要理解目前的智能驾驶，离不开以下一个公式： 出行需求=总量*里程
左边，出行需求=人数*人均出行里程。
右边第一项，总量=公共交通工具+私人交通工具。
右边第二项，里程=时间*速度。
出行供需公式
需求方面，随着国内城市化和现代商业化的发展，一方面提高了城市人口，一方面城市半径不断提升（主要城市半径>25km），居民的生活工作出行距离增加，等式左边的出行需求是快速增加的。
出行需求的增加必将要求总量和使用效率的提升。公共交通工具方面，公交和地铁等领域存在短板，2017年中国地铁运行线路总长度为3881.77公里，与美国仍有较大差距（重铁+轻铁，5799公里）。同时主要城市每万人拥有的公共出租汽车数量呈下降趋势。私人交通工具方面，截至9月底，全国机动车保有量达3.22亿辆，其中汽车保有量达 2.35亿辆，千人保有量达169辆，受限于道路和停车场等土地要素的短缺，城市保有量增长存在瓶颈。
国内居民的出行需求和供给方存在着缺口，这种缺口部分程度削弱了居民的出行品质，造成拥堵的路上交通和地铁。如何提高现有资源的使用效率是解决出行矛盾的关键。智能驾驶和共享出行就是谋求提升资源使用率的供给端革命（我们在18年12月发布了共享出行行业专题-《共享汽车，非成熟条件下的模式探讨》），本期报告旨在探讨智能驾驶行业的发展路径，从短期、中期和长期三个维度理解智能驾驶的实现模式。智能驾驶的终极目标就是无人驾驶，在无人驾驶的模式下，一方面劳动力成本节约，另一方面车联万物的模式下交通阻塞程度将大幅度降低，城市道路汽车运载量有望增加，出行效率有望大幅提升。
当前是无人驾驶的关键时点
随着汽车智能化、电子化的推进，无人驾驶已经是未来汽车发展的必然趋势。在没有人为干预的情况下，自动驾驶汽车可以通过传感器感知周围环境、规划行车路线并控制汽车安全抵达目的地，优点包括：1）降低人为操作失误所造成的交通事故及其导致的伤亡、成本；2）为社会弱势人群（老人、残疾人）提供安全、经济的出行方式；3）降低劳动成本，把节约时间用于工作或休息。4）减少交通阻塞，增加城市道路汽车运行量，提高出行效率。
政策逐年深化，2020 年是关键节点。2016 年被认为是无人驾驶的投资元年， 2017 年以来政府相关政策法规出台速度明显加快。根据我们的统计，2017 年发布的相关文件主要从相对宏观（汽车、人工智能）和相对微观（信息安全、V2X）的层面提出规划和制定标准，而 2018 年 1 月国家发改委印发《智能汽车创新发展战略》是站在智能汽车的宏观层面对产业内的细分领域提出规划，规划更专，规格更高；2018 年底工信部发布《车联网（智能网联汽车）产业发展行动计划》，强调通信和计算融合的智能汽车产业体系，在车联网层面上做出了中长期规划。我们认为，国内无人驾驶产业即将到达首个政策节点——2020 年：１）智能汽车创新发展战略中要求到 2020 年智能汽车新车占比达到 50%，中高级别智能汽车实现市场化应用；２）《车联网（智能网联汽车）产业发展行动计划》中要求车联网用户渗透率达到 30%以上。
5G商用临近，或为无人驾驶进展重要推手。车联网涉及到人和车，车和车，车和路之间的通讯，我国5G规模化商用在即，低延时、高密度、高可靠的通信网络为车联网打开突破口。2019年1月，工信部部长苗圩透露，今年会给一些地区发放5G临时牌照。此前，三大运营商也表示，5G在2019年进入预商用阶段，2020年开始规模商用，时点临近。2019年3月，博鳌亚洲论坛2019年年会上苗圩透露，他已经与交通运输部部长达成了重要的共识，就是在中国的公路上要加快推动数字化、智能化的改造。把道路的一些标识、道路的红绿灯以及道路的管理规则，都通过智能化的改造固化下来。
智能汽车主要是消费者驱动，渐进式发展。和新能源汽车有所不同的是，智能汽车更多的是在消费者主动选择下的发展，由于不同消费者的车辆价位和性能接受度差异，智能汽车上的辅助驾驶功能各异，目前主流的方法是根据智能汽车上可实现功能的差异对车辆进行智能化的分级定义，通常分为 4 级或者5 级。其中 L0-L5 是美国 SAE 的智能汽车阶段定义，L0-L4 是美国 NHTSA 的智能汽车阶段定义，DA-FA 是中国制造 2025 的智能汽车阶段定义。
智能汽车渐进式发展
根据 2016年美国汽车工程师学会（SAE）的分类，无人驾驶自动化的程度可以分为六个阶段，从 L1 到L5 进步的顺序依次体现在操作执行、环境监控、动态监视任务和行驶情景。
车企也基本遵循L0-L5级别的渐进研发节奏。可以看到的是，近年来传统车企和造车“新势力”们纷纷实现了高度自动驾驶级别车型的量产。1）主流外资传统车企方面，奥迪目前已经推出L4 级别概念车Elaine，L5级别概念车Aicon，L3级别的奥迪A8已量产；奔驰目前已经推出L5级别概念车Smart Vision EQ fortwo，L3 级别的奔驰 S 级已量产；宝马目前已经推出 L5 级别概念车iNEXT，L3 级别的宝马 5 系已量产；通用相对而言智能汽车研发进度稍逊一筹，目前 L3 级别的 CT6 已经量产。国际主流车企在 L5 级别车型方面的量产时间点相对一致，2021 年是L5 级别车型的量产关键时点。2）新兴造车势力方面，传统车企在不断积累智能网联汽车技术的同时,以新能源车为主攻方向的新兴造车势力正在以惊人的速度崛起, 截至2017年年底我国新创车企数量达314家之多，而在通过人才、资本等关卡后，2018年能看到有实质性进展的新势力为数不多。凭借蜂拥而至的互联网资金，对新技术和新供应商更加开阔的态度，造车新势力正式进入了短兵相接的局面， 致力于从极致视觉传达、先进互联网科技、前沿智能驾驶技术等领域全方位装备新车型，蔚来、威马、小鹏等汽车公司量产车型陆续亮相和上市。
全球相关企业在无人驾驶领域有两种布局方式：传统车企主张循序渐进，从辅助驾驶升级到自动驾驶，以 ABB 为代表，已经具备 L3 级别能力，并开始研发L4 级别。另一方面，IT 企业主张在技术上直接达到无人驾驶的程度，以谷歌和百度为代表。我们认为，产生这样的差异的原因在于传统车企具有较大的固定资产投入，并且需要持续的汽车销量获取利润维持公司的运营和研发投入，因此逐渐过渡有助于吸引消费者购买新车型和新功能，增加企业收入。而互联网企业属于轻资产，对无人驾驶的规划以提供出行服务而非销售汽车为主，因而可以将资源更多的投入技术开发。
ADAS——车内智能的开端
ADAS 的原理、构成和分类
ADAS 工作原理模仿人体的生理机制，主要分为感应、分析和执行三个方面。汽车的各类传感器（五官）收集关于周围环境不同种类的数据，如图像、距离等，进行标志、行人的辨识、侦测与追踪，并将信息传输到中央处理芯片（大脑），再结合导航仪地图数据，利用相关算法进行计算（思考），根据计算结果做出反馈，通过汽车部件（肢体）执行，完成汽车的驱动、制动或转向等功能。
ADAS 主要由三大系统构成：负责环境识别的环境感知系统，负责计算分析的中央决策系统，负责执行控制的底层控制系统。其中，负责感应的传感器主要包括摄像头、毫米波雷达、超声波雷达、夜视仪等；负责分析的主要是芯片和算法，算法是由 ADAS 向无人驾驶进步的突破口，核心是基于视觉的计算机图形识别技术；执行主要是由制动、转向等功能的硬件负责。
按照系统功能可以将 ADAS 分为主动安全系统和被动安全系统，被动安全系统又可以分为监测系统和预警系统。在 SAE 的阶段划分中，L0 发挥作用的主要为被动安全系统，它可以辅助或提前警告驾驶员完成操作任务，如夜视辅助（Night Vision）和车道偏离预警（Lane Departure Warning），但是无法取代驾驶员进行操作；从 L1 开始，主动安全系统介入并直接作用于制动或转向系统， 分担驾驶员的工作，如自动紧急制动（Automatic Emergency Braking）和自适应巡航（Adaptive Cruise Control）。在 L2 主动安全系统和被动安全系统相互协作，一起参与控制，驾驶员的工作变为监控周围环境。
渗透率：监测>预警>主动。根据 Yole Developpement 的报告，主动安全系统技术门槛高，普及时间更长，需要配备传感器数量较多，目前普及率仍处于较低水平； 预警系统的普及率目前正在爬坡期，到2020年会达到一个稳定的水平；监测系统已经充分进入市场，成为汽车必备功能之一。
全球范围内 ADAS 渗透率仍偏低，中国市场空间巨大。根据高盛全球投资研究部门研究，全球 ADAS 渗透率普遍不高，欧美日渗透率只有8%-12%，根据盖世汽车研究院测算，我国ADAS的渗透率在2%-5%区间，细分搭载率来看，应用范围最广的是盲区监测系统、AEB和其他预警系统（疲劳预警、前车防撞预警）。从行业成长周期判断，我国 ADAS 产业尚处于由幼稚期向成长期过渡的阶段，未来发展空间巨大。
市场空间：全球市场规模众说纷纭，测算国内千亿前装规模
全球 ADAS 市场规模众说纷纭，普遍认为 2020 年将超 300 亿美元。德勤预测 2020 年全球 ADAS 市场规模将达到 400 亿美元；智研咨询认为其市场规模将超 300 亿美元，2014-2020 年复合增长率将达到 32%；iSuppli 则认为 2016 年世界 ADAS 市场规模在 70 亿美元左右，到 2020 年将达到 300 亿美元；由Strategy Analytics估计口径，2015 年ADAS 全球销售额为87 亿美元，2020 年预计达到176 亿美元。
2020年中国前装ADAS市场规模将超千亿。由于中国汽车零部件后装市场较不成熟，缺少可靠数据且不确定性较大，所以我们选择估算国内前装ADAS市场规模。估算中国ADAS市场规模最重要的两个因素在于渗透率和产品价格。渗透率假设：首先，我们选取中投顾问对 2015 年国内 ADAS 渗透率计算的数据作为基础值。其中作为监测和预警功能的ADAS产品渗透率相对靠前，国内渗透率前三的ADAS产品分别为盲区监测（BSD）、疲劳预警（DMS）和自动紧急制动AEB。
然后，我们认为国外 ADAS 产品发展领先于中国市场，国内 ADAS 产品的增长路径可以参考有代表性的外国 ADAS 厂商（如 Mobileye）的历史增长率进行估计。
根据 ADAS 的分类，我们认为主动安全系统相比于预警系统技术要求更高，普及时间较长，因此将ADAS 产品渗透率增长分为两档。
产品价格假设：我们认为，随着未来 ADAS 产品渗透率增加，产品产量随之升高，规模效应凸显，会带来成本和价格的走低。因此，我们仍将 ADAS 产品分为预警系统和主动安全系统。根据渗透率和发展阶段的不同（预警系统更快普及），预警系统产品价格给予 10-15%的年降假设，主动安全系统产品价格给予 5%的年降假设。
汽车产量假设：2015年中国汽车产量 2450 万辆，同比增长 3.3%；2016 年达到2812 万辆，同比增长14.8%；2017/2018年中国汽车产量增速分别为3.2%/4.2%。我们假设2019/2020/2021年中国汽车产量年增速分别 0%/3%/3%，2021年汽车产量预计 2950万辆。
市场规模：除了以上三个假设外，我们仅考虑已经投入市场的 ADAS 产品，不考虑未来新产品的研发和使用。进而，我们按照“某产品市场规模=产品单价*产品渗 透率*汽车产量”模型对中国 ADAS 市场规模进行估算。根据我们的测算，2020 年中国 ADAS 市场空间将超 1000 亿元。
渗透率增速是决定市场规模关键因素。在此基础上，若将所有 ADAS 产品渗透率增速下调10%，则2020年市场规模降至734亿元；若将所有ADAS 产品渗透率增速上调 10%，则2020年市场规模将达1455亿元。由于预计未来几年我国新车产量不会出现大幅增长，因此 ADAS 前装市场渗透率将成为关键因素，渗透率的提高带动产量，使生产企业达到规模经济，降低产品成本，而产品价格的降低反过来又会推动渗透率的提升。
产业链公司发展现状
产业链公司一览：ADAS 工作原理顺序为感应、分析和执行，因此 ADAS 产业链依次包括上游——传感器零部件和芯片算法，中游——传感器集成控制和执行系统，下游——一级供应商和整车制造商，后市场包括电商平台、4S 店和旗舰店等。传感器市场按照不同产品分类由不同公司所占据，摄像头生产商包括德尔福（Delphi）、松下和法雷奥等，毫米波雷达生产商包括博世、大陆和华域汽车等，激光雷达生产商包括Velodyne、Quanegy 和 IBEO 等；芯片市场由英特尔、英伟达和高通三大巨头垄断；算法方面，国际市场 Mobileye 一家独大， 国内出现众多初创公司，如 minieye、中科慧眼等；执行系统仍由传统汽车零部件生产商占据，包括博世、大陆、德尔福等。
车联网——通向无人驾驶高级阶段的核心技术
广义车联网包含车内、车际和车云网
车联网有广义和狭义之分，狭义车联网单指“Telematics”（车载移动互联网，又称车云网）。我们这里定义车联网为广义车联网，即车内、车际、车云三网融合。广义的车联网是最终实现无人驾驶的重要一环，一方面，车际网联合产业链前端的ADAS 实现车路协同；另一方面，车云网将数据上传至云平台进行清洗分析，开辟产业链后端广阔的汽车后服务市场。
车内网：是指通过应用 CAN 总线技术建立一个标准化的整车网络。
车际网（V2X）：是指基于DSRC技术和IEEE 802.11系列无线局域网协议的动态网络。这是促进车际互联的最核心技术。
车云网（Telematics）：又称车载移动互联网，是指车载终端通过3G/4G等通信技术与互联网进行无线连接。
车内网与车云网产业化应用成熟，车际网尚处培育阶段。车内网和车云网分别对应CAN总线与OBD 盒子等产品在国内均有较为成熟的应用和市场规模。而以V2X芯片为核心产品的车际网，是推动车路协同，促进车际互联的关键，由于其技术壁垒最高，发展步伐最为缓慢。世界范围内的V2X产品均处开发阶段，未形成大规模生产，批量生产后可配套装载于智能汽车和道路信号灯、加油站等基础设施，市场前景广阔。
车际网是车联网之魂，其核心在于 V2X 技术
车际网是车联网之魂，其 V2X 技术是通向无人驾驶高级阶段的核心技术。我们认为，无人驾驶依照“ADAS 装配实现车内智能——LTE-V/DSRC 技术实现车际互联——车际互联的发展进一步推动车内智能设备的研发——车内智能对车际互联要求的上升”的发展路径，呈现螺旋上升趋势。目前我国智能驾驶发展还是以车内智能为主，车际互联发展较为缓慢，但随着V2X技术的完善，车路协同检测日渐成熟，车际互联在未来几年出现较快增长。
V2X 技术是车内智能和车际互联的转换器，是智能互联示范区最核心技术所在。我们认为 V2X 受益于智能互联示范区内基础设施建设和车内芯片装配，产业链地位将大幅提升。
V2X 实现的两种方式：V2X 的实现主要有DSRC 和LTE-V 两种方式。其中 DSRC是美国的V2V 通信标准，中国目前主导的通信技术是 LTE-V。V2X 技术的主要特点是：（1）网络拓扑不稳定；（2）外部环境干扰严重；（3）行车轨迹可预测；（4）以小数据包为主。由此发展出了两种研究方向，即专用短程通讯（DSRC）技术和基于蜂窝移网的（LTE-V2X）技术。
DSRC：基于恩智浦半导体和思科公司共同推进的车际通信技术 IEEE 802.11p（WiFi 技术标准 IEEE 802.11 针对汽车环境的延伸）。实现在特定小区域内对高速运动下的移动目标的识别和双向通信，目前广泛应用的电子停车收费系统 ETC 就是基于 DSRC 实现的。DSRC 在 2014 年 2 月被美国交通部确认为V2V 标准。
LTE-V：国内大唐电信和华为主导的 LTE-V 标准，LTE-V 是基于 LTE（4G）无线传输技术的车联网专用通信网。
V2X 主要产品：具备 AP、LTE 和 Connectivity 等连接芯片的 V2X 模组。车辆上的模组装配可以实现 V2V（车辆和车辆之间的通信连接），要实现 V2I（车辆与基建之间的通信连接），需要在加油站、信号灯等基础设施上也装配模组。
V2X小批量生产阶段，预计批量后成本可控制在1000元。根据清华大学系统工程研究所，目前在 V2X小批量的情况下，清华自己的产品（主机+显示器+ 天线+安装支架）市场价格控制在1万元以内，分拆成本来看，软件部分占比较大，硬件成本不超过2000元，批量后成本大约可控制在1000元左右。目前欧美市场部分项目1000-2000 美金，部分销售到国内售价约13800元。
V2X 目前应用：V2X 模组是车际网的核心产品，一些主流汽车厂商已经宣布将会在未来的车型上安装V2X 模组，目前国外龙头芯片制造商如 NXP 等已实现V2X 模组的批量生产，随着美国的强制性标准实施，我们认为后续市场空间广阔。
车联网市场空间：预计到 2025 年市场规模接近万亿级别
车联网现在正处于发展第二阶段。车联网发展可以分为三大阶段，当前正处于第二阶段——智能网联汽车阶段。车联网的发展从最早期的车载信息开始，车辆具备基本的联网能力；在当前的智能网联阶段，通过 V2X 技术，车路开始协同；到了未来的智慧出行阶段，车路协同在智能交通和高级自动驾驶中广泛应用，不可或缺。
2020 年预计全球V2X 市场规模突破 6500 亿元。得益于政策和大行业的发展，车联网行业快速渗透，行业规模不断扩大。根据 Gartner 统计数据，预计 2020 年全球物联网连接数量将达 70 亿，高速领域占据物联网连接总数的10%，而车联网是目前高速场景中具有明确发展方向和市场的领域，将在高速领域发展初期占据大部分份额。根据华为预测，车联网是物联网高速领域内行业成熟度最高并且连接数量最多的领域，预计2020年，中国车联网连接数量将达到6000万规模。另外，根据中国联通数据显示，预计2020年，全球V2X市场将突破6500亿元，中国V2X用户将超过6000万，渗透率超过20%，市场规模超过2000亿。而位于车联网整个产业链上的服务商、服务提供商、硬件商、通信运营商分别占有61%、12%、17%和 10%的市场份额。
据前瞻产业研究院预计，到2025年在5G快速建设与产业链成熟度快速提升的推动下。中国车联网渗透率或提升至77%左右的水平，市场规模有望达到接近万亿级别。
车联网快速发展，全产业链有望充分受益。车联网产业链条较长，主要分为上游、中游和下游三个部分。
上游：主要包括 RFID/传感器、定位芯片和其他硬件等元器件设备制造商。
中游：主要包括终端设备制造商、汽车生产商和软件开发商。
下游：主要包括 TSP、系统集成商、内容服务提供商和移动通信运营商。
制造业中整车厂作为核心位置，一方面作为终端、软件、服务的集成者，具有较大的话语权，同时也在开展自身的车载智能信息服务业务。通信芯片和通信模组由于涉及通信技术，门槛较高，主要参与者是华为、大唐、中兴以及国外的高通、英特尔等通信行业领先企业。服务领域，通信运营商以中国移动、中国联通和中国电信为主，同时运营商也在积极拓展其他车联网领域业务。车联网信息服务提供商方面，包含了传统TSP供应商如安吉星等、主机厂自有TSP平台以及新兴车联网创业企业。从整个产业链条看，初创型企业更多的集中在车载终端设备、交通基础设备、软件开发、信息和内容服务等市场刚刚起步或者门槛较低的环节。
展望：无人驾驶发展之路
核心：我们认为无人驾驶从应用层面可以分为四个阶段，阶段1是资讯被动侦测期，该阶段主要应用于车载资讯服务；阶段2是资讯互动交换期，也就是当前所处阶段，该阶段主要应用于ADAS等；阶段3是资讯主动传达期，该阶段主要应用为V2V和V2I，融合传感器技术实现车路协同；阶段4就是终极无人驾驶期，无人驾驶背景下车辆运营效率有望大幅提升，该阶段的典型应用就是共享汽车。基于以上发展路径我们挖掘短中长期三条发展主线——建议短期关注ADAS渗透率提高带动传感器产业链发展，中期关注车联网伴生的智慧交通基础设施建设长期关注 L4 级别成熟后共享汽车引领的出行方式颠覆。
短期关注 ADAS 渗透率提高带动传感器产业链发展
传感器技术是驱动 ADAS 发展的重要因素。根据Yole Developpment 的测算，无人驾驶在L2需要17个传感器，包括超声波雷达、长距离及短距离雷达和环视摄像头，发展到L3需要的传感器增加到29个，并且将引进立体摄像机、激光雷达和导航推测系统。对于ADAS而言，传感器技术已经相对成熟，摄像头和超声波雷达等产品在高端车型得到广泛应用，激光雷达由于造价较高，还只能用于试验阶段的无人汽车，尚未量产进入市场。进入无人驾驶下一阶段对传感器的种类和精度都提出了更高的要求，因此传感器技术的开发应用和传感器的价格与渗透都直接影响着智能汽车自动化的程度。
多传感器协作优势互补，人的五官可以收集听觉、视觉、嗅觉等信息，不同传感器由于原理、功能存在差异，在感知环境时存在比较优势。摄像头可以采集外部图像信息，再通过算法进行图像识别（行人、汽车和建筑等），缺点在于容易受光线等环境因素影响且探测距离较短；而毫米波雷达受环境影响较小而且探测距离最远可以达到250m，但是缺无法探测行人，两者的协作恰好可以弥补彼此的劣势。超声波雷达探测距离短，但是分辨率高，方向性好，因此适用范围局限于停车相关功能。激光雷达被认为是通往自动驾驶下一阶段必需的产品，最大的优势在于可以绘制出精度达厘米级的3D环境地图，但是缺点在于造价较高，而且激光雷达的使用会受到大雾、雨天的影响。
目前“摄像头+毫米波雷达”的组合仍是 ADAS 传感器的主流搭配，以谷歌为代表的互联网企业则将一直以来被诟病造价太高的激光雷达作为实现自动驾驶的核心传感器，而随着激光雷达发展成熟，多传感器融合成为必然趋势。
摄像头
车载摄像头是ADAS的核心传感器。摄像头最初在汽车上的应用是记录功能，例如行车记录仪和倒车影像。随着汽车智能化程度的提高和机器学习算法的进步，摄像头开始和算法结合，即摄像头将采集的图片信息转换为数据，通过算法进行图像的识别和匹配，并获取距离信息，再将结果汇总反馈给驾驶员，从而实现车道偏离预警（LDW）、汽车碰撞预警(FCW)等ADAS功能。配合量产实现的低成本，摄像头成为性价比最高的汽车传感器。
以特斯拉 Autopilot 2.0 为例，该版本共配置了8 个摄像头，包括3 个前置摄像头、2 个侧方前视摄像头、2个侧方后视摄像头和1个后视摄像头，视野范围达360 度，最远前后方检测距离达 250m 和 50m。
摄像头产业链一览：摄像头上游原材料包括流光片、光学镜片、保护膜和晶圆， 中游元件主要由三部分构成：镜头组、CMOS（Complementary-Metal-Oxide Semiconductor，互补金属氧化物半导体）和 DSP（Digital Signal Process，数字信号处理器），三部分元件经过系统封装后形成摄像头，投入市场。从硬件成本来看，芯片、镜头和其他物料各占 1/3。
DSP（数字信号处理器）为 Tier1（系统集成商）、视觉方案提供商和芯片生产商提供合作平台。三者合作模式为：视觉方案提供商根据市场需求开发 ADAS算法，芯片生产商生产搭载算法的芯片（即 DSP），经过与摄像头模组封装后提供给前装和后装市场。以全球视觉方案提供商龙头 Mobileye 为例，Mobileye 和意法半导体（ST）合作开发的 EyeQ 系列芯片，由麦格纳、大陆等 Tier1 企业将处理器和算法集成到摄像头中，出售给宝马、通用、沃尔沃等 OEM（整车制造商）。这种合作方式充分发挥了各个类型的企业在自己领域的优势，保证了摄像头这块蛋糕人人有份。
Tier1 和整车制造商加大合作力度。由于在算法领域 Mobileye 一家独大，Tier1 和视觉方案供应商的合作没有选择空间，但是国际 OEM 市场呈现群雄割据的局面。在 ADAS 算法开发公司和芯片生产商密切合作的同时，国际汽车零部件Tier1 也都与 OEM 加强了合作，注重摄像头种类和性能的研发。
毫米波雷达
毫米波雷达是指工作在毫米波波段（频域 30-300GHz，波长 1-10mm）的探测雷达，通过向周围发射无线电，测定和分析反射波以计算目标距离和方向，早期主要被应用于军事领域。随着雷达技术的发展，毫米波雷达也在汽车电子、无人机、智能交通等领域得到广泛应用。
车载毫米波雷达更适合 ADAS 主动安全系统的应用。由于汽车做出判断并执行需要一定时间，因此需要汽车能够感知到一定距离以外的物体，从而提前实现制动或行驶功能。毫米波雷达传输距离远，在传输过程中大气衰减和损耗低，穿透性强，很好的弥补了摄像头探测距离短的缺点，因此长距离毫米波雷达（LRR）是主动安全系统应用更为可靠的传感器，例如自适应巡航控制（ACC）、前向防撞预警（FCW）和自动紧急制动（AEB）。而短距离毫米波雷达（SRR）则更适用于盲点监测（BSD）、变道辅助（LCA）和泊车辅助等功能。
以奔驰 S级轿车为例，该车共配置1个长距离雷达（LRR）和 6 个短距离雷达（SRR）。LRR 在车头中间，主要用于ACC和AEB功能；其两侧放置的两个SRR 除了辅助 LRR 还可以进行泊车辅助；最外侧两个 SRR 和车尾两个 SRR 主要用于泊车辅助。
77GHz（76-81GHz）将成车载毫米波雷达主流。在车载毫米波雷达发展早期， 各国产品频段集中在 23-24GHz、60-61GHz 和 76-77GHz，这种混乱的情况很大程度上限制了车载雷达的发展。2015 年在日内瓦召开的世界无线通信大会上，各国同意将 77GHz 确定为全球装配永久认可的权威频段，奠定了未来 77GHz 成为车载毫米波雷达主流的基础。相比于 24GHz，77GHz 毫米波雷达的优势体现在：1）体积小。24GHz 雷达波长更长，需要更长的天线，做成小体积雷达难度较高，不利于汽车行业对外观和轻量化的追求。2）频段带宽大，功率水平大。因此 77GHz 探测距离远，物体分辨准和测速、测距准确度高，更适合对探测精度要求极高的自动驾驶领域。77GHz 的产品又可以细分为两类：76-77GHz 毫米波雷达用于长距离探测，77-81GHz 毫米波雷达用于中短距离探测。
MMIC 芯片和高频 PCB 板是技术难题。车载毫米波雷达主要包括天线、MMIC 和信号处理模块等部分。目前毫米波雷达普遍使用的是“微带贴片天线”，即在PCB 板上铺开路的微带线从而实现天线的功能。在 77GHz 频段上，任何小的损耗都会影响雷达工作，因此对于高频 PCB 板的工艺和设计要求极高，国内还没有企业能独立生产，沪电股份正在和全球最大的高频 PCB 制造商 Schweizer。
Tier1紧握核心技术，新进入者期望打破技术壁垒。2015年，博世（Bosch）和大陆（Continental）分别在全球毫米波雷达市场占据22%的市场份额，远远超过第三名的海拉，地位难以撼动。其中博世的主要产品以77GHz为主，包括MRR和LRR两个系列；相比较之下大陆再24GHz所占份额较多，产品涵盖范围也更广。前六家企业已经垄断了85%的市场份额，并且对核心技术的保护十分严格。中国毫米波雷达市场发展缓慢。中国市场已有成熟的24GHz产品，部分企业已研究出77GHz产品，但是芯片和算法仍然依靠进口，导致成本较高， 距离量产并进入市场仍有一段时间。
激光雷达
和毫米波雷达工作原理类似，激光雷达（Light Detection and Ranging, LiDAR）通过发射激光束并比较发射和接收激光束的差异，计算目标和车的相对距离，利用收集的目标表面点的三维坐标、反射率和纹理等信息生成精确的数字高程模型，从而达到感知环境的目的。
固态化、多线束化、小型化、低成本化是激光雷达是未来发展趋势。激光雷达按照有无机械旋转部件可以分为机械激光雷达和固态激光雷达，根据线束数量可以分为单线激光雷达和多线束激光雷达（4/8/16/32/64）。
固态化：机械激光雷达最初于 2007 年由 Velodyne 开发并参加 Darpa 无人车挑战赛，一般被安置在汽车顶，利用多束激光脉冲绕轴旋转 360°对周围环境进行监测，从而绘制 3D 图。固态激光雷达基于光学相控阵扫描技术，去除了机械旋转部件，利用集成电路上的感应晶片扫描各个方向，然后输出车辆周围的 3D图像，代表企业是 Quanergy。但是由于固态激光雷达不能进行 360°旋转，只能探测前方，因此需要在车辆周围多安装几个解决探测范围的不足。混合固态雷达是一种过渡性产品，通过做工将其内部的机械旋转部件做的小巧并藏在机身内部。以 Velodyne 为代表。
多线束化：激光雷达的线束决定了激光雷达在纵向平面的覆盖广度和数据精度。单线激光雷达只能获取2D的数据，无法收集路面和环境信息。多线激光雷达根据线束数量可以分为2.5D（4/8 线）或3D（16/32/64 线），2.5D 的激光雷达可以测量路面和环境信息，精度在±5cm，但是垂直角度范围在 8°以内。3D激光雷达多为16/32/64线，2017年9月Velodyne 推出了被认为具有最佳分辨率、最长探测距离和最宽视场的128 线激光雷达，探测距离为200m，垂直测角40°，垂直角分辨率达到0.17°，车规级预计于2021年三季度推出。
小型化：谷歌最早使用 Velodyne 64 线束产品是基于车顶的机械旋转激光雷达实现的，但是最初的产品体积较大，不符合消费者对汽车外观的需求，因此Velodyne 之后推出的 32 线束产品和混合固态 16 线束产品都进行了小型化的尝试，最新推出的 128 线束在性能上远高于 64 线束的情况下，体积甚至更小。而固态激光雷达由于本身不需要旋转部件，因此产品体积较小，例如 Quanergy 推出的 S3 LiDAR 体积仅为 9cm*6cm*6cm。
低成本化：谷歌最开始进行无人车实验的 64 线激光雷达造价高达 7 万美元，高成本也一直成为延缓激光雷达进入市场的因素。目前激光雷达生产企业主要通过三个途径降低成本：降维、固态化和规模效益。尽管高线束激光雷达的性能要超过低线束，但是企业在寻找低线束达到最优性能的平衡点，再结合其他传感器弥补低线束的缺点；固态化是另一解决方案，固态激光雷达造价可以低至250 美元，但是由于固态雷达只能探测前方，因此需要 4-6 台雷达弥补，这在单价上对固态激光雷达提出更高要求。而无论哪种雷达的生产厂商最终都希望通过量产达到规模效益从而降低成本，根据 Velodyne，其 16 线束的产品官方售价为 7999 美元，通过量产后成本可以控制到 500 美元。
中期关注车联网伴生的智慧交通基础设施建设
核心：智慧交通是无人驾驶的高级阶段，标志着从单体车辆的智能驾驶功能进化成为“车-路”协同智能。随着《中国制造 2025》的提出，智慧交通被纳入国家顶层设计。在智慧交通时代：车辆之间、车辆与车位、道路信号之间都会有实时通讯，通过计算，科学的调配道路资源和车辆通行计划，最终构建一个具备完善各类智能交通解决方案和后市场服务的生态系统。
智慧交通是汽车智能化的高级阶段。即——在大数据和云计算技术的支持下，实现单体车辆和配套道路设施有机统一，标志着从单体车辆的智能驾驶功能进化成为“车-路”协同智能。智慧交通的要义在于智能互联，核心技术是大数据及5G通信。体现形式是城市智能交通系统（Intelligent Transportation System， 简称 ITS）。在智慧交通时代：车辆之间、车辆与车位、道路信号之间都会有实时通讯，通过计算，科学的调配道路资源和车辆通行计划。
国家政策：交通运输部近年来高度重视智慧交通发展，早在 2011 年提出“适度超前”发展智能交通。随着《中国制造 2025》的提出，智慧交通被纳入国家顶层设计。以《中国制造 2025》为纲领性文件，中汽协方面，出台《“十三五”汽车工业发展规划意见》明确了智能网联汽车的推进速度；工信部方面，积极在全国范围内推动建设智能互联示范区。
智慧交通框架
智慧交通的总体框架包括感知层、网络层、平台层和应用层四个层面。其中： 应用层和平台层是总体解决方案的核心，而平台层是应用层的支撑平台和运行环境。平台层的汇聚交换平台通过网络层的数据总线和服务总线进行数据交换； 平台层整合交通资源，包括交通基础数据、业务数据、GIS 数据、分析主题数据、交通数据仓储等，形成融合的交通领域数据中心。同时提供基于云计算的IRE 集成环境、运维管理、能力引擎等，构建智慧交通云计算环境。应用层主要包含交通运输管理、交通安全管理、城市管理以及其他政府部门、企业的交通信息化系统。
下面从智慧交通的四个层面开始阐述智慧交通的构成：
感知层——传感器：感知层的构建，是实现智慧交通的第一步。智慧交通的感知层又包含两部分——智能汽车车身传感器与智能路面传感器。
智能汽车车身传感器相当于智能汽车的“五官”，智能汽车通过传感器感知车辆所处的各种路况及周边环境。一套完善的智能汽车传感系统囊括了超声波技术、雷达技术、摄像头技术、红外线技术、激光扫描技术，以及这些技术的算法融合。通过多种传感器的组合，进而实现在不同的距离、不同的角度、不同的天气状况下对周边情况的全方面探测，这是智能汽车自主判断、自主行动的基础
除了车身传感器之外，智慧交通感知层还包含以路面磁感线圈、地磁感应为代表的智能路面传感器。这些传感器用于感知和传递路的状况信息，如车流量、车速、路口拥堵情况等，让车载系统获得关于道路及交通环境的信息。无论是车身还是路面传感器，都起到了车内状况监测和环境感知的作用。
平台层——大数据处理平台：智慧交通平台层主要由基于云计算的车联网数据融合 平台、车联网应用开发平台、车联网网络支持平台等组成。从感知层收集、网络层 上传的海量数据，通过云计算平台"过滤清洗"、数据分析平台对数据进行报表式处 理之后变得更加清洁，更准确地反映实时情况从而便于进行高效的监控管理。
应用层——城市智能交通系统（ITS）：它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理 系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通 运输管理系统
智能互联示范区是智能交通的载体
智能互联示范区是智慧交通的载体。智慧交通是汽车智能化的终极目标，智慧交通的发展历程应该是：车内智能到车际互联，城市运营服务商打造智能交通系统。智能互联示范区是城市智慧交通的载体，其目的是构建一个汽车智能化生态系统，ADAS、车联网、整车与基于大数据平台的后服务企业集聚在该生态圈内，将车内智能和车际互联协同起来，在实现终极无人驾驶以外，构建高效的城市交通运输管理系统。
国外智能互联示范区主要集中在欧美日三地，作为智慧交通应用层的城市智能交通系统，在欧美、日本等多个发达国家已经上升至国家战略层面，形成较为成熟的发展规划并进行了试点实践
国内智能互联示范区建设如火如荼。中国是继欧美日之后的第四个以政府力量推动新一代汽车发展的国家，自2015年6月批准上海成为第一个智能互联汽车试点示范区以来，半年内相继与地方政府合作出台文件拟建浙江、重庆、北京智能互联示范区，截至 2018年底，我国已拥有至少20个智能网联汽车测试示范区，除华北的北京、雄安、华东的上海之外，华中、西南、东北及一批汽车重镇都已或正在建立自己的测试区，且无论质量还是数量在未来一段时间内还将迎来爆发式的增长
我们认为，智能互联示范区是未来智慧交通规划的一个缩影，尽管目前示范区的建设仍停留在国内主要一二线城市，但是覆盖城市数量不断增加，示范区建设趋于成熟。短期来看，关注示范区基础建设和配套设施情况，把握未来建设智慧交通的核心因素；长期来看，随着自动驾驶技术的成熟，智慧交通作为一项公共设施，必将获得国家的大力支持，从而带动相关产业链的发展。
Copyright © 2005-2021 网信安全世界版权所有