从短中长期看无人驾驶发展路径——无人驾驶发展元年
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，智能汽车（ADAS）和车联网（V2X）分别是实现无人驾驶的内部和外部要求，而5G 技术即成为车联网 V2X 中的关键制衡。2019 年有望成为 5G 商用元年：工信部表示 5G 牌照有望年内发放，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。5G 催化下，无人驾驶产业发展有望提速。
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。可以推断，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。
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。
智能汽车是在消费者主动选择下的发展，由于不同消费者的车辆价位和性能接受度差异，智能汽车上的辅助驾驶功能各异，目前主流的方法是根据智能汽车上可实现功能的差异对车辆进行智能化的分级定义，通常分为 4级或者5级。其中 L0-L5 是美国 SAE 的智能汽车阶段定义，L0-L4 是美国 NHTSA 的智能汽车阶段定义，DA-FA 是中国制造 2025 的智能汽车阶段定义。
根据 2016 年美国汽车工程师学会（SAE）的分类，无人驾驶自动化的程度可以分为六个阶段，从 L1 到 L5 进步的顺序依次体现在操作执行、环境监控、动态监视任务和行驶情景。
行行查，行业研究数据库 www.hanghangcha.com
ADAS——无人驾驶内部只能开端
智能汽车指配备高级驾驶辅助系统（advanced driver-assistance systems，ADAS），通过感知周围环境、分析车辆所处环境从而根据环境变化做出相应反应。智能汽车可以被看作是实现无人驾驶汽车的过渡，也是传统车企主要的研发方向。由于智能汽车行驶在一个包括车辆、行人、设施等因素的复杂环境中，因此要做到完全自动驾驶就需要建立汽车与行驶环境中其他因素的信息交换，即 V2X（Vehicle to Everything）。在内、外部要求都被满足的前提下，自动驾驶才有可能实现。
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。
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。
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%。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。
高级智能辅助驾驶（ADAS）是从汽车主动安全到实现无人驾驶的重要过渡阶段，相关功能配置的技术条件日趋成熟，整车配套需求预期强烈，渗透率有望加速。据前瞻产业研究院数据测算，2017-18年国内前装市场ADAS渗透率分别约20%和28%，市场规模分别约275和372亿元，随着技术成熟度提升，规模化后成本下降，判断ADAS有望加速向中低端车型渗透。
国内乘用车销量进入平稳期，假设2020年起行业企稳，2021-23年乘用车销量增速均为低个位数增长，预计到2023年乘用车销量达约2287万辆，逐步恢复至2018年销量水平；假设2019-23年ADAS新车渗透率每年平均提升8.4pct，整体渗透率到2023年有望提升至70%；2018年单车ADAS成本约6000元，假设单车ADAS成本逐年下降200元，到2023年单车ADAS成本约5000元，我们预计到2023年ADAS市场规模将达约800亿元。
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。
行行查，行业研究数据库 www.hanghangcha.com
车联网——实现无人驾驶的外部力量
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）。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。
车联网（Internet of Vehicles）是由车辆位置、速度和路线等信息构成的巨大交互网络。根据信通院定义，借助新一代信息和通信技术，车联网可实现车内、车与车、车与路、车与人、车与服务平台的全方位网络连接，提升汽车智能化水平和自动驾驶能力，构建汽车和交通服务新业态，从而提高交通效率，改善汽车驾乘感受，为用户提供智能、舒适、安全、节能、高效的综合服务。
车联网具有显著的社会、经济效益，是实现智能交通、自动驾驶的核心。参考2018年中国国际经济交流中心测算，车联网有助于1）改善交通流量：CACC协同式自适应巡航控制全面普及场景下，交通容量可实现50-80%的提升；2）减少碰撞事故：V2X1传感力增强，前期发展阶段驾驶辅助等可避免50%-80%的事故，通行效率提高10%-30%；3）减少汽车能耗：自动驾驶状态可减少低速行驶频次，降低燃料消耗28%，从而减少空气污染和二氧化碳排放量近20%。
随着技术推进、功能提升，车联网发展进入快车道。当前车联网正从以基础性联网信息服务为主要业务形态的第一阶段，向以实现安全预警、高带宽业务及部分自动驾驶服务为目标的第二阶段演进，未来的最终方向是第三阶段实现完全自动驾驶和全部联网。其中5G将是车联网跨阶段发展的重要催化因素，5G超高速率和超低时延可提升车与车、车与环境之间的可靠沟通水平，更好地完成“单车智能”到“车-路-云协同”的转变，并降低落地成本，加速自动驾驶商用进程，车联网将迎来重大机遇。
参考GSM协会联合SBD公司发布的《车联网预测报告》，2018年全球车联网渗透率达20%，市场规模有望超400亿欧元，年均复合增速25%。前瞻产业研究院亦统计，2017年全球车联网市场规模约为525亿美元，预计2022年规模将增至1629亿美元，CAGR为25.4%。
根据前瞻产业研究院报告，2017年中国车联网市场规模为114亿美元，未来有望保持36.0%的年复合增速，到2022年达到520亿美元。更甚者，埃森哲预测2025年中国车联网的市场规模有望达到2162美元，占全球市场的四分之一以上。
而在中国，随着城市化率的提高，以及汽车保有量的迅速增加，交通安全形势日趋严峻，在道路资源相对贫乏的情况下，只有运用车联网等技术，加快智能交通建设，才能有效缓解交我国汽车产业起步较晚，但是随着近年来信息技术的蓬勃发展，信息+汽车融合技术的反超预期加大，引导我国政策倾斜和法律体系的逐步完善成熟。当前，多部门、跨部门协作不断加强，行业新动能推动力凸显。智能网联汽车成为关联众多重点领域协同创新、构建新型交通运输体系的重要载体，并在推动国家创新、塑造产业生态、提高交通安全、实现节能减排等方面具有重大战略意义，已经上升到国家战略高度。
2019年9年，国务院印发《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，提升城市交通基础设施智能化水平。工业和信息化部、交通运输部、科学技术部、发展改革委、公安部等部委在近年出台一系列规划及政策，推动我国智能网联汽车共性基础、关键技术、产业急需的标准以及相关法律法规的研究制定。2019年4月，华为、东风汽车、襄阳市政府签署战略合作协议，计划投入30亿元打造国家智能网联汽车示范区。车联网重磅催化事件不断，未来方向明确，汽车和道路智能网联化势不可挡。同时，从注重实效出发，ADAS和未来通信5G网络并重，最终将有助于实现自动驾驶的普及。与此协同的是，道路、交通等配套设施逐步完善，为智能网联汽车的落地创造基础设施环境。
车联网产业链将充分受益。车联网产业链中主要有TSP、整车厂商、电信运营商、硬件终端、平台等各个参与主体。TSP目前主要以B2B为主，收取内容/服务授权费、技术服务费、数据通信费等；整车厂商前期通过增值模块获得车辆销售差价收益，后期通过车主续费、升级提供相关服务；终端厂商主要以终端销售差价及服务续费等方式获得收益；互联网企业创新大数据分析、O2O引流等后向收费模型，积累车主流量变现；网络运营商搭建车联网业务运营平台，以流量优势进行车联网相关软硬件的捆绑销售。
车联网解决方案以车联网领域紧密合作为立足点，实现车联网产业链整合，形成互利多赢的商业模式，共同打造开放、共享、可持续发展、具有自主标准和知识产权的车辆信息服务平台。为城市交通、整车厂商、保险机构、汽车后市场企业客户和个人用户，提供专业的软硬件产品和优越的车联网综合运营支撑平台服务。
通过设备接入、平台对接和公共接口实时获取车辆相关数据，结合北斗/GPS获取的定位信息，经GPRS/3G/4G网络传输到监控平台，为个人用户、行业用户提供位置服务、车辆管理、智慧交通等各种车联网应用服务。
优势特色
u 支持多源数据采集方式；
u 进行快速业务定制开发和服务上线；
u 整合终端、平台和第三方服务能力；
u 全方位、立体式的安全管理体系；
u 7*24小时运维支撑能力。
行行查，行业研究数据库 www.hanghangcha.com
拓展——传感器技术驱动发展ADAS
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。
为应对每个级别的功能要求，每一级别的传感技术配置不同，需要的传感器数量也不同。目前国内量产的L1车型（奇瑞瑞虎，东风风神等）配置8个以内超声波传感器、1个前视摄像头与4个环视摄像头。L2量产的广汽Aion S、上汽MarvelX、长安CS75等车型普遍配置12个超声波传感器、1个前视摄像头、4个环视摄像头以及3个毫米波雷达。至L3、L4级车，至少配备3个前视摄像头与4个中距离雷达（如2017年落地的奥迪A8），下列图表分别以上述车型为例说明配置范围。
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。
车载摄像头产业链主要涉及上游材料、中游元件和下游产品三个主要环节。上游材料中光学镜片、滤光片和保护膜等用于制造镜头组，晶圆用于制造CMOS芯片和DSP信号处理器；在中游镜头组、CMOS芯片和胶合材料等组装成模组，并和DSP信号处理器封装成摄像头产品。在产业链的这一层，上游供应商已经可以向下游整车或一级供应商客户供应完整的摄像头产品。在车载摄像头产业链中，摄像头和软件算法一起，构成车载摄像头解决方案，应用于自动驾驶汽车中。车载摄像头产业链较长，上下游拥有众多环节，每个环节都涉及国内外众多厂商和公司。
车载摄像头具有目标识别能力。应用了机器学习和人工智能算法的图像识别技术让自动驾驶汽车可以分辨道路上的车道、车辆、行人和交通标志等，是自动驾驶汽车进行决策的重要依据。以交通标志的识别为例，车载摄像头在图像采集之后，经过图像预处理、图像分割检测、图像特征提取和图像识别等步骤，最终提取交通标志上的有效信息。在目标识别的基础上，车载摄像头可以实现测距和测速等功能。单目摄像头可以在图像匹配识别目标物体之后，通过其在图像中的大小去估算目标距离；双目或者多目摄像头则可以直接通过视差计算进行测距。距离测算为自动驾驶汽车的碰撞预警、自适应巡航等功能提供决策数据源。
毫米波雷达的作用机理是通过车载天线向外发射毫米波，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物理环境信息，然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，最终通过中央处理单元（ECU）进行智能处理。
在实现自动驾驶场景中，V2X 是一项必要且增值的技术，而实现 V2X 的关键之一是对通讯延时的要求。自动驾驶中制动等反应时间，是各系统响应时间，其中包括了给网络云端计算处理、车间协商处理的时间，也包括了车辆本身系统计算及制动处理时间。如果要做到时速 100km 制动距离不超过 30cm，那么系统整体响应时间不能超过 10 毫秒，而人类最好的 F1 车手的反应时间在 100 毫秒左右。从保障安全的角度，系统响应时间越低越好，对通讯时延的要求会更高。根据华为发布的 5G 外场测试结果，当前 5G 网络已经可以在保障高稳定性与移动性下，实现下行吞吐率超过 25Gbps，用户界面时延小于 0.5 毫秒，性能已经超过了 ITU 对 5G 的定义（时延 1 毫秒）。因此 5G 基础设施的铺设和商用进度或将影响车联网应用进度。
无人驾驶已经是未来汽车发展的必然趋势，智能汽车（ADAS）和车联网（V2X）分别是实现无人驾驶的内部和外部要求，在智能互联示范区的推动下，智能硬件制造、车载系统集成、软件平台将共享超额利润。
行行查，行业研究数据库 www.hanghangcha.com
手机访问“行行查”小程序更方便
