中国自动驾驶产业发展动态

2020-11-30 09:24:30 caoyu 89

图片关键词

图片关键词

图片关键词

图片关键词

图片关键词




中国自动驾驶产业发展动态


总报告


第一章 2019年中国自动驾驶产业发展状况分析与未来发展趋势展望


随着互联网、大数据、人工智能等技术在汽车领域的广泛应用,汽车正加速由机械化向智能化转变,智能网联汽车已成为人工智能、大数据、云计算、通信等产业的综合产物。当前,全球主要国家和地区纷纷加快产业布局,制定发展战略,各项技术标准及法规等逐渐完善。中国政府高度重视智能网联汽车的发展并频频出台支持政策,自动驾驶产业得到迅猛发展。本文从政策、标准、技术、产业等方面介绍国内自动驾驶发展情况,并与国外自动驾驶产业发展进行对比分析,指出我国在自动驾驶产业发展过程中的挑战,为未来我国自动驾驶产业发展提供参考意见。

一、中国自动驾驶产业发展现状

互联网和人工智能技术在汽车行业的快速发展,开启了全球汽车产业的第四次重大变革。在中国汽车行业增速放缓的背景下,自动驾驶有望成为我国汽车产业新的增长点。互联网科技巨头、传统车企、技术型创业公司依托其资金、科技、渠道等资源优势,纷纷抓住产业升级机会,切入自动驾驶领域。另外,中国多元化的应用场景、良好的道路条件、快速发展的通信技术都为中国自动驾驶产业发展提供了优良土壤。因此,自动驾驶有望成为中国从“汽车大国”迈向“汽车强国”的发展新机遇。

(一)国家高度重视自动驾驶产业发展,自动驾驶被列入国家战略

2019年,国家在政策上依然大力支持自动驾驶产业发展。2019年9月,中共中央、国务院印发《交通强国建设纲要》。该纲要提出要加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发,形成自主可控完整的产业链。同月,自然资源部、工信部、北京市经信局、北京市规划和自然资源管理委员会将自动驾驶地图应用列入试点工作,政策表明要分阶段加快推动解决自动驾驶地图资质、标准等关键问题,为车联网产业健康快速发展奠定基础。10月,工信部发布《新能源汽车产业发展规划(2021~2035年)》,指出到2025年,有条件自动驾驶智能网联汽车销量占比达到30%,高度自动驾驶智能网联汽车可实现在限定区域内进行商业化应用;到2030年,有条件自动驾驶智能网联汽车占比达到70%,高度自动驾驶智能网联汽车在高速公路场景下广泛应用。12月,中共中央、国务院印发《长江三角洲区域一体化发展规划纲要》。该纲要指出,加强大数据、云计算、区块链、物联网、人工智能、卫星导航等新技术研发应用,支持龙头企业联合科研机构建立长三角人工智能等新型研发平台,鼓励有条件的城市开展新一代人工智能应用示范和创新发展,打造全国重要的创新型经济发展高地。

频频出台的政策表明中国政府高度重视自动驾驶汽车的发展,将其看作汽车产业升级的必备条件。自动驾驶作为引领未来的前沿技术之一,不仅会带来汽车产业的全面变革,同时会对经济社会产生深远影响。

(二)各项标准构建工作全面开展,并积极参与国际标准的制定

标准作为自动驾驶汽车产业发展的重要内容,与产业、技术发展起到相互支撑、相互促进的作用。建立国标、行标、团标相互配套的新型标准体系,是引领和规范现阶段自动驾驶汽车发展的重中之重。

2019年5月,工信部发布《2019年智能网联汽车标准化工作要点》,在自动驾驶方面,将加快自动驾驶相关标准制定、有序推进汽车信息安全标准制定作为现阶段工作的重点内容;在智能辅助方面,继续稳步推动先进驾驶辅助系统标准制定,完成乘用车和商用车自动紧急制动等标准制定,全面开展自动驾驶相关标准研制。6月,联合国世界车辆法规协调论坛(WP.29)第178次会议审议通过中国、欧盟、日本、美国共同提出的《自动驾驶汽车框架》。7月,工信部就《道路车辆先进驾驶辅助系统(ADAS)术语及定义》开始征询意见。该次标准对四轮载客、载货车以及挂车的ADAS功能进行了定义,同时该标准规定了汽车盲区监测(BSD)系统以及乘用车车道保持辅助(LKA)系统的一般要求、性能要求和试验方法。9月,中国公路学会自动驾驶工作委员会发布《智能网联道路系统分级定义与解读报告(征求意见稿)》,从交通基础设施系统的信息化、智能化、自动化角度出发,结合应用场景、主动安全系统、混合交通等情况,把交通基础设施系统分为I0级(无信息化/无智能化/无自动化)、I1级(初步数字化/初步智能化/初步自动化)、I2级(部分网联化/部分智能化/部分自动化)、I3级(基于交通基础设施的有条件自动驾驶和高度网联化)、I4级(基于交通基础设施的高度自动驾驶)、I5级(基于交通基础设施的完全自动化驾驶),并进行了明确定义和详细解读。这是国内首次对智能化道路进行分级。

2019年,随着自动驾驶汽车特殊场景逐渐落地,相关标准的制定成为当前的迫切需求。自动驾驶汽车突破了原有汽车边界,“人—车—路—网—云”形成新的产业集群,新产业的涌入给自动驾驶汽车标准带来了挑战。2016年,工信部、国标委、交通部共同制定了智能网联汽车标准体系,拟定到2020年,初步建立辅助驾驶及低级别自动驾驶的智能网联汽车标准体系。2019年,全国汽车标准化技术委员会在ADAS、自动驾驶、信息安全、车联网与应用场景等方面已启动41项推荐性国家标准。在国际标准法规的协调中,一方面,中国联合日本、欧盟共同制定联合国自动驾驶法规文件;另一方面,在IEC层面,中国作为召集人,已提供四项国际标准提案。2019年是自动驾驶汽车的相关标准加快制定的一年,但是标准的本质是对重复的、有广泛共识的事物和概念进行统一规范,这就决定了制定标准的前提是技术发展到一定阶段,标准的制定会在一定程度上滞后于技术的发展。

(三)对自动驾驶产业相关法律法规的修订和研究需加快推进

汽车是一个长产业链的产业,从汽车的全生命周期来看,我国传统汽车的管理涉及汽车生产企业管理、汽车产品管理、道路交通管理、汽车营运管理、汽车配套服务、汽车回收利用等环节。自动驾驶汽车是产业融合的新产物,现存法律中对产品管理、交通管理、保险监管、网络安全、地理信息等方面的规定已不能完全适用于自动驾驶汽车。

自动驾驶监管制度存在空白。现行的交通管理以“人”为核心,建立了成熟的驾驶人和驾驶证管理体系。自动驾驶系统去除了“人”的特性和功能,这就使如何监管自动驾驶系统成为问题。

责任事故的划分。我国现有交通违法处罚以行政处罚为主,责任主体为驾驶人。自动驾驶事故发生原因是多样的,有可能是车辆使用者操作错误,或者系统故障,或者外部攻击,或者通信延迟,如何确认事故责任成为需要解决的问题。

关于测绘的问题。自动驾驶汽车通过环境感知、高精度地图及定位技术,以实现自动驾驶的规划控制。我国测绘资质管理制度要求高精度地图的数据采集、编辑加工和生产制作需要由有导航电子地图测试资质的单位承担,目前国内只有20家企业获得测绘资质,严格的测绘资质审批制度在一定程度上限制了高精度地图的制作。另外,自动驾驶高精度地图需要实时更新,根据《地图管理条例》,我国实行地图审核机制,向社会公开发布的导航电子地图应当报送审核,实时更新的问题与传统审图机制也相冲突。因此,协调国家安全和自动驾驶地图需求是一个问题。

伴随自动驾驶汽车联网功能的增多,网络安全成为自动驾驶发展的门槛问题。如何保障自动驾驶汽车的网络安全成为自动驾驶汽车的重点研究领域。与其他网络终端相比,自动驾驶汽车具有可移动性,网络安全不仅涉及车辆本身,还涉及公共安全。如果遭到不法分子的远程攻击,可能造成严重的财产损失和人员伤亡。我国目前出台的《网络安全法》还无法应对自动驾驶全场景下的网络安全问题。另外,我国目前缺少专门针对自动驾驶汽车网络安全的实施指南或指南性文件。自动驾驶汽车逐渐从交通工具转变为移动智能终端,车辆在运行过程中的信息采集使个人信息保护面临风险,建立个人信息保护制度迫在眉睫。

自动驾驶发展过程中的伦理道德问题仍是绕不过的难题。有学者认为,当自动驾驶汽车陷入“电车难题”时,许多人希望自动驾驶汽车优先保护人类而非动物,优先保护年轻人而非老人,保护尽可能多的人。伦理学的问题仅依靠程序员是无法解决的,需要技术人员、设计师、伦理学家、政府官员及民众更多的讨论,并通过法律法规界定责任归属及赋予保护主体的优先权。

自动驾驶汽车成为汽车及相关产业竞争的重点,而现行的法律法规实施对象是人,对自动驾驶汽车来说是不适用的,技术进步和产业发展对相关制度的需求非常迫切。因此,建议从国家层面提出相关法律法规的修订和研究计划,为自动驾驶快速发展创造良好的发展环境。

(四)自动驾驶汽车技术成为产业创新发展的核心动力

自动驾驶单车智能是通过在车辆上加装感知设备和运算单元,提高车辆本身的感知、决策和控制能力,使其达到甚至超越人类的驾驶水平,部分实现甚至全部实现自动驾驶;车路协同是在路端和车端同时布设感知和运算设备组成车路系统,系统通过各种无线通信的方式,在车和车之间、车和路之间、近端和远端之间,甚至车和人之间构成新的交通结构。

2018年9月,百度宣布正式开源Apollo车路协同方案。同月,阿里在云栖大会上宣布将车路协同视为未来20年的战略发展方向,并成立“2038超级联盟”。2019年5月,腾讯在数字大会上发布了5G车路协同开源平台。华为先后同18家汽车业的企业签署了23份合作协议,体现了华为在未来汽车领域的战略布局重心。

从华为、中兴、大唐等通信领域的企业到以百度、阿里、腾讯为代表的互联网企业,再到四维图新、希迪智驾等创新型企业,均已布局自动驾驶车路协同技术。相对国外以单车智能为自动驾驶主要发展路线而言,我国的车路协同存在较多优势。首先,车路协同方案能突破视觉死角和障碍物遮挡,并且不受天气影响。目前,国内测试案例中的路侧单元,大多布置在交通灯附近,位于高处,能有效避免障碍物的遮挡,而且以静止状态探测移动物体,能明显提高准确率。其次,车路协同能够减少车上传感器应用,降低成本。目前,应用在车上的传感器都有局部的缺陷,需要多传感器的融合。而众多传感器不仅会增加能耗,还会增加单车成本。通过车路协同的方式,能把车上的传感器转移到路上,从而减轻车辆单车压力。最重要的是,中国的5G发展优势能进一步赋能自动驾驶。车联网作为5G的重要应用场景,给自动驾驶带来了低延时、高稳定性的物联网架构,通过服务器的高性能计算、核心云、边缘云给自动驾驶车辆提供实时路况信息、行人信息等,自动驾驶迈入5G时代。

当单车智能逐渐走向瓶颈期,车路协同逐渐成为我国的特色技术路线。在今后的发展过程中,单车智能是基础,车路协同是支撑,二者缺一不可。先从单车的智能化开始,然后逐步应用在部分场景、部分区域,之后随着场景的扩充,加入路端信息,最后形成车路协同。

(五)各地政府大力支持自动驾驶产业落地,开放测试道路得到快速发展

伴随我国自动驾驶关键技术的不断进步,国内多个城市为了促进当地智能网联汽车产业的迅速发展,占领未来汽车产业阵地,纷纷在自动驾驶领域进行布局,如建设智能网联汽车测试区,发布产业相关政策,以聚集产业、吸引投资。目前,在智能网联汽车测试区建设方面,已有北京、上海、长沙、重庆等19个城市颁布智能网联汽车公共道路测试管理办法,并通过示范区建设吸引企业落地。

2019年3月,“深圳智能网联交通测试示范区”在深圳坪山举行启用仪式,该测试示范区测试区道路总长2.6公里,主要为城区道路,包含典型城市道路场景,如环岛、十字路口、停车场等,同时可满足网联式自动驾驶的应用测试与验证。4月,国内第一条基于自动驾驶的智能网联高速公路测试路段——齐鲁交通智能网联高速公路测试基地及研发中心项目在济南启动。6月,广州市交通运输局为广汽集团、文远知行、小马智行、深兰科技等六家企业共24台车辆颁发智能网联汽车道路测试通知书。广州测试道路路段分布在黄埔、白云、花都、南沙等区,共有测试道路33条,总里程达45.64公里。同月,浙江省德清县发布浙江省首个自动驾驶与智慧出行示范区建设实施方案,以及关于支持开展自动驾驶测试服务的意见。德清将从顶层设计、硬件基础、应用落地、产业发展等方面谋篇布局,打造浙江首个全域城市级自动驾驶与智慧出行示范区。9月,上海与浙江、江苏、安徽共同签署了《长江三角洲区域智能网联汽车道路测试互认合作协议》,区域内的测试数据可以共享,测试结果也可以互认,让华东地区的自动驾驶产业集群效应更加凸显。9月7日,在国家制造强国建设领导小组车联网产业发展专委会第三次全体会议期间,江苏泰兴智能网联汽车自动驾驶封闭场地测试基地获得工信部与交通部的共同授牌,该基地成为江苏省唯一、全国首批3家获得两部委联合认定的自动驾驶封闭场地测试基地。9月22日,国家智能网联汽车(武汉)测试示范区正式揭牌,并为百度、海梁科技、深兰科技3家企业颁发自动驾驶商用牌照。获牌企业不仅可以在公开道路上进行载人测试,也可以进行商业化运营。9月26日,长沙开放道路智能驾驶示范区正式启用,意味着智能网联车辆和普通社会车辆可以在长沙规定的开放道路上共同行驶,长沙正式迈入了“智能驾驶2.0”时代。

2019年,长三角地区测试互认为我国智能网联汽车测试打开新局面,未来自动驾驶测试环境将进一步优化,虚拟仿真测试、封闭测试区、半封闭测试区、开放道路的整体运行机制将会逐渐健全,推动丰富测试场景、统一测试标准、通信、地理信息、路侧设备技术的完善,更好地支撑自动驾驶技术的发展。

(六)自动驾驶资本进入冷静期,产业协同成为趋势

2019年自动驾驶行业进入冷静期,自动驾驶企业面临技术与商业化的双重压力。自动驾驶资金投入多、落地挑战大以及资本退坡带来的压力大,成为行业的主要现状。在“落地难、造血慢”的形势下,各大企业纷纷选择结盟。例如,大众与福特Argo、宝马与戴姆勒等车企之间,车企与科技公司之间纷纷在自动驾驶商业化布局中进行合作。

4月2日,东风、华为、襄阳市人民政府正式签署了“智行隆中”项目的战略合作协议,三方联手,打造智慧汽车谷、智慧出行、智慧物流和智慧交通云平台等四个工程。7月3日,吉利董事长李书福与百度创始人李彦宏在百度AI开发者大会上共同宣布,双方就智能网联、智能驾驶等AI技术在汽车、出行领域展开全面战略合作。9月24日,长城与华为在深圳正式签署战略合作协议,双方将在智能网联、智能驾驶、智能座舱、云服务、大数据、出行服务等创新技术领域展开全面合作。在自动驾驶发展放缓的情况下,不同类型企业有不同的战略规划。

1.整车企业

2019年,红旗EV获得5张北京自动驾驶路测牌照。在产品上,红旗将与百度联合,共同打造L4级自动驾驶乘用车。

2019年,长安新一代L4级自动驾驶车辆在重庆仙桃数据谷示范运营两年。未来,长安汽车计划到2020年建成L3级自动驾驶智能开发平台,新产品100%联网、100%搭载驾驶辅助系统,在高速公路、堵车缓行路段、停车场泊车场景下实现自动驾驶;到2025年,建成L4级自动驾驶的智能开放平台,车载功能实现100%语音控制。

2019年,名爵ZS搭载博世最新的L2级部分自动驾驶技术上市。未来,上汽集团计划到2020年实现结构化和部分非结构化道路的自动驾驶,到2025年实现全场景下的自动驾驶。

2019年,北汽集团高端智能新能源汽车品牌ARCFOX发布全球首个搭载5G技术的平台。北汽集团计划到2022年,力争实现所有产品具备“国内领先、世界一流”的智能驾驶和智能互联功能。2022年之前实现L3级智能驾驶规模化量产,通过冬奥会示范运营,实现全球首次规模化L4商业化运营。

2019年,广汽集团发布ADiGO生态系统,并与博世发布基于车联网技术的L4级自动代客泊车系统。广汽集团计划于2020年实现半自动驾驶,2025年前实现高度自动驾驶,2030年前实现完全自动驾驶。

2019年,吉利发布全新升级的GKUI 19吉客智能生态系统,博越PRO成为首次搭载该系统的车型。未来,吉利汽车计划2020年将实现局部工况高度自动驾驶L3,车联网渗透率将超51%。2022年,在5G协同的情况下,实现高度自动驾驶。2030年,实现自动驾驶里程占总里程的13%。

2.互联网企业

2019年下半年,百度不仅先后拿下了北京市首批T4级别路测牌照和自动驾驶载人测试牌照,还陆续在长沙、沧州、阳泉、银川等地开展自动驾驶、车路协同等示范应用。9月,百度自动驾驶出租车队Robotaxi正式在长沙面向公众试运营,踏出市场化第一步。11月初,百度在沧州推出国内第二个无人驾驶出租车试运营项目,使自动驾驶走向市场。2019年,百度Apollo凭借52辆测试车仅在北京市就完成了75.4万公里的测试,百度也因此成为2019年北京市所有测试企业中投入测试车数量最多、测试里程最长的企业。

2019年8月,滴滴正式宣布将旗下自动驾驶部门升级为独立公司,用于开展自动驾驶研发、产品应用及相关业务拓展。之后获得了由上海市颁发的首批载人示范应用牌照。

3.创新型企业

2019年6月,Pony.ai获得了由美国加利福尼亚州颁发的自动驾驶运营牌照,获准向公共乘客提供自动驾驶出行服务,Pony.ai也成为首家在加利福尼亚州获得该牌照的中国自动驾驶技术公司。11月,Pony.ai通过与现代汽车合作,正式在加利福尼亚州推出首个面向普通公众的Robotaxi常态化服务。

2019年12月,智加科技的L4级自动驾驶卡车穿越4500公里,横跨美国东西海岸,为世界知名乳业巨头蓝多湖(Land O’Lakes)提供了首次自动驾驶货运服务。

2019年12月,驭势科技在香港国际机场内启用无人物流车为旅客提供行李运输服务,这是全球首个在机场实际操作环境下运行的无人驾驶常态化运营项目。

当前国内企业在自动驾驶领域的技术实力和全球影响力正处于快速提升阶段。或许目前国内在自动驾驶的大规模商业化方面还面临供应链不成熟、政策法规不完善等多重难题,但从细分市场来看,高度自动驾驶技术在封闭场景的落地还是指日可待的。未来,随着更多类似的项目逐渐落地,国内无人驾驶有望迎来真正的春天。

(七)自动驾驶商业化落地难、限定场景商业化应用成为热点

目前,自动驾驶发展处于发展初期阶段,仍然有很多问题需要解决。打造促进自动驾驶发展的环境需要多方共同努力,政府部门在政策上为自动驾驶发展扫清障碍,资本通过市场行为推动相关企业快速进步,政、产、学、研划分好明确的分工和权责,通过全新的产业体系促进自动驾驶商业化运营。真正的商业化运营不是仅通过几辆车的示范,或者是在理想状态下的载人测试,而是能够适应多场景、全时段的商业化活动。显然,自动驾驶在目前技术不成熟的阶段仍然有很长的一段路要走。自动驾驶是一个需要长期投入及技术迭代的产业,企业为实现自我造血功能,需要尽快寻找可落地的商业化应用场景,在不同城市开展规模化应用示范,形成经验复制。目前,限定场景商用车成了企业与资本市场的一个新方向,在高速、物流、港口、固定路线接驳、清扫车、矿区、Robotaxi等一些场景中已陆续实现商业化落地。

1.微循环小巴

微循环小巴因为是固定线路,比出租车更容易实现自动驾驶,一般应用于园区通勤。从供应链上看,需要多个16线激光雷达,无需车规。在高精地图方面,特定场景的高精地图的绘制和更新挑战并不大。在算力方面,因为是低速和特定场景,现阶段的英伟达完全可以满足需求。加上园区的一些V2X的协同,效果会更好。

目前,百度的Apollo已经在各地的一些园区展开运营。示范运营能不断反馈数据进行技术更新迭代。重庆礼嘉智慧体验园示范应用的“Apollo”是升级后的“2.0”版本,不仅能够更好地服务于复杂的应用环境,也能为乘客带来更愉快的出行体验。另外,Apollo项目在北京、雄安、福建、广州、深圳等地的机场及旅游景点等均有封闭运行。

2.无人驾驶出租车

2018年12月,Waymo的付费打车服务在凤凰城上线,这是全球首个上线的商业自动驾驶打车服务。2019年,上海、长沙、武汉陆续开放无人驾驶示范运营牌照。无人驾驶出租车作为目前自动驾驶最难的应用场景,对相关配置的要求较高。首先,在Lidar上,需要具备至少32线以上的激光雷达;其次,需要搭载运营区域内的3D高精地图,并保持实时更新;再次,算力也是挑战;最后,要配备具有冗余的线控制动系统。

2018年11月,全国首辆自动驾驶出租车在广州大学城开始投入试营,但之后该项目更改了试运营地点和方式,并且改为“免费试乘”。

2019年8月,上海市嘉定区人民政府与AutoX达成战略合作,二者将共同建设中国首个无人驾驶Robotaxi运营示范区。

2019年9月,滴滴获得上海市智能网联汽车示范应用牌照,将在上海嘉定落地部署自动驾驶网约车。未来,滴滴出行App还会上线“混合派单”模式。

同月,百度在长沙宣布Robotaxi试运营正式开启。首批45辆Apollo与一汽红旗联合研发的“红旗EV”Robotaxi车队在长沙部分开放测试路段开始试运营。Robotaxi在目前看来是乘用车无人驾驶落地的最优场景,但也大多是在固定区域试运营或者对内部开放,距真正落地运营在技术上还有较大的距离。

3.无人驾驶配送小车

物流配送小车聚焦物流“最后一公里”的配送区域,是物流配送的最后一个环节,由物流企业将货物配送至用户手中。长期以来,整个物流产业链中成本最高、效率最低的“最后一公里”配送是物流行业的痛点。如何提升“最后一公里”的运作效率,对于物流企业乃至社会发展至关重要。

近年来,我国在无人配送领域的政策不断完善,为无人配送提供了发展机遇。随着人工智能、物联网的发展,越来越多企业布局无人驾驶物流配送业务。在国内,京东、菜鸟、苏宁、顺丰、美团等自带物流业务的公司纷纷入局无人配送领域,一方面,这些公司本身具有应用场景,方便进行测试;另一方面,物流巨头通过与其他技术创新型企业开展合作,也能结合自身优势共同打造高效的配送服务。除了传统的物流巨头企业,大批创业公司也在无人驾驶配送领域布局,如新石器、白犀牛、智行者等企业,不过这些企业基本上是采取与大公司合作的模式。在国外,美国自动驾驶初创公司Nuro推出了全自动无人驾驶配送车,不仅能适用于园区,还可以在城市道路正常运行。目前,在百度Apollo的支持下,新石器、智行者等初创公司,开始向外推出Robo-Delivery的产品,并开始提供给一些物流和配送公司使用。菜鸟已经在杭州和成都进行无人驾驶配送小车的测试工作,希望能尽快实现商业化落地。

目前,无人配送小车因为技术还不能应对各种复杂状况,仍处于测试研发阶段。另外,市场需求还未完全打开,并且无人配送小车车型不同于传统车型,部分零部件需要专门定制化采购,还未形成成熟的产业链。长期来看,无人配送离商业化落地还有一段距离,不过由于电商、外卖在中国的高速发展以及人力成本的快速上涨,中国的无人驾驶配送小车产业未来大有可为。

4.无人驾驶干线物流

目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径的区域运输;3000万辆的微型车(三轮及两轮物流车)在半径5公里的物流领域提供服务。因此,机器司机的市场需求相当庞大。干线物流是指使用干线运输大量和远距离的货物。由于运输距离长和运输能力集中,大量货物可以大跨度快速移动。长期以来,干线物流是中国公路运输的主要形式。随着我国物流行业的快速发展,干线物流也存在一些问题。卡车司机短缺现象普遍,“用工荒、招工难”问题越发严重。2019年6月,央视财经报道,国内目前货车司机缺口达到1000万人。另外,人力成本高且运营效率低,物流货运企业压力大,人力成本占总成本的30%~40%。同时,干线物流货运安全事故频发,给物流企业及社会带来巨大损失。此外,物流行业运营有严重的超载、疲劳驾驶等问题,导致大量交通事故。所以干线物流作为自动驾驶的应用场景,受到众多企业关注。干线物流车多为固定的点对点运输,且路线可控,相对于无人出租车来说比较容易实现,相对于园区接驳、无人清扫来说市场体量也较大。

在国外,戴姆勒毫无疑问是全球卡车的领先者,并率先在自动驾驶领域布局。2019年初,戴姆勒收购无人驾驶卡车方案公司Torc Robotics的多数股权,随后成立无人驾驶技术集团,并在2019年拉斯维加斯国际消费电子展(CES)上宣布将投资5亿欧元发展L4卡车。2019年6月,沃尔沃卡车推出综合碰撞缓解系统——沃尔沃主动驾驶辅助(VADA)2.0版本,该系统包括自动紧急制动功能(AEB)、高速公路偏离预警和制动功能(HDB)、具备巡航恢复功能的自适应续航控制功能(ACC)等。2018年,Waymo首次公开宣布,它将使用自动驾驶卡车负责谷歌数据中心之间的货物运输。通过与谷歌的物流团队合作,Waymo希望进一步将自动驾驶卡车应用于工厂、配送中心、港口和码头之间的货物运输。

在国内,2019年8月,一汽解放、智加科技、经纬恒润等企业共同成立苏州挚途科技有限公司。苏州挚途将在五年内落地可量产的L4级别自动驾驶重型卡车。2019年,图森未来在美国的无人驾驶卡车车队的规模从11辆扩充至40辆,并于2019年初开通一条由亚利桑那州至得克萨斯州的新线路,在超过1600公里的运输线路上为美国邮政(USPS)提供无人驾驶运输服务,并得到每月约30万美元的收入。12月,智加科技在美国完成无人重卡生鲜运输试运营,横跨美国东西海岸,为乳业公司提供自动驾驶货运服务。

未来,随着中国法律法规的完善,自动驾驶车辆将可能在国内高速公路上进行道路测试,进行更广泛的技术应用,进一步推动商业化落地。

5.无人驾驶清扫车

无人驾驶清扫车,是近两年兴起的一项产业,深度融合了传统环卫车与互联网、人工智能等技术,在无需驾驶员的情况下,可自动识别避障,智能规划路径,自主开展喷洒、垃圾清扫等环卫工作。比起自动驾驶载人载物类,清扫车是比较冷门的应用领域。中国半公开道路的清扫市场规模是2100亿~3000亿元,而且结构化道路不断增多,市场规模会随着城市化进程继续扩大。自动驾驶车在城市清洁领域的应用会带来诸多好处,不但可以解决行业性“供需矛盾”,而且可以在夜间作业,车辆利用率和清扫效率可达到人工的2~3倍。不过由于技术水平、政策限制及成本壁垒,无人清扫车尚处于普及过渡期,未实现大规模商业化落地。

2019年3月,上海仙途智能自动驾驶清扫车落地德国威廉港,并于6月获得上海市首张自动驾驶清扫车测试牌照,2019年8月发布第二代无人驾驶环卫车(Ecodrive Sweeper G2)。在工业物流园区、机场、医院等场景实现运营,并远销至新加坡、卡塔尔、澳大利亚等国家及地区。

2019年6月,深兰科技与海德汽车建立合作,开启AI智能扫路机的批量交付使用,目前已经在天津生态城、郑州二七区、常州北站等场景投入使用,此外,AI智能扫路机在2019年上海进博会期间负责外场区域的清洁服务。

智行者“蜗小白”是无人驾驶清扫行业的明星产品,已在北京、上海、长沙、西安、天津等多地投入使用。

无人驾驶清扫车因为对速度、时效性要求比较低,相对于其他场景更容易落地。但是由于技术不成熟,无人清扫车存在稳定性差、道路识别能力不足等问题,现阶段只能在公园、广场等封闭、半封闭场景中应用,难以真正实现“上路”作业。无人环卫作业对车辆的感知、决策、控制技术要求较高,并且成本较高。未来,企业需要尽快寻求可赢利的商业化模式,进行大规模的商业化应用。

二、中国自动驾驶产业发展过程中面临的挑战

我国政府高度重视自动驾驶汽车发展,频频出台政策,并投入大量资金,但是目前自动驾驶仍处在发展初期,有许多问题亟待解决。

(一)自动驾驶相关标准及法规不健全

目前,我国出台的自动驾驶法规主要是自动驾驶道路测试类及部分行业标准,相较于产业发展速度,立法稍显滞后。现行法律和产品准入制度要求汽车产品必须符合国家相关标准,否则无法获得上路行驶的资格,自动驾驶汽车目前无法上路。另外,现有的法律法规无法对自动驾驶事故责任进行划分,车辆保险法律法规也无法适用于自动驾驶汽车。

由于自动驾驶技术发展不成熟,相关行业和国家标准无法确定。另外,自动驾驶涉及的标准种类繁多,如交通类、出行安全类、通信类、测绘类、标准类等,需要各行业协同推进。我国各个标委之间应充分合作,利用路测数据积累经验,尽快研究和出台车辆安全规范,优化现有法律法规中不适用于自动驾驶汽车的条款。同时,以新的治理理念推动产业创新,在全球一体化的产业趋势下,与世界各国政府、行业机构组织协同推进自动驾驶行业标准及法规的制定和完善。

(二)自动驾驶技术发展不成熟

目前,汽车自动化技术已经成熟,但是智能化仍处于技术迭代期。多传感器融合、人工智能、高精度地图、信息安全、云计算等在汽车领域的技术仍存在诸多问题。

在自动驾驶技术硬件方面,车载摄像头、毫米波雷达、激光雷达各有优缺点。车载摄像头成本低,可识别行人和交通标志,但是对光线依赖较大,并且识别存在误差。毫米波雷达不受天气影响,探测距离远,精度高,但是难以识别行人。激光雷达精度极高,具备三维建模功能,但是成本较高,受天气影响较大(见表1.1)。

表1.1 各种传感器指标

类型

探测距离

分辨率

响应时间

整体精度

脏/湿度影响

成本

车载摄像头

<100米

100毫秒

一般

100~200元

毫米波雷达

>150米

10毫米

1毫秒

400~1200元

激光雷达

<150米

>1毫米

10毫秒

5万~50万元

安全性是自动驾驶发展的核心问题。自动驾驶起初得以发展的原因是机器能避免人的情绪化及疲劳感,从而提高车辆安全性。但是自Uber自动驾驶事故发生后,越来越多声音开始质疑无人驾驶是否真正安全。一是在自动驾驶人工智能技术方面,算法具有不可解释性。大多数自动驾驶控制程序采用“端到端”的训练方式,策略规划存在许多不透明的区域,人工智能仍不具备独立自主思考的能力,不能应对道路上的突发场景,即使道路测试了几百万公里,也无法确保上路的安全性;二是在自动驾驶安全性评估方面,目前并没有一套标准的规则,无法确定上路之后的安全性;三是在信息安全方面,打造安全可靠的数据网络传输是长期面临的困难与挑战。

在应用场景方面,创建全面的能覆盖自动驾驶所能遇到的所有场景的规则库行不通。即使在虚拟仿真平台模拟试验达到100%的准确率,也不能保证在真实道路环境下一定可行。

在道路测试方面,在封闭环境、固定路线中跑并不能代表自动驾驶水平,只能代表功能的演示。自动驾驶距离量产仍然有很长的一段路要走。

(三)自动驾驶上下游产业链不完备

自动驾驶要落地,必须体现在所有零部件形成的产业链上。目前,我国智能汽车上下游产业链还不完善。传感器、智能芯片、智能网联、智能计算、智能控制和人工智能技术各个方面都需配套。

传感器是自动驾驶规划、决策的基础。目前激光雷达、毫米波雷达及摄像头的组合是最佳解决方案,但是激光雷达价格昂贵,不能满足大规模推广使用,并且传感器距达到车规要求仍有一段距离。

计算平台方面,我国汽车芯片产业链不完善,研发生产能力不强,高度依赖进口。如今,汽车芯片是自动驾驶系统中最核心的零部件之一,其是否自主可控关系国家交通安全、数据安全乃至产业安全。接下来,如何提高设计和制造水平、改善产品可靠性、完善供应链条、创造迭代需求是芯片企业和整个中国汽车产业要共同攻克的课题。

此外,智能化道路设施建设与自动驾驶汽车的发展之间缺少协调,道路本身的智能化水平、道路基础设施和交通标志的发展现状与自动驾驶汽车要求存在差距。

(四)自动驾驶发展需要产业间协同合作,目前仍缺乏统一的协调机制

自动驾驶汽车产业发展不仅需要汽车制造商,还需要互联网企业、通信运营商、交通设备制造企业、道路基础设施部门等科技企业和政府部门的共同参与。目前的特色技术路线车路协同是云计算、大数据、通信技术、AI智能的深度学习、高精地图的软件统一,同时是硬件基础设施、雷达、传感器的感知与信息交互,既要加强软件开发,又要注重硬件开发。

另外,目前道路交通基础设施建设与自动驾驶汽车的发展缺少协调和统筹,道路本身的智能化建设亟待加强。交通设施、交通标志的设置及维护与自动驾驶的需求存在较大差距。

(五)可赢利的商业模式有待构建

自动驾驶的安全性必须比人类驾驶有显著提高才可以大规模商用。2030年前,预计自动驾驶市场的发展仍然主要依靠智能驾驶辅助系统来提高驾驶的安全性。

2016~2018年,通用自动驾驶子公司GM Cruise每年亏损费用达到1.71亿美元、6.13亿美元和7.28亿美元(息税前),总亏损15.12亿美元;2019年4月,Roadstar.ai管理层动荡、濒临倒闭;2019年6月,Drive.ai经营4年后关闭;2019年10月,Uber自动驾驶裁员;2019年12月,Velodyne裁掉超过20名在中国北京的办公室员工。

2019年对于自动驾驶企业特别是初创团队来说是困难的一年。主要原因是自动驾驶技术的不成熟,无法全场景、全区域运营,示范化不是商业化,完全自动驾驶落地仍需很长的一段时间。另外,自动驾驶传感器、人员成本、测试费用、牌照问题等都提高了单车成本费用。对于道路改造来说,基础设施投入较大,但社会效益不明确,影响企业投资积极性。

(六)社会公众科普程度需要提高

2019年9月,奥迪发布题为“The Pulse of Autonomous Driving”的调研报告。报告显示,中国用户、年轻用户以及高收入人群对自动驾驶非常感兴趣。中国用户对于自动驾驶汽车的兴趣一方面得益于中国汽车产业、科学技术的高速发展,中国用户对于汽车的认知和追求不断提高;另一方面是中国用户对于新技术、新事物的接纳程度大幅提高。另外,市场对自动驾驶的宣传力度空前,成为量产车提高销量的关键。

目前我国很多用户对自动驾驶的概念并不是很清晰,ADAS不是全自动驾驶,使用范围及使用方法都有待明确。自动驾驶发展对于消费者来说,就是提供更安全的驾驶。中国用户对自动驾驶的接受程度虽然比较高,但是自动驾驶技术只有成熟后才能被广泛接受及推广,让用户真实了解市场及技术发展情况是未来科普的重点。

三、中国自动驾驶产业发展趋势

自动驾驶汽车在未来将逐步替代人类驾驶,这不仅将改变人们的出行和生活方式,还将对传统物流行业、通信行业产生深远影响。本文认为未来自动驾驶产业发展将呈现如下趋势。

(一)Robotaxi将成为出行服务行业的竞争热点

自动驾驶出租车Robotaxi融合了自动驾驶生态中的多方链条,包括科技企业、主机厂、出行平台、政府等,随着自动驾驶技术的进步,出行平台为了稳定自己目前的行业地位,必须增加Robotaxi的投入,基于自动驾驶的“出行服务”将成为下一轮出行产业竞争热点。

目前美国、荷兰和日本等国家已经允许开展无人驾驶的测试。2018年,Waymo在亚利桑那州凤凰城地区推出了一项名为Waymo One的Robotaxi商业服务。除了谷歌,通用Cruise、福特Argo AI、UberATG、Navya、特斯拉等厂商都将目标锁定为Robotaxi。

在国内,目前广州、长沙、上海、武汉、沧州、北京等6个城市已允许载人测试。针对Robotaxi,国内企业也争相竞逐。2019年7月,长安汽车在重庆启动L4级自动驾驶车示范运营;2019年8月,百度宣布其与中国一汽红旗共同打造的国内首批量产L4级Robotaxi在长沙展开测试;2019年11月,文远知行自动驾驶出租车队文远粤行Robotaxi宣布在上海黄埔区、广州开发区开启试运营服务。预计到2025年左右,Robotaxi取消安全员并规模化部署后,其成本优势将凸显,与传统出租车成本相比,Robotaxi将在2025~2027年达到拐点,带来出行服务的颠覆。

Robotaxi能够成为下一阶段的竞争热点,一方面是因为自动驾驶硬件成本逐渐下降,尤其是激光雷达,随着国内品牌技术的提升,其整体成本将下降到原来的1/4。另一方面,为了推动Robotaxi的产业发展,相关出行平台会加强宣传推广Robotaxi的服务。从点到点到在区域内上下车,从面向特定的人群到面向更多的公开人群,从一开始的免费测试到现在进行的收费尝试,Robotaxi将向普通的出行服务一步步靠拢。市场和消费者更加贴近,为Robotaxi的大规模推广奠定了一定的基础。

Robotaxi方案提供商、整车企业、出行服务商一起构建“1+1+1”出行生态圈,商业模式逐渐清晰,谁能率先实现Robotaxi真正落地运营服务,谁就占领了未来出行市场。

(二)车路协同将成为中国发展自动驾驶的特色技术路线

自动驾驶单车智能成本居高不下、法律不完善等因素让单车智能道路遇到阻碍。单车智能基本上仍处于测试阶段,未能实现商业化。而C-V2X通信技术的快速发展,将自动驾驶的技术实现引向车路协同。中国5G的发展优势及良好的道路条件驱动车路协同成为中国发展自动驾驶的特色技术路线。

从技术层面分析,V2X通信标准演进共分为三个阶段,分别为LTE-V2X(第一阶段)、LTE-eV2X(第二阶段)、5G NR-V2X(第三阶段)。第一阶段、第二阶段分别于2017年、2018年完成,第三阶段即5G NR-V2X的技术研究工作正在进行中。从产业组成来看,主要有以BAT为代表的互联网科技企业,以华为为代表的ICT企业,以德赛西威、均胜电子为代表的汽车供应商,以希迪智驾为代表的车路协同方案解决商。从产业分工来看,主要有硬件设备制造、道路升级、软件技术、后端运营四个方面。从未来发展目标分析,主要有两个方向:一个是自动驾驶,另一个是智慧交通。

(三)信息安全是自动驾驶安全上路要跨越的第一道门槛

汽车快速智能化带来了对网络安全的迫切需求。网络安全是汽车智能化发展的核心要素,没有网络安全的保障,智能汽车就难以得到快速发展与应用。为此,国内外都高度重视智能汽车的网络安全,从技术、标准与产品等方面进行全方位发展。

欧美从安全芯片、软件架构、智能交通与V2X、生命周期等方面在全球率先开展了标准制定与技术研究方面的工作,并且已经取得一些研究成果。国内包括政府部门在内的多个机构都在开展标准与技术方面的研究工作。

如今的汽车早已不仅是机械设备,还包含数量众多、不同类型的电控单元,而且由相关电控单元构成的整体网络负责监视和控制交通工具的状态,对车辆的行驶安全具有决定性的影响。出现在互联网等领域的传统安全问题,也开始给汽车工业带来威胁。因此,需要及早采取措施,开展汽车电子网络安全方面的顶层设计工作,从标准、技术、人才、法律等角度全方位推进汽车电子网络安全的发展与应用,为自主汽车工业在全球汽车产业智能化发展的关键时期实现弯道超车保驾护航,促进自主汽车工业的跨越式发展。

(四)自动驾驶跨界合作协同是必然趋势

2019年6月,软银、丰田、五十铃汽车、铃木汽车、斯巴鲁、大发和马自达形成自动驾驶联盟Monet。宝马与戴姆勒进一步深化彼此关系,宣布将优先合作开发辅助驾驶系统技术、高速公路自动驾驶技术等。

2019年,虽然自动驾驶进入“寒冬”,但是车企与自动驾驶科技公司的合作日益火热。自动驾驶跨界合作,一是技术层面需要多方技术人员协作;二是自动驾驶高研发费用需要企业共担。可以预测的是,如果车企加速全球布局的脚步不停,未来将发生更多车企与自动驾驶技术企业的合作。

(五)促进部分场景落地,加速商业化进程

在各国对自动驾驶汽车发展大力支持,企业重点布局,初创团队集中爆发,以及资本市场力量的推动下,自动驾驶得到了快速发展。但是自动驾驶距真正上路仍有一段距离,只有突破法律、技术和用户三方面瓶颈,才具有产业化基础,完全无人驾驶的实现仍需要较长一段时间。在产业发展前期,寻求在特定领域开展商业化应用示范尤为重要。

自动驾驶商业化应用应当考虑以下因素:一是行驶环境要尽量简单,作业流程要尽量标准,标准化程度越高,越容易体现高效率优势;二是尽量应用在人力成本较高的行业,并且运营成本、运营效率都要优于人类驾驶员;三是面向B端市场,自动驾驶硬件成本较高,虽然未来成本会有所降低,但是过高的成本要求不适用于私家车市场。

从技术应用的难易情况以及受法律法规的影响程度来看,自动驾驶商业化应用路径将遵循先封闭后开放、先载货后载人的原则,以此来选择商业化场景,率先应用在限定场景下的封闭或半封闭区域,比如自动泊车、封闭场区内物流运输,其次是干线物流、末端配送、固定线路的环卫领域、公交通勤、分时租赁、网约车、共享出行等,最后才是私人场景的自动驾驶。

自动驾驶商业化运营需要首先在特定场景区域进行示范运营。一是在特定领域的先行先试,为自动驾驶汽车的安全性、可靠性验证提供有针对性的应用场景,相比封闭测试与道路测试,自动驾驶商业化应用的目的性更强,使得技术验证、迭代的效率更高。二是自动驾驶汽车高昂的成本及其商用所需基础设施搭建的投入,需要一定的商业模式来进行消化,否则难以实现大规模应用,因此前期的商业化应用探索将有助于形成可持续的商业化运行模式,为未来产业发展及市场普及指明方向。三是自动驾驶汽车的大规模普及将带来政策、法律法规、伦理道德、数据监管、隐私及信息安全、公众认知等多方面社会性影响,率先开展商业化应用示范,对有关社会性问题进行持续跟踪,将有助于探索自动驾驶汽车发展的经验,为国家宏观政策引导、顶层设计、制定战略任务提供方向性的参考。

在未来出行的趋势下,自动驾驶商业化应用的商业模式将迎来创新发展。具有整车量产能力的整车企业将联合雷达、摄像头、芯片等关键硬件的供应商以及掌握人工智能算法、多传感器融合等技术的服务运营商,具有自动驾驶决策规划能力的整体解决方案提供商,共同开发应用于商业化场景的自动驾驶产品。由整车企业负责自动驾驶汽车的量产,由解决方案提供商提供技术服务,由服务运营商搭建大数据平台,负责车队的管理和运营,为终端用户提供服务,其中,服务运营商将实行轻资产运营,由金融机构为车队搭建提供资金方面的支持。


技术发展篇

第二章 自动驾驶芯片发展动态

自动驾驶的核心芯片一般包括计算芯片、AI(人工智能)芯片和控制芯片,其中控制芯片多为传统的高功能安全MCU(微控制单元)产品,其市场较为成熟稳定,技术也是掌握在传统芯片制造厂商手中,同时近年来技术演进较慢,而AI芯片和计算芯片目前技术迭代和竞争较为激烈,所以本文主要围绕自动驾驶AI和计算芯片技术展开研究讨论。通过分析国外主流芯片厂商如英特尔(Intel)、英伟达(NVIDIA)、特斯拉(Tesla)、赛灵思(Xilinx)、德州仪器(TI)以及国内主流芯片厂商如华为(HUAWEI)、地平线机器人(Horizon Robotics)和芯驰科技(Semi Drive)的芯片方案,指出我国自动驾驶芯片存在市场被国外厂商垄断、算法优化和迭代周期长、尚未建立完整生态系统以及产业中游的芯片制造工艺薄弱等问题。未来我国应侧重研发ASIC芯片和AI芯片,以芯片为载体提供解决方案、加大政策支持力度,突破自动驾驶芯片技术困境。

一、自动驾驶芯片概述

自动驾驶系统的出现是为了替代人类驾驶员,自动驾驶即类比人类执行驾驶动作的全过程。自动驾驶汽车需要随时“看清”周围路况,将信息传导至“大脑”思考接下来最合理的路线,最终“选出”车辆行驶路径。因此,业界普遍认为,“感知—决策—执行”是自动驾驶汽车最为重要的三大系统。

从芯片角度来看,“感知—决策—执行”的实现需支持多种不同类型的传感器,兼顾高性能、高安全性和高可靠性。现有单一芯片无法同时满足诸多接口和算力的要求。基于上述要求,自动驾驶芯片需采用分布式异构的硬件方案。异构可以体现在单板卡集成多种架构芯片,如奥迪zFAS集成MCU、FPGA(现场可编程门阵列)、CPU(中央处理器)等;也可以体现在功能强大的SoC(系统级芯片),同时集成多个架构单元,如特斯拉FSD集成了NPU、CPU和GPU。

计算芯片主要为专用ASIC芯片和CPU芯片,AI芯片包括通用GPU(图形处理器)芯片、专用AI的ASIC芯片和FPGA芯片,控制芯片为高功能安全的MCU芯片。其中控制芯片多为传统的高功能安全MCU产品,其市场较为成熟稳定,技术也是由传统芯片制造厂商掌握,如恩智浦PowerPc架构芯片、瑞萨RH850系列芯片、英飞凌Aurix系列芯片,其芯片功能安全可以达到ASIL-D,但近年来技术演进较慢;而计算芯片和AI芯片目前技术迭代和竞争较为激烈,所以本文主要围绕该领域的自动驾驶AI和计算芯片技术展开研究阐述。当然,AI单元、计算单元和控制单元三部分并非绝对独立,随着技术的演进,芯片会向从分立方案到部分融合,再到最终完全融合的趋势发展。

二、国外自动驾驶芯片技术发展现状

汽车电子发展初级阶段以分布式架构为主,芯片与传感器一一对应。随着汽车电子化程度提升。传感器的数量增多,线路复杂性将会大幅度提升。为了更好地解决这一问题,域控式架构的设计理念得以应用,逐渐成为主流架构。在整体架构中处于核心位置的计算芯片,由于自动驾驶技术的要求,也向着灵活定制化方向发展。传统CPU在应用于汽车高级辅助驾驶功能时存在较多问题,例如算力不足,难以处理非结构化数据。GPU既可同时处理大量简单计算任务又可完成运算图形相关工作,使其成为智能汽车设计主流方案。随后自动驾驶的进一步发展向电子芯片提出了更高的计算要求,系统中加入了更多传感器,也需要处理激光雷达点云数据,ASIC芯片应运而生。ASIC芯片具有现场可编程和定制化特性,能灵活满足计算要求,可在较低能耗下提高车载数据处理速度,且大规模量产成本较低,整体性能均高于GPU和FPGA。随着自动驾驶定制化需求的出现和提升,ASIC专用芯片将成为主要趋势。

目前自动驾驶芯片市场份额位居前列的国外厂商主要是英特尔、英伟达、赛灵思和特斯拉。特斯拉FSD(全自动驾驶)芯片主要用于自己的车型,并未对外开放出售。传统的汽车芯片厂商如恩智浦、瑞萨、德州仪器等也在积极部署自动驾驶芯片。

(一)英特尔

2019年,自动驾驶芯片成为英特尔增长最快的业务板块,营收同比增长26%,增长到近10亿美元,这让英特尔收获了全球70%的辅助驾驶(ADAS)市场份额。英特尔通过商业并购布局自动驾驶芯片市场,2015年和2017年分别收购Altera和Mobileye,耗资达上百亿美元,形成了一个“ASIC+FPGA+CPU”的完整自动驾驶处理器解决方案。英特尔在自动驾驶领域主要是英特尔Go平台及Mobileye方案,Mobileye目前仍是独立运行。

Mobileye主要围绕EyeQ系列芯片和基于EyeQ芯片的ADAS系统来拓展市场,其环绕视觉摄像头工具主要包括多达12个置于车身四周的摄像头,以及Mobileye计算机视觉软、硬件,以此采集并聚合摄像头收集到的实时图像。

Mobileye核心产品EyeQ系列芯片,能够处理多类传感器融合产生的大量数据,如摄像头和雷达产生的数据,在L0~L3自动驾驶领域处于领军地位,在辅助驾驶市场占有率约为70%。EyeQ1、EyeQ2、EyeQ3主要应用于前向ADAS摄像头。第四代EyeQ芯片于2018年正式量产,采用28nm工艺制程,配置5颗核心处理器、6颗VMP芯片、2颗MPC核心和2颗PMA核心,能够同时计算8个不同摄像头的回传图像数据,每秒浮点运算达2.5万亿次,功耗是3W,L3半自动驾驶是EyeQ4能实现的最高级别的自动驾驶应用场景。第五代EyeQ芯片预估可在2020年进入量产阶段,采用7nm工艺制程,直接竞品为Nvidia Xavier芯片。Nvidia Xavier芯片定位L4和L5高级别全自动驾驶运算处理需求,功耗为5W,浮点运算能力达12TOPS。EyeQ5采用18核视觉和8颗核心处理器,浮点运算能力达24TOPS,并配备双路CPU,功耗为10W,芯片节能效率是Xavier的2.4倍(见表2.1)。

表2.1 Mobileye的EyeQ系列芯片参数

Mobileye

EyeQ1

EyeQ2

EyeQ3

EyeQ4

EyeQ5

上市时间(含预计)

2008年

2010年

2014年

2018年

2020年

辅助驾驶等级

Driver Assistance

L2

L3

L4~L5

性能(FP16 TFLOPS)

0.0044

0.026

0.256

2.5

24

功耗

2.5W

2.5W

2.5W

3W

10W

工艺节点

180nm CMOS

90nm CMOS

40nm CMOS

28nm FD-SOI

7nm FinFET

资料来源:Mobileye官网。

(二)英伟达

英伟达于2015年初推出Drive PX系列自动驾驶芯片。英伟达在基于GPU的自动驾驶方案中处于完全领先地位,其芯片既具极强的灵活性又有强大的算力,但成本和功耗高,基于此芯片的自动驾驶平台面向L2及以上的应用场景。英伟达自动驾驶系列平台如表2.2所示。

表2.2 英伟达自动驾驶系列平台参数

Nvidia平台

Drive PX(Auto Cruise)

Drive PX 2(Auto Chauffeur)

Drive PX Xavier

Drive PXPegasus

Drive AGX Orin

CPU

1×Tegra X2

2×Tegra X2

1×Tegra Xavier

2×Tegra Xavier

2×Tegra Orin

2×Tegra Orin

GPU

1×Pascal GPU

2×Pascal GPU

2×dGPU

2×dGPU

性能

10~12DLTOPS

20~24DLTOPS

30TOPS

320TOPS

200TOPS

2000TOPS

功耗

40W(SoC 10W)

80W(SoC 20W)

30W

500W

130W

750W

资料来源:英伟达官网。

Drive PX:2015年第一代Drive PX在国际消费电子产品展上发布。Drive PX搭载10GB内存和Tegra X1处理器,具备2TOPS的单浮点计算能力和2.3TOPS的深度学习计算能力,能够同时处理12个200万像素摄像头每秒60帧的拍摄图像,可支持的自动驾驶应用级别是L2高级辅助驾驶。

Drive PX 2:2016年英伟达在CES(国际消费类电子产品展览会)上发布了第二代产品Drive PX 2。PX第二代基于16nm FinFET工艺制程,功耗为250W,采用水冷散热设计,传感器方面支持超声波、雷达和激光定位,与第一代摄像头的处理能力相同,也可同时接入12个摄像头。PX 2 CPU部分由两颗NVIDIA Tegra X2处理器构成,每颗CPU包含8个A57内核和4个Denver内核,GPU部分采用两颗基于NVIDIA Pascal架构设计的GPU,每秒深度学习计算能力达24万亿次,是上一代产品的10倍,而单精度计算能力可达8TFLOPS,是上一代芯片的4倍,可以满足L3自动驾驶对运算的需求。

Drive PX Xavier:2016年在GPU技术欧洲大会(GTC)上英伟达提出新一代自动驾驶处理器Drive PX Xavier,2018年在CES上官方发布,同时还发布了全球首款针对无人驾驶出租车打造的车载计算机Drive PX Pegasus。Xavier基于一个特别定制的8核CPU、一个全新的512核Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器以及全新8K HDR视频处理器而打造,运行速度为每秒30万亿次计算,功耗仅为30W,相比于PX 2能效高出15倍,可满足的自动驾驶应用场景为L3~L4。

Drive PX Pegasus:Drive PX Pegasus搭载AI处理器,专为L5级全自动驾驶出租车设计,装配两颗Xavier SoC处理器,SoC上集成16核CPU,增加2块独立GPU,计算速度达到320TOPS,可承载比PX Xavier高10倍的计算速度,达到了L5完全自动驾驶系统的算力要求,但功耗高至500W。

Drive AGX Orin:英伟达花了4年时间,耗资数十亿美元将Drive硬件平台推进到新一代平台Orin。从英伟达发展的历史意义上来说,Orin可以称得上是英伟达的全新“核弹级”产品,预计在2022年可进入量产阶段。该芯片由170亿个晶体管组成,集成了英伟达新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和计算机视觉加速器,计算速度可达每秒200万亿次,相较于上一代Xavier的性能提升了7倍,并达到了ISO26262 ASIL-D等级系统安全标准。当应用于自动驾驶汽车和机器人时,Orin可处理同时运行的大量APP以及深度神经网络。除此之外,作为一个软件定义的平台,Drive AGX Orin以其良好的可扩展性可实现从L2到L4自动驾驶汽车的开发。

(三)特斯拉

特斯拉FSD芯片是其自研的面向自动驾驶的处理器芯片,该芯片以260平方毫米的规格堆下了60亿个晶体管和2.5亿个逻辑门,峰值性能达到36.8 TOPS,采用三星14nm FinFET CMOS工艺制造。

FSD芯片包含着三种不同的处理单元:负责图形处理的GPU、负责深度学习和预测的神经处理单元NPU、负责通用数据处理的中央处理器CPU。同时FSD芯片内置的图像处理器(ISP)最高可处理10亿像素的数据量,也就是8块1080P屏幕每秒60帧的程度。

图形芯片方面,该芯片支持32位和64位浮点处理的图形芯片。FSD芯片内置的GPU主频为1GHz,拥有600TOPS的运算能力,GPU主要负责一些后处理的任务,比如描绘人机交互的界面和图形,CPU则负责处理其他通用数据。特斯拉采用的是12个64位ARM Cortex A72内核,运行频率为2.2GHZ,12个CPU内核的排列方式是三个四核CPU的并联架构。其内置24位通道的图像处理器,支持高级色调映射和高级降噪,主要功能是将摄像头产生的原始RGB三原色数据转化成复杂的图像信息,这些信息则会传输给(神经处理单元)NPU,根据深度学习模型NPU会对图像数据做出处理。两块神经网络加速器(互为冗余)的主频为2GHz,拥有32MB的SRAM和96×96的阵列,数据处理速度1TB/s。

FSD芯片搭载了频率为4.266 GHz的LPDDR4 RAM,峰值带宽为68GB/s,还具备一个独立安全芯片和H.265视频解码器。独立安全芯片设计将以加密的方式主动检查所有指令和数据,以监测可能发生的黑客袭击自动驾驶汽车事件。独立安全芯片将全方位读取数据,包括输出和输入数据,观察任何可疑的感知信息,包括欺骗性的视觉信息(例如以假人欺骗汽车前方有行人),以此来调整决策和控制汽车。

FSD单个芯片算力约为36TOPS。板级采用两颗FSD芯片,可以提供最高144TOPS的算力,工作时的功耗大概为200W。

(四)赛灵思

赛灵思是FPGA的先行者和领导者。1984年,赛灵思发明了FPGA,译为现场可编程门阵列,作为半定制化的ASIC,其顺应了计算机需求更专业的趋势。FPGA具有灵活配置和可编程两大优势,另外其还对整体系统性能有提升作用。与单独开发芯片相比,FPGA开发周期大为缩短,但价格较高且尺寸较大。随着科技研发的不断进步,赛灵思发布了XA系列芯片进军高级辅助驾驶和自动驾驶市场,主要包括XA Zynq-7000和XA Zynq UltraScale+MPSoC(见表2.3)。

表2.3 赛灵思XA系列应用及产品一览

产品型号

应用

系列产品

Zynq-7000

前置摄像头

Zynq-7000s及双核Zynq-7000

Zynq UltraScale+MPSoC

自动驾驶中央控制器;多传感器融合系统

Zynq UltraScale+CG,

Zynq UltraScale+EG,

Zynq UltraScale+EV

资料来源:赛灵思官网。

基于SoC和FPGA产品家族,赛灵思衍生出三个方案,包括自动驾驶中央控制器方案、前置摄像头方案和多传感器融合系统方案。其中,自动驾驶中央控制器采用Zynq UltraScale+MPSoC;前置摄像头采用Zynq-7000;多传感器融合系统包括毫米波雷达和激光雷达采用Zynq UltraScale+MPSoC。

Zynq-7000系列集成ARM处理器的软件可编程性与FPGA的硬件可编程性,不仅可实现重要分析与硬件加速,同时还在单个器件上高度集成CPU、DSP、ASSP以及混合信号功能。Zynq-7000系列包括单核Zynq-7000s器件和双核Zynq-7000器件,是单位功耗性价比最高的全面可扩展的SoC平台,可充分满足独特应用需求。

Zynq-7000s器件采用与28nm Artix-7可编程逻辑配对的单核ARM Corte-A9处理器,是可扩展Zynq-7000平台的最低成本产品。

双核Zynq-7000器件配备双核ARM Cortex-A9处理器,该处理器与基于28nm Artix-7或Kintex-7的可编程逻辑集成,可实现优异的性能功耗比和最大的设计灵活性。双核Zynq-7000具有高达6.25M的逻辑单元以及从6.6Gb/s到12.5Gb/s的收发器,可为多摄像头驾驶员辅助系统和4K×2K超高清数据电视等大量嵌入式应用实现高度差异化的设计。

赛灵思另一款XA系列芯片Zynq UltraScale+MPSoC器件提供64位处理器可扩展性,同时结合软硬件引擎和实时控制,可处理图形、视频、波形与数据包。置于包含通用实时处理器和可编程逻辑的平台上,三个不同变体包括双应用处理器(CG)器件、四核应用处理器和GPU(EG)器件以及视频编解码器(EV)器件,为5G无线、下一代ADAS和工业物联网创造了无限可能性。与此同时,UltraScale+RFSoC可将多千兆采样RF数据转换器和SD-FEC内核集成至MPSoC架构中。

(1)Zynq UltraScale+CG。CG器件采用由双核Cortex-A53及双核Cortex-R5实时处理单元组成的异构处理系统。这些器件与16nm FinFET+可编程逻辑结合。CG器件通过在“Zynq UltraScale+”产品组合中进行封装移植,不仅可实现优异的单位功耗性能比,同时还可充分满足未来应用的需求。

(2)Zynq UltraScale+EG。EG器件采用运行速率高达1.5GHz的四核ARM Cortex-A53平台。EG器件与双核Cortex-R5实时处理器、Mali-400 MP2图形处理单元及16nm FinFET+可编程逻辑相结合,具有可充分满足新一代有线及5G无线基础架构、云计算以及航空航天与国防应用需求的专门处理单元。

(3)Zynq UltraScale+EV。EV器件在功能强大的EG平台基础上增添了集成型H.264/H.265视频编解码器,能够同时编解码4K×2K(60fps)的视频。EV器件采用高清视频理念设计,是多媒体、汽车ADAS、监控及其他嵌入式视觉应用的理想选择。

Zynq UltraScale+系列参数对比如表2.4所示。

表2.4 赛灵思Zynq UltraScale+系列参数对比

产品功能

CG器件

EG器件

EV器件

应用处理单元

双核ARM Cortex-A53

四核ARM Cortex-A53

四核ARM Cortex-A53

实时处理单元

双核ARM Cortex-R5

双核ARM Cortex-R5

双核ARM Cortex-R5

图形处理单元

ARM Mali-400 MP2

ARM Mali-400 MP2

视频编码解码器单元

支持H.264/H.265

动态内存接口

DDR4,LPDDR4,DDR3,DDR3L,LPDDR3

高速外设

PCIe© Gen2,USB3.1,SATA 3.0,DisplayPort,Gigabit Ethernet

资料来源:赛灵思官网。

(五)德州仪器

德州仪器发布TDAx系列高级辅助驾驶解决方案以抢占自动驾驶芯片市场,此系列目前已有四款产品,分别是:TDA2x、TDA3x、TDA2Eco和TDA4VM。德州仪器2013年发布TDA2x,定位中高级市场,其配置2颗ARM Cortex-A15内核与4颗Cortex-M4内核、2颗TI定浮点C66x DSP内核、4颗EVE视觉加速器核心,以及双核3dGPU。2014年德州仪器发布TDA3x,定位高级辅助驾驶芯片中低级市场。德州仪器又在2015年发布了新一款适用中低级市场的芯片TDA2Eco,相比于TDA2x,TDA2Eco去掉了EVE加速器,保留了一颗Cortex-A15、4颗Cortex-M4、DSP、GPU等内核。TDA3x主要支持2D或2.5D环视,而TDA2Eco可达到高清3D全景环视的标准,在中低级市场TDA2Eco填补了高清3D全景环视应用需求的空白。

德州仪器公司的TDA4VM处理器系列基于Jacinto 7架构,预计应用在驾驶辅助系统和无人驾驶汽车上,具有强大的数据分析能力,并与视觉预处理加速器相结合,从而使得系统性能更高效。TDA4VM处理器核采用C7x浮点,矢量DSP,工作频率1.0GHz,80 GFLOPS,256 GOPS;深度学习矩阵乘法加速器,工作频率1.0GHz,8TOPS;视觉处理加速器和图像信号处理和多个视角辅助加速器;深度和运动处理加速器;具有2个64位Cortex-A72微处理器子系统,工作频率高达1.8GHz,22K DMIPS;每个Cortex-A72核集成32KB L1 DCache和48KB L1 ICache,有6个Cortex-R5F MCU,工作频率1.0GHz,12K DMIPS;每个核存储器为64K L2 RAM,隔离MCU子系统有两个Cortex-R5F MCU,通用计算部分有4个Arm Cortex-R5F MCU,双核C66x浮点DSP,工作频率高达1.35 GHz,40 GFLOPS,160 GOPS。TDA4VM处理器仅使用5~20W的功率执行高性能ADAS运算,无须主动冷却。

三、我国自动驾驶芯片技术发展现状

中国在汽车芯片及自动驾驶芯片上的布局相对国外公司较晚,但同时也有个别公司已推出较为不错的芯片产品。目前国内自动驾驶芯片的主要公司有华为、地平线和芯驰科技等。

(一)华为

华为进军智能驾驶的方案为MDC智能驾驶计算平台,该平台基于华为昇腾系列AI芯片和鲲鹏920SoC,当前华为已经推出了MDC600和MDC300两个计算平台,分别对应L4和L3自动驾驶。将来高级自动驾驶市场需求增多之后,华为将会做更多如MDC800/900这样系列化的新产品。MDC600拥有8颗华为公司最新推出的AI芯片昇腾310,同时还整合了鲲鹏CPU和相应的ISP模块,能够支持L4自动驾驶能力的计算平台。2018年华为与奥迪达成战略合作,未来MDC600或许会搭载在奥迪品牌的国产车型上,助后者获得自动驾驶能力。

从芯片角度看,MDC智能驾驶计算平台内部包含了两个核心芯片,其中第一颗是CPU处理器,它是基于华为自研的ARM处理器鲲鹏920设计的。其基本参数为12核、主频大于2.0GHz、7nm工艺制程、最大功耗55W。另外一个核心芯片是AI处理器,它是华为自研的昇腾310处理器,基于达芬奇AI架构,12nm工艺制程,最大功耗8W。

鲲鹏920这颗芯片是华为在2019年1月发布的,采用的更为先进的7nm工艺制程,号称是业界基于ARM架构的最高算力芯片,这款芯片由台积电负责代工生产。鲲鹏920通过优化分支预测算法、提升运算单元数量、改进内存子系统架构等一系列微架构设计,其性能得到了大幅提升,同时兼容ARM V8.2架构,最高可集成64核,主频最高可到2.6GHz。该芯片支持8个DDR4内存通道,支持PCIe 4.0,支持100GE以太网络。另外,华为官方称鲲鹏920单处理器的整型测试性能相比上一代提升2.9倍,大幅提升大数据、分布式存储和数据库等场景的并行计算性能。数据加解密支持国密算法SM3/SM4,以及通用算法AES/SHA-2。具体参数见表2.5。

表2.5 华为鲲鹏920参数

系列

型号

核数

主频(GHz)

内存通道数

鲲鹏920

7260

64

2.6

8

5250

48

2.6

8

5230

32

2.6

8

5220

32

2.6

4

3210

24

2.6

4

资料来源:华为官网。

昇腾310是一款高效、灵活、可编程的AI处理器。基于典型配置,八位整数精度下的性能达到16TOPS,16位浮点数下的性能达到8TFLOPS,而其功耗仅为8W。作为一款AI芯片,昇腾310的一大亮点就是采用了达芬奇架构。这个架构是华为自研的面向AI计算特征的全新架构,采用了ARM核心+AI加速器的方式,官方称具备三大优势:高算力、高能效、灵活可裁剪。达芬奇架构采用3D Cube,针对矩阵运算做加速,大幅提升单位功耗下的AI算力,每个AI Core可以在一个时钟周期内实现4096个MAC操作,相比传统的CPU和GPU可实现数量级的提升。同时,为了提升AI计算的完备性和不同场景的计算效率,达芬奇架构还集成了多种计算单元包括向量、标量、硬件加速器,同时支持多种精度计算,支撑训练和推理两种场景的数据精度要求。具体参数见表2.6。

表2.6 华为昇腾310参数

参数

规格

架构

达芬奇

性能

16TOPS@INT8 8TOPS@FP16

最大功耗

8W

制作工艺

12nm FFC

资料来源:华为官网。

(二)地平线机器人

地平线机器人(以下简称地平线)在2017年发布了新一代自动驾驶芯片“征程”。“征程”是一款专用AI芯片,基于地平线研发的第一代BPU架构,可实时处理1080p@30fps视频,每帧中能同时对200个目标进行检测、跟踪、识别,典型功耗1.5W,每帧延时小于30ms。

2019年,地平线宣布推出第二代征程处理器Journey 2.0。Journey 2.0处理器采用台积电28nm HPC+工艺制程,基于地平线自主研发的BPU 2.0架构,集成了2个Cortex-A53核心,典型功耗2W下可以提供4TOPS的性能。基于Journey 2.0处理器,地平线推出Matrix 2.0自动驾驶计算平台,长安汽车UNI-T车型将成为首款搭载该系统的量产车型。具体参数见表2.7。

表2.7 地平线征程Journey 2.0参数

参数

规格

典型功耗

2W

最大输入分辨率

4K@30fps

高性能

4TOPS等效算力

主流外部接口

支持

资料来源:地平线官网。

(三)芯驰科技

芯驰科技面向自动驾驶汽车推出其三款车规级芯片:智能座舱X9系列、智能网关G9系列、智能驾驶V9系列。三款产品均采用台积电 16nm FinFET生产工艺制程,满足车规AEC-Q100要求和符合ISO26262 ASIL-B等级,采用双核互锁Cortex-R5内核的独立安全岛设计,支持系统最高实现ASIL-D级别的功能安全要求。

V9系列处理器是专为新一代智能驾驶辅助系统设计的车规级汽车芯片,采用ARM V8.2架构的Cortex-A55内核支持ECC及奇偶校验,同时集成了最新的高性能CPU、GPU、CV(视觉处理引擎),能够满足新一代智能驾驶辅助系统应用对强大的计算能力日益增长的需求。单芯片解决方案V9L和V9F面向L3以下自动驾驶应用;基于V9T域控芯片打造的高性能可拓展平台面向L3~L5自动驾驶。部分V9系列解决方案、应用场景见表2.8。

表2.8 芯驰V9系列解决方案、应用场景一览

V9系列

解决方案

应用场景

V9L/V9F

单芯片方案

L3以下,包括ACC、AEB、LKA、APA和AVM等

V9T域控芯片

V9T+PCIe外扩(AI芯片,GPU等)

L3及以上全自动驾驶平台

资料来源:芯驰科技官网。

基于V9T的高性能可扩展平台内含丰富的接口,最高可支持18个摄像头、8路CAN-FD和双千兆实时以太网,同时通过高速数据接口可外扩高算力单元如FPGA、GPU和专用AI芯片,具有很强的灵活性和算力可扩展性。其能灵活满足不同系统方案对感知系统的配置要求和算力的需求,此外平台中域控芯片内置高性能、高功能、安全的双核锁步内核,可以用于运行控制算法。整个V9系列规格见表2.9。

表2.9 芯驰V9系列参数

参数

规格

CPU

ARM V8.2架构

64-bit Cortex-A55内核

支持ECC及奇偶校验

GPU

PowerVR第九代GPU

CV

专用视频引擎,图像后处理

视频编解码

H.264/H.265/Vp9

显示接口

多通道MIPI DSI接口

摄像头

多通道MIPI CSI接口

高速接口

PCIe3.0,USB3.0,千兆以太网

资料来源:芯驰科技官网。

芯驰科技已经与多家原始设备制造商和车厂一级供应商进行战略合作,2020年下半年实现小批量测试,预计2021年产品正式上车。

四、我国自动驾驶芯片技术面临的挑战

(一)技术差距大,市场被国外巨头垄断

在世界范围内,英特尔和英伟达紧紧掌握住了自动驾驶核心计算芯片技术和市场,但这两家公司并不是敌对竞争关系,而是在不同的细分市场占据巨大份额。赛灵思等FPGA厂商凭借FPGA灵活的可编程能力和较强的扩展能力,在自动驾驶芯片领域也占有一席之地。

Mobileye(已被英特尔收购)主要垄断了L2的自动驾驶市场,尤其是基于单目摄像头的自动驾驶市场,全世界目前没有任何一家芯片生产公司比得过Mobileye。截至2019年底,Mobileye旗下产品EyeQ系列芯片的累计出货量已达到5400多万枚,在全球超过5000万辆的汽车上实现搭载。

英伟达则凭借其GPU强大的性能及SoC产品,控制了L4及以上级别的自动驾驶芯片市场,几乎处于垄断地位。通常情况下,英伟达向初创公司零星出售的Drive PX 2价格都会高于1.6万美金,而且周期较长、技术支持有限。

特斯拉是一个特例,其第一代智能驾驶方案采用了Mobileye的方案,但是由于Mobileye开放性低,不允许合作方修改,双方矛盾重重。在第二代产品中,特斯拉采用英伟达Drive PX 2的平台,开发了Autopilot 2.0自动驾驶系统,将Mobileye从自己的供应链中踢了出去。特斯拉意识到芯片将重新定义汽车行业,企业需自己掌握核心技术。于是其自研了FSD芯片,且仅用三年的时间就研发并量产了基于FSD芯片的智能驾驶系统Autopilot 3.0。在付出大量研发成本之后,特拉斯成功掌握核心技术主导权,定义新一代智能汽车,成为业内创新标杆,获得消费者的肯定。

整体上来看,目前自动驾驶芯片主流方案依然掌握在英特尔、英伟达、赛灵思等国外公司手中。传统的汽车半导体公司如瑞萨、恩智浦等不甘于失去自动驾驶这个巨大的市场,也分别推出系列产品和平台。但其L3及以上的方案与英特尔、英伟达还存在较大的差异。国内的芯片公司如华为、芯驰科技和地平线由于起步较晚,目前还处于市场推广和产品初步落地阶段。

(二)车规级芯片设计难度高,算法优化和迭代周期长

自动驾驶芯片需满足车规级要求,传统的消费类、工业类芯片在设计时考虑的是三个维度,也就是功耗、性能和面积,而车规级芯片除了考虑这三个维度外,还需考虑安全性、可靠性和长效性。关于安全性,要求车规级芯片在高寒、酷暑等极端条件下不能失效,需要满足车规-40℃~85℃工作要求,符合车规AEC-Q100的严格认证;关于可靠性,车规级芯片需要满足功能安全ISO26262的设计规范,功能安全等级要达到ASIL-B甚至ASIL-D的级别,需要采用大量的冗余设计、校验机制等以应对潜在的失效和故障;关于长效性,车规级芯片一般要求能至少工作10~15年,相较于消费类芯片2~3年的寿命周期要长得多。这些车规级要求无疑对芯片设计、制造等环节提出了更多的挑战,使得芯片设计难度高、周期长,成本投入更多。

基于感知和算力的要求,自动驾驶汽车的核心控制器都需要具备强劲的计算性能。一般认为,L2需要的算力可小于10TOPS,L3需要的算力为30~60TOPS,L4需要的算力大于100TOPS,L5需要的算力至少为300TOPS。算力的增加也会给芯片的设计难度、设计规格和设计周期带来巨大的挑战。

汽车驾驶正在向高度自动化的方向发展,其驱动方式也正在向更清洁更环保的电力驱动发展。新能源自动驾驶汽车使用电池作为能源来源,需要低功耗计算模块,早期开发的计算平台耗能大,产生的热量也比较多,较大地拉低了系统的续航性和稳定性。算力的增加不是靠简单的硬件堆砌,需要考虑算力和功耗之间的平衡,这极其考验芯片的设计架构、电源设计和生产工艺。

在自动驾驶的发展过程中,芯片需要不断迭代和优化算法底层硬件架构,更好适配软件的应用场景。由于车规级芯片的高设计难度和智能驾驶的高技术要求,其整个迭代周期较长。

(三)尚未建立完整生态,短期内无法实现规模化量产

近年来,自动驾驶技术一直是热门话题,吸引了大量的人才和资金。毫无疑问,自动驾驶本身极具开创性的商业应用前景,但高级别自动驾驶的大规模落地应用仍需较长的孵化期。目前L3以下的自动驾驶方案已初具规模,但整体体量并不大,且市场被巨头垄断。如何在当前有限的市场,找到商业化盈利模式,实现芯片产品大规模量产,对于国内芯片公司来说仍是一道难题。

此外,芯片开发完成后需建立配套的软、硬件和生态。一个完善的自动驾驶平台不仅包含芯片、硬件开发板,还有上层的操作系统、算法、支持服务框架、设备管理、开发工具链、信息安全、功能安全等。一套完整生态的建立难度不亚于芯片的设计开发本身。

(四)产业中游的芯片制造工艺薄弱,极大限制商业发展

从芯片的制作工艺流程来看,可分为产业链上游的芯片设计、中游的制造和下游的封测这三个主要环节。我国芯片产业链较为完整,但产业上游、中游和下游三个环节的科学技术水平参差不齐。上游和中游技术落后较多,下游封测是唯一一个与世界领先水准持平的环节。美系制造厂商以先进的制造技术和完善的产业链占领市场,并以技术性贸易壁垒限制竞争对手的发展。

目前自动驾驶的软件算力已超过10万亿次操作每秒,预计到2025年智能汽车将搭载约7亿行代码。自动驾驶的发展对智能芯片高算力和低能耗的要求越来越高,对制造工艺相应地也有更高的要求。如2020年5月三星开始建设5nm EUV生产线,预估将于2021年下半年全面投入生产。

反观我国半导体工业,市场总量接近全球1/3,但中游制造业起步晚、技术落后。我国处在领先地位的制造商中芯科技2019年实现了14nm工艺制程的量产化,但中芯生产的核心设备光刻机依赖于荷兰ASML公司等海外供应商,由于美国的制裁措施,ASML已于2019年11月停止7nm以下EUV光刻机的合作。上海微电子目前研发出了28nm浸没式光刻机,代工厂商利用多重曝光技术可以生产7nm制程的芯片,但真正达到商业化量产程度还得1~2年的时间。

相比工业芯片和消费芯片,车规级芯片需要更高级别的工艺制程和更为严格的安全标准,国内芯片制造技术在设备、工艺、技术可靠性和稳定性等方面有所欠缺,未能很好地满足一级厂商和主机厂的要求。

五、我国自动驾驶芯片技术发展的建议

(一)侧重ASIC芯片和AI芯片的研发

算力、算法和数据是自动驾驶芯片的三大中心基本要素。随着自动驾驶等级的提高,计算平台对于芯片的算力要求也会上升,自动驾驶在处理数据的过程中会涉及矩阵乘法和加法,需要在图像分类、识别上有较高的效率。常见的自动驾驶芯片包括CPU、GPU、FPGA和ASIC芯片。

CPU具有延时低和逻辑功能强的特点,能高效率地处理复杂的逻辑运算工作,可满足自动驾驶算法计算的要求。但其并不是自动驾驶专用芯片,本身存在大量用于其他功能的逻辑,而这些逻辑是目前的自动驾驶并不需要的,CPU执行自动驾驶算法时无法达到最优的性价比。

GPU和CPU最大的区别是设计结构不同以及不同结构所具有的不同功能,GPU相当于执行了某个功能的CPU。GPU可以同时对大量数据完成矩阵运算和与图形相关的任务,但缓存和逻辑控制较少,每单个运算单元只能执行有限简单的逻辑运算。GPU对于通用并行计算有很好的支持,但其算法比较固定,效率并不高。

FPGA的核心优势在于灵活性高,开发所需时间较短。FPGA内部逻辑阵列可随意定制,且可模拟绝大部分数字逻辑芯片的功能,并可进行现场即时编程,还可以擦除上面的数据,进行反复刻录,称得上是“万能芯片”。

ASIC芯片具备体积小、功耗低、计算性能高、计算效率高等优势。主流芯片公司都在做各式各样的ASIC芯片以面向自动驾驶技术,以期在定制领域提供一些场景和应用。但由于各家算法并不统一,需要针对特定算法进行设计,设计和量产的周期会较长。

因此在算法还未定型或未完全固化的条件下,可采用通用性较强的CPU、GPU和FPGA;算法较为固定时,自动驾驶芯片会逐步向ASIC演进。

目前CPU技术和市场主要掌握在英特尔手中,终端GPU基本被英伟达垄断,FPGA芯片90%的市场份额在英特尔和赛灵思手中,形成了垄断者和盈利者同时扮演的局面。而ASIC芯片和AI芯片由于技术出现较新、算法还未完全定型,并未出现垄断。国内可以围绕自动驾驶芯片的需求布局计算芯片SoC以及专用的AI芯片,实现迎头赶上,甚至弯道超车。目前,华为、芯驰和地平线已投入专用ASIC芯片研发、生产,相信未来的市场会逐步打开。

(二)以芯片为载体,提供解决方案,增加附加值和技术壁垒

短期内,自动驾驶芯片体量较小,对于国内企业是很好的机遇,需要持续的技术投入和产品迭代。从方案角度出发,则应以芯片为载体,提供更多的技术与服务。

Mobileye公司有EyeQ系列产品芯片,可提供全方位的解决方案,包括自动驾驶策略、安全的防护层RSS、地图技术REM。客户可基于Mobileye的方案和半成品,进行产品开发应用,但其技术体系相对封闭,数据和技术细节不开放给客户。

以芯片为载体提供算法和解决方案,不仅可以加强产品竞争力和客户黏度,还可以很大程度地提高产品附加值,增加出货量,提高产品利润率,从而保障芯片企业的可持续发展。

(三)以培养和引进行业人才为基础,加大政策支持力度,突破芯片技术困境

在中美贸易摩擦的背景下,我国正加大力度推动半导体行业的发展,力争达到世界领先水平。我国在战略新兴产业规划中把新一代信息技术的发展纳入其中,并把信息技术产业的核心产业定为集成电路。我国发布《国家集成电路产业发展推进纲要》,成立国家集成电路产业发展领导小组和设立国家集成电路产业投资基金。希望通过立足宏观角度,利用市场性手段来协调推进产业发展。

由于政策的推动和国内市场的巨大需求,我国涌现一批致力于发展汽车智能芯片的公司,包括华为海思、地平线、芯驰科技等。它们在与海外自动驾驶芯片巨头的竞争中面临较多技术难关,势待突破。因此,在上游设计和中游制造的核心研发环节亟须大量优质人才,集中力量攻破技术壁垒。

笔者建议国家应在短期内加大人才宏观引导政策支持力度,引进人才、留住人才、利用人才;高等院校应从人才供给端培养高层次半导体行业的人才,从而为本土发展提供基础学科和专业人才;企业应在发展规划中将重点放在科研,重视优秀人才的引进。


第三章 自动驾驶高精度地图及定位技术发展动态


自动驾驶高精度地图与自动驾驶紧密相关。本报告着重从地图生成方法、国内外的地图标准或规格、定位技术的研究现状和地图产业的发展情况等方面,展开分析了国内外自动驾驶高精度地图及定位技术的发展现状。我国已有超过20家科研机构和国内企业开展自动驾驶高精度地图研究,目前已经取得了很大的进展。但是,由于道路情况复杂,我国的自动驾驶高精度地图产业及定位技术尚处于发展初期,均面临较多挑战,诸如高精度地图数据采集成本较高、更新成本较高且更新频率较低;行业缺乏统一标准;融合GNSS的惯导系统在高架桥、隧道等场景下的定位精度还有待提升;SLAM定位累计误差会随着时间增大,尚不能提供持续稳定的、厘米级的定位精度等。

一、国外自动驾驶高精度地图及定位技术发展现状

(一)国外自动驾驶高精度地图规格

随着汽车智能化不断升级,自动驾驶高精度地图不断发展,并逐渐形成了部分通用的规格。目前国外比较有影响力的通用格式规范有Open Drive、NDS(Navigation Data Standard)和Lanelets等。

1.Open Drive

Open Drive是一种描述道路网络逻辑的文件格式,可在官网公开下载,由德国VIRES Simulations Technology GmbH公司制定,并于2006年发布第一个版本。目前官网可下载的最新版本是2019年2月发布的Open Drive 1.5。Open Drive将道路内容划分为路段、交叉口、停车道、交通标志和道路的入口及出口、交通信号设置等内容。为了详细描述道路网络逻辑,Open Drive的道路信息还包括车道形状、高程和横向坡度、横向剖面、道路Link关系、表面、选择布局、铁路描述等内容。Open Drive使用XML语言独立描述每条道路的类型、平面图、立面图、横断面、与同一网络中其他道路的Link信息等内容。

2.NDS

NDS协会(NDS Association)于2005年由戴姆勒、宝马、大众等汽车厂商、地图厂商和导航软件供应商联合组成,是一种基于嵌入式数据库的导航电子地图数据存储标准。近年来,NDS数据规范支持自动驾驶高精度地图,包括地图显示、路径规划、名称、POI(Points of Interest,兴趣点),以及交通信息等内容层。NDS数据规范注重数据的扩展、互操作和安全性,并且支持地图增量更新。NDS协会不仅编制地图格式,还提供在线和离线的工具用于分析、编辑、显示和转换地图,其数据支持与Open Drive转换。

3.Lanelets

德国信息技术研究中心于2014年提出了可以公开下载的自动驾驶地图数据库Lanelets,并且在奔驰无人驾驶车Mercedes Benz S500 Intelligent Drive上通过测试和验证。Lanelets是为特定的、预先已知的路线而设计,例如,Lanelets只有在预定义的地点才可能改变车道,不支持超车。此外,Lanelets不支持在定位和特殊侦查等领域的推广和扩展应用,Lanelets2对这些缺点进行了改进。Lanelets2地图由五个元素组成:点、线串(Linestrings)、Lanelets、区域和规则。其中点、线串属于物理层,Lanelets、区域和规则属于关系层,所有元素由一个唯一的ID标识,并且分配相应的键值对形式的属性。除了固定属性以外,还包括额外的用来增强地图精度的其他属性。但是针对特殊情况,lanelets的定义可以进行修改。按照模块进行划分,Lanelets2具有10个模块,包括核心模块(Core)、交通规则、物理连接、路线规划、匹配、投影、输入/输出模块(IO)、有效性、ROS(机器人操作系统)、Python模块。

(二)国外定位技术研究现状

相对于国内,国外对自动驾驶技术及定位技术的研究比较领先,在行业内取得了比较大的发展。目前世界上另外三大全球定位系统包括美国全球定位系统(Global Positioning System,GPS)、欧洲伽利略卫星导航系统(Galileo Navigation Satellite System,Galileo)和俄罗斯格洛纳斯卫星导航系统(Global Navigation Satellite System,GLONASS)。美国已经完成了第二颗GPS Ⅲ卫星的发射,在轨卫星达到35颗,包括30颗健康卫星。同时,美国也升级了GPS地面控制系统,用于监测新的GPS Ⅲ卫星信号。GPS Ⅲ卫星通过增加新的信号频段兼容GPS Ⅱ以及Galileo等其他国家的定位系统,目前可达到1米的定位精度。目前GLONASS在轨卫星有28颗,包括23颗正常工作的卫星。GLONASS只需要24颗卫星就能实现全球覆盖,目前全球定位精度约为5米,通过卫星增强系统精度,在俄罗斯可以实现0.5米的定位精度。随着高轨道卫星数量的增加和地面站的建设,未来5年俄罗斯GLONASS的导航精度有望提升25%。Galileo于2016年12月开始提供服务,在轨卫星24颗,预计在2020年完成30颗卫星的发射,并实现全部卫星组网。目前Galileo的伪距单点定位在水平方向的精度为5米,在垂直方向的精度为10米。

在基于视觉的定位方面,国外最有代表性的行业应用企业是汽车厂商特斯拉。特斯拉主要运用基于视觉的SLAM(VSLAM)技术进行定位。VSLAM技术凭借车载的视觉传感器采集图像,通过深度学习进行图像处理,识别周围的景物,然后通过立体视觉进行定位。此外,特斯拉使用“影子模式”记录并计算车辆行驶过程中的数据和识别结果,并上传给后台云端。基于大量的后台数据进一步进行机器学习,以提高系统识别的准确率。2019年9月,特斯拉在美国推出了V10系统,V10系统中的Smart Summon功能可通过三目摄像头和VSLAM视觉实时定位建模技术来实现车辆的定位和测距。

在基于激光的定位方面,激光雷达因其信号不受光照影响,所以创建的地图精度高,在自动驾驶领域得到广泛应用。因激光雷达价格高昂,自动驾驶参与者主要通过自建雷达生产线、与激光雷达企业合资并购或者合作的方式获得市场优势。Waymo公司在2011年开始研发激光雷达,并于2019年销售低线束激光雷达Laser Bear Honeycomb。以色列的Innoviz公司成立于2016年,获得了宝马Design Win量产项目。Innoviz已经发布了固态激光InnovizPro,可辅助实现基于激光雷达的SLAM功能,预计2020年量产车规级激光雷达Innoviz One。Veloydne公司于2019年发布了可用于自动驾驶的短程激光雷达VelaDome,单价仅约4000美元。AEye公司成立于2019年,发布的iDar真彩色激光雷达将激光雷达与相机数据组合,可生成动态、可操作的点云。

在协作定位方面,国外也较早开始布局,并形成了部分落地产品。现在车联网的应用主要是基于蜂窝网通信和DSRC的方式。此外,各家采用的车载通信方式又有所区别。2019年,丰田暂停了2021年为美国车型部署DSRC技术的计划。美国汽车制造商在搭载DSRC系统、4G或5G系统的问题上并未形成统一的认识。大众在2020款高尔夫车型上将搭载包含欧洲标准的V2X车载通信技术。福特汽车计划在2021年搭载V2X技术。

(三)国外自动驾驶高精度地图产业发展情况

目前我国的自动驾驶水平和行业化推广应用主要集中于L1级和L2级,而美国、德国等欧美国家的整体水平和大规模应用则集中于L2级和L3级。相应的,国外对自动驾驶高精度地图也进行了深入而广泛的研究,并形成了众多的行业参与者,包括地图厂商、地图或科技初创公司、车厂及供应商、自动驾驶芯片厂商、出行公司等。此外,国外的自动驾驶高精度地图公司积极寻求与国内企业合作,加速自动驾驶的落地与发展。

美国的自动驾驶技术排名世界前列,并且美国是世界上拥有高精度地图初创企业最多的国家。同时,美国的自动驾驶企业也较早开始布局高精度地图,包括地图厂商Mapbox,汽车厂商福特,互联网或者出行公司Waymo、Uber,初创公司Civil Maps、DeepMap等。Waymo公司采用集中制图模式,大多数初创公司如Civil Maps、DeepMap、Carmera、Lvl5均采用众包制图模式。Waymo的自动驾驶车辆已经行驶了3219万公里的公共道路,行程遍及美国25个主要城市。2020年,Waymo将开始货车和卡车的自主制图。Civil Maps开发了首个基于边缘的高清制图平台,不使用传统的点云或者图像作为地图层,使用指纹地图作为基础地图层,比传统地图小10000倍,而且支持众包更新。总的来说,美国的初创公司比较活跃,而且融资取得较大进展,具备很好的发展前景。

以色列创业公司Mobileye在2017年被英特尔收购。目前Mobileye在各级别的自动驾驶领域的研究“全面开花”。在高精度地图方面,Mobileye于2016年推出了路网采集管理(Road Experience Management,REM),并联合车厂构建REM平台。REM通过Mobileye专用的车载摄像头持续提取地图信息并上传到云端。目前REM每天可采集200万公里的路网数据,截至2019年,REM共采集了超过3亿公里的路网数据。Mobileye已经完成日本全国高速公路的高精度地图制作,接下来将会集中于欧洲国家和美国的高精度地图制作。

荷兰在自动驾驶领域进行了深入的探索,正在尝试推进自动驾驶技术在物流领域落地。TomTom位于荷兰,是世界上著名的少数拥有数字地图资产的公司之一,其全球的高精度地图覆盖范围已经超过了38万公里,而使用其自动驾驶地图的车辆已经超过100万辆。为了进一步改进地图,该公司现在与沃尔沃合作推出自己的无人驾驶车辆,能够实现L5级自动驾驶。

日本在制定自动驾驶法律方面走在前列。2019年5月,日本政府修改了与L3级自动驾驶相关的《道路交通法》和《道路运输车辆法》。与此同时,日本加快了对自动驾驶高精度地图的研发。2016年,三菱电机、地图开发商Zenrin、9家汽车制造商联手创办了Dynamic Map Planning(DMP,动态地图规划)公司。目前该公司的DMP数据规范已取得了10家日系汽车公司的认同,正着手完善3万公里的高速公路数据(双程)和35万公里一般道路的地图信息(单程)。2020年,DMP公司将联合负责丰田自动驾驶的TRI-AD公司,运用开放式软件平台Automated Mapping Platform(AMP,自动地图生成平台),通过检测道路图像的变化等实现DMP高精度地图的更新。

二、我国自动驾驶高精度地图及定位技术研究现状

(一)自动驾驶高精度地图生成方法

自动驾驶高精度地图主要有两种生成模式:第一种是集中制图,主要通过专业化的测绘设备,按照专业的地图生产流程实现地图绘制;第二种是众包制图,比如通过大量的浮动车或者公交车、后装的高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)或手机采集地理数据,并与视觉等信息融合实现地图的有效提取。按照地图提取数据源的不同,可以将自动驾驶高精度地图生成方法分为以下几类。

第一类是以激光点云为数据源。激光点云可以比较方便准确地提取车道线、道路边界等。基于激光的办法的优点是提取精度高,缺点是激光数据运算量很大。

第二类是利用航空影像或者视觉影像作为数据源。基于神经网络从遥感图像中提取道路网络构建地图是最常用的方法之一。航空影像的分辨率不高,通常无法提取高精度路网,难以构建自动驾驶高精度地图。使用视觉传感器创建高精度地图时,常将全球导航卫星系统(Global Navigation Satellite Systems,GNSS)或惯性导航系统(Inertial Navigation System,INS)与视觉结合,从拼接的正射影像图中提取车道线的信息与位置。这类办法具有价格便宜的优点,但是不适用于提取非结构化路段的车道线或者模糊的道路标线。

第三类办法以开源地图(Open Street Map,OSM)等数据作为数据源。对于简单多车道的情况,可以采用基于多边形的OSM方法来提取,但该方法不适合复杂的道路和数据集重复的情况。OSM开源地图提供了丰富的数据,但是因其数据来源于全球志愿者而难以保证数据的精度和准确性。

第四类是从浮动车数据或者采集的GNSS轨迹数据中获取地图的地理元素信息。此类方法数据更新较快,因而能够支持高频率的地图更新。但是受噪声和稀疏采样的影响较大。此外,该方法数据量较大,因而计算量也比较大。

(二)我国自动驾驶高精度地图的标准

自动驾驶高精度地图数据的表达和现势性极大地影响自动驾驶系统的安全性。自动驾驶高精度地图的数据格式、地图模型以及成果展示尚未形成统一的公开标准。为满足自动驾驶快速增长的应用需求,我国也加快推进自动驾驶高精度地图标准的建立。

全国地理信息标准化技术委员会在2017年对自动驾驶高精度地图相关的标准《道路高精度电子导航地图数据规范》《道路高精度电子导航地图生产技术规范》进行立项,参与单位包括北京建筑大学、武汉大学等高校,上海市测绘院、浙江省第一测绘院等事业单位,四维图新、易图通、凯立德等地图厂商,以及百度等互联网企业。《道路高精度电子导航地图生产技术规范》目前已经完成了征求意见稿的编制,并规定了道路高精度电子导航地图产品生产过程中所涉及的技术与方法。《道路高精度电子导航地图数据规范》也已经完成了征求意见稿的编制,并规定了道路高精度电子导航地图产品的地图数据组织与地图符号表达的要求。

全国智能运输系统标准化技术委员会在2015年对国家标准《智能运输系统 智能驾驶电子地图数据模型与交换格式》进行立项,该标准分为高速公路和城市道路两部分,参与标准研制的单位包括四维图新、高德、百度、中海庭等地图厂商,上海汽车等车厂,以及北京建筑大学等高校。《智能运输系统 智能驾驶电子地图数据模型与交换格式第1部分:高速公路》和《智能运输系统 智能驾驶电子地图数据模型与交换格式第2部分:城市道路》均完成了征求意见稿的编制工作,分别对城市道路、高速公路和对象的数据模型与交换格式做了规定。

为了进一步加快自动驾驶高精度地图相关标准的建立和扩大高精度地图标准覆盖的内容,中国智能网联汽车产业创新联盟提出了《自动驾驶地图采集要素模型与交换格式》《高精度地图特征定位交换格式与技术条件》《基于视觉、激光传感器的自动驾驶路侧定位系统技术条件》《自动驾驶地图动态信息数据交换格式》《自动驾驶路侧传感器数据交换格式》《基于卫星地基增强的车辆定位技术要求》六项系列标准,该系列标准由易图通、千寻、华为等机构或者企业提出。2019年11月,《自动驾驶地图采集要素模型与交换格式》《基于视觉、激光传感器的自动驾驶路侧定位系统技术条件》《自动驾驶地图动态信息数据交换格式》《自动驾驶路侧传感器数据交换格式》《基于卫星地基增强的车辆定位技术要求》五项标准通过了中国汽车工程学会组织的立项审查会,有望在2年后发布。

(三)我国定位技术研究现状

自动驾驶系统需要厘米级的定位精度,为感知、规划和决策控制系统提供准确的位置。由于车辆的行车环境复杂,该系统不仅需要保持定位的精度,还需要保证在复杂条件下定位的持续性、稳定性和可靠性。由于信号阻塞和多路径等多重限制,GNSS的可靠性较差,近年来主要研究通过传感器(如激光雷达、相机等)或融合车载和非车载信息实现高精度定位。

1.基于传感器的定位

基于传感器的定位主要是通过加装在车辆上的传感器位置来获取车辆的位置信息。自动驾驶系统中用于定位的传感器主要有GNSS、惯性测量单元(Inertial Measurement Unit,IMU)、相机、激光雷达和超声波传感器等,这些传感器单独或通过组合的方式提供车辆的详细位置信息。本报告主要介绍基于GNSS、IMU、相机、激光雷达的定位技术。

(1)基于GNSS/IMU的定位技术

中国北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)是全球导航卫星系统(Global Navigation Satellite System,GNSS)中四个成熟的卫星导航系统之一。截至2019年,我国已经发射了24颗北斗三号卫星,BDS可支持全球定位服务。目前BDS的水平定位精度约为5米,高程定位精度约为5米。北斗地基增强系统可以有效提升BDS的定位精度。地基增强系统需要在地面建立固定的连续运行参考站,然后计算卫星定位坐标与自身已知坐标的误差,再将差分修正值发送给接收机,可将定位精度提高到亚米级。截至2019年年底,BDS已在全国范围内建立了155个框架网基准站和2200余个区域网基准站。

然而,GNSS容易出现信号失锁、多路径问题,目前自动驾驶主流的高精度定位方案依然是基于GNSS和IMU的组合定位系统。IMU通过组合加速度计和陀螺仪测量车辆的加速度和角速度,容易产生累计误差,GNSS与IMU可相互补充。GNSS/IMU组合导航定位系统通过卡尔曼滤波进行数据融合,可分为松耦合和紧耦合两种方式。紧耦合组合方式将GNSS和IMU数据进行相互校正,是主流的高精度定位的发展方向。

(2)基于相机的定位技术

视觉定位是通过相机采集的图像,利用图像上车道线、地面标志、交通标牌、固定场景标签等已有的位置信息计算车辆的位置信息。视觉定位一般可分为图像预处理、提取图像特征,以及用多视图集和优化方法计算位置和姿态等步骤。与单目视觉相比,立体视觉可以测量尺寸和距离。立体视觉可通过比较一对相机在不同时间帧下的相对运动和方向与跟踪特征点的关系,逐步计算出车辆的姿态。因双目视觉难以估计视差,目前国内的双目系统尚没有形成广泛、成熟的产品,利用双目系统进行定位还处于研究开发阶段。

基于视觉的定位方法受环境影响比较大,实际运用时可以根据不同的用途调整相机的类型和视场。相机因成本低廉而受到广泛的关注,但是高精度定位需要较高的图像分辨率,对车载系统的计算能力要求较高。此外,视觉传感器也常与GNSS、IMU集成,如国内企业深动科技采用了视觉融合全球定位系统(Global Positioning System,GPS)和IMU的多传感器融合定位方法,在城区、隧道、地库等弱GNSS信号场景可实现10厘米的实时定位精度。

(3)基于激光雷达的定位技术

激光雷达可提供密集的点云用于提取特征或目标,并依赖所提取的特征或目标实现定位。基于激光雷达的定位技术所用方法之一是通过激光雷达检测道路边缘、道路标志或者车道线创建环境特征地图,然后在特征地图中定位车辆。激光雷达还可以结合GNSS、IMU、里程计生成高分辨率的地图或者概率地图用于定位。与基于相机的定位技术相比,使用激光雷达的优点之一是增强了地图对环境变化的鲁棒性。虽然激光雷达技术可以提供非常精确和稳健的定位方法,但其缺点是功率高、计算要求高以及实施成本高。随着国内激光雷达厂商的崛起,激光雷达价格不断下跌,而激光雷达性能逐渐接近车规级,基于激光雷达的定位技术有望得到较大的发展。

2.协作定位技术

随着智能网联汽车和车联网的发展,协作定位技术被提出。协作定位技术是指在GNSS定位信号不好或者无法定位时,通过接入通信网络的车辆与周围的车辆、基站进行通信,然后实现定位。协作定位技术可分为基于车车(V2V)的定位技术和基于车路(V2I)的定位技术。

协作定位技术所用到的无线网络包括Wi-Fi、蜂窝式通信网络等,通常与GNSS数据融合,提高定位精度。基于V2V的定位技术是指将相邻车辆信息与车载感知信息相结合的定位技术。V2V系统是由相互连接的移动节点组成的车辆自组织网络(VANET),这些节点知道彼此的位置和轨迹。V2V系统通常基于IEEE 802.11p协议,VANET定位的准确性在很大程度上取决于该区域入网车辆的数量以及共享位置估计的准确性。V2V系统通常使用多向定位技术提高GNSS精度,通过使用相邻车辆的多个GNSS测量值以及与其他车辆的距离来提高车辆位置计算的精度。基于V2I的定位技术主要依赖车辆与固定的路侧单元(RSU)或蜂窝基站的通信。因RSU具有固定的位置且能够与车辆通信并共享位置、天气状况、交通流等信息,与V2V系统相比,V2I系统可以提供更准确的位置估计。基于IEEE 802.11p技术的V2I系统的缺点是需要大量的RSU进行连续通信,因此需要安装大量的专用基础设施。为了减少设施安装成本,现在的研究集中于RSU的间距和配置,以及不同的通信方法及其对系统参数(如网络延迟、分组丢失等)的影响。目前,国内5G发展迅猛,能有效保障自动驾驶车辆通信系统的低延迟、高精度和强安全性,是当前发展和应用的新方向。不过目前仅依赖协作定位技术,通常不能达到厘米级的定位精度。

(四)我国自动驾驶地图产业发展情况

与国外不同,我国《测绘法》规定自动驾驶高精度地图必须由具有导航电子地图制作测绘资质的单位承担,因此,开展自动驾驶高精度地图采集和制作的业务必须先申请甲级测绘资质。截至2019年12月,中国有22家企业获得导航电子地图制作甲级测绘资质,包括长地万方、四维图新、高德、凯立德、易图通、光庭信息、立得空间、中海庭8家传统图商,江苏省测绘工程院、江苏省基础地理信息中心、浙江省第一测绘院、国家基础地理信息中心4家事业单位,江苏晶众、江苏智途、Momenta、宽凳科技等初创公司。2019年,华为、京东、顺丰等互联网企业纷纷以自建公司的形式取得了甲级测绘资质。

国内的高精度地图行业离不开互联网巨头的支持,百度旗下的子公司长地万方、阿里巴巴旗下子公司高德和以腾讯为第二大股东的四维图新形成国内高精度地图的主流图商。主流图商通过自制采集车或者购买成熟的采集设备及采集技术制作高精度地图,尚未通过合作构建统一的采集平台,自动驾驶高精度地图的成果及地图规格尚未统一。因地图采集平台昂贵且采集成本较高,初创公司主要以众包制图模式制作高精度地图。众包制图是未来高精度地图制作和更新的主要发展方向。目前我国高精度地图尚处于初期发展阶段,高精度地图成果基本覆盖了全部高速公路,进入测试验证阶段以及商业化应用阶段。高德于2014年开展高精度地图相关业务,采用集中制图模式,目前高德的高精度地图覆盖了国内超过35万公里的高速公路和城市快速路,并且已经应用于凯迪拉克的Super Cruise系统和小鹏P7的XPILOT 3.0自动驾驶辅助系统。四维图新于2013年开展业务,也采用集中制图模式,并于2019年获得了北京市政府颁发的自动驾驶T3牌照。同年,四维图新与宝马签订了中国的量产订单,并为德赛西威提供L3/L4级别的自动驾驶解决方案。百度通过收购长地万方获得甲级测绘资质,目前已经完成覆盖全国30万公里高速公路和城市快速路的高精度地图,地图的相对精度为10厘米~20厘米。在高精度生产制作方面,自动化生产程度超过90%,算法识别准确率超过98%。Momenta于2016年成立,主要采用众包制图模式。Momenta的高精度地图主要基于视觉方案,依靠普通的摄像头、GPS和IMU等传感器,结合深度学习技术和SLAM技术,自动实现高精度地图的建图,而且地图的相对精度可以达到10厘米。2020年,Momenta将为丰田提供基于视觉技术的高精度地图及更新服务。

三、我国自动驾驶高精度地图及定位技术挑战

(一)我国自动驾驶高精度地图面临的挑战

自动驾驶高精度地图是自动驾驶车辆实现路径规划和定位的基础,是自动驾驶汽车产业发展的核心关键之一。我国已有超过20家的科研机构和国内企业开展自动驾驶高精度地图研究,目前该研究与产业化应用已经取得了很大的进展,尤其是在地图整体解决方案、地图数据成果、地图元素的自动提取等方面。但是,我国道路情况复杂,自动驾驶高精度地图产业尚处于发展初期,还存在以下几个方面的问题。

(1)自动驾驶高精度地图数据采集成本较高,数据时效性有待提高,数据更新成本较高、频率较低。专业的自动驾驶高精度地图数据的采集平台成本高达百万人民币,数据处理比较依赖人工。以众包制图为主要手段的自动驾驶高精度地图生产方式的数据精度和准确度有待提升。此外,海量源数据的分析与提取对数据处理算法提出了更高的要求,需要提高人工智能算法的学习能力和抗干扰能力。自动驾驶高精度地图的更新是目前行业的难题之一,为保证复杂多变行车环境下的安全驾驶,自动驾驶高精度地图需要实现高频次的甚至实时的动态更新。

(2)行业对自动驾驶高精度地图的形态和规格尚没有形成共识,缺乏统一的标准。目前国外已经形成了Open Drive和NDS等地图规格,而我国相关地图标准尚在制定中。此外,随着自动驾驶定位技术的发展和行业应用需求不断更新迭代,国外的地图更新频率也较快,比如NDS一年不定期更新数次。而国内标准的制定周期较长,从标准立项到标准发布通常需要2年以上的时间。

(3)我国地图政策受到的限制较多,自动驾驶高精度地图落地比较受限。我国的测绘法律法规规定了部分地图数据不能公开,而自动驾驶高精度地图对相关的数据内容和精度有较高的应用需求,比如坡度、桥梁或隧道的高程、弯道信息等。

(二)我国自动驾驶定位技术面临的挑战

自动驾驶车辆面临复杂的行车环境,为了保障其安全行驶,自动驾驶系统必须具备准确、可靠的定位系统。GNSS是自动驾驶的绝对定位手段,可提供车道级的绝对定位信息。目前我国在绝对定位方面的研究比较深入,并且已有商业化的产品。为了获取持续可靠的定位信息,国内外在相对定位以及多元融合定位方面的研究也取得了较大的进展。但是,我国自动驾驶定位技术还面临以下几个方面的挑战。

(1)在高精度绝对定位方面,融合GNSS的惯导系统在高架桥、隧道等场景下的定位精度还有待提升,目前支持持续稳定的、厘米级的惯导等定位的设备相对比较昂贵,大多数设备依赖进口,国产设备尚处于研发之中。目前我国分米级别的差分网络只覆盖了重点区域,全国的差分网络有待完善,而且只有少数企业参与相关工作。

(2)在高精度相对定位方面,SLAM定位累计误差会随着时间增大,尚不能提供持续稳定的、厘米级的定位精度,针对无法采用闭环检测的自动驾驶场景,基于自动驾驶高精度地图以及传感器的SLAM特征匹配定位技术有待进一步深入研究,而且相关技术尚未形成成熟的产品。在5G技术的支持下,智能网联汽车可基于联网的车辆实现定位。受制于车联网的普及与发展,基于车联网的车辆定位技术尚处于探索阶段。

(3)多源融合定位技术将多种定位结果进行融合、相互补充,是新的定位解决方案,比如将惯性导航系统、视觉、地图进行多源融合。多源融合定位技术尚处于起步阶段,距离开发千元级别的融合定位产品还有很多工作要做。

四、 推动我国自动驾驶高精度地图及定位技术建设的建议

从技术上来说,在高精度地图采集、地图元素融合识别以及验证发布各个环节引入更多的人工智能技术,研究冗余数据处理、数据对抗等新的热点问题,提高数据处理精度与效率,实现地图数据的自动提取,同时可使用边缘计算模式和区块链技术重构现有自动驾驶高精度地图的计算模式,满足庞大的地图数据计算需求。

从标准体系和法规上来说,首先,加快自动驾驶高精度地图与定位技术相关标准的建立,规范行业高精度地图生产流程及生产成果。鉴于目前自动驾驶技术发展迅猛,可适时优化流程建立标准体系,实现技术与标准并行,促进自动驾驶高精度地图产业发展。其次,在考虑安全和保密等因素的情况下优化现有的测绘法律法规,加强自动驾驶高精度地图数据的管理与开放,推动自动驾驶高精度地图安全应用。最后,从安全监管、法律责任划分等多方面健全自动驾驶相关法律法规,兼顾自动驾驶安全与产业发展。

从产品落地角度来说,一方面,降低高精度地图采集成本、生产成本和更新成本,可通过众包制图模式获取人、车、路等多源数据,同时融合车联网技术,加快高精度地图的更新频率并降低高精度地图的更新成本,保证其数据的有效性。另一方面,在产品技术实现与方案成本之间找到平衡点,加快高精度地图相关产品落地。

 

第四章 自动驾驶信息安全技术发展动态


自动驾驶汽车是当前人工智能技术的代表性应用,其在实现过程中的信息安全问题不容忽视。本报告浅析了近年来世界知名自动驾驶研发企业如谷歌、百度等联合整车厂商,开发自动驾驶信息安全技术的发展现状,也分析了当前主要自动驾驶技术产品在研发、路测、运行过程中遇到的信息安全问题,提出国内产业界在自动驾驶研发过程中应重视的信息安全方面的挑战,包括整体技术架构设计及代码安全实现的能力有待提升、计算平台的自主可控能力急需突破等。最后,本报告对我国持续推进自动驾驶信息安全技术发展提出了若干对策与建议,如加快引导相关法规、标准的制定与发布;开展关键核心部件研发的同时,注重安全保障技术的并行;发展数据安全保护技术,加强自动驾驶行业的合规性管理;等等。

一、自动驾驶信息安全问题概述

自动驾驶,指用机器彻底替代人来操控汽车在任何情况下行驶,是当前众多科技公司梦寐以求的智能化技术,能够将人类彻底从驾驶这一职业性技能中“解脱”出来,并且能够实现更高效的能源利用、更少的污染排放、更低的车祸事故率等目标。自动驾驶涉及环境感知、地图与定位、传感器融合、机器学习、数据收集与处理、路径规划、自动驾驶模型架构、用户体验、车辆与外界交互、自动驾驶对汽车部件的挑战(如功耗、尺寸、重量等)、通信与连接(车路协同、云端管理平台)等众多技术领域,从某种意义上来说,谁解决了自动驾驶这一技术难题,谁就等于进入了世界顶级科技公司的行列。

与个人直觉认知有所不同,服务个人出行并不是自动驾驶技术影响最为深远的方面,其他的如公共交通、货运、农业、矿业等领域对自动驾驶的需求更加迫切。之前,众多咨询机构预测到2025年左右人类就能够实现L5级的全自动驾驶技术,L3级的自动驾驶技术将成为智能汽车的标配。但以目前的研发进度来看这一预期似乎有些过于乐观,仅仅是自动驾驶中涉及的信息安全问题,就足以让目前全球的科研人员头痛不已。如果这些潜在的隐患不能得到彻底解决,自动驾驶大规模普及后带给人类的可能不只是福音,随之而来的还可能有巨大的灾难,在电影《速度与激情8》中大量汽车被劫持后自动冲向马路的情节已经向我们预演了这一可怕的场景。即使在当前L2级自动驾驶技术尚未普及的情况下,智能汽车被劫持、锁死、失灵等情况已经被黑客们一一证实,解决这些信息安全问题已迫在眉睫。

二、国内外自动驾驶信息安全技术发展现状浅析

自2014年1月SAE J3016第一版发布以来,从L0到L5,不同级别自动驾驶技术之间的差异性得以明确,各个企业及研究机构都瞄准了自己的“赛道”,制定了相应的进阶发展计划,但车企和非车企在该项技术上的态度却全然相反。

对于当前牢牢把握用户群体的车企来说,自动驾驶只是一项锦上添花的技术,只要其并不影响消费者对于车辆选购的心理倾向,就没有必要将其作为终端产品的标配,一切仍然是以将车辆销售出去为目标。在这一点上,传统车企的策略无可厚非,毕竟自动驾驶技术并不是成熟且可完全信赖的。当然,在某些需求特别强烈的细分领域中,车企还是会将可搭载部分自动驾驶技术作为卖点来推广,例如目前广受家庭主妇青睐的自动泊车技术,能够显著提升新手司机的用户体验。到目前为止,市面上号称搭载了L2级自动驾驶技术的车型并不普遍,甚至部分车企(例如福特、沃尔沃、丰田、奥迪等)因为在L3级自动驾驶技术研发中遇到某些困难(包括技术问题、成本问题、市场需求等方面),直接宣布放弃L3级而直接进入L4级自动驾驶技术的攻关,这也使得未来市场上是否还会有搭载L3级自动驾驶技术的车辆成功热卖变得扑朔迷离。国内的大部分车企也都制定了各自的自动驾驶量产计划,吉利汽车宣称在2019年实现L2级别自动驾驶技术量产,2020年发布L3级别自动驾驶专属平台;广汽集团计划在2020年量产L3级别自动驾驶车型,2022年掌握L4级别自动驾驶量产技术;长城汽车计划分三个阶段:2020年量产L3级别自动驾驶车型;2023量产L4级别自动驾驶车型;2025年推出L5级别自动驾驶车型。目前来看要实现这些目标都存在一定难度。

与传统车企截然不同,以谷歌、百度为代表的科技公司表现得更为激进,谷歌成立了Waymo公司,百度启动了Apollo计划,都是以实现全自动驾驶为最终目标。试想一下,当你有出行需求时,只需要在手机App上下单,指定好时间、地点和目的地,自动驾驶的车辆就能够为你提供准确的服务,试问还有多少人觉得自己需要完全拥有一辆汽车呢?早在2015年的国际交通论坛(International Transport Forum)会议上,就有研究人员用里斯本的交通出行数据进行建模分析,模拟采用自动驾驶共享汽车来满足每日的公众出行需求,发现在极端情况下只需要当前汽车保有量的13%即可,由此可见自动驾驶技术对汽车销售总量可能造成不利影响,但掌握自动驾驶技术的科技公司将获得出行服务的持续运营能力,进而拓展出更多直接面向客户的增值服务。为此,Waymo公司在凤凰城和底特律等地区持续开展无人驾驶车的试运营,累积实验数据,改进服务质量;百度公司也在2018年宣布无人驾驶汽车“阿波龙Apollo”正式量产下线,并在碧桂园潼湖科技小镇落地试运营;作为出行服务运营商的Uber、滴滴也都在积极部署自动驾驶服务。

在开发自动驾驶技术的众多竞争企业中,特斯拉公司一向以特立独行著称。严格意义上来说,特斯拉公司开发的Autopilot自动辅助驾驶系统(号称L2.5级)距离真正意义上的全自动驾驶还有很长的距离,但确实是目前为数不多的敢于商用的自动驾驶系统之一。其整车配备了8个车身周边摄像头、12个超声波雷达、1个增强版前向毫米波雷达,以及处理能力将比上一代高40倍的车载计算设备NVIDIA Drive PX 2,并没有搭载昂贵的激光雷达,对于已经量产的特斯拉来说,这种“低成本感知+高性能计算”的模式是十分合理且有效的。其官网上甚至还宣称“所有新款Tesla车辆均搭载完全自动驾驶所需的硬件,未来升级后的车辆将能在几乎所有情况下实现完全自动驾驶。系统的设计理念旨在使车辆能够自主完成短途与长途旅行,无须驾驶座位上的人类介入操作”。如果这是真实情况,那么就需要特斯拉的工程师们经过严格的建模计算,分析得出完全自动驾驶所需的平台运算能力的基值,虽然笔者对此持保留意见,但特斯拉无疑是当前自动驾驶领域的“优等生”。

正因如此,国内众多新势力造车企业纷纷以特斯拉为榜样,开拓自己的自动驾驶事业,但受限于自研技术实力,往往采用与互联网科技公司战略合作的形式开发系统。在表1中,笔者对当前市场中较为典型的一些搭载有自动驾驶功能的汽车品牌进行了配置比较。

表1 自动驾驶功能配置

品牌

自动驾驶等级

摄像头配置

雷达配置

是否有中央计算平台

特斯拉

L2.5

3个前视摄像头、5个环视摄像头

1个增强版前向毫米波雷达;12个超声波雷达

NVIDIA Drive PX 2计算平台

丰田

L2

1个前视摄像头

1个激光雷达

奥迪

L3

4个环视摄像头、1个前视摄像头

1个激光雷达,12个超声波雷达(4个中距雷达、1个长距雷达)

蔚来

L2

4个环视摄像头、3个前视摄像头、1个车内驾驶状态检测摄像头

5个毫米波雷达、12个超声波雷达

威马

L2

4个环视摄像头、1个前视高清摄像头

3个毫米波雷达、12个超声波雷达

长安

L2

1个环视摄像头、1个前视摄像头

1个毫米波雷达,周身的超声波雷达

小鹏

L3

4个前视摄像头、1个三目摄像头、1个前置安全辅助摄像头、5个增强感知摄像头、4个环视摄像头、1个车内摄像头

5个高精度毫米波雷达、12个超声波雷达

Xavier

广汽新能源

L2.5

2个前视摄像头、4个环视摄像头

5个毫米波雷达、12个超声波雷达

安波福

吉利几何A

L2.5

2个前视摄像头、4个环视摄像头

3个毫米波雷达、12超声波雷达

Bosch

沃尔沃

L2.5

1个前视摄像头、4个环视摄像头

1个高精度毫米波雷达、12个超声波雷达

三、自动驾驶信息安全问题分析

具备自动驾驶功能的汽车,首先一定是智能汽车。在汽车工业电动化、软件化、网联化和智能化“新四化”运动兴起的这个时代,汽车也由最初的简单驾驶向单车智能、车网协同的方向不断演进和发展。但也正因此,汽车关键电子零部件及系统由封闭环境中的线下资产转变为线上资产,增加了其在网络中的暴露程度以及遭受到网络攻击的可能性,早已潜伏的信息安全问题得以聚焦放大,成为汽车技术创新的“绊脚石”,仅2019年就发生了多起与汽车信息相关的安全事件。

(1)欧洲ADAC汽车协会针对33个品牌的237款车型进行了安全测试,结果显示99%的车辆能够被黑客解锁并开走,整个过程最短仅需18秒,其中光是英国最畅销的前5款车型中,就有4款能用这种方式偷走。

(2)Car2Go公司的共享汽车App在芝加哥地区被黑客破解,导致超过100辆高端豪华汽车被盗,包括梅赛德斯-奔驰CLA、GLA和Smart品牌汽车,使得Car2Go公司不得不停止了在芝加哥的服务。

(3)2019年4月,丰田汽车公布了数据泄露事件,而该事件发生在丰田汽车的日本主办事处,黑客入侵了其IT系统,并访问了多家销售子公司的数据,黑客访问的服务器存储了多达310万名客户的销售信息。

(4)网络安全人员发现,至少为300万名客户提供服务的Pandora汽车报警系统在遭受网络攻击时,不仅会导致车辆和车主的详细信息被盗,还会导致汽车解锁、警报关闭、车辆被跟踪、麦克风受损,以及防盗控制系统被劫持,甚至可能导致汽车引擎在使用过程中失灵,这会导致严重的交通事故。

针对智能网联汽车存在的信息安全问题,中国汽车信息安全共享分析中心(C-Auto-ISAC)梳理并发布了十大风险,包括不安全的云端接口、未经授权的访问、系统存在的后门、不安全的车载通信、车载网络未做安全隔离、系统固件可被提取及逆向、不安全的第三方组件、敏感信息泄漏、不安全的加密和不安全的配置。当然,自动驾驶汽车同样也都面临这些风险的威胁,这部分的参考文献也较多,在此就不再重复了,本报告更关心自动驾驶系统所特有的信息安全问题。

典型自动驾驶系统的核心由感知层、决策层和执行层三大功能模块构成,如图1所示,每个功能模块都存在需要面对和解决的信息安全问题。

图片关键词 

图1 自动驾驶系统通用技术框架示例

1.感知层

感知层模块通常被分为负责自动驾驶汽车定位、静态障碍物地图测绘、移动障碍物检测与跟踪、道路地图测绘、交通信号检测与识别、驾驶员状态监测等多种任务的许多子系统,具体硬件设备包括光学摄像头、激光雷达、毫米波雷达、导航系统等,还有V2X技术可提供超视距路况信息。光学摄像头成本低廉,可分辨颜色,因此也成为当前解读驾驶场景的绝佳工具,但其缺乏“景深”这一维度,需要后期处理分析,并且容易受到强光照射的影响而失灵;激光雷达价格昂贵、精度高,但调试安装有一定技术难度,容易受到天气状况的影响;毫米波雷达精度低,但胜在价格低、体积小,对恶劣天气因素有较强的“免疫能力”;导航系统极其依赖高精度地图的质量,同时对实时的交通路况数据极为敏感;在5G大规模部署应用后,V2X对于车辆感知边界具有明显延伸作用,但同时也对数据的真实性、实时性提出了更高的安全要求。

综合来看,感知层是后续决策和执行的基础,最主要的风险来源于感知采集的数据是否真实有效,高可靠性的冗余设计显得十分必要,同时还应汲取波音737MAX系列中对迎角信号采集设计的教训,错误的判定逻辑会使得这种冗余无法正确工作,甚至导致车毁人亡;另外,外界恶意信号干扰也容易引发系统错误,例如腾讯科恩实验室就发现特斯拉Model S轿车的自动驾驶系统(版本2018.6.1)存在几个安全漏洞,其中之一便是通过在道路上设置一些特定的标记可以欺骗Model S的自动驾驶系统,使其驶入错误的车道;当前正在试点验证的V2X地方项目中,各个环节上的数据都还处于“裸奔”状态,路侧设施长期处于无人值守的环境中。这些都是未来大规模商用前需要解决的安全隐患。

2.决策层

在决策层方面,自动驾驶汽车需要通过一个性能强大的计算单元来接收和处理来自各类传感器的信号,并且必须考虑冗余设计,通常也被分为许多子系统或者域控制器,分别负责路线(Route)规划、路径(Path)规划、行为选择、运动规划、车身控制等功能,所有的CPU、GPU、FPGA,包括总线都是冗余备份的,目前特斯拉、博世、百度等已公布的计算平台架构都遵循这一设计原则。除了硬件计算能力外,决策层还需要大量应用人工智能算法,检测对象、物体识别及分类、物体定位、运动预测等任务都依赖于此,而人工智能算法本身是存在信息安全问题的,在网络安全、数据安全、算法安全等方面都可能存在风险隐患,中国信息通信研究院发布的《人工智能安全白皮书(2018年)》中有较为详细的论述,这里笔者主要想通过实例来探讨人工智能算法的安全性问题。

在Black Hat Europe 2018会议上,百度安全团队发表了以“感知欺骗:基于深度神经网络(DNN)下物理性对抗攻击与策略”为主题的演讲,首次用实例向大众展示了对抗样本(Adversarial Example)攻击对机器学习算法的真实影响,也成功证实了这一攻击方式在现实世界中的可行性。

对抗样本攻击会对机器学习算法构成影响,这已经是行业共识,其主要是通过对图像数据叠加扰动(这种细微的变化人类感官难以察觉,却可以成功骗过机器学习模型)让其做出错误的分类判定,具体到自动驾驶领域,这种错误判定会导致系统对周边环境的识别出现错误,例如无法正常识别前面的车辆、交通标识、行人等路况信息,从而让决策系统彻底失效。百度安全团队先选取了三个具有代表性的攻击算法(FGSM、JSMA、CW2),所生成的扰动在与原图叠加后,肉眼无法识别它们之间的差别,但能够使得YOLOv3工具对前面车辆的识别彻底失败。

当然,也有部分学者质疑这类攻击在现实世界中的可行性,因为确实需要对输入图片进行比特级的精确干扰,现实应用中是否有条件实施这样的攻击存在争议。百度安全团队显然也注意到了这一点,他们在报告中针对不同距离、角度光照条件、色彩失真、目标对象补丁位移等因素分别进行了技术攻关,最终通过一组时序图片以及动态影像证实了攻击真实有效,攻击扰动样本让YOLOv3无法识别近在眼前的目标车辆,这也是首次针对自动驾驶识别系统的安全攻击展示,让对抗样本攻击对自动驾驶的安全威胁从书本走向了现实,相信未来所有的自动驾驶系统在进行测试时,都需要加上对抗样本攻击测试的步骤了。

3.执行层

执行层主要就是底层控制系统,负责执行汽车的刹车、加速、转向等具体物理操作,目前在自动驾驶中大部分是通过“线控技术”取代司机的手脚来控制方向盘和油门,并配置多个处理单元组成的子系统,以此来稳定、准确地控制汽车的机械系统。这些子系统包括引擎控制单元(ECU)、制动防抱死系统(ABS)、自动变速箱控制系统(TCU)等,通过CAN总线来进行内部通信。

车内CAN总线对于黑客来说已经并不陌生,最早的针对福特翼虎、丰田普锐斯两款车型的安全攻击就是从伪造CAN总线信号开始的,各种物理攻击、远程攻击早已被研究得十分透彻,可以说当前CAN总线技术在黑客面前已经没有技术壁垒。对于无人驾驶汽车而言,CAN总线信号的准确性和实时性至关重要,但CAN总线协议中消息广播的传送方式着实有些落后,无论是在通信带宽的利用率还是信号机密性方面都有些不尽如人意,一直为互联网人所诟病。当整体通信网络架构设计出现瓶颈,需要同时处理各个传感器传递过来的数据流时,总线带宽就会面临严峻挑战,系统响应速度大幅下降,这在实际自动驾驶中是不能接受的,大众对百兆级车载总线的呼声已越来越高。另外,总线信号控制的平滑性影响乘客体验,在自动驾驶场景下也是值得深究的问题。总体来说,提高底层网络系统的防御能力和网络容错性非常重要。

4.其他安全问题

除了以上三大核心功能模块外,自动驾驶系统的应急响应、空中下载(OTA)升级服务、云平台的安全防护也都会对系统的正常运行产生直接影响。这里笔者还想强调一下OTA升级服务的安全问题,OTA为广大车企提供了一种持续改进其产品表现的低成本途径,但同时也为黑客开启了一扇“机会之窗”。当前的OTA升级已经覆盖了汽车的各大核心系统,无论从安全性方面,还是可靠性方面,都要比过去升级娱乐系统的要求严苛许多,其复杂度与手机固件升级更是不在一个水平层次上,一旦某个环节考虑不到位,给对手留下可乘之机,后果将不堪设想。在实现层面,目前市面上OTA的安全方案离不开密码技术的保障,我国的《密码法》也于2020年1月1日起开始生效,有关企业应当严格按照法律要求来选用密码技术和产品。

四、我国自动驾驶信息安全面临的挑战

我国的汽车产业整体上处于大而不强的格局,国外品牌无论在技术方面还是市场占有率方面都具有较为明显的优势。在自动驾驶领域,国产品牌整体上行事偏保守,新势力造车企业为抢占客户资源会以智能化作为价值突破口,在自动驾驶技术的部署上更加积极一些,吸引了年轻一代消费群体,但在很多功能上离完全满足客户需求尚有一段距离,一些缺陷或漏洞不可避免。据笔者分析,国内产业界在研发自动驾驶过程中应重视以下信息安全挑战。

(一)整体技术架构设计及代码安全实现的能力有待提升

从根本出发,自动驾驶的实现需要一个好的整体技术架构。一个差的架构传感能力和计算能力将不能平衡,也就导致功能出不来,比如某欧系品牌的L3级自动驾驶技术就是传感设计上有缺陷,计算能力也不足,导致最终方案流产。根据业内专家的建议,一个好的架构要做到三点:一是要系统各项指标均衡,功能才能顺利实现;二是要解决场景特异性的痛点,比如中国特有的复杂交通场景,国外厂商就普遍做得不太好;三是要在快速发展的技术潮流下保持至少3年的先进性,从而满足整车厂的产品迭代周期要求。

另外根据腾讯安全团队的考证,智能汽车中45%的安全缺陷来源于架构设计,另外55%来源于技术架构代码实现过程中的Bug,可见代码安全实现的重要性在某种意义上来说超过了架构设计。目前国内汽车产业链上对于软件实现的Bug率并没有真正重视起来,这也是在第三节中谈及的那些安全问题会持续被发现的原因,希望互联网企业,特别是网络安全公司与车企的深度合作能够逐渐提升整体代码质量,降低信息安全风险水平。

(二)计算平台的自主可控能力急需突破

无论何种技术方案,自动驾驶的实现都需要一个本地计算平台,且平台的计算能力要至少达到10个TOPS(每秒万亿次操作)的水平。自动驾驶对于计算能力的需求使得汽车正逐渐变成一个移动的高效计算终端。目前在这个细分赛道上,英伟达(NVIDIA)、赛灵思、德州仪器、Mobileye等国际巨头占有绝对领先地位,我国也涌现出了像地平线、寒武纪这样的AI芯片企业,获得了国内资本的大力支持。虽说科学无国界,但技术产品是有产地的。我国有2亿多汽车保有量,这个市场足够巨大,从国家战略角度来讲,计算平台的核心技术能力应当掌握在我们自己手中,这将是科技的竞争,也是国力的比拼,更是事关我国民族品牌能否真正实现“弯道超车”、产业的主导权能否牢牢掌握在自己手中的重点所在。

五、信息安全技术发展的对策与建议

自动驾驶技术,无论是在汽车、轨道交通、无人机,还是航运货船等领域,已经成为人工智能国际竞争的焦点,商业应用的光明前景毋庸置疑,更多应该思考的是我们的管理部门、技术机构目前需要做些什么,以更好地促进产业发展,加快技术成熟落地,形成可复制模式。笔者在这里提出以下三个方面的建议。

(一)加快引导相关法规、标准的制定与发布

为引导自动驾驶技术应用落地,世界各国和区域组织都加快了相关法规和标准的制定步伐:2017年9月6日,美国众议院一致通过了两党法案《确保车辆演化的未来部署和研究安全法案》,也称《自动驾驶法案》;2017年5月12日,德国联邦议院通过了一项由运输部提议的法案《道路交通法》(第八修正案),并于6月20日生效,通过修订现有道路交通法案引入自动驾驶条款;2018年12月31日,英国标准协会(British Standards Institution,BSI)发布了PAS 1885:2018《汽车网络安全的基本原则》、PAS 11281:2018《联网汽车生态系统,网络安全对功能安全的影响以及行业准则》等网络安全标准。

建议国内主管部门进一步加强统筹规划,加大战略布局,从国家层面提升对自动驾驶汽车安全的总体规划部署和顶层设计,统筹协调各技术委员会,明确分工协作、发挥各自优势、优化资源配置、加强协同互补,更迅速、更高效地建设科学合理、广泛认可的安全标准体系,制定重点急需标准,推动自动驾驶产业健康发展,并以此为基础在相关国际标准的制定过程中争取更多的话语权。

(二)开展关键核心部件研发的同时,注重安全保障技术的并行

自动驾驶中涉及的计算平台、高精度传感器、车载网关、车载操作系统等核心部件,均有一定的技术壁垒,目前国内很多企业都在加紧研制自主替代产品,实现其完整的功能固然重要,但也需要有前瞻性的考虑复杂网络环境带来的安全风险。因此,建议这些企业联合信息安全技术优势单位,针对车载智能操作系统安全技术、计算平台安全技术、5G网络及车载通信安全技术、零部件程序代码信息安全校验技术、零部件安全“写保护”机制、数据信息容错防护机制、数据信息传输校验机制等,开展联合攻关,提升自动驾驶汽车在遇到重大信息安全事件时的应急处理能力,使其在同类产品中能够脱颖而出。

(三)发展数据安全保护技术,加强自动驾驶行业的合规性管理

自动驾驶对数据处理能力要求非常高,无论是研发过程中的路测数据还是实际上路行驶的实时数据,其累积规模都是海量级别。每辆信息采集车在路测过程中每秒产生720MB的数据,大概需要完成2000个小时的路况采集量;一辆行驶的自动驾驶车辆每小时大约产生20GB~40GB的数据,如何保障这些数据的安全将是巨大的难题,何况这其中还夹杂了实时场景信息、特定位置信息、路人的人脸特征、用户个人数据等需要进行特殊处理的数据,因此需要大力发展数据的安全采集、存储、认证加密、安全传输、脱敏等保护技术。

同时,主管部门还要注意防止数据的过度甚至非法采集和存储。笔者在调查中曾发现,虽然各地方交通监管部门出台了关于自动驾驶企业进行路测的暂行管理办法以及指定了进行路测的道路区域,但仍然存在部分不具备路测资质的企业,私自改装车辆上路采集数据、测试系统的情况,不但对当地交通安全构成严重安全隐患,其采集的数据的最终用途和流向也无法追溯,建议各地主管部门加强监管执法,维护行业公平及参与者的合法利益。


第五章 自动驾驶通信技术发展动态

一、前言

从专业意义来讲,自动驾驶的通信技术就是车联网技术,但它与人们所认为的基于广域网移动通信的传统车联网业务应用有较大区别。传统车联网业务可以包括含有车载单元OBU或者不含有车载单元OBU(只由一个通信模块组成),主要分为三种:(1)以丰田G-BOOK和通用安吉星为代表的、以紧急救援为主的3G业务模式的车联网业务,这类业务对数据带宽和时延要求不高,是基于传统的2G/3G网络开发出来的车联网业务;(2)以导航和位置服务为主的地图服务,该类业务需要一定的数据带宽,对时延的要求也不是很高,配合车载终端(或者手机终端)的位置服务算法来提供业务,是基于3G/4G网络的车联网业务;(3)以车辆监控、位置跟踪等为基础的企业级车联网应用,主要是向数据中心提供车辆的位置、状态等信息,通过云端的计算来管理车辆的运营等服务的车联网业务。

车联网是车内各个子系统通信(或者子网络通信)、车与车通信(V2V通信)和车与广域互联网通信综合而成的三网合一的复杂网络系统。按照统一的信息通信标准,使标准的信息在车辆内部、车与路网、人车互操作以及涉及交通的互联网应用之间进行交换,以人工智能及大数据的分析为基础,以实现交通管理的智能化、车辆行驶的自动化和节能化、信息服务的智能化为目标,形成新一代广域通信系统的网络。

车联网采用了最为先进的5G移动通信技术、先进的车载终端集成技术,并综合互联网应用、车内控制系统和执行机构、路侧单元以及交通设施等信息,不仅为智能交通系统提供了基础网络,也为智能自动驾驶提供了新的信息来源,自动驾驶与车联网的相互促进关系如图5.1所示。因此,从车联网的信息流中得到车辆的环境感知参数,成为自动驾驶必不可少的辅助手段,这是解决交通出行问题的融合方案,是目前公认的最有可能成为新技术应用的市场方向。

图片关键词 

图5.1 自动驾驶与车联网的相互促进关系

与传统车联网业务要求不同,支持自动驾驶的通信系统必须具备以下几个条件:短时延,快速反馈(20ms~50ms);服务质量(QoS)有保障;提供大数据量的宽带通信能力;能够提供V2V的直接通信功能。能够满足以上要求的通信技术仅有DSRC和C-V2X通信技术。DSRC技术由美国交通部于2009年在IEEE 802.11p的基础上提出,并在全世界范围内推广,奠定了全球智能交通系统的技术体系,欧洲和日本对该技术在细节方面进行了修改。

二、国外自动驾驶通信技术发展现状

(一)标准化进程

随着人们对交通安全的要求越来越高,并希望通过提高交通设施的利用效率来解决交通拥堵的世界性难题,智能交通系统(Intelligent Traffic System,ITS)在国外政府及交通部门得到了越来越广泛的关注。作为解决短距离、大数据、短时延并具有广播性能的专用短程通信(Dedicated Short Range Communication,DSRC)被纳入ITS的通信协议。国际上已经形成以欧洲CEN/TC278、美国ASTM/IEEE和日本ISO/TC204为核心的标准化体系。

早在1992年,美国材料与试验协会(ASTM)就开始发展DSRC技术,主要针对ETC技术,采用915MHz频段。但是在2000年随着无线局域网(WLAN)技术的不断完善,其组网成本较低、组网方式灵活、网络建设便利等优势为大多数运营商所青睐,DSRC的技术标准逐步被IEEE协会的系列标准主导。所以在2003年ITS通过改进版本E2213-03标准体系,该标准体系以IEEE 802.11标准为基础,增加了V2V的通信方式,完善并满足了车载环境的通信需求。

从2004年开始,美国的DSRC标准制定工作转入通信标准接口协议(IEEE 802.11p)与信息加密和信息安全(IEEE 1609)两个工作组分别进行。目前IEEE 1609系列标准已经通过,该系列标准包含了如下车联网互操作的基本内容:(1)规定了频率范围:5.85GHz~5.925GHz(CH172~CH184);(2)标准化了网络层和传输层协议:WSMP、IPv6+TCP/UDP;(3)完善了加密协议:1609.2(使用椭圆曲线加密算法);(4)规定了基本安全信息:SAE J2735。

日本的DSRC标准制定工作由TC204委员会承担,目前已经完成,且支持最终的IEEE 802.11p版本。

欧洲的DSRC标准制定工作也比较早,CEN/TC278于1994年开始了DSRC标准的起草工作,并参考美国使用的频谱,在1997年批准了“5.8GHz DSRC物理层和数据链路层”标准,但由于考虑的基本场景和美国略有不同,所以基本参数集和美国标准略有不同,导致调制方式也有所差别。

(二)DSRC通信系统架构

参照七层网络通信协议(OSI)体系结构,DSRC通信可划分为物理层(L1)、数据链路层(L2)和应用层(L3)。在此基础上,DSRC互操作协议的分层架构如图5.2所示。

图片关键词 

图5.2 DSRC互操作协议的分层架构

DSRC是一种覆盖范围小的无线通信系统,它作为V2V、V2I通信平台具有非常强大的优势,通过有限的投入就可以实现一定范围内的V2V、V2I服务。

DSRC系统由通信系统和终端两部分组成。通信系统主要由提供通信平台的RSU(Road Side Unit)组成,RSU沿着有业务需求的道路建设,为路上的车辆提供DSRC通信服务。RSU由加密电路、调制解调电路、通信模块和控制单元等组成,是OBU的读写控制器,以无线通信的数据交换方式,实现V2V、V2I之间安全可靠的信息交换。

终端OBU(On Board Unit)安装在有业务需求的车辆上,通过RSU和其他终端设备之间的无线通信,实现交通管理局、路网与车辆之间的信息交流。OBU是一种安装在车辆上的移动设备,本身既可以提供独立的数据广播功能,同时可以对接收的RSU数据进行分析。这样配合自身相应的应用,就可以将自身的状态数据发送出去,也可以接收RSU的数据,以实现ITS规定的某些功能。

(三)DSRC技术的应用

由于DSRC技术提出的时间早,标准、规范也比较完善,同时基于IEEE 802.11的产业链非常的成熟,目前世界各大汽车企业都已具备了DSRC技术的相关车型和应用。如丰田汽车的子公司丰田IT开发中心发表了同时使用5.8GHz频带DSRC和700MHz频带UHF的路车间通信技术,并已通过实验。

但是考虑到DRSC通信技术的缺陷——仅能够提供短距离的直接通信功能,缺乏广域网组网的可能性,在实际应用和推广中并不顺利。随着我国C-V2X技术标准和规范的提出,越来越多的企业从DSRC的阵营转身投入C-V2X的阵营中。

新成立的倡导组织——5G汽车协会(5GAA)正在推动C-V2X的发展。该协会拥有超过75家企业会员,包括8家以上的汽车制造商(大众、沃尔沃、上汽、北汽、奥迪、戴姆勒、宝马、现代、吉利、捷豹陆虎、标致雪铁龙等),以及英特尔和高通等大型技术公司。目前,欧洲、美国、中国、日本、韩国、澳大利亚都在进行C-V2X技术的验证,高通也配合5GAA开展了大量试验。

三、我国自动驾驶通信技术发展现状

C-V2X技术是我国基于4G LTE技术提出的车联网技术,该技术的优势是可以采用公共移动通信网络提供V2X服务,不仅可以满足DSRC的大部分业务和功能,同时可以利用基础通信网络为用户提供基于云计算及大数据的各种互联网应用,以及可以根据移动通信技术的演进不断增强业务的提供能力。随着美国和日本企业的加入,C-V2X技术及其产业链逐渐完善。但是由于该技术出现的时间较晚,产业链还不成熟,在实际的推广和应用中不如DSRC技术使用广泛。DSRC与C-V2X对比如表1所示。

表5.1 DSRC与C-V2X对比

技术名称

DSRC

C-V2X

国家倾向

欧洲、美国、日本

中国、美国、日本

企业倾向

通用、丰田、电装、瑞萨、Aptiv、恩智浦、Autotalks、Cohda Wireless、Savari

电信运营商、10家主流汽车厂家、芯片商、IT服务商

标准

WAVE体系、基于802.11p底层通信协议与IEEE 1609系列标准

3GPP R14、3GPP R15、3GPP R16+

频率带宽

频率:5.86GHz~5.92GHz
带宽:10MHz~30MHz

700MHz、1800MHz、2.6GHz、5.9GHz,20MHz~100MHz

(工信部已经发文将5905MHz~5925MHz用于LTE-V2X)

传输速度

3~27Mbit/s

1Gbit/s

传输范围

最远1km

最远30km

主要特点

产业链成熟、标准协议完善、短距离V2V

不成熟、低时延、高容量、海量连接、高可靠性、高移动性,可以改造现有基站,可集成到T-BOX

适用速度

每小时140公里以下,由于响应时间快更适合应用于高速公路

可以做到每小时250公里以上

时钟误差要求

±1000μs

±0.39μs

频率误差要求

±20ppm

±0.1ppm

网络安全

数字签名密钥系统

没有考虑(但3GPP蜂窝技术本身有很好的安全加密系统)

信号要求

需要GNSS信号,但只用于从一个信道切换到另一个信道

即使在缺乏卫星信号的情况下仍然可以稳健同步,其中V2V更吃力

C-V2X的标准化可以分为3个阶段,如图5.3所示。2015年,3GPP正式启动LTE-V2X技术的需求和标准化研究,3GPP SA1(需求工作组)开展了LTE-V2X需求研究,于2016年6月完成结项;2016年初,3GPP SA2(架构工作组)启动WI,2017年3月完成标准化。支持LTE-V2X的3GPP Rel-14版本标准已于2017年正式发布;支持LTE-V2X增强(LTE-eV2X)的3GPP Rel-15版本标准于2018年6月正式发布。

图片关键词 

图5.3 3GPP C-V2X标准研究进展

2019年6月,3GPP公布了5G空口标准的最新时间表(Rel-15/16/17)及Rel-17的工作方向,Rel-15已经全部完成,并冻结;Rel-16于6月底已经全部完成,冻结时间推迟至2020年3月;Rel-17预计在2021年6月冻结。

从目前的标准制定进度来看,支持NR-V2X业务的Rel-16版本预计在2020年完成,从4G网络部署和实施的经验来看,能够提供5G NR-V2X功能的网络预计在2021年底才能实现。随着5G NR-V2X芯片及模组产品的推出和5G NR-V2X频谱资源的明确,加之受到新冠肺炎疫情的影响,预计在2021年底或者2022年就可以展开基于5G NR-V2X自动驾驶原理验证性的测试和业务探索。

针对车联网典型用例,5G NR-V2X提出了有效通信距离、最大时延、传输成功率、传输速率等技术要求,如表5.2所示。

表5.2 5G NR-V2X技术要求

典型业务

有效通信距离

最大时延(ms)

传输成功率(%)

传输速率(Mbit/s)

车辆编队

5~10倍最快相对速度

10~25

90~99.99

50~65

高级驾驶

5~10倍最快相对速度

V2V:3~10
V2I:100

99.99~99.999

UL:50

远程驾驶


5

90~99.999

UL:25 DL:1

扩展传感器

5~1000米

3~100

99.999

1000

 四、自动驾驶通信技术的应用进展

近来,移动边缘计算(Mobile Edge Computing,MEC)和网络切片技术被引入5G相关的标准体系中,满足了车联网的5G业务需求。

(一)我国三大运营商5G网络建设情况总结

根据我国三大运营商2019年末发布的2020年有关5G网络发展目标(见表5.3),三大运营商2020年的采购及建设内容均包含建设5G SA商用网络和移动边缘计算的计划。从我国基础网络的业务提供能力来看,三大运营商均有提供5G网络切片技术和移动边缘计算的能力。

表5.3 三大运营商2020年5G网络发展目标

运营商

部署方式

中国移动

加快向SA演进,坚持云网一体化发展

中国电信

5G SA商用能力处于行业领先地位,5G+公有云+MEC融合最大化5G技术价值

中国联通

建设5G SA商用网络,推进“云网边端业务”高度协同

(二)5G移动边缘计算在车联网中的应用

考虑到在车联网的实际应用中,传统的传输网络和云平台会受到庞大的数据量和计算量的冲击,移动边缘计算技术受到业内大力推崇。

移动边缘计算技术是由于5G技术概念的不断推广而被大家熟知。在2019年的中国股市中,具有移动边缘计算技术的股票和公司,都获得了不错的投资机会。

移动边缘计算技术的概念最初于2013年出现。当时,IBM公司与诺基亚西门子公司共同推出了一款计算平台,该平台可以在无线基站内部增加工作站来提高运行应用程序的反应速度。2014年欧洲电信标准协会(European Telecommunications Standards Institute,ETSI)开始采用该技术,并成立移动边缘计算规范工作组(Mobile Edge Computing Industry Specification Group),开始了推动移动边缘计算标准化的工作。

MEC技术的核心思想是把云计算平台从移动核心网络内部迁移到离最终用户最近的移动基站,实现计算及存储资源的弹性利用。这一概念最大的优势是减少移动业务交付的端到端时延,节约了运营商传输网络的投资成本,给用户体验带来了全新变革,并建立了新型的业务应用及网络生态圈。

利用MEC技术,通过离车辆最近的MEC服务器获得本地有关交通的即时信息,通过本车OBU的简单计算,使得车辆可以在20ms内收到预警通知,从而降低交通事故发生的概率;同时,也可以利用网络数据和车辆感知参数,为自动驾驶提供更为准确的外部信息。

MEC系统的基本框架如图5.4所示。

图片关键词 

图5.4 MEC系统的基本框架

2019年,阿里、中国电信、中国移动、华为等公司均在MEC技术上投入研发团队,也为该技术的功能验证建立了相关的实验场所。

实验场所的网络布局涉及5G网络的建设、4G网络的利用,以及相关路侧设备的建设等,考虑到车联网相关的云端业务(如高精度地图数据、区域内用户的精确定位、预测运行轨迹、交通信息等),在接入网的MEC服务器上设立相关的服务模块,用以验证自动驾驶等高层次的车联网业务。

目前我国移动广域网络存在2G/3G/4G/5G混合组网的现状,MEC网络主要是基于4G/5G网络基础来建设的,随着我国5G网络的不断完善,最为理想的5G网络的MEC组网如图5.5所示,在距离用户最近处进行计算和数据交换,即MEC服务器直接和基站共址(或者和多个基站的汇聚节点共址),利用5G网络的功能,业务层数据直接和车联网服务器进行数据交互。

图片关键词 

图5.5 MEC在5G网络的部署示意

(三)5G网络切片技术在车联网中的应用

针对当前数据通信领域业务需求爆炸性增长的局势,不同的应用场景对网络功能、系统性能、安全性、用户体验、服务质量(Quality of Service,QoS)、时延等指标有不同的要求。假如使用单一网络平台提供所有的服务,构建网络控制系统的难度会变得非常大,系统开销势必变得庞大,对系统硬件平台的投资也会变得非常大。这样不仅会提高运营商的管理成本,还会提高运营商的运营成本。相反,如果对不同服务需求(或者业务需求)提供专用网络,虽然可以保障业务的可靠性、安全性,但是专用网络的建设及维护费用是绝大多数业务方所不能承受的。基于这种情况的普遍存在,国际电信联盟(International Telecommunication Union,ITU)在2014年10月提出“IMT-2020”(5G)工作时间表(主要研究5G关键需求和解决方案)时,就提出了将网络切片技术作为5G的关键技术。

网络切片技术是5G的关键技术之一,其主要功能为统筹协调5G端到端的网络基础资源,为各种不同的业务或用户群,提供类似于端到端的专用网服务的业务。端到端的服务不仅要规划和设计相关核心网、无线网、接入网、传输网、管理网等实际物理网络单元和节点,还要明确按需定制的业务、功能、带宽、容量、QoS与连接关系等,同时还应包括安全隔离、资源隔离、业务生命周期管理和操作维护隔离等。

3GPP最早在R14阶段SA(Standalone,独立组网)1的TR 22.864报告中就定义了网络切片的需求,随后SA2在TR 23.799中对网络切片方案进行了初步研究,在R15阶段SA2正式把网络切片的相关概念、方案写入TS 23.501,SA5定义了网络切片管理和编排的解决方案。RAN(Radio Access Network,无线接入网)1和RAN2定义了无线接入网对网络切片的支持规范。这些标准最终形成了目前我国运营商采购设备普遍参考的技术规范。

1.5G网络切片典型业务的分类

为了满足目前各行业各式各样的业务需求,ITU将5G时代的业务归纳成三种典型的业务类型,即eMBB(Enhance Mobile Broadband,移动超宽带业务)、uRLLC(Ultra Reliable and Low Latency Communication,超高可靠性低时延业务)和mMTC(Massive Machine Type Communication,大规模物联网)。

eMBB业务,该业务主要应用在视频下载、视频广播以及用户密集的热点区域,特点是要求尽量低延时、尽可能大的带宽,对数据的误码率要求不高,实现最大的数据吞吐量。适用的场景为体育现场、演唱会现场或者活动现场的报道、转播以及现场用户的视频转发等,针对大流量移动宽带业务,如AR/VR、4K/8K超高清视频等业务。

mMTC业务,该应用场景主要是海量设备连接、间断性传输数据、对时延不敏感的业务,特点是需要较高的数据处理能力及较低的阻塞率,针对大规模物联网业务,如自动抄表、物流监控、车辆跟踪、智能停车等业务。

uRLLC业务,适用于数据传输的可靠性高、数据量大、速度快的高等级要求的特殊客户和应用场景,并且需要连续不断地使双向数据保持畅通的业务,如远程医疗及交通安全等业务。

2.车联网典型业务的分类

车联网技术需要实现车车通信(V2V)、车路通信(V2I)、车网通信(V2N)及车人通信(V2P)等各个子系统的数据传输和共享,进而进行车辆和云端数据的交互操作,为车载单元进行AI判断提供真实、可靠、实时的基础参数,为单车的安全驾驶、自动驾驶提供通信平台;同时,也将车辆相关信息通过广播等手段上传,为整个交通系统和周围的车辆提供详细、安全和可参考的依据。

由于车联网参与方不仅包含车辆、道路、行人、智能设施及各种路侧设备等交通参与方,还包括高精度地图、各种私人App以及行业管理App等各种管理应用程序,所以在建立有关车联网的5G网络切片的架构时,首先需要定义相关车联网的业务类型。

根据中国汽车工程学会标准T/CSAE 53—2017《合作式智能运输系统 车用通信系统应用层及应用数据交互标准》附录B的车联网业务分类说明,根据相关业务对通信频率和时延的不同需求,将17个一期应用分为两大类:一类是高时延(>100ms)、低频率(<10Hz)的应用;另一类是低时延(≤100ms)、高频率(≥10Hz)的应用,其详细分类如表5.4所示。

表5.4 车联网业务分类

分类

应用

通信类型

定位精度(m)

通信范围(m)

低时延、高频率

前向碰撞预警

V2V

1.5

300

盲区预警/变道辅助

V2V

1.5

150

紧急制动预警

V2V

1.5

150

逆向超车碰撞预警

V2V

1.5

300

闯红灯预警

I2V

1.5

150

交叉路口碰撞预警

V2V/I2V

5

150

左转辅助

V2V/I2V

5

150

高优先级车辆让行/紧急车辆信号优先权

V2V/V2I

5

300

弱势交通参与者预警

V2V/I2V

5

150

车辆失控预警

V2V

5

300

异常车辆提醒

V2V

5

150

道路危险状况提示

I2V

5

300

高时延、低频率

基于信号灯的车速引导

I2V

1.5

150

限速预警

I2V

5

300

车内标牌

I2V

5

150

前方拥堵提醒

I2V

5

150

智能汽车近场支付

V2I

5

150

低时延业务(要求迅速并及时反馈)主要是和车辆自动驾驶及交通安全相关的业务,数据的交互量和计算量大,是交通安全非常重要的计算依据,这类业务在5G网络切片业务模型中,参考uRLLC业务QoS来进行切片的定义和管理。

高时延业务要求准确反馈,对实时性要求不高,主要是车辆驾驶辅助业务及可能影响交通安全相关的业务,其数据的交互量和计算量不大,对车辆运行轨迹和未来的趋势进行决策辅助,这类业务在5G网络切片业务模型中,参考mMTC业务QoS来进行切片的定义和管理。

针对有关车辆管理的各种应用软件的切片管理,由于该类业务数据对带宽要求不高,对时延要求不敏感,可采用mMTC业务QoS来进行切片的定义和管理。

在车联网有关自动驾驶的环节中,高精度地图是一个非常重要且不可或缺的因素。自动驾驶车辆使用高精度地图时,对车辆周围的环境有了精准预判,有利于提高驾驶的安全性。但在享受高精度地图带来的驾驶优势的同时,还需要面对高精度地图的采集困难及更新频繁带来的技术困扰。在5G网络覆盖的地区,建议将本地的高精度地图下沉到对应的移动边缘计算的EMC服务器中,结合采用eMBB业务QoS来进行切片的定义和管理,这样就可以保障自动驾驶车辆在5G覆盖区域内可以及时得到当地最新的高精度地图,并且也节省了大量的传输网络带宽。

3.车联网5G网络切片架构分析

车联网作为一个跨行业、多场景、多业务模式的综合数据业务的复合型应用,与以前单一垂直行业的业务要求存在很多不同,尤其是在应用场景、数据通信性能及复杂计算的快速反馈等方面,采用单一业务模型来为车联网提供数据服务,网络切片架构明显不能够满足车联网的业务要求。

通过对车联网业务的精准分析,5G网络需要同时提供三类网络切片才能满足车联网的业务需求,如图5.6所示。详细地分解各种业务所需求的时延、带宽及访问频率等关键的网络切片所依据的系统参数,结合本地5G网络中其他应用的负荷程度,针对5G网络资源统筹进行的切片管理,是运营商将5G网络资源最大化的最优解。

图片关键词 

图5.6 车联网业务5G网络切片架构

每个地区的5G业务的负载情况会随着某些数据业务的普及程度而发生变化,当前车联网尚处于初级阶段,参与者不多,5G网络完全可以承担,但是随着车联网技术的普及,运营商需要不断完善和优化5G网络资源来满足车联网用户的需求。

五、我国自动驾驶通信技术面临的挑战

(一)新技术的挑战

自动驾驶通信技术能够提供超过500Mbps速率的卫星通信,是5G通信技术和传统电信运营商最强大的竞争者,毕竟在汽车上安装一个小型的卫星收发器要比在手机上安装方便,既不受限于空间和电源,还可以真正实现全球无缝隙的覆盖并提供业务支撑。随着SpaceX Starlink卫星部署数量的增多,Starlink已经在北美地区进行了公开范围的测试。

目前来看,卫星通信技术最大的受限因素是政治因素,在国家安全、法律上是否允许采纳该技术,是影响其能否成功应用的主要因素。

(二)5G技术发展面临的制约因素

从目前全球政治经济格局来看,中美两国存在贸易和技术争端,而自动驾驶通信技术的核心芯片技术在一定程度上依赖于美国公司的知识产权和制造工艺,从而限制了我国自动驾驶技术的发展,尤其是采用5G的C-V2X技术。此外,在车机操作系统方面,目前广泛采用Linux、Android、ARM操作系统,没有自主成熟的系统,也缺乏统一的技术规范,使产业的推动成本大幅增加,很难形成较大的规模效益。

随着我国政府部门如科技部、交通部、工信部及公安部等多部门不断加大对自动驾驶技术规范和示范场地建设的投入,我国自动驾驶的发展如火如荼。各个汽车主机厂、高校及科研院所积极响应国家的号召,在自动驾驶领域不断加大研发投入,使其一直处于被大家关注的高科技发展领域。未来随着国家政策的不断倾斜和社会资本的不断投入,希望我国自动驾驶在技术上能够突飞猛进,产业链不断得到完善,克服重重困难,最终实现“弯道超车”。


专题研究篇

第六章 自动驾驶市场发展现状与制约因素


本报告立足于乘用车细分市场、商用车及专用车细分市场两大市场,主要介绍了国内外具有代表性的传统整车企业及造车新势力企业、互联网科技公司、出行初创公司在自动驾驶领域的布局与进展特点。本报告提出传统整车企业的优势在于其具有成熟的汽车制造技术和较高的品牌价值,而互联网科技公司、出行初创公司具有软件技术研发方面的优势。在自动驾驶领域的布局上,互联网科技公司、出行初创公司较传统整车企业更为激进,多从限定场景下的L4级起步,造车新势力企业发展节奏快,有望于2020年实现L4级自动驾驶;而传统整车企业则是从驾驶辅助逐级突破,部分计划在2020年实现L3级,2025年达到L4级。最后本报告提出影响自动驾驶技术发展的要素包括:法律法规体系滞后,缺乏统一的测试评价体系;高级别自动驾驶技术开发难度高;交通事故频发,安全性有待评估;成本高,投入大,商业化道阻且长。

一、自动驾驶市场发展现状

自动驾驶技术发展至今,全球已有多家企业宣布在2020年前后推出L3级及以上自动驾驶汽车。波士顿咨询公司(BCG)预测,L3级及以上自动驾驶市场渗透率将快速增长,2025年将达到12.9%,2030年将达到24.8%。据统计,2019年全球轻型汽车年销量达9027万辆,其中中国销量超2500万辆,占近30%的份额。从销量结构看,中国仍是全球最重要的汽车市场之一。随着消费者对智能网联认可度的提升,中国亦有望成为最大的自动驾驶汽车市场。

自动驾驶领域主要参与者分为三类:通用、福特、一汽、上汽等传统整车企业,以及特斯拉、威马、小鹏等造车新势力所代表的整车企业;谷歌、微软、百度、阿里、腾讯等互联网科技公司;Uber、Lyft、滴滴、小马智行、AutoX等出行初创公司。传统整车企业的优势在于成熟的汽车制造技术和较高的品牌价值,而互联网科技公司、出行初创公司具有软件技术研发方面的优势。在自动驾驶领域的布局中,互联网科技公司、出行初创企业较传统整车企业更为激进,多从限定场景下的L4级起步,造车新势力企业发展节奏快,有望于2020年实现L4级自动驾驶,而传统整车企业则是从驾驶辅助逐级突破,部分计划在2020年实现L3级,2025年达到L4级。

(一)乘用车细分市场

1.传统整车企业

传统整车企业为了提高自身产品附加值、把握未来市场,实现从“整车制造商”到“共享出行服务商”的转型,纷纷布局自动驾驶这一新领域。表6.1呈现了截至2019年,各大传统整车企业的自动驾驶技术规划。总体来看,国内传统整车企业起步较晚,自动驾驶进程相对保守、稳健,部分企业计划在2020年实现L3级自动驾驶车量产,并于2025年进入L4级自动驾驶阶段。

表6.1 全球各大传统整车企业自动驾驶技术规划

序号

企业简称

进展与规划

1

广汽

2019年6月,首批获得广州市智能网联汽车示范区运营中心的智能网联汽车道路测试试验牌照

2019年9月,推出可实现L4级自动驾驶功能的车型Aion LX

预计2025年前实现L4级自动驾驶

预计2030年前实现L5级自动驾驶

2

长安

2018年,L2级自动驾驶车CS75、CS55实现量产

2019年7月,L4级自动驾驶车在重庆仙桃数据谷开启两年试运营

计划到2020年,建成L3级自动驾驶智能开放平台

计划到2025年,建成L4级自动驾驶智能开放平台

3

吉利

已推出五款L2级自动驾驶车型——缤瑞、缤越、博瑞GE、星越、GE 11

预计在2020年发布G-Pilot 3.0平台,部分工况实现L3级自动驾驶;预计从2020年起,将在35万千米的高速公路、22000千米城市快速路和30个城市实现L3级自动驾驶

5

长城

2018年发布“2020战略”

预计在2020年实现L3级自动驾驶车的量产

预计在2023年实现L4级自动驾驶车的量产

预计在2025年推出L5级自动驾驶车

6

奇瑞

争取2020年实现L3级自动驾驶车的量产

2025年实现L4/L5级或完全层面的自动驾驶

7

中国一汽

预计在2020年实现L3级自动驾驶汽车的量产,完成解放挚途基于5G网络的L4级自动驾驶产品开发

预计在2025年完成解放挚途的L5级自动驾驶产品开发

8

东风

2019年,搭载L2+级自动驾驶功能的车型上市,L3级自动驾驶车“风神奕炫”完成首次公开高速实测,L4级自动驾驶出租车Robotaxi公开道路首秀计划在2020年完成L3级自动驾驶车投产

9

通用

2017年凯迪拉克CT6搭载L2级自动驾驶技术Super Cruise 3.0,计划在2020年后将其推广到凯迪拉克及更多品牌车型上

2020年初发布专门为无人驾驶场景设计的量产车Origin

10

福特

推迟2021年量产L4级自动驾驶汽车的计划

11

宝马

计划在2021年实现L3级自动驾驶车BMW iNEXT的量产;同期推出L4/L5级自动驾驶测试车队,目标是到2022年具备生产完全自动驾驶车辆的能力

12

大众

计划在2021年试运行L5级自动驾驶车Sedric

13

戴姆勒

计划在2020年实现大部分车型的自动驾驶

计划在2021年测试L4/L5级自动驾驶汽车

14

丰田

推出多功能自动驾驶出行平台e-Palette

计划在2020年推出适合高速场景的L3级自动驾驶汽车

计划在2025~2029年将自动驾驶技术适用范围扩大至普通道路

15

本田

2020年实现高速公路场景的L3级自动驾驶

2025年研发L4级自动驾驶技术

广汽自2013年起就开展了对自动驾驶汽车关键技术的研发。目前已在广汽传祺GS8、GM8、GS5及广汽新能源Aion S等量产车型中搭载自动驾驶辅助系统,包括ACC、FCW、AEB、LKA、SVM等。2019年,广汽发布了全新SUV车型Aion LX,搭载了广汽AdiGO(智驾互联)生态系统,包括HWA高速变道辅助驾驶系统、APA融合泊车等,支持L3级的自动驾驶。根据广汽自动驾驶技术规划时间表及Mobility Partner(M-partner)技术发展路径,广汽计划于2020年实现L3级高速公路自动驾驶和全自动泊车功能,预计在2025年以前实现L4级自动驾驶,在2030年以前实现L5级自动驾驶。

长安与百度、腾讯、华为等科技巨头合作布局自动驾驶领域。2016年3月,长安率先完成了重庆至北京距离长达2000千米的自动驾驶测试。2018年8月24日,长安发布全面向智能科技公司转型战略,计划2020年起停止生产非联网新车。2018年长安获得重庆第一张自动驾驶测试牌照。2019年7月,长安推出了国内首个5G自动驾驶公共服务平台暨5G自动驾驶开放道路场景示范运营基地,并作为首家入驻重庆自动驾驶5G公共服务平台的车企,将开启5G+L4级自动驾驶示范运营。目前,长安已实现全速自适应巡航、智能语音、在线地图等70余项智能产品的量产搭载,实现了八大核心功能,L3级自动驾驶技术已进入量产化开发阶段,预计到2020年实现量产,L4级纯电动自动驾驶共享汽车实现示范运行。

吉利早在2012年就已经实现L2级自动驾驶的全面量产。在2019年吉利汽车技术日暨第二届龙湾论坛上,吉利正式发布“爬行者系统”,该系统可100%实现自动泊车,为研发更高级别的自动驾驶技术奠定了基础。此外,吉利与伟世通、Smart Eye、高通技术、Zenuity等公司展开合作,大力推进自动驾驶技术进程,重点关注新能源、自动驾驶、芯片、操控系统等前沿关键技术,逐步实现由汽车制造商向全球创新型科技企业和移动出行服务商转变。根据规划,吉利预计在2020年实现L3级自动驾驶车型量产、局部场景下的L3级自动驾驶;在2022年实现5G协同下的高速自动驾驶;在2030年之前实现5G、NR+边缘计算协同式城市自动巡航,迈入自动驾驶4.0、5.0阶段。

奇瑞自2010年开始自动驾驶技术的研发,在2018年发布了“雄狮智能化战略”,与百度、英伟达、Plus AI、Quanergy等知名公司联合,推进自动驾驶技术研发、集成测试等工作。目前,奇瑞已经有部分车型搭载了L2级辅助驾驶系统,开始在奇瑞捷途X95车上进行L4级的自动驾驶场景测试。根据规划,奇瑞计划在2019年实车搭载ACC、AEB、APA等高级辅助驾驶功能,2020年实现L3级自动驾驶车的量产,2025年实现L4级高度自动驾驶。

中国一汽积极布局自动驾驶领域,与中兴通讯、阿里、黑芝麻智能科技等企业签署战略合作协议,在5G、智能网联、自动驾驶等领域展开深度合作,共同推进自动驾驶技术在中国一汽系列车型中的量产应用。2019年,中国一汽红旗与百度合作推出的红旗EV L4级自动驾驶出租车Robotaxi在长沙展开测试,现已开启商业化试运营。中国一汽预计在2020年推出搭载L4级自动驾驶技术的量产车型,2025年实现L5级自动驾驶。

东风公司加快研发和应用智能辅助驾驶系统,逐步推进智能网联、自动驾驶和出行服务事业布局及核心技术掌握。2019年,东风公司获得国家智能网联汽车(武汉)测试示范区首批6张测试牌照,包括1辆Robotaxi轿车、3辆干线物流车、1辆支线物流车和1辆环卫车。同年,东风成为首家获得欧洲自动驾驶公共道路测试许可的中国车企。目前,搭载L3级高速公路自动驾驶系统的“风神奕炫”已完成高速实测,能够实现高速公路自动驾驶功能,包括多车道触发式变道辅助、主动变道辅助、紧急车道保持和紧急转向辅助等功能。融合了5G远程驾驶技术的L4级自动驾驶出租车Robotaxi正在推进示范运营。

通用于2016年收购了汽车技术初创公司Cruise Automation,正式开始在渐进式自动驾驶与跨越式共享出行服务领域布局。目前L2级的自动驾驶辅助系统(Super Cruise 3.0)已经在凯迪拉克CT6上实现搭载,计划到2023年,在凯迪拉克及旗下更多品牌22款车型上使用该系统。Super Cruise 3.0由三部分构成,即自适应巡航系统、蓝线保持系统以及驾驶员注意力保持系统,下一步将迭代更新为L3级的自动驾驶辅助系统Ultra Cruise。在共享出行领域,Cruise Automation未来将在雪佛兰Bolt EV上配备L4级自动驾驶技术,在美国加州部分地区投放300辆自动驾驶汽车进行路测,计划2020年初在纽约市进行路测。2020年初发布由通用、Cruise Automation和本田联合打造,专门为无人驾驶场景设计的量产车Origin。

福特通过投资收购、联盟合作等方式加大在自动驾驶领域的投入。2017年2月,福特发布投资自动驾驶初创公司Argo AI,专注提供L4级自动驾驶系统,未来将推出共享出行和物流配送等服务。2018年10月,福特与百度在L4级自动驾驶开发测试技术方面进行合作。2019年6月,福特发布其第三代自动驾驶测试车,该车搭载与Argo AI合作开发的升级版虚拟驾驶系统,已开始在美国五大城市进行公开道路测试。在出行领域,福特与龙头企业Uber、Lyft合作建立新数据平台。福特计划在2020年底开启首批无人驾驶汽车的制造,在2021年开发新的全自动驾驶汽车软件平台。

宝马从2006年就专注实现高度自动化驾驶,已形成自身核心竞争力。2016年起,宝马陆续与英特尔旗下自动驾驶技术公司Mobileye、菲亚特克莱斯勒等十余家知名公司建立合作,创立开放式架构平台。2018年4月,宝马宣布正式启用位于慕尼黑的自动驾驶研发中心,该中心涵盖软件开发、道路测试、提供完全自动驾驶服务等多项业务。2018年7月,宝马加入百度Apollo平台。2019年7月,宝马宣布与戴姆勒在自动驾驶领域建立长期合作,双方将联合开发下一代辅助驾驶系统、高速路况自动驾驶以及全自动泊车,后续双方将合作扩展到郊区和市中心,从而尽快实现高级别自动驾驶技术的落地,计划在2024年实现实车搭载。2019年9月,宝马成为在中国获得智能网联汽车示范应用路测牌照的第一家国际整车制造商。目前,宝马全新BMW 3系、全新BMW 7系、全新BMW X5、全新BMW X7和全新BMW 8系等车型均搭载L2级自动驾驶技术。宝马计划在2021年量产具备L3级自动驾驶功能的车型BMW iNEXT,同时将在此款车型上进行L4级和L5级自动驾驶研发测试。

戴姆勒于2016年提出“瞰思未来”(CASE)战略,该战略覆盖智能网联、自动驾驶、共享出行、电动汽车四个领域,定位是领先的共享出行服务商。戴姆勒与博世在L4级、L5级自动驾驶共享服务项目进行合作测试,与宝马在L4级自动驾驶技术开发方面建立战略合作关系。在出行服务领域,与宝马合并共享出行服务,与吉利合作在中国提供高端专车出行业务,扩大全球业务。目前,戴姆勒已实现L2级自动驾驶乘用车和卡车的量产,同时与多家合作伙伴共同研发L3级至L5级自动驾驶技术,预计在2020年后推出市场。

2019年大众升级集团战略,提出“TOGETHER 2025+”战略,将通过电动汽车、智能网联和自动驾驶,使汽车清洁、安静、智能和安全,提供全新的驾乘体验。大众在2017年推出L5级自动驾驶概念车Sedric,并计划于2021年启动试运行。2018年,大众与美国自动驾驶技术公司Aurora达成合作,开发应用移动即服务(MaaS)的自动驾驶电动车。2019年7月,和福特一同投资Argo AI,将L4级自动驾驶技术引入美国和欧洲市场。大众旗下奥迪品牌,于2017年推出L3级自动驾驶量产车奥迪A8和L5级自动驾驶概念车奥迪A8 Aicon。大众与Mobileye合作在以色列测试和引入使用MaaS,作为其自动驾驶服务全球测试站点,该项目计划在2022年前实现商业化。

丰田开展了基于高级辅助驾驶ADAS系统的“Guardian”和L4/L5级完全自动驾驶“Chauffeur”两种自动驾驶技术研发路径。Guardian是丰田自研的自动驾驶系统,2017年10月上市的雷克萨斯LS搭载了Guardian系统的“Lexus Safety System+A”。2018年1月,推出基于雷克萨斯LS 600hl的Platform 3.0自动驾驶测试车。2019年1月,推出基于第五代雷克萨斯LS的TRI-P4自动驾驶测试车,该车应用了Guardian和Chauffeur双路径的自动驾驶系统。在共享出行领域,2018年1月,丰田在拉斯维加斯的CES上发布了e-Palette自动驾驶概念车,并与亚马逊、滴滴、马自达、必胜客和Uber建立e-Palette联盟,推进高级自动驾驶辅助技术的应用,计划在2020年东京奥运会上实现技术落地。2019年8月,丰田与小马智行宣布合作,在中国公开道路进行试点测试。

本田计划在2020年实现高速公路场景的L3级自动驾驶,在2025年研发L4级自动驾驶技术。早前于2016年,本田宣布与Waymo合作,在本田车辆上应用Waymo的自动驾驶技术。2018年10月,本田宣布与Cruise、通用在共享自动驾驶车出行方面展开合作。在驾驶辅助技术方面,本田自研的“本田SENSING”自动驾驶辅助系统已在部分车型中实现搭载,计划在2022年实现所有车型标配该系统。“Acura Watch”驾驶辅助安全技术包括碰撞缓解制动系统、车道偏离警告系统、车道保持辅助系统、低速跟随自适应巡航控制系统、交通堵塞辅助系统等,主要应用于本田讴歌车型。

2.造车新势力企业

相较造车技术成熟、基础深厚的传统整车企业,造车新势力企业背负着上行压力。面对智能化这一新技术、新机遇,造车新势力企业跨步前行,规划布局比传统整车企业更具有前瞻性。特斯拉、蔚来、拜腾等企业已具备L2级自动驾驶技术,有望在2020年实现L4级自动驾驶。造车新势力企业自动驾驶技术规划见表6.2。

表6.2 造车新势力企业自动驾驶技术规划

序号

企业简称

进展与规划

1

威马

已量产L2级自动驾驶辅助系统,完成L3级自动驾驶高速公路实测,L4级自动驾驶汽车在上海临港自动驾驶示范区通过动态场景测试
计划于2020年量产适用于中国交通场景的L3级智能驾驶解决方案

2

小鹏

量产车G3实现L2.5级自动驾驶功能,X Pilot(高级辅助驾驶系统)升级至2.5版本
计划2020年将X Pilot升级为3.0版本

3

蔚来

ES8/ES6具备L2级自动驾驶功能,Nio Pilot升级至2.5版本
预计在2020年发布L4级自动驾驶车

4

理想

计划理想ONE搭载L2.5级自动驾驶系统
计划在2023~2025年实现L4级自动驾驶车的量产

5

拜腾

计划在2020年后实现L4级自动驾驶

6

奇点

在硬件配置上已经支持L4级自动驾驶,2019年实现L3级自动驾驶

7

特斯拉

2019年4月发布Autopilot 3.0版本
计划2020年底在部分市场推出无人驾驶出租车服务

威马自成立以来,不断加大对自动驾驶技术研发的投入,与博世、百度开展自动驾驶领域的深入合作。2019年在四川绵阳市成立威马汽车自动驾驶技术中心,发布了“Living Pilot”智行辅助系统功能;同年6月发布了“Valet Parking”自动泊车功能,能够实现远程取车/还车、自主泊车、低速自动驾驶、自动充电等操作。目前,具备L2级自动驾驶功能的“Living Pilot”智行辅助系统,已经在2019款威马EX5车型上实现搭载量产;L3级自动驾驶功能完成公路实测,计划在2020年实现量产;L4级自动驾驶车在上海临港无人驾驶示范区顺利完成动态场景测试。

作为造车新势力的一员,小鹏在智能化、自动驾驶领域倾向于循序渐进的开发方式,且发展迅速。截至2019年12月17日,累计申请专利1288件,其中智能网联技术相关专利占比达41%,整车技术占25%,自动驾驶技术占22%。目前量产车型G3通过OTA升级已经实现了L2.5级自动驾驶,可实现车速60km/h以下的LCC(车道居中辅助)、TJA(交通拥堵辅助)、ALC(自动变道辅助)、智能泊车等自动驾驶功能。2020年将推出量产车小鹏P7,该款车型将搭载X Pilot 3.0自动驾驶辅助系统、公司自研的SEPA(Smart Electric Platform Architecture)平台架构、英伟达Xavier超级自动驾驶AI芯片,在高速行车时可实现L3级自动驾驶。

蔚来在智能化系统、自动驾驶、车联网等领域也进行了全面布局。2019年6月,蔚来推出NIO OS 2.0智能操作系统和L2级自动驾驶辅助系统,可实现高速自动辅助驾驶、拥堵自动辅助驾驶、道路自动保持、自动泊车辅助等驾驶辅助功能。2019年11月,蔚来宣布与Mobileye建立战略合作,基于蔚来第二代整车平台NP2共同打造L4级自动驾驶车。

理想也将自动驾驶这一汽车未来核心技术视为重中之重,目前推出的理想ONE采用Mobileye Eye Q4视觉感知处理芯片,搭载L2级自动驾驶辅助系统,包括全速域自适应巡航、全自动泊车、车道保持辅助等辅助驾驶功能。据规划,理想将在2021年开启L4级自动驾驶解决方案。

特斯拉自主研发的Autopilot自动辅助驾驶系统,在全球处于领先地位。2014年10月发布Autopilot 1.0自动辅助驾驶系统,2019年4月特斯拉正式发布Autopilot 3.0(FSD完全自动驾驶)版本,可实现L2.5级自动驾驶功能,硬件系统进行了四次升级。目前,已有60多万辆车配备了L4级完全自动驾驶硬件系统,可通过特斯拉独特的OTA(空中下载技术)进行软件更新和系统升级。所有车型均可实现自动辅助导航驾驶、自动泊车、自动辅助变道等辅助驾驶功能。特斯拉CEO马斯克表示,特斯拉将于2020年底在部分市场推出自动驾驶出租车服务业务。

3.互联网科技公司

整车制造商积极开展对智能化汽车的研发投资,互联网科技企业也争相参与,谷歌、英特尔以及国内百度、阿里、腾讯三大互联网巨头均已完成在自动驾驶市场的布局,在加快自主研发的同时,为行业合作伙伴提供软件算法、芯片平台、高精度地图等自动驾驶汽车整体测试解决方案,共同推进高级别自动驾驶汽车的商业化应用。

百度在2015年底成立了百度自动驾驶事业部,推出了半自动驾驶样车并上路测试。2016年与奇瑞合作开发的L4级自动驾驶汽车EQ进行了国内城市开放道路试运营,同年9月,获得美国加州无人驾驶测试牌照。2017年推出了名为“Apollo”的自动驾驶平台计划,向汽车企业及自动驾驶合作伙伴开放平台,帮助快速搭建软硬件结合的自动驾驶系统,目前Apollo平台有177家生态合作伙伴。2019年12月,Apollo已迭代升级至5.5版本,升级了自动驾驶四大解决方案、针对低成本环境的低速微型车方案、针对“最后一公里”自动驾驶的自主泊车方案、针对无人公交场景的Minibus 2.0方案,针对城市开放道路点到点的Apollo Robotaxi自动驾驶方案。截至2019年,百度已在北京、武汉、沧州和长春等23个城市开展实际道路测试,获得自动驾驶道路测试牌照达120张。由百度Apollo和中国一汽合作生产的红旗EV L4级自动驾驶Robotaxi在长沙开启商业化试运营,2020年将在更多城市试运营。与威马汽车合作的自主泊车技术将在2022年实现落地。

腾讯于2016年下半年成立了腾讯自动驾驶实验室,专注于自动驾驶领域的核心技术研发。2018年5月,获得深圳市智能网联汽车道路测试牌照;11月,腾讯宣布布局自动驾驶三大核心技术平台——自动驾驶云平台、模拟仿真平台、高精度地图平台,定位于为车企提供自动驾驶解决方案,助其完成测试落地。腾讯已与国内外多家车企(如长安、中国一汽、吉利等)建立合作,早前投资了和谐富腾(Future Mobility),计划于2020年推出自动驾驶电动车;与中国一汽合作打造的红旗H7 L3级自动驾驶汽车,可在高速公路完成L3级自动驾驶;跟吉利合作推出的L4级自动驾驶汽车——博瑞GE,正处于研发测试阶段。

继百度、腾讯之后,阿里于2018年4月宣布了自动驾驶计划,正式入局自动驾驶市场,选取直接研发L4级自动驾驶的技术路线,同年获得杭州第一张自动驾驶路测牌照,由林肯MKZ改装的自动驾驶测试车进行了路测。阿里旗下的高德地图将为自动驾驶领域的高精度地图导航、定位等方面提供技术支持,云计算平台——阿里云建立面向车辆和车主的自学习平台,为自动驾驶的软件算法提供基础。

Waymo起步于Google的自动驾驶项目,2016年正式独立成为公司。2018年,Waymo获得亚利桑那州自动驾驶载客业务牌照,并于12月在凤凰城推出全球首个Robotaxi业务——Waymo One无人驾驶出租车服务。2019年5月,Waymo与网约车公司Lyft达成合作,将在Lyft的服务平台上投放10辆自动驾驶汽车,进一步普及自动驾驶技术。7月,Waymo获加州自动驾驶载客牌照。10月,与克莱斯勒合作打造的6.2万辆Pacifica正式在凤凰城提供Robotaxi服务。12月,Waymo宣布与麦格纳合作,在密歇根州建立L4级自动驾驶汽车改装厂,量产L4级自动驾驶汽车。Waymo也与雷诺日产、三菱联盟签署了独家协议,将在法、日两国提供无人驾驶出租服务。2020年Waymo将发布第五代自动驾驶系统Waymo Driver,并与捷豹路虎签署合作协议,为2万辆电动SUV捷豹I-PACE配备此系统,部分车辆已经完成了第一阶段的封闭路线和耐久性测试,预计在2020年底前上路,正式提供商业化出行服务。截至2019年底,Waymo在加州、华盛顿州、得克萨斯州、密歇根州等地均有测试地点,测试里程突破3200万千米,Waymo One已提供超10万次服务。此外,Waymo将在2020年推出Waymo Via无人驾驶卡车送货服务,正式进军无人驾驶卡车物流领域,至此Waymo的四大商业化应用场景布局逐渐形成,包括自动驾驶出租车(Robotaxi)、无人驾驶卡车货运、技术授权、最后一公里服务(接送乘客去公交/地铁站)。

2017年,英特尔收购以色列初创公司Mobileye,完成了英特尔在自动驾驶领域的战略布局。Mobileye致力于研发路网资产管理(REM)技术、自动驾驶技术、计算机芯片和软件,专注于ADAS和MaaS领域,同时加快转向传感融合、深度学习、高精度地图领域,为用户提供地图和高级辅助驾驶系统解决方案。Mobileye与宝马、大众、上汽、蔚来、长城等27家整车企业合作,扩大了ADAS系统的应用范围,在法国、以色列、韩国等国家展开部署Robotaxi服务。在中国,Mobileye与上汽签署协议,后者将采用Mobileye的REM技术,共同推进L2+级ADAS系统在中国的部署;与蔚来达成战略合作,研发基于Mobileye芯片及软件、蔚来第二代整车平台的L4级自动驾驶系统及自动驾驶出租车车型,并实现搭载落地;与长城建立合作,基于Mobileye ADAS系统共同开发L3级及以上的自动驾驶系统。

4.出行初创公司

自动驾驶技术的应用普及能大大节约网约车的司机成本,提高出行安全。未来共享出行服务将成为出行领域的重要组成部分,Uber、Lyft、滴滴、小马智行、AutoX等公司加大投入,与汽车产业链上下游企业深入合作,研发打造L4级自动驾驶的Robotaxi无人驾驶出租车,推出共享出行服务。

作为中国规模最大的出行服务商,滴滴拥有庞大的客户群体、海量的车辆运行数据以及成熟的商业化出行平台,为发展自动驾驶提供了强有力的支撑。2017年,滴滴成立自动驾驶团队。2019年8月,滴滴宣布将旗下自动驾驶部门升级为独立公司,着重自动驾驶技术的研发应用及相关业务拓展。目前滴滴已拥有美国加州、北京、上海三地的无人驾驶道路测试牌照,将在上海投放30辆L4级Robotaxi,并开启载人测试。

小马智行(Pony.ai)于2016年成立,正在发挥初创公司的速度优势。2018年9月,发布第三代自动驾驶系统产品Pony Alpha。小马智行与广汽、现代、丰田三大整车厂商展开深度合作,注重自动驾驶技术的研发落地,共同打造L4级及以上自动驾驶汽车以及共享出行自动驾驶平台。2019年8月,推出与丰田合作的L4级自动驾驶汽车雷克萨斯RX;9月,发布与广汽合作的L4级自动驾驶车Aion LX;10月与广汽合作推出自动出租服务BotRide。小马智行先后获得美国加州自动驾驶路测牌照、北京市政府发放的T3级自动驾驶车辆上路测试许可,在广州、北京、美国加州投入100多辆Robotaxi开展测试运营,截至2019年10月,测试里程已突破百万千米。2019年11月至2020年1月末,小马智行在美国加州的自动驾驶打车服务车均里程排行第一,平均单辆车运营里程为9019千米,总服务里程达90186千米。

AutoX创立于2016年,一直专注研发L4级自动驾驶全栈式解决方案,打造自动驾驶的核心系统和平台。AutoX主要布局三种自动驾驶应用场景:Robotaxi无人驾驶出租车服务、无人驾驶物流“最后一公里”配送服务、私家车自动驾驶辅助。截至2019年底,AutoX已获得美国加州无人车货车运输运营服务、Robotaxi运营服务双牌照,在国内获得粤港澳大湾区首张智能网联汽车道路测试牌照、广州首批智能网联测试牌照、深圳第一张正式路测牌照。2019年9月,AutoX与上海嘉定区签署合作协议,共同建设中国首个无人驾驶Robotaxi运营示范区,并在2020年初投放第一批100台Robotaxi试运营。此前,AutoX已在美国加州、中国深圳开启Robotaxi测试和试运营服务。2020年初与菲亚特克莱斯勒汽车达成合作,携手打造Robotaxi车型Pacifica X,并计划于2020年上半年在深圳、上海等城市进行试运营。此外,AutoX已与上汽、东风、比亚迪、奇瑞、长城、国能汽车等整车企业展开深度合作,进行自动驾驶乘用车和商用车测试,促进自动驾驶技术的商业化应用。

Uber(优步)是全球最大的共享出行公司,拥有最大的网约车平台,业务遍布600多个城市。Uber在2015年初成立Advanced Technologies Group,与大学合作,专注研发自动驾驶技术,与丰田、沃尔沃、戴姆勒等整车企业合作研发自动驾驶测试车。2018年3月发生全球首例自动驾驶致死事故后,Uber暂停了自动驾驶技术的研发测试,直到12月才恢复在宾夕法尼亚州的路测。2019年成立自动驾驶安全和责任咨询委员会,出台一系列安全保障措施。6月,发布与沃尔沃合作打造的自动驾驶车XC90。Uber表示将于2021年推出自动驾驶出租车服务。

Lyft于2018年在加州帕拉奥图建立无人驾驶汽车研究中心Level 5,随后与麦格纳达成合作,由Lyft主导自动驾驶技术及系统的开发,麦格纳则负责相关零部件的生产。2019年1月,双方组建的自动驾驶车队顺利完成公开道路测试。2020年初,由于麦格纳业务调整,双方终止在自动驾驶技术开发上的合作。此外,Lyft与自动驾驶技术公司安波福(Aptiv)建立了合作,在Lyft网约车平台运营30辆配备安波福自动驾驶系统的宝马5系汽车。Lyft还与Waymo联手合作,将10辆Waymo自动驾驶汽车投放到Lyft平台,在亚利桑那州凤凰城运营。

(二)商用车及专用车细分市场

相比复杂多变的城市工况,港口、干线高速公路、封闭/半封闭园区等商用车应用场景更简单,具有更高的安全性、稳定性,更适合高级别自动驾驶技术的商业化落地和规模化应用。

1.港口集装箱卡车

港口是自动驾驶应用的一种重要场景。全球港口排行榜前十位中,中国占据7席,港口的智能化升级推动了集装箱卡车(以下视情简称“集卡”)的自动化,且自动驾驶集卡有利于提升港口运营效率,能为物流领域带来巨大的商业价值和经济效益。目前,沃尔沃、中国重汽、上汽红岩、一汽解放、东风柳汽、江铃重汽等卡车制造商均已推出L4级及以上自动驾驶集卡,用于港口作业(见表6.3)。

表6.3 自动驾驶港口集卡相关信息

车型

发布时间及地点

自动驾驶等级

特点

重汽豪沃T5G

2018年1月12日

天津港

L4

纯电动车型,在天津港开启试运营,可完全实现装卸集装箱及运输过程的自动化,大幅降低港口运营成本

重汽豪沃TX牵引车

2018年4月

天津港

L4

2018年4月,在天津港试运营;2019年正式批量投入运营

红岩5G智能重卡

2019年8月

2019年世界人工智能大会

L4

利用5G-V2X技术,可实现厘米级定位、精确停车与自动化港机设备的交互以及东海大桥队列行驶

东风柳汽乘龙T7

2019年9月

东风柳汽造车50周年暨270万辆车下线仪式

L4

可实现自适应跟车、自动停车、自动避障、多车道换道、自动调头等自动驾驶功能

江铃重汽Q-Truck

2018年11月

L4

纯电动车型,2019年9月实现交付,可实现自动避障、识别限速牌、自动跟车、车道保持、行人紧急制动和定点停车等功能

解放J7

2018年4月18日

青岛港

L4

能够自动规划行驶轨迹,进行自动装货、行驶、转向、停车、卸货等

解放ICV

2018年4月18日

青岛港

L4

港口集装箱水平运输专用智能车,搭载人工智能系统,能进行精准感知和识别

沃尔沃Vera

2018年9月

德国汉诺威商用车及零部件展

L4

2019年6月完成商业化运营测试,可应用于港口和大型物流中心间的物流运输

2.物流车

现代物流配送行业,人工成本高、末端配送难,发达的电商零售行业对物流行业提出高需求,干支线运输、末端配送的智能化技术可使物流运输调度更智慧化,提升物流网点间及其与终端之间的流转效率,促进物流行业结构优化升级。沃尔沃、戴姆勒、陕汽、中国重汽、东风柳汽、图森等众多企业研发自动驾驶重卡,将其用于高速干线、点对点物流运输,京东、美团、阿里菜鸟、中通、德邦等电商物流行业巨头也大力投资物流设施,推出“最后一公里”无人物流配送车。自动驾驶物流车相关信息见表6.4。

 表6.4 自动驾驶物流车相关信息

类型

车型

自动驾驶级别

特点

无人物流配送车

德邦小D

L4

2018年5月推出,可以自动收派快递、预约收/寄件时间、地点

裹动智驾

L4

2018年9月由Auto X与中通合力打造

宝骏新能源无人物流车

L4

2019年11月,在宝骏基地厂区开启常态化运营,目前行驶里程超1万千米

蜗必达

L4

智行者与百度Apollo联合推出,已在一些园区投入使用

美团小袋

L4

2019年4月通过服务型电动自动行驶轮式车测试

京东无人配送车

L4

2019年6月正式启动全球全场景常态化货物配送测试

重卡

解放J7

L2

搭载“挚途领航”智能驾驶辅助系统,可实现车道居中控制(LCKS)、主动智能巡航(ACC)、智能主动刹车(AEBS)及解放行车联网

重汽汕德卡C7H

L2

实现批量交付,具有车道保持辅助和停走式自适应巡航系统等辅助驾驶功能

中国重汽第二代智能卡车

L2+

可实现车道偏离预警、前撞预警、自动紧急制动、停走式自适应巡航及车道保持辅助等高级驾驶辅助功能,应用于港口和特定区域,以及高速公路,多用在干线物流、点对点的运输中

陕汽德龙X6000 4X2牵引车

L3

基于全新电子电器架构的智能网联系统,使用多个摄像头、毫米雷达波,采用视觉定位和多传感器融合技术,已经在陕西、上海等地进行了上万千米的路测,可实现既定区域的自动驾驶

北奔重汽

L4

2019年9月发布,可以实现自主变道超车、并行行驶,自主靠边停车,交通标志、标线识别及响应,行人、障碍物检测及响应,自适应巡航,自动紧急制动,以及车道保持辅助驾驶等功能

欧曼EST-A

L3

2019年6月,完成长沙市智能网联汽车路测牌照考核

东风天龙KL

L2

通过V2V实现网联协同编队;也可通过自适应巡航系统和车道保持实现自动跟车、遇弯道行驶完全自主转向、变道、加速、减速

京东重卡

L4

在美国授权道路完成2400小时的自动驾驶测试

Freightliner Cascadia

L2

发布于CES 2019,搭载Detroit Assurance 5.0系统,已开始在弗吉尼亚州高速公路上测试

奔驰Actros

L2

2019年德国汉诺威商用车及零部件展上展出,搭载梅赛德斯-奔驰的主动驾驶辅助系统

图森未来无人驾驶卡车

L4

2018年在美国亚利桑那州开展试运营;2019年5月,与美国邮政建立合作,在超1600千米的线路上进行物流运输试点路测

Einride T-Pod

L4

满载时重达26吨,没有驾驶舱,2019年5月在瑞典开启路测

Waymo Via

L4

Waymo在2020年推出的无人驾驶重卡,可用于短途和长途交付,跨州运输到本地交付,目前处于测试阶段

 3.矿用车

因矿山操作现场环境恶劣、场地密闭、道路固定、人员危险系数高,所以其适合应用自动驾驶技术,北方股份、中国重汽、徐工、潍柴等企业也开始参与无人驾驶矿用车的研发。主要车型及其相关信息见表6.5。

表6.5 自动驾驶矿用车相关信息

车型

发布时间及地点

自动驾驶等级

特点

北方股份NTE120AT

2019年1月包头

L3

采用车辆线控技术,可以在矿山现场精准、平稳且流畅地完成停车入位、停靠、轨迹运行、自动倾卸、自主避障等操作

重汽豪沃

2019年中国重汽商务大会

L4

可达到L4级自动驾驶,可实现集装箱从泊位到堆场的无人自主水平运输

徐工XG90H

2018Bauma China工程机械展会

L3

可实现循迹行驶、智能避障、自动转弯、“全线控”执行、人机交互及感知融合等功能

潍柴YZT3885A矿用车

2019年9月鄂尔多斯

L3

无人驾驶矿卡、矿用雾炮车、倒车自动刹车矿卡,可实现L3级自动驾驶功能

4.公交及园区摆渡车

应用于公交车、半封闭园区内小型巴士等低速工况下的自动驾驶系统,能对突发状况做出及时响应,也能实现无人驾驶中的障碍物识别、减速避让、紧急停车、自动停靠站等功能,不少商用客车企业对无人驾驶在公共交通领域的应用进行了探索和研究测试。公交车和园区摆渡车主要车型及其相关信息见表6.6。

表6.6 公交车及园区摆渡车相关信息

类型

车型

自动驾驶等级

特点

公交车

中国重汽全智能客车

L4

2019年11月发布,10.5米长纯电动客车

深蓝科技熊猫智能公交车

L3

2019年1月发布,已在德阳、常州、衢州、池州等地试运行,可实现L3级自动驾驶

宇通自动驾驶巴士

L4

2019年5月在智慧岛开放公交道路试运行,可实现路口通行、精确进站、车路协同、自主避障、超车、会车、换道、跟车等功能

安凯无人驾驶巴士

L4

2019年9月开始测试运营

封闭园区及“最后1公里”接驳车

金旅“星辰”纯电动微循环客车

L4

6米长纯电动客车,目前已在上海、厦门、重庆、常州、杭州、中国台湾以及新加坡等地进行运营测试

金龙阿波罗自动驾驶小巴

L4

2018年7月正式量产,目前在北京、武汉、福州、佛山等25个城市实现商业化落地运营,搭载乘客超4万名,行驶里程达5万千米

宇通智联巴士

L4

在2019年博鳌亚洲论坛上发布

海格Pro Blue深蓝无人驾驶客车

L4

2019年4月推出,由苏州金龙与中汽中心、天津清源汽车联合开发,在封闭场景内应用

东风Sharing-VAN无人驾驶小巴

L4

2019年4月,由东风汽车和华为共同研发,是目前国内首款商业化量产的5G+L4级自动驾驶汽车,已通过5000千米道路测试

北汽福田图雅诺

L4

2019年9月推出,有望在2022年北汽旗下车型中量产,应用于冬奥会接驳服务、城市副中心接驳服务等

德国e.Go Mover

L4

2018年6月发布,为迷你型公交车

5.环卫车

无人环卫车是近两年兴起的一项产业,深度融合了传统环卫车与互联网、人工智能等技术。自动驾驶环卫车主要车型及其特点见表6.7。

表6.7 自动驾驶环卫车相关信息

车型

特点

深蓝科技熊猫无人环卫车

2019年6月进行批量交付,已在天津、济南、上海等城市落地应用

解放J6F

2019年11月展出,可实现自动清扫、自动洒水、自动倾倒垃圾、智能补电补水等多种功能

蜗小白

智行者与百度Apollo联合开发的无人驾驶清扫车,在雄安新区正式登陆运营

高仙商用清洁机器人

2019年8月发布的第二代无人驾驶环卫车(Ecodrive Sweeper G2),可实现自动定位垃圾箱、自动倾倒垃圾等功能

二、自动驾驶发展的制约因素

(一)法律法规体系滞后,缺乏统一的测试评价体系

现有的法律法规体系滞后于自动驾驶技术的发展,存在彼此矛盾、监管空白等问题。我国允许限定范围的智能网联汽车公共道路测试,但对道路交通管理未做限定,关于自动驾驶车辆交通事故的分析和判定机制尚未形成。交通事故发生原因多样,自动驾驶系统设计者、生产者、使用者等作为主体,责任明确与划分较为复杂。在面临事故风险时,典型案例有电车难题、囚笼难题、骑手难题等,自动驾驶系统的决策和行为可能会触碰社会伦理道德底线,对民众价值观形成挑战。此外,现有的保险制度可能无法适用于自动驾驶,如何将自动驾驶纳入保险对象范围、交强险保障等方面仍存在问题。

高精度地图和定位是实现自动驾驶的必要条件,现有的测绘管理体系限制了其发展。自动驾驶亦涉及网络安全问题,对车辆使用过程中收集的海量数据及用户信息的保护尚未得到规范,数据使用权归属尚未得到界定。

国内已启动了测试场、示范区的建设,并制定发布了道路测试管理规范,从国家层面对道路测试进行了规定,但尚未建立统一、完整的面向研发和验证的测试评价体系。各地的测试示范区建设场景和道路不同,缺少共通、共享、共用性,企业需在不同地区进行自动驾驶道路测试,测试效率有所降低。

(二)高级别自动驾驶技术开发难度大

高级别自动驾驶系统在私家车上的量产还有很长一段路要走。城市工况相比高速公路、封闭场地,场景更复杂,不可控因素多,全场景的自动驾驶控制策略研发难度超预期。L3级自动驾驶的信号数据处理量同L2级相比,呈指数级增长,对车规级芯片、激光雷达等关键零部件提出更高要求。目前国内外正处于研发阶段,成本过高,可靠性也有待市场验证,这些问题都成为L3级及以上自动驾驶汽车研发量产的巨大考验。

(三)交通事故频发,安全性有待评估

自动驾驶发展目标在于降低事故发生率,提高驾驶安全性,但特斯拉、Waymo、Uber等自动驾驶行业佼佼者曾出现过不同程度的交通事故,甚至造成人员伤亡。2018年3月,一辆开启特斯拉Autopilot系统的Model X撞向匝道隔离栏,致车辆起火、司机遇难。特斯拉发展历程中和自动驾驶相关的重大安全事故超40起,其中有10起造成了人员死亡;Uber的一辆自动驾驶汽车发生交通事故,撞上行人,并致人死亡。事故都是由自动驾驶设计缺陷造成的,主要因为其未能或错误识别障碍。交通事故频发加大了民众对自动驾驶安全性的质疑,动摇了消费者对自动驾驶技术的信任,自动驾驶技术的安全性有待进一步系统性评估的验证。

(四)成本高、投入大,商业化道阻且长

为实现单车自动驾驶,企业要投入大量的人员和资金成本,包括芯片、传感器、算法等软硬件成本,车辆改造成本,道路测试成本等。芯片、激光雷达传感器等关键零部件市场由国外供应商垄断,价格高昂,据了解,Velodyne在售的64线激光雷达官方定价大约为8万美元。目前,自动驾驶汽车无法真正上路,只能在有限范围内进行无人驾驶出租车示范运营,无法形成规模化的商业盈利模式,且测试要求试运营车辆配备安全员,增加了人员成本,自动驾驶的商业化远远不及预期。


第七章 自动驾驶在智慧交通中的应用现状分析


场景其实早已先行,并且是有序、谨慎、果敢、有成效地开拓着。自动驾驶将按照场景分步落地,从低速场景、限定场景过渡到城市路段,或者按照封闭区域、特定园区、高速道路、市郊大道,最后到复杂市区,车型覆盖私家车、客运车、货车、工程机械车等。首先是自动驾驶在低速和限定场景展开布局,例如无人摆渡车在机场、客运码头的实践,还有无人配送车、无人巴士、共享汽车、无人环卫车、无人零售车等。自动驾驶在货运场景最易实现,并且在高速、港口进行了有效实践,降低了成本,提升了效率,促进了货运物流行业的发展。

自动驾驶的商业运营尤其是数字化商业运营也在探索,车路协同的联合运营管理平台已经上线,同时商业推广已经在景区、矿山、智能小镇、厂区物流等初步展开。

一、无人驾驶摆渡车实现量产

目前,市场对于区域短距交通运输需求强烈。观光车、摆渡车的应用不仅仅局限在景区、机场等场景,在酒店、工业区、学校和公共游乐场所等也已得到广泛应用。普通的摆渡车和观光车都会设置专门的车辆驾驶员,不仅人力成本高,而且会经常出现客户需求无法及时得到响应的情况,从而导致乘客找车、车找乘客,地点、时间信息难以匹配,通行效率较低。

无人驾驶摆渡车与无人版“滴滴”很相似,不需要驾驶员,乘客可以通过手机上安装的特定App实现一键叫车,车辆将自主行驶到指定地点等待乘客上车,然后将乘客快速且安全地送往目的地。无人驾驶摆渡车具备智能驾驶、手机App一键约车、自主充电以及行驶路线自规划、景区语音解说等多项功能,可以实现景区、机场、学校等短距离交通出行场景下低成本、智能化的出行需求。

在摆渡车领域,全世界均已出现实际应用或推广的案例、规划。

2016年1月,在荷兰小镇Wageningen全球第一辆无人驾驶摆渡车正式上路,这款无人驾驶摆渡车是一辆名为WEpod的电动汽车,它可以搭载6名乘客,行驶路线只有200米长,速度为8公里/时。这是全球第一款可以在普通公路上行驶的无人驾驶车辆。

2017年3月,白云机场与驭势科技合作,引进一辆无人驾驶车在P4停车场内测试摆渡。该无人驾驶摆渡车融合多种先进传感器,搭设多传感器融合框架,具备高度可扩展性。这在国内机场领域属于首次亮相,而且是无人驾驶车辆第一次跨入民用机场。

2018年7月,百度公司董事长兼首席执行官李彦宏在2018百度AI开发者大会上宣布L4级自动驾驶巴士“阿波龙”正式量产下线。“阿波龙”是由百度和金龙客车合作生产的全国首辆商用级无人驾驶摆渡车。“阿波龙”适合在厂区、景区等场景应用,主要负责接送人员。量产下线的自动驾驶巴士“阿波龙”将被发往北京、深圳、雄安、平潭、日本东京等地。

2019年4月,无人驾驶摆渡车的关键核心技术被中国科学院合肥物质科学研究院智能移动机器人中心攻克,这将大幅降低车辆的生产成本,使无人驾驶车辆具备了低成本量产条件。通过先进的视觉加激光感知技术,这款无人摆渡车可以做到礼让行人。

从技术和商业模式来看,无人摆渡车都不失为率先应用自动驾驶技术的优势领域。从技术角度来看,园区、机场、景区等作为封闭区域,风险相对可控,高精度地图、导航和定位基站等都可以提前准备,且由管理方统一维护,技术相对而言较有保障。虽然无人摆渡车与传统意义上的乘用车仍存在很大差别,但识别信号灯和障碍物、与设施通信等功能大致相同,在实际使用过程中获取的相关数据可以为乘用车自动驾驶技术的进步提供一定的参考。此外,无人摆渡车的上路也将提升消费者对无人驾驶乘用车的接受程度,增加公众认知。

二、站在风口上的无人配送

移动互联网时代,电商的爆发推动了物流行业的持续发展,消费者对物流时间和便捷程度的要求也越来越高,“最后一公里”,也就是末端配送问题已经成为物流环节的瓶颈。

无人配送是智能物流的重要组成部分,是新基建在5G、人工智能、大数据中心、物联网等领域的重要应用,其“智能装备矩阵”(无人机、无人车、无人仓等)融合了自主感知、自动控制、物联网、大数据等前沿技术,是智慧交通中智能物流发展的必然趋势。

对于大部分还处在研发测试阶段的自动驾驶汽车来说,技术要快速迭代,享受政策带来的利好,就必须寻找一个能够快速应用的场景。在可选择的维度下,轻量级低速非乘用车最好的应用场景之一就是无人配送。不管是出于技术层面还是成本考虑,目前自动驾驶基本可以支撑无人配送的应用。

国内无人配送已经拥有比较完整的产业链,产业链上游是关键零部件供应商,包括线控底盘供应商如新石器、智能者等,芯片商如华为、地平线等,以及感知器件、高精度地图等企业,比亚迪、奇瑞等主机厂也开始加入这一阵营;产业链中游是自动驾驶技术解决方案商,既有行深智能、白犀牛、驭势科技这样的初创企业,也不乏百度、京东、菜鸟这样的行业巨头;产业链下游是服务商,有阿里、亚马逊、京东、美团等电商企业,及以顺丰、三通一达为代表的物流企业,其中,亚马逊、阿里等互联网背景公司也会涉足自动驾驶算法的研发。

在应用场景上,受限于无人驾驶感知技术以及法律管理层面,目前大多数无人配送车辆是在封闭园区行驶,电商物流和工业物流将是未来无人配送的重要应用场景。国内丰富的无人配送应用场景,必将全面带动产业链上游关键技术开发,促进下游无人配送设备的销售和物流运营产业的转型升级。

随着我国无人驾驶的多场景应用,在5G、人工智能、工业互联网等新基建的加持下,我国无人配送体系将呈现出从点到面的飞速发展态势,结合国家在智慧交通、智能物流园区方面的建设规划,实现物流产业的智慧升级。在国家发展战略上,无人配送体系将为交通强国建设、新基建应用落地、关键技术开发、应急救援等提供强有力的战略保障。从技术发展上看,随着自动驾驶、群控智能等人工智能技术的发展,未来5~10年将是我国无人配送高速发展的时期,无人配送或将成为快递物流行业下一风口。

三、公交驶向下一站:自动驾驶

公共交通工作环境下公交车载人较多且人员流动性大,所以在公共交通领域推广实行自动驾驶技术对安全性要求极高,且与所在城市的市政建设关系密切,这两点是自动驾驶交通落地需要考虑的重要因素。应用于公交车的无人驾驶系统,需要能及时对突发状况做出反应,可实现无人驾驶模式下的车辆行人检测、减速让行、停车避让、绕行障碍物、自动靠站停车等功能。国内已有不少企业开启了自动驾驶在公共交通领域的技术研究和测试。

2015年8月,宇通自动驾驶客车在河南郑开大道开放道路测试,全程无人工干预首次成功运行。2017年12月,名为“阿尔法巴”的自动驾驶公交车在深圳福田保税区进行试运行。2018年,长沙市首批无人驾驶公交车在具备自动驾驶智能系统的智慧公交示范线上进行调试运营;同年7月,百度Apollo与金龙客车合作打造的“阿波龙”正式量产下线。2019年1月,山东首辆自动驾驶公交车正式上路运营,该车为中国重汽集团技术发展中心研发的L4级无人驾驶全智能客车试验车;同年1月,深兰科技发布L3级人工智能公交车——熊猫智能巴士,在衢州、池州、常州、德阳4个城市落地试运行。

此外,在出租车行业,自动驾驶技术为其提供人工智能驾驶员,根据地理位置进行定制化设计,并提供城市及动态条件下的车载导航功能,帮助出租车实现智能化。2018年,全国首辆自动驾驶出租车在广州大学城开始试运营,该车技术支持来自文远知行。2019年,百度无人驾驶出租车项目“Apollo Go”亮相百度AI开发者大会。

我国有很多自动驾驶初创企业,如AutoX、地平线、清智科技、极目智能、海梁科技、领骏科技、宽凳科技等,它们为公共交通的无人驾驶系统提供技术支持。

因为具有车速慢,距离短,线路、车型、站点、到站时间固定,专用道行驶等特点,公交车被认为是最适合自动驾驶技术落地的场景之一。国家相关政策法规明确鼓励支持智慧公交的研发和应用,建设与移动互联网有机融合的智慧公交系统正当其时,这将极大推动我国城市智慧交通建设的进程。

四、自动驾驶引领共享出行3.0

过去几年中,共享出行行业的快速发展大大改变了民众出行模式,共享出行在城市公共出行服务中的地位不断提高。共享出行已经成为城市出行中一项重要的补充交通方式,它不仅可以满足民众的出行需求,还能够带动整个城市公共出行服务的发展。发展智能共享出行将系统且有效地加强使用者、道路和车辆三者之间的关联,形成一个安全高效、环境友好型、能源节约型的智慧交通系统。

全球共享出行行业正经历寒冬,从2019年开始共享出行企业接连倒闭,整个行业处于低谷。Uber、Lyft等共享出行企业纷纷裁员。而与此同时,众多整车厂和Robotaxi公司纷纷涉水共享出行市场。

根据GoFun出行谭奕的观点:共享出行1.0指现在的公交体系;2.0指作为补充的网约车和分时租赁新业态,即现在的状态;而共享出行3.0则是指未来自动驾驶的应用。

自动驾驶共享出行最大的隐患在于安全问题,在车辆行驶过程中,存在外界的行人和车辆等不确定因素,系统如何能够合理处理是极为关键的问题,同时交通法律法规的不完善也是该领域推广自动驾驶技术的一大门槛。目前,国内一些企业已经开始自动驾驶共享汽车的应用测试。

2018年,北汽新能源轻享科技在奥林匹克水上公园实现了国内首个封闭场景的无人驾驶共享汽车应用落地;同年5月,百度与盼达用车在重庆将6台搭载百度Apollo自动泊车产品的自动驾驶共享汽车投放在园区内,进行为期1个月的定向式运营。

国内,共享出行领域的自动驾驶队伍中还有滴滴、Uber、中智行科技、Momenta、驭势科技、领跑科技和美团等企业。

共享出行会因为自动驾驶技术的不断成熟而被激发无限潜能,真正解决城市交通拥堵问题,实现低碳环保。对于自动驾驶行业来说,与共享出行的结合也是其从落地到真正走进大众生活的良好途径,两者结合所产生的强烈反应正在深刻地颠覆着汽车和出行服务行业。

五、自动驾驶环卫车“上岗”,开启无人保洁时代

城市道路的环卫清扫车,国家标准规定车速必须低于12公里/时,而且其行驶的道路相对封闭,路线相对固定,普遍不受公开道路交通法规限制,因此更有利于高级自动驾驶的快速落地。将自动驾驶应用到环卫领域,可以实现全天候行驶,效率更高,工作严格遵守规范。环卫车与无人驾驶货车类似,消除司机成本是盈利的关键,但也需要与该城市的规划结合在一起,这是无人环卫车推广的两大门槛。

目前全国数十个地区已开展无人清扫车的试点或运营,主要集中在公园、景点、小区、办公园区、广场、步行街、高铁站和机场等封闭式或半封闭式场景。无人驾驶环卫车的应用,将推动传统环卫领域加速变革,不仅能提高安全性、便捷性,也能降低人力成本。

传统的环卫设备及作业方式亟须变革,而无人驾驶技术的巨大优势无疑值得利用。目前,许多国际企业,如著名汽车制造商沃尔沃等,开始纷纷投入到研发无人驾驶环卫车的队伍当中,并取得了一些进展。在瑞典,沃尔沃的无人驾驶环卫车已经投入运营,主要用于回收垃圾等。

国内企业在无人环卫车领域也取得了一些成果。

2018年3月,仙途智能推出了全球首个无人驾驶清洁车队,并投入测试和实际运营,该公司还与德国最大的环卫公司之一——ALBA集团合作,成功在德国威廉港运行自动驾驶清扫车,成为中国第一个进军欧洲无人驾驶环卫车领域的企业;同年9月,北京环卫集团环卫装备有限公司联合百度Apollo等,在北京发布了7款无人驾驶环卫车及配套设备,可以实现自动行驶、自动作业、自动避让、自动停车,乃至自动卸载。2019年6月,海德汽车与深兰科技战略合作的L4级智能环卫车正式下线发车,该款智能环卫车是由深兰科技提供自动驾驶技术,海德汽车提供车辆。智行者自主研发的“蜗小白”采用的是最前沿的智能AI技术和无人驾驶技术,集成多源传感器感知、融合定位、智能决策等多种先进技术手段,将高效的清洁作业方式融为一体,能够在精细化、复杂的应用场景中完成清扫作业。

随着城市管理水平的提升和城乡环卫一体化改革的推进,自动驾驶在环卫领域的应用对城市智慧环卫的提升尤为重要。目前智慧环卫的建设尚处于起步阶段,今后无人环卫行业的发展得依靠政府、企业和民众的多方努力。

六、无人智能移动零售车

随着人工智能、图像识别的风潮兴起,零售行业掀起了“无人超市”的潮流。不管是阿里巴巴的“盒马鲜生”,还是永辉的“超级物种”,都在不断开拓超市的边界。便利店的发展已经超出人们的想象,比如无人零售车的到来。

无人零售车是一款将“无人超市”与自动驾驶相结合的产物。芯片算力越来越高、感知能力越来越强的自动驾驶车,让移动零售有了更大的想象空间。无人零售车为传统零售商和餐饮商提供了一个可移动经营场景,并包括支付、清扫、续航等一系列的解决方案,为行业提供了更加广阔的发展空间。

自动驾驶技术使零售实体店突破以往的区域限制,打破线下有形场景与线上无形场景的边界,打造出招手即停、自助购买的创新应用场景,实现零售业态的全面升级。目前,结合自动驾驶和零售的无人零售车已经量产下线,并开始投入某些园区、景区等场景使用,消费者可以在无人零售车完成购物消费。

实际上,无人驾驶零售车就是一个渠道,它的立足点是“让商群无限接近客群”。目前从已亮相的产品来看,无人驾驶车在零售领域的应用实际上与物流配送车一样,在技术上也有相同的要求。

无人零售车可以实现自动驾驶功能,在园区和景区等场景内完全自主巡航,可售卖零食、文创产品等,当顾客招手或触摸时,车辆就会停下,直到顾客扫码支付购买商品后再自行离开。无人零售车还可以实时监测人流量热区分布情况,并根据人流分布动态调整行驶路线,前往人群密集区域进行售卖,这极大提高了触达人数和交易转化率。

2018年6月,深兰科技发布了一款具备自动驾驶功能的商用车,起名为“芭堤雅”,它就相当于一个移动商店,是顾客扫码上车、买完就走的无人店。深兰科技的无人零售车有着自己的一套标准,包括可以自动识别商品、顾客,具有一定的记忆、思考和智能交互能力。同年10月,国企九华集团和深兰科技共同投资的合资公司——深华智桥(上海)科技有限公司成立,将在上海长宁区200个社区乃至整个上海推出“叫店”服务,让居民能更便利地买到生鲜蔬果。2019年7月,为丰富园区服务形式,提升园区智能化水平,北京朝阳公园采用了无人驾驶零售车。除朝阳公园外,无人驾驶零售车也在北京世园会园区、河北雄安新区等地投放使用。国内还有AutoX、极智无限、新石器等企业,在零售领域的无人驾驶场景应用上拥有较为成熟的技术方案。

智慧零售的发展正在逐渐改变人们的购物习惯。社会对高效、便捷、智能生活的追求也在进一步催化线下无人零售车的建设落地。无人零售车力求不断提升用户出行时的购物体验,通过全面的无人运营,助力智慧升级、服务提速,让未来更快走进人们的现实生活。

七、高速公路开启“无人驾驶”模式

近年来,我国公路总里程连年快速增长,数据显示,截至2019年底,我国公路总里程已超过500万公里,其中高速公路达14.96万公里。与此同时,机动车保有规模也在不断扩大。随着车流量的持续增加和社会大众出行频次的不断增多,公路网管控和运行监测工作面临新挑战。因此,运用5G、人工智能、大数据、云计算等新一代信息技术打造“智慧高速”,势在必行。

自动驾驶已经是当下智慧高速建设的标配。延崇高速是2022年冬奥会延庆赛场直达张家口崇礼赛场的高速通道,全长约116公里,现已完成双向四车道全封闭环境下基于C-V2X车路协同技术的L4级自动驾驶和队列跟驰测试;杭绍甬高速是国家公路网G92杭州湾地区环线并行线,全长约174公里,智慧高速基础设施的部署满足车路协同式自动驾驶需求,智慧高速云控平台的建设支持具备车载控制功能的车辆实现控制环境下的自主运行,支持具备信息诱导的人驾驶车辆高效运行,支持自动驾驶车辆在队列控制和自由行驶功能间的自如切换;京雄高速是连接北京城区和雄安新区最便捷的高速通道,全长约108公里,其建设全线贯穿智慧创新理念,不但设有常规车道,而且会把内侧两条车道设置为自动驾驶专用道,从而实现无人驾驶、车路协同、准全天候通行,同时还将进行道路基础设施智能化和智能收费方面的研究应用。

以前车是为人服务的,路是为车服务的,现在必然趋势是车与路需要协同起来,最终为场景服务,为驾乘人员提供沉浸式体验。现在车正在演变成智能车,智能车催生聪明路,最终智能车要行驶在互联网的道路上,聪明路就是智慧高速公路的核心。与普通公路相比,智慧高速具有更强的感知能力、服务能力和更好的安全性能,以及更好的群众体验感和获得感。

智慧高速是我国智慧交通建设的热点之一,自动驾驶又是未来智慧高速建设的核心内容。高速公路运行环境相对简单,主体权责清晰,路侧机电设施齐全,具备开展自动驾驶创新示范的良好条件。在“两新一重”大背景下,智慧高速建设无疑会进一步加强、提速。未来,高速公路实现无人驾驶,大雾天高速公路不再封闭,车道两侧的诱导灯开启诱导功能,提醒保持跟车距离等将不再是设想,而是现实。

八、自动驾驶向港口挺进

作为水陆交通的枢纽,港口在各个国家的物流运输中都扮演着重要角色,尤其是在全球化的今天,世界已然联成一个有机的整体,港口的发展直接关系到地区或者所在国家的经济走向。在“一带一路”倡议及多种政策利好支持下,我国众多港口的吞吐量正逐年上升,近两年更是不断创新高。

随着科技的进步,港口物流运输也在不断地迭代。在港口物流科技含量越来越高的系统里,自动化、数字化、智能化等大量技术的应用,使得很多作业环节已实现“无人化”。其中,自动驾驶在港口物流的应用备受关注,既提升了港口运输的效率,也增强了港口运输的安全性,还降低了港口运营成本。

相较于高速场景,无人驾驶车在港口内是作为运营设备进行管理的,因而在实际部署上,政策阻力大大减少,而且港口是特殊场所,车辆的作业区域有限,行驶线路相对简单,相关操作的重复性很高,在进出人员、车辆上管理十分严格,再加上低速行驶,降低了技术实现难度。

从技术上而言,港口无人驾驶车除了具备车辆感知、决策规划等能力外,还要建立港口内地图以及具备港口内的定位技术。另外,具备一定技术实力的企业还会提供车辆的运营调度系统,使无人驾驶车与港口的TOS(码头管理系统)进行对接,便于进行运营管理。车辆可以通过车载网络与TOS以及港口内的其他设施(比如各类型吊车)进行实时通信,接受任务指令,了解设施状态并完成调度。

青岛、厦门、天津等港口率先启动了无人化,引进港区运输货物的无人驾驶集卡,从而解决空载率高、启停频繁、耗能高、污染重等问题。相关数据显示,目前,国内各大港区使用的无人驾驶集卡超过了2万辆。在这一轮无人驾驶集卡的研发浪潮中,我国的各大卡车生产商可谓功不可没。

2017年,上汽红岩联合包括上港集团在内的多位合作对象,成立了“无人驾驶卡车”项目,为上海洋山港定制的智能无人驾驶牵引车,已率先投入使用。2018年4月3日,图森未来对外正式发布全球首个港区内部集装箱卡车车队自动驾驶测试视频,该视频中的集装箱卡车基于完全自有车辆,可以完美对接现有港机系统及港务系统,能够帮助港口集团提升智能化水平,打造智慧港口,实现转型升级;同年4月12日,中国重汽与主线科技、天津港集团携手打造了全球首台无人驾驶港口集装箱卡车,它是纯电动且属于L4级,解决了依赖驾驶员人工驾驶集装箱卡车问题,自动引导车运输集装箱,重新定义了港口集装箱运输。2019年4月,吉利集团与畅行智能签署港口自动驾驶车辆战略合作协议,合作双方将共同推出国内首辆混合动力自动驾驶集卡车。2020年1月,在天津港,我国自主研发、制造,并达到全球自动化领先水平的25台无人驾驶电动集卡,进行了全球首次整船作业,为世界港口智慧化升级树立了样板。

近年来,我国在攻克无人驾驶技术在港口运输应用的难题上又登新的高峰。我们有理由相信,在不远的将来,在港口的作业现场,运输集装箱的卡车没有司机驾驶,灵活地穿梭在港区的各个角落,港口运输的全部环节由自动化系统指挥完成。

九、自动驾驶和智能交通助力智慧园区

智慧园区涉及较多的客流量和园区规划问题,必须首先考虑安全性,其次应当结合园区的建设和规划,设计无人观光车自动驾驶系统。

无人驾驶观光车就像一个四轮机器人,具备快递配送、卫生打扫、充当导游和餐厅服务生、抢险救灾等功能,它还可以陪护病患。无人驾驶是智慧园区立体交通体系的一个重要环节,未来,智慧园区将实现人、车、物的无缝对接。

2018年7月4日,全球首个真正运营无人车的小镇及园区在2018百度AI开发者大会上发布,它就是碧桂园潼湖科技小镇,全球首款量产下线的无人驾驶汽车“阿波龙”在此落地运营。

智慧园区在交通硬件建设方面,将采用智慧化的共享汽车、无人驾驶汽车、智能充电桩、基于人脸识别的摆渡巴士、智慧停车管理平台等。同时,智慧园区在交通软件建设方面,将采用交通诱导、物联感知平台、大数据可视化分析以及智慧交通指挥管理等系统。此外,智慧园区将从多个方面实现城市交通智能化、数字化,以充分保障交通安全,发挥交通基础设施效能,提升交通系统运行效率和管理水平,为公众的通畅出行和经济的可持续发展服务。

十、自动驾驶助推智慧矿山建设

在矿山开采行业中,运载工具起着举足轻重的作用。然而,现有矿山运载工具需要具有丰富经验的从业人员进行操作,矿山的作业环境是非常恶劣的,所以现场作业人员的招聘变得越来越困难,而且存在运输及作业成本高、作业难以高效协同等问题。在物联网、云计算、大数据、人工智能、自动驾驶等技术的加持下,传统矿山亟待升级,无人驾驶技术在矿山运输作业中的应用具有现实需求。此外,随着各种先进技术的发展,矿山运输作业采用无人驾驶技术也具有可行性,那是因为矿山作业都是在封闭场景内操作,交通运行状况相对简单,交通参与元素的数量和类型均较少。

矿山车无人化实现难点:一是矿区工况下传感器难以正常工作;二是矿区周围障碍物多,GPS信号弱;三是矿山地域广阔,有的矿井比较深,通行安全是问题;四是挖掘机和矿卡需要很好地配合,不同车辆的配合很关键。

在智能驾驶矿山车领域,走在前面的企业主要有工程巨头美国卡特彼勒公司和日本小松公司,它们已基本实现无人驾驶卡车在矿山区域的自动化商业运行。瑞典的沃尔沃和山特维克、白俄罗斯的别拉斯等也推出了无人驾驶矿山卡车。我国在此领域的进程也在不断加快,图森未来、东风汽车、西井科技等企业都在积极参与无人驾驶矿山卡车的研制和应用,生产的单台矿用卡车已具备无人驾驶能力,但在设备间的协同作业和集群化运营方面还需要投入更多的研究。

国内虽然在无人矿山卡车的研发和应用等方面也取得了一定的进展,但与国外相比仍然存在较大差距。更重要的是,我国无人化矿山卡车技术理论支撑不足,在知识产权等方面受限于国外。

2019年,自动驾驶汽车似乎遇到了“减速带”,整体的技术突破不大,各车企和技术公司纷纷推迟产品发布时间,甚至有一些公司缩减投资。尽管如此,自动驾驶在以上10个方面的应用积极推动着智慧交通的建设进程。总体来看,我国特定环境下的低速自动驾驶市场正处于起步阶段,产品的应用也逐步实现从0到1的演进。未来几年,产品在试运行过程中将越来越成熟,下游应用案例也越来越多。从现有的市场态势来看,物流配送领域仍是未来几年自动驾驶最主要的应用市场之一,企业相关产品的设计及推广也主打此领域。


案例篇

第八章 国家智能汽车与智慧交通(京冀)示范区发展研究

一、引言

自动驾驶汽车是交通领域近年来最重要的技术变革,也是全球经济发展中又一次重要的科技竞争,全球各国纷纷布局支持自动驾驶产业发展。美国的自动驾驶产业起步较早,自2016年至今已先后发布了自动驾驶1.0~4.0计划,致力于推动自动驾驶创新,聚焦于使监管政策跟上产业发展步伐,确保美国自动驾驶技术的领先地位。

我国高度重视自动驾驶产业发展。2019年9月,中共中央、国务院印发的《交通强国建设纲要》明确提出“加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发,形成自主可控的完整产业链”。2020年2月,国家11部委联合印发的《智能汽车创新发展战略》明确了中国特色的智能汽车发展方向和战略目标,公布了中国标准智能汽车发展的6大战略体系与20项战略任务。北京市自2016年起已有序开展自动驾驶相关工作,尤其在突破关键基础技术、完善测试评价技术、开展应用示范试点、健全法律法规、完善技术标准等方面,取得了一系列突破性成果,在推进智能化道路基础设施规划建设等方面也取得了瞩目的成绩,有效地推进了产业技术发展。

2016年10月,依托“基于宽带移动互联网的智能汽车与智慧交通示范应用”部省合作项目,北京市统筹组织交通、汽车、互联网、通信产业链9家龙头企业组建了“北京智能车联产业创新中心”(以下简称“智能车联”),负责建设国家智能汽车与智慧交通(京冀)示范区,搭建自动驾驶与车联网基础技术支撑平台,开展智能驾驶、车联网、车路协同等先进技术的试验验证与应用。同时,成立了北京市未来车联网产业基金及中关村智通智能交通产业联盟,共同推动自动驾驶与车联网技术提升,加快产业落地。2016年12月,智能车联获批北京市级自动驾驶、车联网等先进技术测试与示范的产业创新中心。2018年3月15日,智能车联中标北京市自动驾驶道路测试第三方服务机构,为北京市自动驾驶测试管理联席工作小组提供申请受理、测试监管、数据分析等支撑服务。

二、国家智能汽车与智慧交通(京冀)示范区建设情况

国家智能汽车与智慧交通(京冀)示范区积极推进建设“场(封闭试验场)—路(开放测试道路)—区(开放测试区域)”三级试验验证环境,开展政策规范、技术标准的研制工作,已初步形成“虚拟仿真—封闭场地—开放道路”逐级联动的测试评价服务体系,建成自动驾驶技术创新与产业化服务公共平台。

1.建设北京市首个封闭试验场,满足自动驾驶测试需求

依据《自动驾驶车辆封闭试验场地技术要求》(T/CMAX116-02—2018),智能车联于2018年2月建设了北京市首个自动驾驶封闭试验场——国家智能汽车与智慧交通(京冀)示范区海淀基地,该基地占地200亩,可满足自动驾驶车辆的T1~T3级测试训练与能力评估需求。2019年5月,国家智能汽车与智慧交通(京冀)示范区亦庄基地被认定为北京市首个T1~T5级别的封闭试验场地,该基地占地650亩。

封闭试验场建设了城市道路、乡村道路、高速公路等,包含应急车道、收费站、上下匝道、主辅路、可变车道、环岛、隧道、坡道等多种路段,能够覆盖京津冀地区超过90%的高速公路场景和超过85%的城市道路场景;场内搭载了网联通信(V2X)设备与系统,支持网联驾驶研发测试,可构建上百种静态与动态典型交通场景,能够满足多种车型全天候多气象条件的测试评估需求,可测试车型包括自动驾驶车辆(12米以下)及服务型电动自动行驶轮式车(如无人配送车、无人清扫车、无人监管巡逻车等)。

封闭试验场配备了丰富的自动驾驶软硬件测试设备及测试系统。硬件包括符合国际标准的儿童、成人、机动车、非机动车等模拟设备,人类真实驾驶的背景车辆,自主研发的动态假人,基于北斗高精度定位的车载数据采集设备,第四代GNSS智能参考站,V2X网联通信设备及系统等。通过这些硬件测试设备,可以实现场内静态和动态交通流场景模拟以及远程操控测试。在硬件设备的基础上,自主研发了自动驾驶车辆可视化数据分析系统,实现了车辆及道路数据采集、综合数据分析以及测试场景分析等多种功能。场内丰富的软硬件测试设备及系统为测试服务提供了良好的技术支撑。

2.推动北京市扩增测试道路,满足实际场景测试需求

截至2020年7月底,国家智能汽车与智慧交通(京冀)示范区已推动北京市开放海淀区、顺义区、北京经济技术开发区和房山区4个区共计200条测试道路,道路里程累计699.58公里,涵盖了多样化、多类型的城市交通场景,在全国处于领先地位。

3.推动北京市开放测试区域,加快自动驾驶商业化探索

2019年12月,为加快自动驾驶商业化探索,北京市开放了全国首个自动驾驶测试区域,即北京经济技术开发区测试区域,该测试区域面积约为40平方公里。该开放测试区域可进行Robotaxi、分时租赁、编队行驶等多样化测试,为自动驾驶商业模式的探索提供了良好的测试环境。

4.不断加大部署V2X设施力度,提供车路协同测试条件

自2017年起,智能车联已开展智能化道路建设,联合北京千方科技股份有限公司在北京市经济技术开发区建设了全球首条自动驾驶潮汐V2X车道,支持自动驾驶车路协同测试,里程达12公里(7个路口)。截止到2019年,北京经济技术开发区智能化道路已扩建至40公里(36个路口)。此外,智能车联还参与了中关村自动驾驶创新示范区环保园、北京CBD等道路智能化改造项目,至2020年已部署了近百套V2X设备。

5.创建全国首个地图应用试点,推动产业化进程

2019年,依托北京市自动驾驶车辆道路测试的显著工作成果,北京市将全国首个车联网(智能网联汽车)和自动驾驶地图应用试点设立在北京经济技术开发区开放测试区以及国家智能汽车与智慧交通(京冀)示范区亦庄基地。未来,试点将在相关部门的指导下加强建设5G、车联网、定位服务等基础环境,全面支持自动驾驶产业创新发展。

三、国家智能汽车与智慧交通(京冀)示范区运营管理情况

1.自动驾驶车辆道路测试工作思路

实际道路测试是自动驾驶车辆技术研究与产业化的必经之路,而自动驾驶汽车部分取代或者全部取代人类驾驶员功能上路行驶,需要对其自动驾驶能力进行测试评估。自动驾驶汽车的测试评价对象从传统汽车的人、车二元独立系统变为人—车—环境—任务强耦合系统,这是全世界面临的自动驾驶测试评价难题。具备什么样能力的自动驾驶汽车,可以到什么样的道路交通环境中运行,如何对其进行测试评价,是自动驾驶车辆道路测试的关键,也是产业化的关键。

在北京市自动驾驶测试管理联席工作小组的指导下,以及北京市科委、中关村管委等相关单位的支持下,中关村智通智能交通产业联盟组织智能车联与互联网、汽车、交通、通信等相关领域单位共同开展研究,在全球范围内创新性地提出了以交通场景复杂度来划分自动驾驶能力级别的思路,通过分析京津冀地区的道路交通运行环境(交通场景),分析交通密度、车道类型、交叉路口形态、交通设施种类、区域特征、交通参与者行为、交通流组织模式等多种维度场景,建立了从简单(R1)到复杂(R5)五个级别的交通场景集合,编制了《自动驾驶车辆封闭试验场地技术要求》(T/CMAX116-02—2018),这也是国内首个用于规范封闭测试场地的建设与认定的标准规范,这一成果也被用于国家标准的编制。基于不同复杂级别的交通场景集合和驾驶任务,从认知与交通法规遵守能力、执行能力、应急处置能力、综合驾驶能力及网联驾驶能力五个维度对自动驾驶能力进行分级,并对应建立了从基础驾驶能力(T1)到高级驾驶能力(T5)五个级别的能力模型与指标体系,编制了《自动驾驶车辆道路测试能力评估内容与方法》(T/CMAX116-01—2018),建立了700多个测试场景集和相应的复杂度指标与能力评估指标,用于指导自动驾驶车辆能力评估。评估内容涵盖了美国NHTSA提出的28项自动驾驶测试内容,也涵盖了我国工信部、公安部及交通运输部联合发布的《智能网联汽车道路测试管理规范(试行)》中的14项测试内容。

以上研究解耦了自动驾驶系统所面临的路、环境、人(测试驾驶员)、车(执行部分)问题,系统解决了自动驾驶车辆道路测试的测试评价方法、测试场地等问题。这也是全球范围内第一次以道路交通运行场景和驾驶任务来划分驾驶能力等级,通过递进的方式来解决自动驾驶车辆上路难的问题。这一工作思路避免了自动驾驶车辆在其不能驾驭的交通场景下进行测试,从而保障了开放道路测试的安全有序进行。

2.自动驾驶车辆测试内容

依据《自动驾驶车辆道路测试能力评估内容与方法》(T/CMAX116-01—2018),各测试主体在国家智能汽车与智慧交通(京冀)示范区开展了车辆基础性能、可靠性及专项能力评估测试。

基础性能测试的目的是在技术更新、性能优化、产品对标等方面为自动驾驶相关企业提供支持和建议,具体包括感知性能、规划性能及控制性能测试;可靠性测试的目的是解决车辆改装存在的可靠性及稳定性低的问题,需在第三方机构布设的测试场景内完成并通过长时间的负载运行测试;专项测试的目的是完整地验证车辆在每个单独场景下的自动驾驶能力,需根据测试主体申请的评估分级,以专项为单位对车辆进行单个场景的测试。

3.封闭试验场测试服务情况

截至2019年12月31日,国家智能汽车与智慧交通(京冀)示范区服务已超过4000小时,已有30余家国内外自动驾驶企业、科研团队、行业协会等在封闭试验厂内完成了多样的测试评价,场内累计测试里程已超过14.36万公里。

此外,国家智能汽车与智慧交通(京冀)示范区推出“星火计划”,旨在扶持自动驾驶初创企业和科研团队创新,加深社会各界对自动驾驶的了解,挖掘行业黑马。至今,示范区已累计向20余家企业、科研团队、行业协会等提供优惠服务超过1160小时,帮助其节约研发成本千万元。

国家智能汽车与智慧交通(京冀)示范区推动北京市自动驾驶车辆道路测试,聚集了国内外多家汽车、互联网、交通、通信、人工智能等不同领域的自动驾驶企业,其中百度、小马智行已落地北京经济技术开发区;同时吸引了戴姆勒、奥迪等国际厂商在北京经济技术开发区开展车联网测试工作,形成了显著的产业集聚效应。

4.测试牌照发放与道路测试情况

截至2019年12月底,已有13家企业共计77辆车获得了北京市自动驾驶道路测试牌照,自动驾驶车辆开放道路测试里程超过104万公里。其中,2019年度首次为百度公司的40辆车发放了允许载人测试的联席审查意见。北京市自动驾驶申请企业(测试主体)数、道路测试车辆数、测试里程数均位居全国第一(见表8.1)。

表8.1 北京市测试牌照发放与道路测试情况

测试主体名称

2018年度

2019年度

道路测试车辆数(辆)

测试里程数(万公里)

道路测试车辆数(辆)

载人测试车辆数(辆)

测试里程数(万公里)

北京百度网讯科技有限公司

52

89.39

52

40

75.40

上海蔚来汽车有限公司

2

0.35

1

/

0.11

北京新能源汽车股份有限公司

1

0.02

0

/

0.00

戴姆勒大中华区投资有限公司

2

0.09

2

/

0.04

北京小马智行科技有限公司

7

12.13

5

/

11.12

腾讯大地通途(北京)科技有限公司

1

0.42

1

/

0.39

苏州滴滴旅行科技有限公司

2

0.14

2

/

0.13

奥迪(中国)企业管理有限公司

1

0.10

1

/

0.09

北京智行者科技有限公司

2

0.14

2

/

0.14

重庆金康新能源汽车设计院有限公司

1

0.00

1

/

0.00

北京四维图新科技股份有限公司

1

0.12

1

/

0.12

丰田汽车研发中心(中国)有限公司

4

1.11

4

/

1.11

北京三快在线科技有限公司

1

0.01

1

/

0.01

合计

77

104.02

73

40

88.66

5.自动驾驶应用示范情况

为了加速自动驾驶产业落地,北京市已对多个园区或开放测试区域进行规划,推进自动驾驶相关应用示范区建设,如在北京经济技术开发区规划了智能网联汽车产业创新示范区,在海淀区规划了中关村自动驾驶创新示范区,在顺义区规划了智能网联汽车创新生态示范区,在房山区规划了5G自动驾驶示范区,以及在首钢园区规划了北京市智能网联汽车示范运行区(首钢园)。

2019年,智能车联与示范园区合作,参与建设了中关村自动驾驶创新示范区环保园及首钢冬奥示范区,示范园(区)内建设了5G网络及车联网,实现了多种自动驾驶商业运行场景应用示范,包括无人接驳、无人物流、无人配送、无人清扫、无人巡逻等。

此外,北京经济技术开发区是北京市第一个自动驾驶开放测试区域,也是全国首个车联网(智能网联汽车)和自动驾驶地图应用试点,未来将重点开展开放测试道路上的自动驾驶地图应用、Robotaxi等示范工作。

四、国家智能汽车与智慧交通(京冀)示范区技术增值发展情况

1.推动北京市自动驾驶政策持续创新

2017年12月,示范区支持推动北京市发布全国首套自动驾驶相关政策——《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)》《北京市自动驾驶车辆道路测试管理实施细则(试行)》,重点解决了钳制自动驾驶车辆进行道路测试的政策法规、管理主体、测试场地、测试许可、事故保险赔偿以及对测试车辆进行道路测试的科学监管等一系列问题。为持续推进自动驾驶车辆道路测试工作,基于技术发展趋势,北京市对政策持续创新。2019年12月,示范区支持推动北京市对《北京市自动驾驶车辆道路测试管理实施细则(试行)》进行修订,丰富了测试内容,增加了载人、载物、编队行驶测试项目,鼓励自动驾驶企业开展商业化模式探索。一系列破冰举措,推动全国各地纷纷开展自动驾驶车辆道路测试工作,促进了北京及全国自动驾驶产业的蓬勃发展,加速了产业融合创新。

2019年6月,为规范自动驾驶车辆测试道路选取、发布和管理等工作,示范区支撑推动北京市发布《北京市自动驾驶车辆测试道路管理办法(试行)》,该办法允许开放自动驾驶测试区域,并明确测试道路所在区政府和北京经济技术开发区管委会具体负责测试道路的规划、风险评估、实施选取和日常管理等工作。

2019年12月,示范区支持推动自然资源部、工业和信息化部及北京市人民政府正式签约全国首个车联网(智能网联汽车)和自动驾驶地图应用试点,并将试点设在北京经济技术开发区及国家智能汽车与智慧交通(京冀)示范区亦庄基地。作为试点依托单位,国家智能汽车与智慧交通(京冀)示范区将在全力保障地理信息安全的基础上,分阶段、分步骤地有序开展相关工作,推进我国自动驾驶地图管理、政策和技术等方面的创新发展。

2.不断完善自动驾驶相关标准

在北京市自动驾驶测试管理联席工作小组、北京市科委、中关村管委等单位的指导与支持下,智能车联积极推进研制自动驾驶产业相关标准,依托中关村智通智能交通产业联盟,联合自动驾驶产业上、中、下游龙头企业、科研院所、行业协会等共同解决产业发展中的问题。目前,已累计发布8项团体标准,其中3项被北京市认定为自动驾驶评价标准,1项入选了工信部百项团标,3项被认定为“中关村标准”,面向全国推广应用(见表8.2)。具体工作如下:(1)不断分析研究道路交通组成,拆解复杂交通环境构成因素,结合自动驾驶技术的演进,不断迭代以道路交通复杂度划分自动驾驶车辆能力的测试方法与标准;(2)继2018年推出服务型电动自动行驶轮式车技术规范之后,研究并发布了场(厂)内专用自动驾驶纯电动小型巴士技术规范,进一步完善多种自动驾驶产品形态的测试方法;(3)研究自动驾驶仿真测试场景集定义,推动场景库的建立;(4)新增并更新自动驾驶测试道路及开放测试区域的选取要求;(5)研究并制定道路测试安全管理规范,保障自动驾驶车辆道路测试过程中的安全;(6)研究了自动驾驶车辆道路测试数据采集技术要求,参与研究车联网相关的通信协议,推进自动驾驶与车联网的通信、接口协议等相关标准的制定,支持中国特色自动驾驶路线的技术发展。

表8.2 北京市标准完善情况

标准大类

标准小类

标准编号

标准名称

标准性质

公布日期

测试类

道路测试

T/CMAX

116-01—2018

自动驾驶车辆道路测试能力评估内容与方法

团体标准

2018年2月11日,2018年9月30日(修订版)

产品及应用

T/CMAX

117—2018

服务型电动自动行驶轮式车技术规范

团体标准

2018年9月30日

产品及应用

T/CMAX

118—2019

场(厂)内专用自动驾驶纯电动小型巴士技术规范

团体标准

2019年5月24日

支撑类

场地和道路

T/CMAX

116-02—2018

自动驾驶车辆封闭试验场地技术要求

团体标准

2018年2月11日

场地和道路

T/CMAX

119—2019

自动驾驶车辆测试道路要求

团体标准

2019年10月25日

设备和系统

T/CMAX

121—2019

北京市自动驾驶车辆模拟仿真测试平台技术要求

团体标准

2019年10月15日

设备和系统

T/CMAX

43001—2019

自动驾驶车辆道路测试数据采集要求

团体标准

2020年2月10日

监管类

车辆

T/CMAX

120—2019

自动驾驶车辆道路测试安全管理规范

团体标准

2019年10月25日

随着自动驾驶技术水平的提升以及封闭试验场和开放道路的长期测试验证,团体标准不断迭代,应用效果显著。智能车联为重要的标准编制单位,也是北京市自动驾驶道路测试的第三方机构,积极将团体标准研究成果输出至行业及地方,推进标准成果的应用及转化。2019年度,智能车联共计参与制定行业标准4项,地方标准1项(见表8.3)。

表8.3 参与行业及地方标准情况

标准大类

标准小类

标准进展

标准名称

标准性质

支撑类

设备和系统

报批稿

基于LTE的车联网无线通信技术 网络层测试方法

行业标准

设备和系统

报批稿

基于LTE的车联网无线通信技术 消息层测试方法

行业标准

设备和系统

征求意见稿

面向C-V2X的MEC业务服务能力开放和接口技术要求

行业标准

设备和系统

征求意见稿

面向LTE-V2X的多接入边缘计算业务架构和总体需求

行业标准

地图

立项

自动驾驶高精地图特征定位数据技术规范

地方标准

3.支撑北京市自动驾驶研发及测试

国家智能汽车与智慧交通(京冀)示范区自成立以来,持续支撑推进北京市自动驾驶研发及测试工作。

2016年12月,获批北京市经信局主导下的“市级产业创新中心”,并承担2016~2019年度北京市市级产业创新中心的建设工作,2018年承接自动驾驶特定区域示范运营研究项目。

2017年,受北京经济技术开发区企服局委托落实《基于宽带移动互联网的智能汽车与智慧交通应用示范》部省合作框架协议以及对自动驾驶相关政策、标准进行研究。同年,获批北京经济技术开发区主导下的“智能车联技术创新中心”,并承担2017~2018年度北京经济技术开发区技术创新中心建设。

2018年1月,国家智能汽车与智慧交通(京冀)示范区联合赛迪、中国移动共同承担北京市科委重点研发计划——“车辆道路测试自动驾驶能力评估规范方法研究及技术验证”课题,开展自动驾驶关键技术研究与测试示范,良好地支撑了北京市自动驾驶车辆道路测试的安全运行。

2018年1月,国家智能汽车与智慧交通(京冀)示范区承担中关村国家自主创新示范区重大协同创新平台项目——“智能汽车与智慧交通产业创新公共服务平台”,依托国家智能汽车与智慧交通(京冀)示范区,构建试验验证环境、研发共性技术平台,开展对外服务与应用示范,推动新技术、新产品研究与产业化,和产业联盟、产业基金一起推动北京市成为自动驾驶与车联网技术创新与产业落地的制高点,打造智能驾驶与车联网生态圈。

2018年3月,智能车联中标北京市自动驾驶道路测试第三方服务机构,负责北京市自动驾驶车辆道路测试的日常管理工作,构建全国首个自动驾驶道路测试监管平台,提出全国首个自动驾驶道路分级选定规范,并发布全国首份自动驾驶道路测试技术报告。智能车联坚持“四项随机、三个考察、两大重点、一条底线”的原则,对自动驾驶车辆上路前开展相关测试评估工作。

五、国家智能汽车与智慧交通(京冀)示范区未来发展规划

未来,国家智能汽车与智慧交通(京冀)示范区将致力于打造智慧交通方向下,国内领先的智能网联汽车“全生命周期”测试、验证、检测与评估机构以及应用示范的产业服务平台。一是持续完善“场—路—区”三级试验示范环境建设。建设示范环境,推动自动驾驶从封闭试验场走向开放测试道路,提升验证技术水平,进而走向开放测试区,开展商业模式探索。二是建设基础技术支撑平台与事实标准。依托试验环境,持续提升自动驾驶与车联网测试评估政策研究能力、测试管理能力、技术方案咨询服务能力,以及自动驾驶与车联网测试设备、系统软硬件的设计开发与研制能力,建立自动驾驶与车联网基础技术支撑平台与事实标准,确立国内/国际的行业领先地位。三是开展智能汽车与智慧交通示范应用。依托试验环境,牵头开展智能驾驶、智慧路网、绿色用车、便捷停车、智慧管理、生活服务六大板块示范应用,推动智能汽车与智慧交通产业先进技术的工程化、商业化以及跨界融合应用,引领产业发展。四是服务于京津冀产业升级。整合产业内京津冀产学研用资源,服务于京津冀制造业升级转型,带动京津冀地区智能制造科技服务业的发展。五是建设面向全球的产业创新中心。积极主办自动驾驶及车联网国际性产业峰会与赛事,发展成为面向全国的智能汽车与智慧交通标志性企业。

 

第九章 国家智能网联汽车(长沙)测试区发展研究

我国目前已规划或建设的智能网联汽车测试及示范基地主要分为两类:一类是由国家相关部委支持推进的测试及示范区,以北京市、上海市的智能网联汽车测试示范区为代表;另一类是在地方政府的支持下自主建设的测试道路或示范区,长沙市即其中之一。本文以国家智能网联汽车(长沙)测试区为研究对象,从测试区的建设情况、运营管理情况、技术增值发展情况三个方面对测试区进行了综合研究论述。未来,要立足湘江新区,面向全国,以国家智能网联汽车(长沙)测试区、开放道路、智能驾驶长沙示范区为基础,根据产业平台型综合运营商的战略定位,以“平台运作”“创新驱动”“产业链协同”为经营核心,通过“横向拓展为主、纵向一体化为辅、分阶段逐级实施”的发展型战略,努力实现全产业链协同创新发展。

一、国家智能网联汽车(长沙)测试区建设情况

(一)封闭测试区建设情况

1.总体情况

国家智能网联汽车(长沙)测试区(以下简称“测试区”)位于湖南省长沙市岳麓高新区,于2016年由湖南湘江新区管委会和长沙市岳麓区政府联合建设。项目一期总投资约18.96亿元,占地面积为1232亩,包含5个主要功能分区,分别为城市道路测试区、高速公路测试区、乡村道路测试区、越野道路测试区、管理研发与调试区,还建有无人机跑道。测试区于2018年6月12日正式开园,11月28日获工信部授予“国家智能网联汽车(长沙)测试区”牌照。

测试区建有228个智能网联汽车测试场景,是目前国内模拟场景类型最多、5G信号覆盖范围最广、综合性能领先、测试服务配套最优的测试区,可为智能网联自动驾驶乘用车、商用车、无人机、智能机械、机器人、网联通信供应商等提供全面、系统的测试服务。测试区内测试道路总长达12公里,其中长约3.6公里结合双向高速测试环境、无人机测试跑道、越野测试环境的多元化场景在国内别具一格。同时,测试区架设了6座5G信号铁塔,实现了全园区5G信号覆盖。除了先进的设施和技术,测试区还配备了专业化技术团队,为测试单位和车辆提供智能网联汽车检测认证系列服务,包括开放道路测试牌照申请的资格审查、数据接入及应用、车联网通信场景的测试、封闭测试区及开放道路相关规程的研制及咨询、智能驾驶汽车功能的验证测试等相关服务。

2.功能分区及特点

(1)城市道路测试区。城市道路测试区占地约300亩,测试道路总长约6公里。根据市政道路的标准,建设了六横四纵的城市道路路网结构,覆盖包括城市主干道、次干道以及支线道路在内的多种类型市区道路环境。城市道路有三个特点:一是智能化,在市政道路交通设施的基础上,配备了智能交通信号系统、智能电子警察、智慧路灯,打造了城市智能交通环境;二是网联化,通过LTE-V以及DSRC设备,为测试车辆提供实时、准确的动态信息,实现车—路—云一体化协同,同时对路段车辆状态进行监测、数据分析;三是定制化,场地配备了假人假车模型、高杆灯、天气模拟系统,为测试车辆提供诸如碰撞预警、行人预警、各种程度降雨或大雾天气的场景模拟。

(2)高速公路测试区。高速公路测试区是国内最早开放的一条模拟高速道路,总长3.6公里,双向六车道,包含模拟收费站、模拟服务区、模拟加油站等典型的高速公路场景设施,支持物流重卡和乘用车高速试验。

(3)乡村道路测试区。乡村道路测试区打造了盘山路、泥泞路、落叶路等典型的乡村测试场景,同时拥有五栋专家研发楼、两栋综合生活服务楼以及调试厂房等测试、生活配套设施。调试厂房层高达8米,大门宽度8米,一楼具备通场大车间调试条件,二楼夹层可用作临时办公区域。五栋专家研发楼可服务于有长期测试计划的高校、科研机构、企业团队等,每栋每层占地面积约为200平方米,一层提供车库、办公、会议等功能,二、三层可供住宿。综合生活服务楼可提供100人规模的就餐条件。

(4)越野道路测试区。越野道路测试区占地200余亩,在总长约2公里的道路中,设置了多种非铺装路面,如砂石路、原始土路等,通过各种起伏地形、倾斜道路、桥梁、弹坑、模拟隧道等场景为自动驾驶车辆尤其是军用装甲车、越野车、履带车提供一些极限工况的测试,是军民融合的一种表现形式。

(5)管理研发与调试区。管理研发与调试区拥有29个独立调试车库、多款云控平台以及集群测试场,可提供基础性能测试、数据储存分析、车辆调试等服务。

(6)无人机跑道。无人机起降跑道是针对固定翼无人机建设的跑道,跑道宽25米,长300米。

(二)开放道路建设情况

2018年12月28日,以城市公交为重点,湖南湘江新区率先打造了全国首条开放式智慧公交示范线,该示范线全线长达7.8公里,支持开放道路环境下L3级自动驾驶公交车行驶。示范线正式运行以来,累计测试里程51404公里,5914人预约试乘,技术稳定性和安全性均得到了有效论证。2019年9月26日,长沙市启用“开放道路智能驾驶长沙示范区”,通过建设“100公里智慧高速”和“100平方公里城市开放道路”项目,初步构建了车路协同智能交通系统环境。“100公里智慧高速”项目全长93公里,是国内首条基于5G+V2X技术,支持L3级及以上自动驾驶试验与示范应用的智慧高速道路。项目核心路段架设了5G网络,路侧设备全息感知高速环境,与车端和云控中心形成V2X系统,实现构建测试与示范应用场景100多个。该项目填补了国内针对高速环境测评、示范的空白,对于提升高速公路的运行和监管质量具有十分重要的意义。“100平方公里城市开放道路”项目选取湖南湘江新区梅溪湖、洋湖、大王山、人工智能科技城等共计100平方公里的区域,对38个重要交叉路口进行智能化改造。项目基于云控基础平台和智能路侧设备,打造了“人—车—路—云”一体化系统架构,全线支持L3级及以上的自动驾驶车辆测试,打造道路信息提示、车辆行驶安全、路网管理等应用类场景和智能网联汽车车路协同自动驾驶、智能网联辅助驾驶等测试类相关场景100余个。项目具有场景最丰富、道路类型最全面、智能化改造范围最广、安全防护最严密四个方面的突出特点。“100平方公里城市开放道路”项目的车路协同技术,不仅可以服务于自动驾驶、智能网联,也可以服务于市民的日常出行。2020年4月30日,作为国内首条面向市民运营的智慧公交线,长沙智慧公交315线在湘江新区正式开启试运行,线路里程总长15公里,途经24个交叉路口,沿途共设置了28个公交站台。凭借车路协同技术,路端可以实时获取智慧公交的位置、速度、驾驶状态等车辆行驶数据,从而与交通信号控制系统进行实时联动协调。

国家智能网联汽车(长沙)测试区的开放道路智慧交通场景建设以智能网联汽车为核心,开园2年多来,实现了五个全国第一:国内第一条基于“车—路—云”一体化协同的L3级自动驾驶智慧公交示范线;国内第一条基于智能网联技术,面向公众常态化运营的智慧公交315线;国内智能化改造范围、打造场景、测试道路类型、安全防护四个方面均位居第一的城市开放道路;全国第一条基于5G+V2X技术、支持L3级及以上自动驾驶应用与示范的智慧高速;全国第一个智慧共享出行示范项目。

二、国家智能网联汽车(长沙)测试区运营管理情况

(一)运营管理单位

湖南湘江智能科技创新中心有限公司(以下简称“湘江智能公司”)成立于2018年8月16日,负责运营管理国家智能网联汽车(长沙)测试区,是湖南湘江新区的智能交通、智能网联及新基建创新型企业重点培育的新兴产业载体,是长沙市政府指定的全市智能网联汽车开放道路测试第三方监管机构。

(二)主要业务范围

湘江智能公司主要承担长沙市及湖南湘江新区的智能网联、智能交通项目应用场景的建设、运营和研发工作,业务范围包括:国家智能网联汽车(长沙)测试区的建设和运营,智能网联汽车标准检测与认证,道路测试牌照发放第三方检测认证,车联网、智慧公交、智慧高速、智慧城区、自动泊车等各类智能网联汽车测试场景的规划建设与运营,人工智能与机器人(含智能网联汽车)产业链打造(含产业招商、产业投资、项目孵化等),湘江人工智能学院实训基地运营等。公司于2018年12月获批“湖南省制造业创新中心(智能网联车辆测试)”。

未来,湘江智能公司将致力打造国家智能网联汽车质量检验中心,努力成为国内一流的智能网联汽车产业平台型综合服务商。

(三)主要业务开展情况

1.牌照发放工作

由长沙市智能网联汽车道路测试联席工作小组指定,国家智能网联汽车(长沙)测试区作为第三方认证评估及测试监管机构,按照《长沙市智能网联汽车道路测试管理实施细则》,开展长沙市智能网联汽车城市开放道路认证测试并发放牌照。

(1)申请程序。测试主体按测试申请条件向第三方管理机构提交申请材料。第三方管理机构于收到材料后的5个工作日内完成初审;材料初审合格后,第三方管理机构于5个工作日内通知测试主体到指定地点进行实车检查及试验,审查测试主体提供的测试车辆及相关功能与申请材料描述内容的一致性,并出具审查报告;在通过实车检查及试验的测试车辆上安装用于向第三方管理机构监控平台反馈相关数据的监管装置;由第三方管理机构定期向联席工作小组提交符合要求的测试主体申请材料。联席工作小组于收到第三方管理机构材料的10个工作日内组织专家委员会进行评审论证,并依据评审意见召开联席会议进行审核,对审核通过的测试车辆逐一出具智能网联汽车道路测试通知书;测试主体凭《机动车登记规定》及测试通知书所要求的凭证、证明,向长沙市公安机关交通管理部门申领试验用机动车的临时行驶车号牌(针对未登记注册的车辆)或向市公安机关交通管理部门报备行驶车号牌(针对已登记注册的车辆)。

(2)牌照发放的机构。国家智能网联汽车(长沙)测试区的管理方即湖南湘江智能科技创新中心有限公司。

(3)测试牌照发放情况及特点。截至2020年5月,长沙市发放开放道路测试牌照共计三批次55张。2018年10月26日,长沙市首批发放4个种类的智能网联汽车开放道路测试牌照,这是国内发放种类最多的一次,涵盖智慧公交、自动驾驶重卡、智能驾驶环卫作业车、智能驾驶乘用车,包含中车时代电动汽车股份有限公司(以下简称“中车时代电动”)的智能驾驶公交、北京百度网讯科技有限公司的智能驾驶乘用车、长沙酷哇中联智能科技有限公司的智能驾驶环卫作业车以及长沙智能驾驶研究院有限公司的自动驾驶重卡。2019年6月21日,长沙市向百度的45辆自动驾驶乘用车、长沙智能驾驶研究院的1辆自动驾驶公交车、中车时代电动的1辆自动驾驶公交车、北京福田戴姆勒汽车有限公司的1辆自动驾驶物流重卡以及嬴彻科技(上海)有限公司的1辆自动驾驶物流重卡发放测试牌照,共计49张;同时长沙市还发布了《长沙市关于进一步促进人工智能产业发展的意见》和以《长沙市智能网联汽车道路测试管理实施细则(试行)V2.0》为核心的6项涉及智能网联汽车公共道路测试的管理规程,首次提出了载人测试及高速公路测试内容,开放道路测试范围进一步扩大。2020年4月7日,长沙市向深兰科技(上海)有限公司的熊猫智能公交车和嬴彻科技(上海)有限公司的智能驾驶重卡发放共计2张路测牌照。

2.测试业务开展情况

(1)总体情况。测试区从2018年6月开园至2020年5月,总计开展了近3000场次测试。测试单位包含智能驾驶科技企业、传统汽车企业、造车新势力、高校等智能网联汽车研发测试单位共计40余家,其中行业企业30余家、高校10余所。开园以来,测试区与百度、京东、长沙智能驾驶研究院、中车时代电动、华为、舍弗勒、大陆等行业巨头建立了长期合作关系。

(2)区域使用频率。从2019年测试数据来看,高速公路测试区和城市道路测试区使用频率较高,越野道路测试区、集群测试场次之,乡村道路测试区使用频率相对较低。其中,高速公路测试区测试场次占测试场次总体比例为39%,城市道路测试区占比37%,越野道路测试区占比11%,集群测试场占比8%,乡村道路测试区占比5%。

3.测试容量

按照区域及不同车型划分,在白天测试时段,高速公路测试区可以满足最多4台车进行测试,城市道路测试区可以满足最多10台车测试,越野道路测试区可以满足最多6台车测试(暂时无法满足公交车、重卡车测试),集群测试场可以满足最多4台车测试,乡村道路测试区可以满足最多6台车测试,无人机测试区可以满足最多2台进行测试;由于晚上测试时段各测试区测试条件不同,各区域可满足的测试车辆数量减半。基于以上条件,测试区的最大测试容量按照365天全年全天候测试的情况,可以达到17520场。

4.落地企业

自2018年来,依托测试区,公司共计对接洽谈80余项智能网联汽车领域重点项目,累计引进大陆、舍弗勒、华为、百度等智能网联汽车巨头企业近30家。截至2019年,长沙市已汇聚340余家智能网联汽车产业重点企业。其中,基础层包括芯片及智能传感器企业20家;技术层包括通信、导航及信息终端企业26家,动力电池及储能材料企业37家,识别算法企业19家,底盘控制及自动化企业56家,整车及配套零部件企业40家;应用层包括车联网、智能驾驶、智慧出行企业36家,软件大数据及云平台企业106家。

三、国家智能网联汽车(长沙)测试区技术增值发展情况

(一)标准建设情况

国家智能网联汽车(长沙)测试区积极参与标准建设工作。在行业标准制定方面,主要参与了汽标委智能网联分标委的“智能网联汽车自动驾驶功能测试及要求标准起草”项目组、“自动驾驶汽车仿真测试标准化需求研究”工作组和“自动驾驶汽车实际道路测试标准化需求研究”工作组,主要参与了“智能网联汽车自动驾驶功能测试要求及试验方法 第1部分 通用功能”“智能网联汽车自动驾驶功能测试要求及试验方法 第4部分 高速行驶功能”“实际道路测试标准需求及实施方案的道路选择/评价指标(方法)/测试设备”等项目的研究和编制工作。在地方团体标准制定方面,国家智能网联汽车(长沙)测试区参与编制的《智能网联汽车测试场设计技术要求》通过中国汽车工程学会专家审查,填补了智能网联汽车测试场领域标准的空白;参与了交通部公路院标准《适应自动驾驶公路设施技术规范》的编制。在规范性文件制定方面,配合长沙市工信局等5部门发布了《长沙市智能网联汽车道路测试管理实施细则(试行)V2.0》《长沙市智能网联汽车自动驾驶功能测试规程》《长沙市智能网联汽车自动驾驶功能测试规程(公交车版、乘用车版、物流重卡高速版)》《长沙市智能网联汽车测试开放道路选线及开放道路目录》《长沙市智能网联车道(测试路段)设置指南》等(见表9.1)。在标准合作方面,在工信部主导下,与国内15家智能网联汽车第三方测试平台共同签署了《智能网联汽车测试区(场)共享互认协议》,实现资源共享、资质互认、标准共建;测试区已成功加入自动驾驶汽车标准工作组、网联功能与应用标准工作组、汽车信息安全标准工作组、C-V2X工作组4个国家级标准工作组,成为湖南省军民融合标准化技术委员会副理事长单位。

表9.1 湘江智能公司已开展标准编制清单

序号

文件名称

类型

参与情况

牵头单位

1

《长沙市智能网联汽车自动驾驶功能测试规程》

长沙市规范性文件

2018年12月26日发布

湖南湘江智能科技创新中心有限公司

2

《长沙市智能网联汽车道路测试管理实施细则(试行)V2.0》

长沙市规范性文件

2019年6月21日发布

3

《长沙市智能网联汽车自动驾驶功能测试规程——公交车版》

4

《长沙市智能网联汽车自动驾驶功能测试规程——乘用车版》

5

《长沙市智能网联汽车自动驾驶功能测试规程——物流重卡高速版》

6

《长沙市智能网联汽车测试开放道路选线及开放道路目录》

7

《长沙市智能网联车道(测试路段)设置指南》

8

《智能网联汽车测试场设计技术要求》

团标

湘江智能参与

上海淞泓

9

《适应自动驾驶公路设施技术规范》

行标

湘江智能参与

交通部公路科学研究院

10

《车路协同系统智能路侧一体化协同控制设备技术要求和测试规程》

行标

湘江智能参与

信通院

11

《智能网联汽车技术路线图(2.0版)》

团标

湘江智能参与

中国汽研智能网联汽车测试研发中心

12

《自动驾驶汽车实际道路测试标准化需求研究组》

行标

湘江智能参与

汽标委智能网联分标委

(二)课题申报情况

国家智能网联汽车(长沙)测试区运营单位湘江智能公司积极参与国家、省市的项目课题申报工作。先后参加了国家发改委“中西部和东北重点地区承接产业转移平台建设中央预算内投资专项项目”,工信部2020年产业技术基础公共服务平台,湖南省“创新引领”示范建设项目、湖南省制造强省、湖南省科协决策咨询课题、湖南省军民融合产业发展专项等项目申报。先后成功申报中西部和东北重点地区承接产业转移平台建设中央预算内投资专项项目、2019年湖南省军民融合产业发展专项(北斗智能可信导航及增强应用示范工程)、湖南省重点研发计划2019年度项目(智慧车列);荣获湖南省企业现代化管理创新成果一等奖、2019优秀智能汽车产业服务机构、首届湖南省人工智能产业创新与应用大赛优胜项目等荣誉。

(三)加入联盟及学会情况

测试区积极推进行业交流,当选“人工智能产业创新联盟”理事单位、“长沙市智能汽车产业创新联盟”理事长单位、“湖南省技术标准创新促进会”副理事长单位、“长沙市软件和信息技术服务业促进会”副会长单位、“长沙市新型智慧城市研究会”副会长单位,加入中国汽车工程学会以及中国车联网示范区创新联盟、中国智能网联汽车产业创新联盟、人工智能产业创新联盟、5G自动驾驶联盟等国家级联盟。

(四)其他方面

国家智能网联汽车(长沙)测试区获得了11个软件著作权,受理了1个专利申请,获批了湖南省首个、测试区运营主体中唯一的车联网直连通信频率资质。

四、国家智能网联汽车(长沙)测试区及运营单位未来发展规划

以习近平新时代中国特色社会主义思想为指导,全面贯彻党的十九大和十九届二中、三中、四中全会精神,坚持以交通强国及智能汽车创新发展战略为指引,突出产业生态为本、数字交通先行、应用场景主导,聚焦智能网联汽车、智能交通及智慧城市建设三大主营业务,做好应用场景示范、产业生态导入、技术标准编制、国际交流合作、专业人才培养“五篇文章”,推动长沙智能网联汽车产业持续走在全国前列,助力长沙打造“智能驾驶第一城”。

立足湘江新区,面向全国,以国家智能网联汽车(长沙)测试区、开放道路、智能驾驶长沙示范区为基础,根据产业平台型综合运营商的战略定位,以“平台运作”“创新驱动”“产业链协同”为经营核心,通过“横向拓展为主、纵向一体化为辅、分阶段逐级实施”的发展型战略,努力实现全产业链协同创新发展。

(一)平台运作

充分利用政府平台优势,努力打造国家级智能汽车检验检测平台、国家级车联网先导区建设运营平台、智能汽车产业孵化平台、智能汽车标准法规研发平台,建成服务于产业链发展的创新平台。

(二)创新驱动

业务创新方面,以智能网联汽车测试业务为起点,积极开展车联网监管运营、智慧泊车、智慧公交、场景项目技术输出、数据处理增值、智慧城市建设等新业务。技术创新方面,通过自主研发和外部技术合作,加快智能网联汽车检测认证、共性技术研发、标准研制等技术创新,取得新业务开展资质和技术能力。盈利模式创新方面,积极向投资盈利、平台盈利等模式探索。

(三)产业链协同

通过平台化和同心多元化战略,牢记打造国内领先的智能网联汽车产业生态的愿景;依托测试服务、场景建设、业务创新拓展、产业服务平台、金融资本等要素,构建良好的智能网联汽车产业发展环境;逐渐形成产业链协同发展,建成“两区一市”(全国规模最大、技术应用领先、配套设施完善的交通强国示范区、国家车联网先导区和国家公交都市建设示范城市)。




025-8320 9516
电话咨询
邮件咨询
在线地图