线激光雷达只能获取2D的数据,无法收集路面和环境信息。多线激光雷达根据线束数量可以分为2.5D(4/8 线)或3D(16/32/64 线),2.5D 的激光雷达 可以测量路面和环境信息,精度在±5cm,但是垂直角度范围在 8°以内。3D 激 光雷达多为 16/32/64 线,2017 年 9 月 Velodyne 推出了被认为具有最佳分辨率、 最长探测距离和最宽视场的128线激光雷达,探测距离为200m,垂直测角 40°, 垂直角分辨率达到 0.17°,车规级预计于 2021 年三季度推出。

小型化:谷歌最早使用 Velodyne 64 线束产品是基于车顶的机械旋转激光雷达 实现的,但是最初的产品体积较大,不符合消费者对汽车外观的需求,因此Velodyne之后推出的 32 线束产品和混合固态 16 线束产品都进行了小型化的尝 试,最新推出的 128 线束在性能上远高于 64 线束的情况下,体积甚至更小。 而固态激光雷达由于本身不需要旋转部件,因此产品体积较小,例如Quanergy推出的 S3 LiDAR 体积仅为 9cm*6cm*6cm。

低成本化:谷歌最开始进行无人车实验的 64 线激光雷达造价高达 7 万美元,高 成本也一直成为延缓激光雷达进入市场的因素。目前激光雷达生产企业主要通 过三个途径降低成本:降维、固态化和规模效益。尽管高线束激光雷达的性能 要超过低线束,但是企业在寻找低线束达到最优性能的平衡点,再结合其他传 感器弥补低线束的缺点;固态化是另一解决方案,固态激光雷达造价可以低至 250 美元,但是由于固态雷达只能探测前方,因此需要 4-6 台雷达弥补,这在 单价上对固态激光雷达提出更高要求。而无论哪种雷达的生产厂商最终都希望 通过量产达到规模效益从而降低成本,根据 Velodyne,其 16 线束的产品官方 售价为 7999 美元,通过量产后成本可以控制到 500 美元。

中期关注车联网伴生的智慧交通基础设施建设

核心:智慧交通是无人驾驶的高级阶段,标志着从单体车辆的智能驾驶功能进 化成为“车-路”协同智能。随着《中国制造 2025》的提出,智慧交通被纳入国 家顶层设计。在智慧交通时代:车辆之间、车辆与车位、道路信号之间都会有 实时通讯,通过计算,科学的调配道路资源和车辆通行计划,最终构建一个具 备完善各类智能交通解决方案和后市场服务的生态系统。

智慧交通是汽车智能化的高级阶段。即——在大数据和云计算技术的支持下, 实现单体车辆和配套道路设施有机统一,标志着从单体车辆的智能驾驶功能进 化成为“车-路”协同智能。智慧交通的要义在于智能互联,核心技术是大数据及5G通信。体现形式是城市智能交通系统(Intelligent Transportation System, 简称 ITS)。在智慧交通时代:车辆之间、车辆与车位、道路信号之间都会有实 时通讯,通过计算,科学的调配道路资源和车辆通行计划。

国家政策:交通运输部近年来高度重视智慧交通发展,早在 2011 年提出“适度 超前”发展智能交通。随着《中国制造 2025》的提出,智慧交通被纳入国家顶 层设计。以《中国制造2025》为纲领性文件,中汽协方面,出台《“十三五”汽 车工业发展规划意见》明确了智能网联汽车的推进速度;工信部方面,积极在 全国范围内推动建设智能互联示范区。

智慧交通框架

智慧交通的总体框架包括感知层、网络层、平台层和应用层四个层面。其中: 应用层和平台层是总体解决方案的核心,而平台层是应用层的支撑平台和运行 环境。平台层的汇聚交换平台通过网络层的数据总线和服务总线进行数据交换; 平台层整合交通资源,包括交通基础数据、业务数据、GIS 数据、分析主题数 据、交通数据仓储等,形成融合的交通领域数据中心。同时提供基于云计算的IRE集成环境、运维管理、能力引擎等,构建智慧交通云计算环境。应用层主 要包含交通运输管理、交通安全管理、城市管理以及其他政府部门、企业的交 通信息化系统。

下面从智慧交通的四个层面开始阐述智慧交通的构成:

感知层——传感器:感知层的构建,是实现智慧交通的第一步。智慧交通的感 知层又包含两部分——智能汽车车身传感器与智能路面传感器。

智能汽车车身传感器相当于智能汽车的“五官”,智能汽车通过传感器感知车辆所 处的各种路况及周边环境。一套完善的智能汽车传感系统囊括了超声波技术、 雷达技术、摄像头技术、红外线技术、激光扫描技术,以及这些技术的算法融 合。通过多种传感器的组合,进而实现在不同的距离、不同的角度、不同的天 气状况下对周边情况的全方面探测,这是智能汽车自主判断、自主行动的基础。

除了车身传感器之外,智慧交通感知层还包含以路面磁感线圈、地磁感应为代 表的智能路面传感器。这些传感器用于感知和传递路的状况信息,如车流量、 车速、路口拥堵情况等,让车载系统获得关于道路及交通环境的信息。无论是 车身还是路面传感器,都起到了车内状况监测和环境感知的作用。

网络层——车内网、车际网、车云网三网融合:智慧交通的网络层指的是实现智能 交通管理、智能动态信息服务和车辆智能化控制的一体化网络。网络层以车内网(CAN)、车际网(近程 DSRC)和车云网(远程3G/4G/5G)为基础,按照约定 的体系架构及其通信协议和数据交互标准,在V2X(车联多)之间,进行通信和 信息交换。

平台层——大数据处理平台:智慧交通平台层主要由基于云计算的车联网数据融合 平台、车联网应用开发平台、车联网网络支持平台等组成。从感知层收集、网络层 上传的海量数据,通过云计算平台"过滤清洗"、数据分析平台对数据进行报表式处 理之后变得更加清洁,更准确地反映实时情况从而便于进行高效的监控管理。

应用层——城市智能交通系统(ITS):它是将先进的信息技术、数据通讯传输技 术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理 系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通 运输管理系统。

智能互联示范区是智慧交通的载体

智能互联示范区是智慧交通的载体。智慧交通是汽车智能化的终极目标,智慧 交通的发展历程应该是:车内智能到车际互联,城市运营服务商打造智能交通 系统。智能互联示范区是城市智慧交通的载体,其目的是构建一个汽车智能化生态系统,ADAS、车联网、整车与基于大数据平台的后服务企业集聚在该生 态圈内,将车内智能和车际互联协同起来,在实现终极无人驾驶以外,构建高 效的城市交通运输管理系统。

国外智能互联示范区主要集中在欧美日三地。作为智慧交通应用层的城市智能 交通系统,在欧美、日本等多个发达国家已经上升至国家战略层面,形成较为 成熟的发展规划并进行了试点实践。

国内智能互联示范区建设如火如荼。中国是继欧美日之后的第四个以政府力量推动 新一代汽车发展的国家,自2015年 6 月批准上海成为第一个智能互联汽车试点示 范区以来,半年内相继与地方政府合作出台文件拟建浙江、重庆、北京智能互联示 范区,截至 2018年底,我国已拥有至少 20 个智能网联汽车测试示范区,除华北 的北京、雄安、华东的上海之外,华中、西南、东北及一批汽车重镇都已或正在建 立自己的测试区,且无论质量还是数量在未来一段时间内还将迎来爆发式的增长。

华东地区以 8 个示范区的数量居 6 大地区之首,位于华东的上海不仅建立了中国首 个智能网联汽车测试示范区,还颁出了我国首张智能网联汽车路测牌照。基于此, 诞生于长三角地区的阿里巴巴、上汽、蔚来等企业一面享受着地方政府的政策福利, 一面又不断通过技术反哺地区。当地的智能网联汽车产业也在双方的共同促进下得 以迅速发展。

次于华东 8 个示范区的是西南地区。在这里,重庆和四川各拥有 2 个智能网络汽车 测试示范区。西南地区具有独特的山川地貌特征、湿润多雾的气候环境,同时拥有 多家整车厂和现成的汽车试验场,这也使其成为自动驾驶汽车的“天然考场”。2018 年 3 月 14 日,《重庆市自动驾驶道路测试管理细则(试行)》对外发布,重庆成为 北京、上海后第三个允许自动驾驶汽车“有条件”进入公共道路开展测试的国内城市。 截至目前,已经有长安、百度、一汽、东风、广汽、吉利、北汽福田、星行科技、盼达用车和PSA等 10 余家企业获得重庆自动驾驶牌照。

除华东和西南之外,中南地区也拥有3个智能网联汽车测试示范区,分别是位于武 汉的“智慧小镇”示范区、雷诺自动驾驶示范区和长沙的“湖南湘江新区智能系统 测试区”。

在我国华南地区,深圳和广州各拥有一个示范区。而除了示范区外,部分城市也在 适度的开放一些公共道路,为拥有自动驾驶牌照的企业提供路测场地。其中,深圳 在今年 10 月宣布,其开放路测里程已达 124 公里,覆盖了福田、南山、盐田、宝 安、光明、龙华、龙岗、坪山、大鹏等9个行政区域,一举超过此前北京的123公里,成为全国开放路测里程最长的城市。

在我国东北地区,其平原地貌特征和夏季炎热、冬季冰雪的四季分明的气候为智能 网联汽车更加全面的测试提供了另一种可能性。

华北地区以首都为核心建设智能互联示范区,2018 年 2 月以来,北京市累计开放 了 4 个区域的 44 条道路,共计 123 公里,覆盖了多样化的城市交通场景。2017 年年底,北京市交通委就联合北京市公安交管局、北京市经济信息委等部门,制定 发布了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》 和《北京市自动驾驶车辆道路测试管理实施细则(试行)》两个文件,成为我国首 个出台自动驾驶路测指导意见与管理细则的城市。

我们认为,智能互联示范区是未来智慧交通规划的一个缩影,尽管目前示范区 的建设仍停留在国内主要一二线城市,但是覆盖城市数量不断增加,示范区建 设趋于成熟。短期来看,关注示范区基础建设和配套设施情况,把握未来建设 智慧交通的核心因素;长期来看,随着自动驾驶技术的成熟,智慧交通作为一 项公共设施,必将获得国家的大力支持,从而带动相关产业链的发展。我们推 荐重庆智能网联示范区平台性企业中国汽研。

长期关注 L4级别成熟后共享汽车引领的出行方式颠覆

长期阶段,当自动驾驶技术达到 L4 甚至 L5 级别后,无人驾驶运营车辆将迅 速攀升成主流。此时出行模式将彻底转变为按需出行,人们将不再需要买车, 出门随时能约到无人驾驶的车辆,在观念上,汽车对于用户将从一项资产变成 自动位移的出行服务工具。在车辆管理方面,数字化、智能化、网联化能够最 大程度的降低运营成本和促进车辆与乘客之间的交互,汽车将同时搭载着数字 化生活服务配件,提供车内生活和娱乐信息,是驾驶员获得更加舒适和幸福的 出行体验。

2017年 11 月 24 日,作为谷歌旗下负责无人驾驶技术开发的 Waymo 宣布实现 了完全自动无人驾驶,并将在未来几个月推出新的叫车服务;2018 年1月底, Waymo 正式从美国亚利桑那州交通部门获得无人驾驶汽车的商用许可,为美国 首例。我们认为,从传统意义上来说汽车销售属于 2C 业务,即由消费者选择 选购汽车的性能和品牌。但是随着汽车保有量的提高和自动驾驶技术的成熟, 部分汽车销售业务将转变为2B模式,共享汽车或成为现实。

从汽车制造者到出行方案解决者。汽车厂商在很长一段时间内是推动汽车行业 进步的核心,厂商通过销售汽车获得利润,并投入新的技术研发,开发出吸引 消费者的新产品,进而获取更大的市场份额。然而随着无人驾驶的成熟和共享 出行平台的兴起,汽车厂商的地位有所下降,甚至有成为汽车代工厂的可能,因而各大汽车厂商也在规划转型做出行方案解决者,而不是单纯的汽车制造者。

三大利益方群雄逐鹿,并购结盟,出行方案竞争格局仍不明朗。三大利益方既 要同盟合作,又要争夺话语权,各领域均有话语权较强的主体,例如无人驾驶 解决方案公司的 Waymo,汽车厂商的特斯拉,汽车共享出行平台的 Uber。未 来行业内公司的竞争关系不但包括在各自领域内的竞争,还包括了不同联盟之 间的对抗。

我们认为,在未来,汽车不再是简单的出行工具,而是向承载出行、生活、娱 乐、办公等场景的移动智能终端。随着自动驾驶技术的不断成熟,共享出行将 彻底改变人类的出行甚至是生活方式。自动驾驶技术与共享出行的结合显然会 带来深刻的产业变革。中国无人驾驶技术和汽车共享平台的发展略慢于国外, 因而国外汽车行业的发展格局或将为中国提供一定参考。以百度为代表的无人 驾驶解决方案提供者、以滴滴为代表的汽车共享出行平台和以上汽为代表的车 企巨头将如何重塑中国居民的出行服务,值得期待。(关于共享出行具体可参考 我们 2018 年 12 月撰写的汽车行业前瞻研究系列专题之一:《共享汽车,非成 熟条件下的模式探讨》)。

六、问题

安全问题或成为拖慢自动驾驶发展的重要因素

美国时间 2018 年 3 月 19 日晚,一辆搭载完全自动驾驶技术的 Uber 汽车在美 路测时发生严重交通事故,导致一名 49 岁女性死亡。事件发生后,Uber 紧急 暂停了坦佩、匹兹堡、旧金山和多伦多等城市进行的所有测试;3 月21日,丰 田也宣布将暂停美国无人驾驶汽车测试计划,其他国家无人车路测仍将继续;3 月28日,英伟达宣布将暂停在加州、新泽西、德国及日本的公共道路上进行的 无人车测试,原因在于发生车祸的沃尔沃 XC90 搭载了英伟达的计算平台。

自动驾驶的车祸最早可以追溯到 2016 年一辆使用 Autopilot 功能的特斯拉垂直 撞上一辆卡车,导致车主当场死亡。车祸发生后,特斯拉和Mobileye的合作终 止。

我们认为,自动驾驶属于人工智能的关键性领域,对于安全问题的重视再强调 也不为过,但是无论如何提高算法预测的精确度都难以达到 100%的安全。一 方面,发生事故可以让自动驾驶方案提供者反思如何完善相关算法或加强硬件 使用;另一方面,舆论压力也会迫使相关企业暂缓自动驾驶测试进度。

多传感器融合成为趋势的同时也将带来算法挑战

“摄像头+毫米波雷达+激光雷达”的解决方案已经成为自动驾驶传感器融合的主 流趋势,不同传感器获取数据后将信息集中在一起综合分析以便更可靠的描述 外界环境,从而提高系统决策的正确性。但是在提高识别准确性的同时也带来 问题:如何改进算法以应对不同传感器得出不同结论的情况。未来随着激光雷 达的渗透率增加,传感器将很有可能收集到产生矛盾结果的信息,如何使系统 快速地处理数据,过滤无用、错误信息对算法提出了更高要求,这也导致算法 在传感器产业链中始终占据主要部分。

5G 商用速度或影响车联网应用进度

在实现自动驾驶场景中,V2X 是一项必要且增值的技术,而实现 V2X 的关键之 一是对通讯延时的要求。自动驾驶中制动等反应时间,是各系统响应时间,其 中包括了给网络云端计算处理、车间协商处理的时间,也包括了车辆本身系统 计算及制动处理时间。如果要做到时速 100km 制动距离不超过 30cm,那么系 统整体响应时间不能超过 10 毫秒,而人类最好的 F1 车手的反应时间在 100 毫 秒左右。从保障安全的角度,系统响应时间越低越好,对通讯时延的要求会更 高。根据华为发布的 5G外场测试结果,当前 5G 网络已经可以在保障高稳定性 与移动性下,实现下行吞吐率超过25Gbps,用户界面时延小于 0.5 毫秒,性能 已经超过了 ITU 对 5G 的定义(时延1毫秒)。因此 5G 基础设施的铺设和商用 进度或将影响车联网应用进度。

工信部部长苗圩在博鳌亚洲论坛 2019 年年会分论坛上表示,5G 应用将呈“二 八”分布,20%用于人和人之间的通讯,80%用于物和物之间的通讯。物与物 之间的通讯也就是移动状态的物联网。“移动状态的物联网最大的一个市场可能 就是车联网,以无人驾驶汽车为代表的 5G 技术的应用,可能是最早的一个应 用,全球都在致力于推动无人驾驶汽车的开发进程。”车联网涉及到人和车,车 和车,车和路之间的通讯。苗圩认为,车始终处于移动的状态,不能靠固定的 网络通讯,一定要用到移动的网络通讯。同时,这其中数据的传输量比人和人 之间的数据传输量要大得多,因此工信部正在研究推动车联网的发展。苗圩透 露,他已经与交通运输部部长达成了重要的共识,就是在中国的公路上要加快 推动数字化、智能化的改造。把道路的一些标识、道路的红绿灯以及道路的管 理规则,都通过智能化的改造固化下来。2019 年将成为5G预商用的重要年份。

标准法规制定

2018年,由于无法就未来的自动驾驶道路达成一致,美国国会议员放弃了通过 一项全面立法的努力,该立法旨在加快引进没有方向盘和人工控制的车辆上路, 但今年晚些时候可能会重启这一努力。2019 年,通用、福特以及丰田三家主要 汽车制造商表示,他们正在组建一个组织,帮助起草自动驾驶汽车安全标准, 这些标准最终可能有助于在美国制定法规。


(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)

相关报告
评论
  • 相关文档
  • 相关文章
  • 全部热门
  • 本年热门
  • 本季热门
  • 全部热门
  • 本年热门
  • 本季热门
分享至