自动驾驶产业分析报告.docx
- 文档编号:9507621
- 上传时间:2023-02-05
- 格式:DOCX
- 页数:35
- 大小:11.04MB
自动驾驶产业分析报告.docx
《自动驾驶产业分析报告.docx》由会员分享,可在线阅读,更多相关《自动驾驶产业分析报告.docx(35页珍藏版)》请在冰豆网上搜索。
自动驾驶产业分析报告
2017年自动驾驶产业分析报告
2017年
自动驾驶产业分析报告,本调研分析报告数据来源主要包含欧立信研究中心,行业协会,上市公司年报,国家相关统计部门以及第三方研究机构等。
图表目录
第一节自动驾驶渐行渐近
1.2020/2025实现商业化,市场规模约1,800亿美元
目前Level1和Level2的驾驶辅助功能目前就已逐步实现,体现于特斯拉的Autopilot和通用的SuperCruise,而Level3半自动驾驶到2020年可以实现,Level4完全自动驾驶到2025年可以实现。
到2035年,L3和L4在新车中的渗透率分别为40%和20%。
当然,要使所有的车辆保有量都更新成完全自动驾驶,可能需要到2050~2060年才能实现。
我们测算,ADAS目前市场规模仅为30亿美元,但随着ADAS(L1-L2)的普及和L3/L4的商业化,整个L1-L4自动驾驶汽车市场规模将在2020年增长到600亿美元,到2025年增长到1,800亿美元,2035年增长到2,100亿美元。
在麦肯锡预测的乐观情形下,L3/L4的渗透率在2030年会分别达到50%和15%,市场规模可达3,000亿美元。
影响自动驾驶渗透率的因素包括成本、软件改进、消费者接受度和监管变化。
2.硬件只待单价降低
自动驾驶所需的硬件包括传感器、HMI、V2V/V2I等几个方面。
其中传感器又包括摄像头、雷达和LIDAR。
虽然目前实际应用中的L1/L2只采用其中一两种传感器即可实现,但业界普遍认为传感器融合(sensorfusion)到L4阶段是必须的。
为实现360度全景全天候感知,需要LIDAR、多个摄像头和雷达,外加V2V/V2I才能保证实现。
HMI是为了在L1到L3阶段,保证人类驾驶员对汽车的有效干预。
而V2V/V2I则在L3和L4阶段提供技术冗余,保证安全性。
目前的硬件技术条件已经具备了实现L3的能力,但要实现L3和L4的量产,需要硬件单价的降低。
►摄像头:
摄像头具备物体探测和道路识别能力,其分辨率高于雷达和LIDAR,更能探测到物体的质地和颜色,而且价格较低。
但是由于摄像头在天气情况不佳和夜间效果较差,需要其他系统进行辅助。
常见配置为单眼摄像头(适合L1和L2)、三焦(由一个交通标志探测摄像头和两个可以校准距离的视觉摄像头组成)和立体摄像
头(可探测深度,但远距离物体误差会成倍增加)。
在L1/2阶段,业界对单目和立体摄像头的取舍,还难有定论,Mobileye提供单眼摄像头解决方案,博世、大陆等欧洲厂商使用立体摄像头。
而在L3/4阶段,则需要使用多个摄像头。
摄像头的单车成本约150~600美元。
►雷达:
能够探测远距离物体,同时在天气不佳的情况下表现良好,适用于速度测量、物体识别和距离测量。
但雷达分辨率低于摄像头和LIDAR。
虽然大部分雷达系统已经由24GHz升级到77或者76GHz,但雷达的性价比依然较高,单位成本约为75~125美元,单车成本约为125~400美元。
►LIDAR(激光雷达):
属于激光扫描设备,其技术原理与超市扫码仪类似,但是以高频释放多束激光,同时在照亮物体时接收信号(每秒接收20~100万照亮点信号),
可生成汽车周边360度视角所有物体的3D图像。
但激光雷达的表现在雨雪天气会
受到影响,探测距离也较短,也无法探测物体的质地和颜色(只探测形状),也是目前最为昂贵的传感器。
其主要厂商包括VelodyneAcoustics、QuanergySystems(被
德尔福收购)、AdvancedScientificConcepts(被大陆集团收购)和Ibeo等。
Velodyne曾经被谷歌采用,目前也是福特等大多数汽车厂商自动驾驶汽车试验的供应商。
其出产的旋转式LIDAR最初于2005年推出,每秒旋转10次,通过收集它发出的数百万计的光线,对周围环境提供电脑易于处理的三维景象。
谷歌在开发出自己的传感器后才将其弃用。
Velodyne产品曾一度售价高达7.5万美元,但一款16-laser的最新产品,售价低于8,000美元,可以提供200米距离内的360度视野。
Quanergy生产的固态LIDAR,售价为1,000美元每套(单只250美元,4只)。
业界人士认为,未来5年LIDAR的价格有望下降至数百美元。
►V2V/V2I:
对于L3/L4自动驾驶汽车而言,V2V/V2I可以作为技术冗余,提供传感器以外的感知信息。
V2I可以获取传感器视线以外的车辆发送的紧急信息,V2I帮助路边单元向车辆传递例如天气和交通事故等重要信息。
此外,V2V/V2I也是实现互动式自适应巡航的必要技术条件,使车流行驶更有效率,减少交通拥堵,提高能源效率。
实现V2V功能需要使用DSRC(Dedicatedshortrangecommunications)模组,配备802.11p标准的5.8~5.9GHz频段75MHz专属带宽,可以不受干扰的向周围305米范围内发送包括位置、行驶方向、速度、刹车、偏航等车辆信息。
实现V2I功能需要改装交通灯和在路面安装无线电信标(beacon)。
NHTSA于2012~2013
年间在密歇根进行过涉及2800辆车的V2V测试,认为仅IntersectionMovement
Assist和LeftTurnAssist两项功能就可以避免59.2万次碰撞事故和1,083起死亡。
NHTSA计划2020年在新车上普及V2V,通用将率先在2017年款CadillacCTS上应用V2V。
而近期尼桑、UCBerkeley和Savari将在加州Sunnyvale进行首次V2I商业测试。
►HMI(人机界面):
人机界面不仅关系到用户体验,在到达L4之前更是保证安全性的必要条件,因为L1-L3阶段,相当于是人类与机器“合作”完成汽车的安全驾驶。
大部分因驾驶员失误造成的飞机事故都是因为驾驶员在自动驾驶和人工驾驶之间产生了模式混淆。
因此,就自动驾驶汽车而言,司机需要了解某时某刻汽车的驾驶模式;在发生紧急情况需要人工干预时,汽车需要发出明确指令让司机迅速有效的接管汽车;为了让消费者体会自动驾驶汽车的可靠性,车内也需要相应显示自动驾驶
汽车所感知到的外部环境和车辆下一步的动作。
此外,出于方便性考量,自动驾驶车辆可能采取生物识别技术识别司机身份并下载相关个人设置。
面向司机的摄像头和眼部追踪是HMI中的重要组成部分。
►ECU(电控单元):
ECU帮助集成关键汽车软件功能,包括动力系统、传动系统、制动系统、人机界面和车载资讯系统等。
随着自动化功能增加,各个域之间的交流互
动也将显著增加,从而需要新增处理能力。
因此,自动驾驶汽车与普通汽车相比,域控制器和电控单元将大幅增加,用以帮助管理更大的数据流。
►Actuation(驱动):
指汽车自动化后横向控制、加速、刹车所需的额外物理机制。
部分情况下,可以借助目前已有系统完成。
例如,带有电子稳定控制系统的电动助力转向系统和防抱死制动系统与自动制动和转向功能本质上性能相同,但是需要加
入额外模组才能实现完全自动化。
此外,电子节气门以及电子移位器将帮助淘汰驾驶杆,有望成为许多汽车的全新装置。
3.软件还需不断改进
软件的改进是从L1/L2向L3/L4跃进的关键,这既包括核心的操作系统,也包括地图定位和信息安全软件。
操作系统是自动驾驶汽车的大脑,需要即时的处理输入的信息,做出判断并发出执行指令。
在L1/L2阶段,操作系统只是人类驾驶员的“助手”,而到L3阶段,人类驾驶员就是自动驾驶操作系统的“技术冗余”,L4阶段的操作系统更升级为唯一的“司机”。
因此,需要更强的人工智能来改进操作系统。
►操作系统要从L2升级到L3,需要使falsenegative的错误(应该刹车而没有刹车)降低到绝对零,尽可能减少和避免人工干预,因为毕竟人类司机从自动驾驶模式切换到接管汽车,平均反应时间是5~17秒,有一定的安全隐患。
►操作系统需要能同时处理多个视觉输入信息,因为L3/L4会使用传感器融合,由多个包括摄像头、雷达、激光雷达在内的传感器,以及V2V/V2I来实现全天候360度采集信息。
由摄像头采集的每秒数亿个数据点,由雷达采集的每秒数十万个数据点,
都必须在本地完成实时处理,并对有时互相矛盾的信号作出判断。
►L3/L4自动驾驶汽车还需要学会像人一样的驾驶,因为在所有汽车保有量都换成L4自动驾驶之前,自动驾驶汽车将与普通汽车并存20~40年。
而开设专门车道并不利于自动汽车的大规模商业化(虽然近期实验性项目是可行的),因此,自动驾驶将与普通汽车、自行车、行人等共处于一个交通环境中。
例如,谷歌的自动驾驶汽车就
已学会顺着车流而并不严格按照限速行驶,学会在没有交通灯的十字路口往前蹭一步以表明意图,学会在准备右拐时靠最外侧行驶等等人类的驾驶习惯。
又例如,Mobileye训练的系统能够使自动驾驶车辆进入环形路口时,避开激进的驾驶员而找寻驾驶谨慎的车辆,伺机抢入。
►此外,更强的人工智能算法也能在L1/L2阶段实现更低硬件条件下的更高功能。
比如,在Mobileye用深度学习算法改进了视觉处理之后,升级到7.1版本的特斯拉Autopilot就能在只配备了摄像头和雷达的条件下,具备holisticpathplanning能力,即在雨雪天气、能见度差、道路线模糊或缺失的情况下,通过前方车辆行驶轨迹、路标、路面上其他障碍物和马路沿等特征,找出汽车可以安全行驶的轨迹。
地图定位除了规划行驶路线以外,在自动驾驶不同技术路线(详见后一章节)中可分为两种用途,一种是在视觉感知以外提供技术冗余的安全保证,也可帮助定位车辆,提供道路基本信息(路面宽度、坡度、高速出口位置等)。
这一用途下使用的地图或者是普通的GPS地图,定位精确到10米以内,或者是HERE(原诺基亚地图,后被德国三大汽车厂商以40亿美元联合收购)、TomTom(与博世合作)、谷歌等提供的高精度地图,定位可精确到10厘米以内。
另一种用途则是环境感知的重要组成部分,需采用3D动态地图,不仅定位精确到10厘米以内,数据也更加翔实,传输量达每公里1~2个GB。
然而不论何种技术路线,都需要地图的实时更新,众包成为业界正在尝试的模式。
Mobileye近期就推出了名为“RoadExperienceManagement”的地图服务,提供10厘米以内精确定位、由稀疏3D和密集1D组成的、以每公里10kb数据量“众包”的“路书”。
通用、大众和尼桑是第一批用户,“路书”数据由Mobileye和汽车厂商共同拥有。
信息安全是车联网和自动驾驶的必要条件,已有不少创业企业在专门研发汽车级的信息安全软件,但这个领域才刚刚开始,未来会有很快进展。
政府监管也或许会对L3/L4商业化制定信息安全的最低要求。
目前的解决方案包括防火墙、入侵防御/探测(intrusionprevention/detection)、渗透检测(penetrationtesting)、加密等等,未来可能有更先进的方案产生。
特斯拉和通用汽车还开展黑客悬赏计划,欢迎外界发现现有系统的信息安全漏洞。
4.额外成本不高,回收期甚至短于电动车
我们测算,自动驾驶汽车的额外成本并不太高,L1/L2分别只需800和2,200美元额外单车成本,而L3/L4加入传感器聚合、V2V/X技术冗余和先进的操作系统之后,成本虽然跳升至5,500和9,000美元。
与年工资3~7万美元的人类司机相比,L4的成本回收期甚至在一年以内(暂不考虑车险费率降低等其他好处),远远短于电动车(EV)在油价3.9美元/加仑、电价0.12美元/千瓦时下19年的回收期。
而且量产之后成本还会直线下降。
在BCG的测算中,L4的额外成本初始2025年时为9,800美元,10年后会下降到2,700美元。
这对于Uber、Lyft和物流运输企业是巨大的成本节约。
为此,Uber就在积极研发自动驾驶技术,而Lyft接受通用汽车5亿美元投资,以便通用在其网络内部署L3自动驾驶。
5.消费者对L1-L3接受度很高,L4需市场教育
L1-L3的自动驾驶受到大多数消费者的欢迎。
据AAA今年的一项调查,61%的美国司机希望自己下一辆车上配备有自动紧急刹车(AEB)、自适应巡航(ACC)、自动泊车等功能,理由是安全性、舒适性、减少开车压力以及尝试新科技。
而剩下39%不愿意的理由则包括信任自己的驾驶技术、认为科技未成熟或不熟悉等。
根据BCG2014年的一项调查,超过一半的受访者愿意为L2-L3自动驾驶功能多支付5,000美元以上的价格。
事实上,市场上现有的ADAS技术套装就很受消费者欢迎。
有15%的InfinitiQ50购买者选择了价格3,200美元的技术套装,以便使新车具有ACC、前向碰撞提醒(FCW)等功能。
然而,在同一份AAA调查中,有75%的司机认为自己不敢坐在L4完全自动驾驶汽车上。
主要原因还是因为对自动驾驶技术缺乏了解。
现有车辆就配备有ADAS功能的司机,接受L4的比例比其他人高75%。
Alphabet的自动驾驶汽车项目在测试中也发现,普通人坐上测试车辆的头10分钟会比较焦虑,之后就能放心,认识到机器是比人类更好的司机。
6.监管大力推动L1-L2渗透,L4需修改现行法规
出于安全性的考量,各国监管部门对L1-L2驾驶辅助功能(即ADAS)持支持态度,并通过监管规定或安全标准,推动各类ADAS功能的普及。
例如,欧盟2014年就将面对车辆的自动紧急刹车(AEB)纳入NCAP(NewCarAssessmentProgram)5星标准,2016年会将面对行人的AEB纳入。
美国会在2018年将AEB纳入NCAP,而占美国市场销量99%的20家汽车厂商已经承诺在2022年9月之前将AEB作为所有新车的标准配置。
中国汽车工业协会发布的《“十三五”汽车工业发展规划意见》也提出,在“十三五”期间,L1新车渗透率达到50%,L2达到10%。
据IHS预测,ADAS渗透率在欧洲将从2015年的28%提高到2020年的86%,在北美地区将从现在的13%提高到27%。
对于L3/L4的研发,美国已经有16个州出台了相关法案,允许研发中的自动驾驶汽车上公共道路进行测试,但也规定了需要与当地DMV申请备案、申请特殊车牌(谷歌在加州的自动驾驶车辆就统一使用号码为86600的车牌)、需要有驾驶执照的司机在车内监督、车辆需要有方向盘和刹车等条件。
然而,L3/L4的最终商业化依然面临一些监管障碍。
首先,各州对于自动驾驶的法规各不相同,而车辆需要跨州行驶。
其次,监管法规中关于车辆需要有方向盘、脚刹等规定影响L4的实现。
包括维也纳公约在内的国际准则也有类似与L4自动驾驶相矛盾的规定。
然而目前来看,监管正在向有利的方向发展。
►奥巴马提议未来十年斥资40亿美元推动研发自动驾驶汽车,主要用于支持加速自动驾驶汽车和联网汽车研发与部署的各种试点项目。
这笔开支属于奥巴马总统2017财年预算的一部分,还需要国会批准。
►美国交通部和美国全国高速公路交通安全委员会(NHTSA)将在未来6个月内,与行业领袖合作,为自动驾驶汽车的研发和部署制定统一的指引,并与州政府一起,
制定自动驾驶汽车监管的统一的多州架构。
交通部同时还欢迎汽车企业主动向政府
部门请求现有法律的解释或豁免,以保证技术可行的自动驾驶功能可以在美国车辆上部署使用。
交通部和NHTSA也将视情况需要,寻求更多权限,以便支持达到或超过现有安全水平的自动驾驶汽车,大量投入市场。
去年12月,NHTSA负责人Mark
Rosekind表示,他反对美国各州监管部门对无人驾驶汽车“东拼西凑”的监管方案。
他承诺,将基于灵活的方式制定关于自动驾驶汽车的新规定。
►参议院于今年3月也专门举行听证会。
Alphabet、通用汽车、Delphi和Lyft的代表出席作证,就议员关心的信息安全和用户隐私等问题做了澄清。
出席听证会的议员都对自动驾驶技术的安全性表示理解和支持。
►Alphabet已就完全自动驾驶汽车的法律问题与美国联邦监管部门完成了第一轮沟通。
美国国家公路交通安全管理局(NHTSA)认可Alphabet完全排除人类控制的设计理念,将其自动驾驶系统确认为“司机”。
而针对现有法规中与完全自动驾驶不相容的规条,NHTSA建议Alphabet在规则彻底修改之前,可提出豁免申请。
这些规条包
括,需要用脚控制刹车、需要人工控制转向灯和头灯,需要仪表盘展示相关数据,需要后视镜等等。
监管者对于自动驾驶的开放态度来源于提高驾驶安全的目标,去年美国因车祸死亡人数上升了9%至3.8万人,而全球每年约120万人死于车祸,90%的车祸由人为疏忽造成。
而包括Alphabet、通用在内的从业者也正积极进行监管沟通。
我们预计未来他们的研发路测数据也将更加公开透明,以便向监管者和消费者证明自动驾驶的安全性和可靠性。
我们认为,从根本上说,只要自动驾驶汽车在技术上比传统汽车有极大程度的提高,消费者、监管部门以及产业链的其他参与者在经过一定的过渡期后,都将热情接受自动驾驶汽车。
历史上,从1908年福特ModelT诞生到1926年美国汽车保有量超过马匹,只用了短短18年时间。
图表1:
自动驾驶汽车商业化提速
资料来源:
中金公司研究部摄于AlphabetX总部
图表2:
我们已上调自动驾驶汽车商业化时间表,2020/25年实现半/完全自动驾驶
资料来源:
NHTSA,中金公司研究部
图表3:
软硬件市场规模到2025年可达1,800亿美元,2035年达2,100亿美元
资料来源:
中金公司研究部
图表4:
麦肯锡预测的乐观情形,半/完全自动驾驶2030年达50%/15%,市场规模3,000亿美元
资料来源:
McKinsey&Company“Automotiverevolution–perspectivetowards2030”
图表5:
硬件技术条件现已具备,只是单位成本需要下降,以实现量产
资料来源:
BCG“RevolutionintheDriverSeat”
图表6:
软件算法还需不断改进
资料来源:
Mobileye在CES上演讲
图表7:
才能处理突发情况、与人类驾驶员和其他道路使用者共处
资料来源:
GoogleSelf-DrivingCarProject在SXSW2016上演讲
图表8:
HMI在L2-L3阶段帮助人类驾驶员有效干预汽车
资料来源:
“TheSecretUXIssuesThatWillMake(OrBreak)Self-DrivingCars”
图表9:
地图提供精确定位,增强环境感知
资料来源:
Mobileye在CES上演讲
图表10:
信息安全也是必备的软件要求
资料来源:
CenterforAutomotiveEmbeddedSystemsSecurity“ComprehensiveExperimentalAnalysesofAutomotiveAttackSurfaces”
图表11:
自动驾驶汽车的额外成本并不昂贵,只需不到1万美元
资料来源:
中金公司研究部
图表12:
且规模生产后单位成本还会下降
资料来源:
BCG“RevolutionintheDriverSeat”
图表13:
在实现完全自动驾驶之前,各类ADAS功能会逐步普及
资料来源:
IHS,ContinentalAG2015Factbook
图表14:
消费者对L1-L3自动驾驶广泛接受,甚至愿意多付钱,但对L4有所顾忌
资料来源:
BCG“RevolutionintheDriverSeat”,AAA
图表15:
监管者也鼓励L1-L2的普及
资料来源:
ContinentalAG2015Factbook,Mobileye在RaymondJames&Associates'37thAnnualInstitutionalInvestorsConference上演讲
图表16:
对于L3,美国已有16个州做了合规监管
资料来源:
NationalConferenceofStateLegislatures
图表17:
技术进步能够克服消费者和监管者的初期疑虑,汽车替代马车只用了18年
资料来源:
JakeChapman“DrivingthenewAmericancentury”
第二节硅谷与底特律赛跑
1.两种技术路线,未必是零和博弈
当前,自动驾驶分为两个阵营,Alphabet(可能还有苹果)和包括特斯拉在内的汽车厂商。
在路线上,Alphabet追求一步到位实现L4自动驾驶,因为人工干预可能更加增添安全隐患。
而汽车厂商着眼于从L1向L3逐步实现,部分厂商甚至对L4没有兴趣。
在技术上,Alphabet采用3D高精度地图,辅之以低分辨率的LIDAR和雷达。
而汽车厂商使用高分辨率的摄像头,辅之以低精度的导航地图。
Alphabet是StoreandAlign,将感知到的信息与3D地图对照,而汽车厂商是SenseandUnderstand,实时获取视觉信息并处理。
目前来看,两种技术路线都有缺点。
Alphabet需要不断更新数据量达每公里1~2GB的3D地图,而且需要覆盖所有地区,而汽车厂商需要更高明的视觉处理算法和定位更精确的地图。
因此双方目前达到的技术水平就是,Alphabet可在少数地区进行全自动驾驶,而汽车厂商可在任何地方实现部分自动驾驶。
我们认为,两种技术路线未必是零和博弈。
未来商业化的L4自动驾驶汽车应该是两种技术的折中,既需要StoreandAlign,也需要SenseandUnderstand,既需要优缺点互补的各类传感器,也需要一定精度的地图定位。
Alphabet强大的技术实力可能使其更早完成满足L4要求的软件系统,但大规模汽车硬件制造更可能外包或软件授权给已有百年制造经验的传统汽车厂商。
2.Alphabet先行优势明显
Alphabet自2009年就开始了自动驾驶汽车项目,至2016年2月底已完成145万英里的自动驾驶公路测试(另有102万英里手动驾驶),测试里程更以每周1~1.5万英里的速度累积。
目前的路测车队包括23辆雷克萨斯改装车和33辆原型车(限速30英里),分别行驶在加
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 自动 驾驶 产业 分析 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)