自動駕駛汽車概況

自動駕駛汽車是一種自動感知和運算的自動化載具，它根據(jù)收集到的信息進行自主運算和判斷，并將判斷傳送給駕駛員或系統(tǒng)，由駕駛員或系統(tǒng)來進行執(zhí)行。

自動駕駛可以理解為是傳統(tǒng)汽車和智能終端的融合。自動駕駛汽車同時具有傳統(tǒng)汽車和消費電子的屬性。隨著市場持續(xù)增長，各類玩家增加。從主機廠視角來看，自動駕駛汽車是在傳統(tǒng)汽車上加入智能服務(wù)。從消費電子和造車新勢力角度考慮，自動駕駛汽車則是在一個智能終端上加上硬件。兩種視角決定了多樣化的開發(fā)路徑，激發(fā)了眾多產(chǎn)業(yè)鏈新興投資機會。

自動駕駛汽車可具體分為行車和泊車兩大場景。行車和泊車場景產(chǎn)品，分別面對在不同路況中如何實現(xiàn)自動化的問題。針對于行車場景，路況包括：單車道、多車道、匝道、環(huán)島、隧道、十字路口、非結(jié)構(gòu)化城鎮(zhèn)道路等。泊車場景相對來說更封閉和簡單，需要考慮的是多類停車場及停車位自動化的問題。由于兩種場景所需覆蓋的路況不同，所以兩種場景對應(yīng)的解決方案也有所不同。行車和泊車場景產(chǎn)品車場景整體上是一個從封閉到開放，從簡單到復(fù)雜的過程。

行車功能產(chǎn)品通常以自動化程度（SAE）來歸類，根據(jù)其自動化程度不同分為6級。按照國際汽車工程師協(xié)會（SAE International）J3016，自動駕駛分為L0級-L5級；2021年市場監(jiān)管總局（標準委）《汽車駕駛自動化分級》同樣將汽車駕駛自動化等級劃分為0-5級。自動駕駛級別越高，車輛的自動化程度越高，動態(tài)行駛過程中對駕駛員的參與度需求越低，對車載傳感器組成的環(huán)境感知系統(tǒng)的依賴性也越強。

L3級是自動駕駛的分水嶺。L2以下的決策責(zé)任方完全在駕駛員，L4-L5的決策責(zé)任方全部在于系統(tǒng)或汽車，而L3級駕駛責(zé)任的界定最為復(fù)雜。在自動駕駛功能開啟的場景中，L3級環(huán)境監(jiān)控主體從駕駛員變成了傳感器系統(tǒng)，駕駛決策責(zé)任方由駕駛員過渡到了汽車系統(tǒng)，在不同場景下有不同的責(zé)任方劃分。

NOA系統(tǒng)的出現(xiàn)標志著車企實力已經(jīng)向L3邁進。2019年特斯拉開發(fā)了導(dǎo)航輔助駕駛NOA（Navigate on Autopilot），該系統(tǒng)的出現(xiàn)標志著車企的自動駕駛實力已經(jīng)向L3邁進。該功能在小鵬稱為NGP，在蔚來稱為NOP，在理想稱為NOA，華為則推出了HI全棧解決方案。目前車企是否進入L3，主要在于車企是否已經(jīng)理清事故責(zé)任，以及當?shù)卣呤欠裰С諰3以上自動駕駛汽車落地。

泊車場景產(chǎn)品路徑比較清晰，從基礎(chǔ)泊車功能向行泊一體發(fā)展。當前泊車的功能主要有自動泊車輔助APA、遠程泊車輔助/遙控泊車、記憶泊車HPA/MPA、自主代客泊車AVP等。參照傳感器和芯片融合維度，可以劃分出基礎(chǔ)泊車、遙控泊車、融合泊車、行泊一體四個發(fā)展階段。泊車發(fā)展階段可以與行車場景L0-L5（SAE）相對應(yīng)，L4級別AVP尚未落地。

自動泊車系統(tǒng)可分為車端方案、場端方案、車場協(xié)同方案。根據(jù)中國汽車工程學(xué)會《自主代客泊車系統(tǒng)總體技術(shù)要求》（征求意見稿），不同技術(shù)路線下AVP分為車端方案、場端方案、車場協(xié)同方案。

自動泊車系統(tǒng)的主要商業(yè)模式區(qū)別點，在于選擇車端方案還是場端方案。泊車過程大致可包含五大環(huán)節(jié)：環(huán)境感知、停車位檢測與識別、泊車路徑規(guī)劃、泊車路徑跟隨控制、模擬顯示。偏車端方案：在車端按照雷達，借助車載傳感器對周圍環(huán)境以及自身狀態(tài)進行感知、決策并執(zhí)行車輛動作，在必要時提醒用戶進行車內(nèi)或遠程接管操控。偏車端方案的優(yōu)勢在于不受場地及圖商數(shù)據(jù)供應(yīng)的限制，劣勢在于對車輛智能化要求較高，單車成本較高。

偏場端方案：在停車場內(nèi)布置激光雷達或雙目攝像頭來實現(xiàn)對車輛狀態(tài)及周邊環(huán)境的監(jiān)控，通過預(yù)埋式停車場傳感器探測當前車位占用狀態(tài)，將傳感器數(shù)據(jù)匯總在數(shù)據(jù)中心進行分析，再將處理信息傳遞至車端。偏場端方案的優(yōu)勢在于對車輛智能化要求較低，劣勢在于對高精地圖或停車場基礎(chǔ)設(shè)施依賴度較高，而高精地圖供應(yīng)商目前商業(yè)模式尚不清晰。

自動駕駛感知層

自動駕駛系統(tǒng)架構(gòu)可分為感知層、決策層、執(zhí)行層，感知層主要用于汽車定位、靜態(tài)障礙物繪制、移動障礙物檢測和跟蹤、道路映射、交通信號檢測和識別等。感知層的實現(xiàn)方式包括GPS定位、高精地圖、各類雷達及攝像頭智能傳感器以及物理傳感器（MEMS）。

1. 高精地圖

感知層識別車輛位置的技術(shù)主要為GPS及高精地圖，并以高精地圖為主。高精地圖是指精度高且精細化定義的地圖，與傳統(tǒng)導(dǎo)航地圖的區(qū)別主要在于數(shù)據(jù)精度及商業(yè)模式。高精地圖通過配備激光雷達、相機等專用設(shè)備的車輛沿街行駛來進行數(shù)據(jù)采集，精度要求在20cm左右，相對精度一般為厘米級，而傳統(tǒng)電子導(dǎo)航地圖的精度一般在10米左右。在更新頻率方面，對于靜態(tài)數(shù)據(jù)，傳統(tǒng)電子導(dǎo)航地圖通常要求月度或季度級別，高精地圖要求周級或天級更新。對于動態(tài)數(shù)據(jù)，普通導(dǎo)航地圖不做要求；高精度地圖要求車道級路況或交通事件等信息實時更新。

高精地圖極大的簡化了自動駕駛功能的研發(fā)，可以彌補感知能力的上限。高精地圖可以提供超視距的靜態(tài)環(huán)境信息，提供道路限速、特殊車道、前方路形分叉匯合、曲率變化等靜態(tài)信息，方便自動駕駛超前作出判斷。高精地圖使得自動駕駛難度和復(fù)雜性大幅下降。

我國高精地圖市場競爭格局高度集中。據(jù)IDC統(tǒng)計的數(shù)據(jù)顯示，2020年中國高精地圖市場規(guī)模為4.74億元，百度市場份額排名第一，占比28.07%，CR5市場份額合計達86.7%。2022年IDC發(fā)布的《中國高精地圖市場份額》報告顯示，2021年中國高精度地圖市場規(guī)模為6.46億元，其中，百度依舊占據(jù)市場份額第一，占比32.7%，2021年CR5市場份額合計達88.6%，集中度進一步上升。

高精地圖資質(zhì)稀缺，審批速度逐步放緩。在我國，從事高精地圖測繪需要持有甲級測繪資質(zhì)證書，制作導(dǎo)航地圖需要持有甲級導(dǎo)航電子地圖制作資質(zhì)證書（自然資源部）。我國甲級測繪資質(zhì)證書較少，且獲批速度逐步放緩。

車企和互聯(lián)網(wǎng)企業(yè)通過并購及合作等方式獲得高清地圖資質(zhì)。在互聯(lián)網(wǎng)企業(yè)中，為了獲得甲級測繪資質(zhì)，2013年百度收購了常棣萬方，阿里收購了高德地圖，騰訊入股四維圖新。在自動駕駛領(lǐng)域，2021年英偉達收購了Deepmap，小米收購了Deep Motion，豐田收購無人駕駛汽車地圖和數(shù)據(jù)提供商Carmera，小鵬收購智途科技。上汽集團建立合資子公司中海庭并投資于具有高精地圖資質(zhì)的Momenta。吉利于2016年創(chuàng)立易卡通，2019年投資易圖通。由于資質(zhì)和高精地圖服務(wù)能力的稀缺性，多數(shù)車企仍然會選擇與高精地圖企業(yè)通過業(yè)務(wù)合作來獲取地圖。2021年5月，理想宣布與高德地圖合作。2022年2月，蔚來披露了與騰訊在高精地圖領(lǐng)域的合作計劃。

測繪資質(zhì)并非一勞永逸。甲級測繪資質(zhì)有效期為5年，到期的資質(zhì)需要重新審核。2022年2月、3月、8月，自然資源部公布了導(dǎo)航電子地圖制作甲級測繪資質(zhì)復(fù)查換證結(jié)果顯示，19家企業(yè)已通過資質(zhì)復(fù)查，而智途科技（小鵬）、嘀嘀（滴滴）、中海庭（上汽）、Momenta等家企業(yè)尚未公示復(fù)查結(jié)果。

高精地圖測繪成本高昂，覆蓋全部路段較為困難。高精地圖制備需要通過專用測繪車來采集，每輛測繪車成本超過500萬人民幣，數(shù)據(jù)采集成本較高，且人工、車隊維護成本也較為昂貴，導(dǎo)致高精地圖制作成本高昂。對于圖商而言，測繪車即需要長期高額投入，因此只有頂級圖商能維持百輛以上數(shù)量級的測繪車。百輛測繪車隊僅能覆蓋部分道路，對于覆蓋更豐富，采集難度更大的城市道路較為困難。同時，由于我國城市道路不斷翻修，高精地圖需要保持一定的時效性。另外，高精地圖輔助自動駕駛的服務(wù)費也較高，除部分圖商外，預(yù)計每輛車為700-800元/年，是普通導(dǎo)航電子地圖每輛車年服務(wù)費的20-35倍。

成本因素及測繪資質(zhì)收緊，使得自動駕駛企業(yè)興起“去高精地圖化”趨勢?！叭ジ呔貓D化”為了解決之后無圖的限制，旨在通過傳感器傳回的數(shù)據(jù)進行仿真數(shù)據(jù)訓(xùn)練，逐漸豐富汽車的識別和決策能力。目前，在傳感器不能完全覆蓋環(huán)境識別的情況下，車企同時使用高精地圖和車內(nèi)傳感裝置來識別，并考慮在不同路況下，給予兩種感知方法不同的置信度。

傳統(tǒng)圖商探索與消費導(dǎo)航市場融合。2022年自然資源部辦公廳印發(fā)《關(guān)于做好智能網(wǎng)聯(lián)汽車高精度地圖應(yīng)用試點有關(guān)工作的通知》，支持不同類型地圖面向自動駕駛應(yīng)用多元化路徑探索。高德、騰訊、百度、華為紛紛將高精地圖的部分能力延伸至消費級市場。

部分廠商則尋求在AVP停車場眾包高精地圖實現(xiàn)突破。眾包高精地圖利用在路上行駛的汽車收集道路數(shù)據(jù)并上傳GPS數(shù)據(jù)、行駛軌跡、行駛路線、傳感器數(shù)據(jù)等。地圖廠家在云端通過AI算法對上傳的道路數(shù)據(jù)進行處理，提取出道路的機構(gòu)化信息，配合定位信息繪制高精地圖。雖然眾包高精度地圖仍需要小規(guī)模十萬至百萬元量級的基準修正車輛，但是參與眾包的車輛越多，地圖的精度越高，更新速度也越快。2022年3月，晶眾地圖簽下業(yè)內(nèi)首個停車場高精度地圖量產(chǎn)訂單。

2. 物理傳感器

感知層的傳感器包括智能傳感器和物理傳感器，MEMS傳感器在物理傳感器中普遍使用。MEMS傳感器是基于半導(dǎo)體制造技術(shù)基礎(chǔ)上采用微電子和微機械加工技術(shù)制造出來的新型傳感器，廣泛應(yīng)用于汽車、智能手機、醫(yī)療、可穿戴設(shè)備等。MEMS傳感器可滿足汽車環(huán)境苛刻、可靠性高、精度準確、成本低的要求。在汽車上，MEMS傳感器應(yīng)用方向包括車輛的防抱死系統(tǒng)（ABS）、電子車身穩(wěn)定程序（ESP）、電控懸掛（ECS）、電動手剎（EPB）、斜坡起動輔助（HAS）、胎壓監(jiān)控（EPMS）、引擎防抖等。目前，MEMS系統(tǒng)以壓力傳感器、加速度計、陀螺儀與流量傳感器四類器件為主。

MEMS進入門檻較高，國外代工廠壟斷MEMS傳感器市場，市場規(guī)模增長穩(wěn)定。根據(jù)Yole《MEMS產(chǎn)業(yè)現(xiàn)狀2022》，2021年MEMS代工廠中，賽微電子全資子公司瑞典Silex Microsystems AB在全球排名位居第一，且為連續(xù)三年奪冠。MEMS代工廠第二至第五名分別為TELEDYNE MEMS、臺積電、X-FAB、索尼。

3. 智能傳感器

車身附近的識別技術(shù)主要依靠的技術(shù)是智能傳感器。智能傳感器用來實現(xiàn)測距、定位和對象的識別。智能傳感器的上游是芯片、雷達零部件，下游是車企。

智能傳感器包括超聲波雷達、攝像頭、毫米波雷達、激光雷達等。攝像頭和超聲波雷達是最穩(wěn)定的傳感器。攝像頭自身沒有測距功能，超聲波雷達主要應(yīng)用于短距離場景。毫米波雷達較為穩(wěn)定，但是對于環(huán)境障礙物復(fù)雜的情況下，以及涉及金屬目標物的情況下識別能力較弱，且識別僅能反饋平面數(shù)據(jù)，分辨率較低。激光雷達識別信息可以形成3D點云，擁有識別高度，但是成本較高，也容易受到惡劣天氣（雨雪）和煙霧環(huán)境的影響。

超聲波雷達是自動泊車系統(tǒng)的主流傳感器。超聲波雷達成本低，短距離測量中具有優(yōu)勢，探測范圍在0.1-3米之間，而且精度較高，但測量距離有限，且很容易受到惡劣天氣的影響。自動泊車促進超聲波雷達需求，超聲波雷達在自動駕駛中主要應(yīng)用在泊車輔助預(yù)警、汽車盲區(qū)碰撞預(yù)警功能、倒車雷達。

車載攝像頭是視覺傳感器，也是最為成熟的車載傳感器之一。攝像頭本身無法進行測距，單一使用攝像頭來測距的特斯拉通過自研算法運算來實現(xiàn)計算純視覺路線測距。借由鏡頭采集圖像后，攝像頭內(nèi)的感光組件電路及控制組件對圖像進行處理并轉(zhuǎn)化為電腦能處理的數(shù)字信號，從而實現(xiàn)感知車輛周邊的路況情況。攝像頭按安裝位臵不同可分為前視、環(huán)視、側(cè)視、后視和內(nèi)視等。

根據(jù)YOLE分類，自動駕駛攝像頭按用途分類可分為智能座艙攝像頭、ADAS（感知類）攝像頭和成像（Viewing）攝像頭。其中智能座艙攝像頭用于駕駛員疲勞監(jiān)控等艙內(nèi)行為及行車記錄。ADAS攝像頭用于前視ADAS環(huán)境監(jiān)控和夜視，夜視儀由紅外熱成像攝像頭負責(zé)。智能座艙攝像頭和ADAS攝像頭收集的數(shù)據(jù)均為自動駕駛軟件計算分析使用。成像攝像頭則為駕駛員的輔助感知使用，成像攝像頭將車身環(huán)境情況通過照片的形式反饋給駕駛員，包括電子后視鏡，電子屏幕360°環(huán)視（含倒車雷達）及后視圖等。

ADAS攝像頭和成像類攝像頭功能不同，成本結(jié)構(gòu)也有差異。ADAS攝像頭用于主動安全，需要準確捕捉圖像。成像類攝像頭用于被動安全，并將所拍攝的圖像存儲或發(fā)送給用戶。一般情況下，前視和側(cè)視往往優(yōu)先搭載感知類攝像頭，環(huán)視和后視一般為成像類，但隨著自動駕駛等級的提升可能升級為感知類攝像頭。根據(jù)YOLE數(shù)據(jù)，成本結(jié)構(gòu)方面，ADAS攝像頭對芯片有更高要求，預(yù)計至2024年算法芯片占60%的成本，攝像頭模組占40%。成像類攝像頭的成本則以攝像頭模組為主，成本占比約70%。

毫米波雷達是常見車載雷達，使用毫米級波長電磁波進行探測。毫米波的波長位于1-10mm范圍、頻率在30-300GHz。毫米波雷達通過發(fā)送和接收毫米波的時間差，運用多普勒效應(yīng)來計算目標參數(shù)，最終得到周圍物體的相對距離、相對像素、角度及運動方向等物理信息。

毫米波雷達探測距離遠、特殊天氣影響小，但分辨率較低。與其它傳感器相比，毫米波雷達具有很強的穿透能力，在夜間、雨霧雪等環(huán)境下均能正常工作，而攝像頭和激光雷達等傳感器受環(huán)境影響大。同時，毫米波雷達具有探測距離遠、可快速獲取目標的距離等信息、系統(tǒng)響應(yīng)快速可靠的優(yōu)點，非常適用于各種安全預(yù)警和事故預(yù)防的ADAS功能系統(tǒng)。但是，毫米波的分辨率較低，且只能反饋二維數(shù)據(jù)，對于物體高度識別較弱。

主流車載毫米波雷達頻率為24GHz、77GHz、79GHz三種。毫米波的“大氣窗口”主要集中在35GHz、45GHz、94GHz、140GHz、220GHz頻段附近。77-79GHz與24GHz相比價格相近，基于各國對頻段資源分配的法規(guī)和性能優(yōu)勢，未來主流搭載波段將為77-79GHz。2021年12月6日，工信部印發(fā)《汽車雷達無線電管理暫行規(guī)定》指出，為推動汽車智能化技術(shù)應(yīng)用和產(chǎn)業(yè)發(fā)展，將76-79GHz頻段規(guī)劃用于汽車雷達。該規(guī)定2022年3月1日正式實施起，不再受理和審批24.25-26.65GHz頻段汽車雷達的無線電發(fā)射設(shè)備型號核準申請。

4D毫米波雷達希望成為激光雷達的平替，分辨率及通過車規(guī)測試情況仍有不足。傳統(tǒng)毫米波雷達只能2D成像，而4D毫米波雷達具有3D識別能力，可以輸出帶有高度的目標點云，，為智能駕駛系統(tǒng)提供更為精確的車輛周圍環(huán)境感知系統(tǒng)方案。同時，4D毫米波雷達的價格約為激光雷達的10%-50%。因此，4D毫米波雷達技術(shù)成為激光雷達的平替競爭者。但是，4D毫米波相對激光而言能量較弱，分辨率尚未達到激光雷達的級別。而且，4D毫米波雷達直到2020年才出現(xiàn)可供上車的成熟方案，2021年各大車企開始上車測試。根據(jù)目前車規(guī)級對于產(chǎn)品要求2,000小時至10萬小時檢驗時間的監(jiān)管標準，目前4D毫米波雷達通過車規(guī)測試達到量產(chǎn)仍需要一定時間。

激光雷達通過測量激光信號的時間差和相位差來確定距離，對于復(fù)雜場景有3D識別優(yōu)勢。激光雷達通過發(fā)射和接收激光束，分析激光遇到目標對象后的折返時間，計算出到目標對象的相對距離，并利用此過程中收集到的目標對象表面大量密集的點的三維坐標、反射率和紋理等信息，快速得到出被測目標的三維模型，建立3D點云圖，繪制出環(huán)境地圖。因此，激光雷達測量的對象具有海拔高度，可以通過點云進行3D識別。

針對部分復(fù)雜場景和極端天氣，激光雷達的優(yōu)勢明顯。激光雷達不受到光線影響，且能量較高，因此在復(fù)雜路況、光線較暗的場景、部分極端天氣下可以實現(xiàn)安全冗余。而毫米波雷達針對超遠距、隧道、車庫等復(fù)雜場景存在分辨率不足問題，且毫米波雷達不能進行高度識別。攝像頭受到照明條件影響，在雨雪霧等天氣下受限制較大。

激光波長需要考慮人眼安全，目前量產(chǎn)項目以905nm為主。激光波長的選擇需要考慮激光與大氣的相互作用、激光發(fā)射器技術(shù)、成本可控的光電探測器，以及人眼安全。目前業(yè)內(nèi)主流采用905nm和1550nm波長。根據(jù)YOLE數(shù)據(jù)，在公開定點量產(chǎn)的29款激光雷達產(chǎn)品中，有20項產(chǎn)品選用905nm波長，占比69%。兩種波長各有利弊：905nm波長技術(shù)成熟度較高，成本更低，射出的光損失較少；1550nm使用的光電探測器較貴，但對人眼安全性更高，大氣吸收率更強，探測距離更遠。

激光雷達仍處于發(fā)展初期，車規(guī)化速度成為競爭力的關(guān)鍵。激光雷達上車時需要面對嚴苛多變的環(huán)境挑戰(zhàn)，需要通過車規(guī)級認證。ISO 26262功能安全標準尤為嚴苛，要求對產(chǎn)品整個生命周期進行評估，涵蓋功能性安全需求規(guī)劃、設(shè)計、實施、集成、驗證、確認和配置等方面。目前市場中激光雷達從發(fā)射器、接收器到運算方法均未形成固定的主流技術(shù)模式，同時作為精密電子儀器，在通過車規(guī)測試上仍具有較大難度。未來激光雷達公司的車規(guī)化能力及上車速度將成為決定技術(shù)格局的關(guān)鍵。

在自動駕駛汽車需求提升的背景下，車輛開始搭載越來越多的傳感器，通過融合算法保障行車安全。但是，傳感器各有性能邊界，因而有時對同一目標的感知數(shù)據(jù)會出現(xiàn)沖突，有時又出現(xiàn)數(shù)據(jù)冗余分散芯片算力。

從產(chǎn)業(yè)鏈角度來看，雷達供應(yīng)商傾向于在雷達中嵌入計算芯片對數(shù)據(jù)預(yù)加工，從而提升產(chǎn)品價格。對于車企和軟件供應(yīng)商而言，經(jīng)過加工的數(shù)據(jù)更方便軟件處理，但預(yù)處理同時也會損失大量細節(jié)信息。

在此背景下，如何提升芯片算力利用率、如何設(shè)置傳感器置信度及信息損失等問題，成為車企提升自動駕駛能力的關(guān)鍵。請期待下期《汽車自動駕駛決策系統(tǒng)全景》。