千亿美元新兴市场,自动驾驶蓄势待发

来源: 搜狐汽车

发表于: 2018.05.26
   

 

原标题:千亿美元新兴市场,自动驾驶蓄势待发

前言:自动驾驶将在很大程度上改变近百年来人类的出行模式,再加上已经在高速发展中的汽车电动化和共享化,全球销售规模近20万亿的汽车产业将面临前所未有的变革,产生巨大的商业机会。我国市场对于汽车电动化、共享化以及自动化的接受高,产业投入大,预计2030年自动驾驶的汽车会占据整体出行里程的40%以上,由此带来的千亿美元规模的新兴市场有待开发。

千亿美元新兴市场,自动驾驶蓄势待发

1. 自动驾驶与电动化、共享化改变汽车产业格局和出行方式

相比与传统的汽车行业,电动车在系统控制与执行层面更适合自动驾驶,而自动驾驶与车联网的结合、汽车共享化的趋势,能够有效的预防交通事故、同时减少拥堵、提高道路的通行效率,使其容纳不断上升的通流量。

未来的出行方式以及汽车本身都将会有很大的变化,由此带来巨大的新兴市场。

2.自动驾驶分级:L1人类驾驶逐级步入L5车辆自动驾驶

自动驾驶定义:即让汽车自己拥有环境感知、路径规划并自主实现车辆控制的技术,也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。

根据人与车辆控制的程度不同,美国汽车工程师协会SAE界定了五级自动驾驶方案。

目前在ADAS基础上,L2到L3级别的自动驾驶将逐渐成为新车型的标配,产生大量新增需求,这是目前主要的投资机会;L4到L5的完全自动驾驶也在逐渐成熟中,一旦商业化将影响产业的未来。

千亿美元新兴市场,自动驾驶蓄势待发

L0代表没有自动驾驶介入的传统人类驾驶。

L1级能够对方向盘和加减速中的单项操作给与支持。

比如已经广泛应用的自适应巡航(ACC)功能,即能够通过雷达探测与前车的实时距离自动控制加减速,从而保持与前车的安全距离。

L2级能够同时对方向盘和加减速中的多项操作给与支持。

如果汽车除了具备上面L1级描述中的自适应巡航外,同时还具备车道保持(LKA)功能,或者自动变道功能,那则属于L2级自动驾驶。

L3级之前环境的观察者都是人,进入L3则意味着道路环境的观察和驾驶操作都由系统来完成,人只需要对所有的系统请求进行应答。

系统已经完全能够识别出直线、弯道、红绿灯、限速路牌,路上行走奔跑的人猫狗等等各种环境变量。

环境观察和驾驶操作都由系统来完成,人只需要对所有的系统请求进行应答。比如突然下雨了,检测到地面湿滑是否需要减速;比如检测到前方车辆行驶过慢是否需要超车;检测到前方有人在车道较近处走动是否需要鸣笛提醒等等,这些请求系统会反馈给驾驶员,由人来做决定。

L4级驾驶操作和环境观察仍然都由系统完成,人只需要在某些复杂情况进行应答。

比如只需要在某些复杂地形或者天气恶劣的情况时,才需要人对系统请求做出决策,而其他情况下系统能独自应付自动驾驶。

L5级就是完全的自动驾驶状态,车上没有方向盘,没有刹车,没有油门,完全不需要人的介入。

千亿美元新兴市场,自动驾驶蓄势待发

3. 实现:通过决策层、感知层、执行层

自动驾驶系统通常可分为决策层、感知层、执行层,以及高精地图和车联网的支持。

千亿美元新兴市场,自动驾驶蓄势待发

感知层:

环境信息和车内信息的采集与处理。这方面涉及到道路边界检测、车辆检测、行人检测等技术,即传感器技术,所用到的传感器一般都会有激光雷达、摄像头、毫米波雷达、超声波雷达、速度和加速度传感器等等。

由于各个传感器在设计的时候有各自的局限性,单个传感器满足不了各种工况下的精确感知,想要车辆在各种环境下平稳运行,就需要运用到多传感器融合技术,该技术也是环境感知这一大类技术的关键技术所在,目前国内这方面和国外的主要差距也集中在多传感器融合方面。

决策层:

依据获取的信息来进行决策判断,确定适当工作模型,制定相应控制策略,替代人类做出驾驶决策。

这部分的功能类似于给车辆下达相应的任务,例如在车道保持、车道偏离预警、车距保持,障碍物警告等系统中,需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态,先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。

由于人类驾驶过程中所面临的路况与场景多种多样,且不同人对不同情况所做出的驾驶策略应对也有所不同。因此驾驶决策算法的优化需要非常完善高效的人工智能模型以及大量的有效数据。这些数据需要尽可能的覆盖到各种罕见的路况,而这也是驾驶决策发展的最大瓶颈所在。

执行层:

指系统在做出决策后,替代人类对车辆进行控制,反馈到底层模块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接,并能够按照决策系统发出的总线指令精确地控制加速程度,制动程度以及转向幅度等驾驶动作。

高精地图以及车联网的支持,系统能够确定位置并规划一条可通行的路径,实现智能车辆的自主导航;更进一步,车联网的应用一方面能够是出行更加方便智能,另一方面又能够扩展汽车交通工具的属性,成为未来个人的移动平台。

自动驾驶在部分领域的商业模式逐渐确立。从基础理论到传感器、芯片、解决方案,行业发展迅速。目前行业发展的关键在于降低成本、优化方案、积累数据;

4. 自动驾驶解决方案:整车厂和科技巨头蓄势待发

OEM厂商:投入巨大、成果显著

传统整车厂如奥迪、特斯拉、通用、Uber、丰田、福特等公司均有自己的自动驾驶研发团队,在自动驾驶领域投入巨大,成果显著,如奥迪A8L3级自动驾驶系统已经量产上市。

千亿美元新兴市场,自动驾驶蓄势待发

系统厂商:Waymo小联盟Vs.百度Apollo大联盟

能够提供自动驾驶解决方案的系统厂商,目前以谷歌的Waymo和百度的Apollo为代表。

千亿美元新兴市场,自动驾驶蓄势待发

量产车型自动驾驶方案:特斯拉AutopilotVs.奥迪A8AI

特斯拉的Autopilot功能:相当于L2级别的自动驾驶,能够根据交通状况调整车速;保持在车道内行驶;自动变换车道而无需驾驶员介入;从一条高速公路切换至另一条;在接近目的地时驶出高速;在接近停车场时自动泊车。

奥迪A8:是市场上第一款具备L3级别自动驾驶能力的量产车,在某些特定情况下,如在停车和驶离、时速60公里以下行驶或交通拥堵时,该系统将接管奥迪A8的驾驶操控,而驾驶员则无需持续监控车辆的驾驶与运行。

千亿美元新兴市场,自动驾驶蓄势待发

5. 芯片:自动驾驶的大脑

进入门槛高、性能要求高、成本高

高级驾驶辅助系统(ADAS)、自动驾驶、车联网(V2V/V2X)与车载娱乐服务系统等,均需要高效能处理芯片。

例如自动驾驶未来包括4-5台激光雷达,5台毫米波雷达,若干个摄像头和红外探测器等传感器,在车辆高速运行时每秒都会产生大量点云(三维位置数据)和视频(多帧图像数据),自动驾驶芯片必须有能力及时处理获取的信息,并利用算法做出合理决策。

自动驾驶芯片对性能要求高,但对于部分已商用的产品来说,对成本同样有较高的要求。自动驾驶芯片的成本主要体现在三方面:

1、耗电每瓦提供的性能;

2、每单位性能的成本;

3、生态系统的构建,如用户群、易用性等。

自动驾驶芯片领域进入门槛高,主要是Intel(Mobileye)、Nvidia两大巨头的“双雄争霸”。此外少数创业公司如地平线机器人、寒武纪等,在具体场景应用上有一定优势。

现状:平台化方案搭配标准化芯片

芯片方案技术路线上,自动驾驶遵循了一般人工智能对计算平台的升级规律,即开始阶段使用CPU,而后升级到GPU。

目前各大厂商的技术处于GPU+FPGA阶段,由于芯片成本还处于高位,现在平台化的方案搭配标准化的芯片是一种开源的解决方案,另一方面,芯片集成度不高,系统供应商会将自动驾驶系统分为主模块和选装模块,适配整车柔性较大,给整车厂选择的空间也较大。

趋势:自动驾驶专用的定制化、集成度高的芯片

未来随着处理器设计门槛的降低和对自动驾驶算法协同进化要求的提高,自动驾驶专用的人工智能处理器将成为主流。

TPU(TensorProcessorUnit)是谷歌研发的针对深度学习加速的一款机器学习定制的专用芯片(ASIC),专为谷歌的深度学习框架TensorFlow而设计。第一代TPU仅能用于推断(即不可用于训练模型),并在著名的AlphaGo人机大战中提供了巨大的算力支撑。

去年5月谷歌发布了TPU2.0,不仅能进行推断,还能高效支持训练环节的深度网络加速。谷歌I/O2018开发者大会期间发布了第三代AI人工智能/机器学习专用处理器TPU3.0,TPU3.0的计算能力最高可达100PFlops(每秒1000万亿次浮点计算),是去年TPU2.0的8倍多。

BPU(BrainProcessingUnit)是地平线研发的未来会直接应用于自己主要产品中的芯片,包括:智能驾驶、智能生活和智能城市。

相比于国内外其他AI芯片start-up公司,地平线的第一代BPU走的相对保守的TSMC的40nm工艺。

千亿美元新兴市场,自动驾驶蓄势待发

6. 传感器:环境信息和车内信息的采集与处理

自动驾驶系统目前应用比较主流的环境感知传感器包括激光雷达、毫米波雷达、超声波雷达和摄像头。

超声波雷达产品已经很成熟,探测距离近、成本低,目前渗透率已很高。激光雷达和毫米波雷达拥有很多优良性能,在自动驾驶领域应用潜力巨大。

千亿美元新兴市场,自动驾驶蓄势待发

激光雷达:实时建立周边环境的三维模型

激光雷达(LiDAR)能释放多束激光,接收物体反射信号,计算目标与自身的距离。

应用较多的是利用反射信号的折返时间计算距离(TimeofFlight),也有连续波调频(CWFM)方法。与雷达和摄像头相比,激光雷达可以通过多束激光高频发射获取的反射数据形成周边物体的高清3D的“点云”图像。

千亿美元新兴市场,自动驾驶蓄势待发

虽然目前自动驾驶解决方案尚未有明确的固定搭配,但激光雷达会成为最重要的传感器。而毫米波雷达、摄像头将是重要的补充。激光雷达成本较高的问题是暂时的,随着固态激光雷达技术成熟和产量提升,成本将降低到可承担的范围内。

千亿美元新兴市场,自动驾驶蓄势待发

毫米波雷达:全天候工作、难以成像

毫米波雷达发出和接收的是电磁波,此外与激光雷达相比毫米波雷达会有很多测量短距离的场景,如侧向警示、倒车警示等,因此主要以FMCW调制方法来测距。

主要原理是,通过振荡器形成持续变化的信号,而发出信号和接收信号之间形成频率差,其差值与发射-接收时间差成线性关系,只要通过频率差就能计算车辆与物体距离。

优缺点上,毫米波雷达的优势在全天候工作,即不良天气、夜晚等环境下可以发挥作用,而激光雷达会受雨雪雾霾的影响。缺点是目前主流的24GHz毫米波雷达较难成像,分辨率不及前两者。

79GHz毫米波雷达可以形成类似激光雷达的“点云”成像,分辨率较高。

由于毫米波雷达成本较低,并且在不良天气下表现良好,因此将成为感知设备中重要的一环。但由于其分辨率较低,因此不能作为激光雷达的替代品,而是激光雷达的重要补充设备。

7. 车联网:自动驾驶的延伸

趋势:向用户体验化发展

车联网实现V2X交互。车联网是以车内网、车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在V2X(X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大系统网络,是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络,是物联网技术在交通系统领域的典型应用。

千亿美元新兴市场,自动驾驶蓄势待发

车联网可分为运营层、应用层和管理层三层架构。涉及的环节较多,主要包括通信芯片/模块提供商、外部硬件提供商、RFID及传感器提供商、系统集成商、应用设备和软件提供商、电信运营商、服务提供商、汽车制造商等。

服务提供商即TSP在车联网产业链居于核心地位。TSP(TelematicsServiceProvider)上接汽车、车载设备制造商、网络运营商,下接内容提供商。谁掌控了服务提供商,谁就能掌握车联网产业的控制权,因此,服务提供商也成为了汽车制造商、电信运营商、GPS运营商及汽车影音导航厂商力争的角色。

车联网向用户体验化发展。在车联网发展的早期阶段,主要以紧急救援、导航服务为主;现阶段以车载自动诊断系统、智能车载终端为入口的TSP服务为主,逐渐侧重于用户服务、车载娱乐等功能;而随着汽车电动化、智能化、无人驾驶的发展,车联网将会扮演越来越重要的角色,一方面承担车车互联、车物互联的桥梁,另一方面也不断参与到用户应用场景之中,扮演着服务提供商的角色。

据埃森哲研究,我国车联网市场规模,将从目前的百亿美元规模,7年内爆发增长至千亿美元规模。(国金证券:张帅)

上一篇: 下一篇: