任务4.1 智能驾驶应用的认知-学生手册

任务4.1智能驾驶应用的认知学生手册项目四智能驾驶应用开发与测试任务4.1智能驾驶应用的认知【任务导入】随着汽车行业技术的不断发展，智能驾驶汽车已经逐渐走入人们的视野，成为了引领未来出行方式的一大趋势。从自动识别红灯、障碍物到自动泊车、AI代驾等智能应用，汽车的智能化水平正在不断提升，这无疑改变了人们的出行方式和生活方式。智能驾驶和无人驾驶有什么区别？智能驾驶的应用场景又主要有哪些？【学习目标】素质目标了解智能驾驶的发展历程，引导学生关注国家规划和政策；分析智能驾驶的等级和组成，培养学生的综合分析能力；通过智能驾驶应用场景和典型系统的讲解，培养学生的发展思维。知识目标了解智能驾驶的定义和发展历程[K50]；理解智能驾驶的等级和组成[K51]；熟悉智能驾驶的应用场景和典型系统[K52]。能力目标能描述智能驾驶的定义和发展历程[A42]；能分析智能驾驶的等级和组成[A43]；能阐述智能驾驶的主要应用场景和典型系统[A44]。【知识准备】智能驾驶的定义智能驾驶（如REF_Ref167451498\h图4-1-1所示）是指汽车通过搭载先进的传感器、控制器、执行器、通讯模块等设备，综合运用计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，实现协助驾驶员对车辆的操控，甚至在特定条件或任务条件下完全代替驾驶员实现无人驾驶的功能。图4-1-SEQ图4-1-\*ARABIC1智能驾驶智能驾驶与无人驾驶是不同概念，智能驾驶更为宽泛，智能驾驶包含无人驾驶，而无人驾驶是智能驾驶发展的最高形态。智能驾驶汽车通常应具备自动行驶、自动变速、自动刹车、自动监视周围环境、自动变道、自动转向、自动信号提醒以及网联自动驾驶辅助等功能。高等级的智能驾驶是智能交通体系的一部分，通过车联网（V2X）技术，汽车能够与道路信息、交通信号、其他车辆等周围环境联接为一体，形成“人、车、路”高效运行的交通体系。智能驾驶的发展对于促进国家科技、经济、社会、生活、安全及综合国力有着重大的意义。它不仅可以提高交通效率，减少交通事故，还可以改变人们的出行方式，提升生活质量。同时，智能驾驶也是工业革命和信息化结合的重要抓手，将在很大程度上改变人、资源要素和产品的流动方式，颠覆性地改变人类生活。智能驾驶的终极阶段，是实现车联万物的无人驾驶，如REF_Ref167451568\h图4-1-2所示。在智能化和网联化构想下，无人驾驶要在融合现代通信与网络技术的基础上实现车与万物的智能信息交换与共享。因此，智能驾驶的未来发展离不开车联网的技术进步与车路协同的建设完善。图4-1-SEQ图4-1-\*ARABIC2无人驾驶智能驾驶的发展历程国外智能驾驶的发展历程从20世纪20年代开始，欧美国家就开始了自动驾驶技术的探索。智能驾驶的探索始于无线电遥控汽车。1925年，电气工程师Houdina开发的无线电遥控汽车“美国奇迹（AmericanWonder）”通过接收后方车辆的无线电信号，完成起动、加速、转向、制动、鸣笛等动作，在纽约繁忙的街道上从百老汇开到了第五大道引起了巨大的轰动。虽然AmericanWonder并不是真正的智能驾驶汽车，但让这个概念走入了人们的视野。1939年，通用汽车在世界博览会上进一步提出电子化高速公路的概念，通过嵌入公路里的电子设备发出信号，实现车辆加速和转向的自动控制。但由于成本问题，电子化高速公路的美梦并未实现。20世纪60年代到80年代，由于计算机科学技术的迅猛发展，智能驾驶来到了一条新的赛道：计算机视觉。1966年到1972年间，美国斯坦福研究所（SRI）成功研制了世界上第一个真正可自主移动和感知的机器人Shakey。研究人员为Shakey装备了电视摄像机、三角法测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通信系统由两台计算机控制。Shakey具备一定人工智能，能够自主进行感知、环境建模、行为规划和控制，这也成了后来机器人和自动驾驶的通用架构。1977年，日本筑波机械程实验室的S.Tsugawa和他的同事们开发出了第一辆基于摄像头来检测导航信息的部分智能驾驶汽车，这是所知最早的使用视觉设备进行智能驾驶的尝试。20世纪80年代到90年代，伴随着计算机、机器人控制和传感等技术的突破，自动驾驶技术进人了一个快速发展的阶段。这一时期的显著特点是军方、大学、汽车企业之间开展了广泛的合作，成功研发了多辆自动驾驶汽车原型。最具代表性的成果要数美国卡内基·梅隆大学的Navlab系列智能车辆、德国慕尼黑联邦国防军大学的VaMoRs-P系列智能车辆和意大利帕尔马大学VisLab视觉实验室的ARGO试验车。为了推进无人驾驶技术更快、更好地发展，DARPA于2004年~2007年共举办了3届DARPA无人驾驶挑战赛。2009年，谷歌公司宣布，由斯坦福人工智能实验室前主任、谷歌街景的联合发明人SebastianThrun领导组建一支团队，开始研发智能驾驶技术。奥迪、福特、沃尔沃、日产、宝马等众多汽车制造厂商也于2013年开始相继在智能驾驶汽车领域进行了布局。2015年10月，特斯拉推出了半自动驾驶系统Autopilot，Autopilot是第一个投入商用的自动驾驶技术。2016年，通用汽车收购了自动驾驶技术创业公司CruiseAutomation，正式进入无人驾驶领域。2018新款奥迪A8是全球首款量产搭载Level3级别的自动驾驶系统的车型，实现Level3级自动驾驶，使驾驶员在拥堵路况下可以获得最大限度的解放。2021年12月13日，特斯拉推出了全自动驾驶FSD软件的10.6.1Beta版本，提高了对物体检测的精度和速度。2024年3月31日，特斯拉向美国部分用户推送FSDV12（Supervised）版本，是全新的“端到端自动驾驶”，完全采用神经网络进行车辆控制，从机器视觉到驱动决策都将由神经网络进行控制。国外智能驾驶技术发展较早，到如今已有比较成熟的体系，多家公司有自主研发的软硬件系统，现如今国外出色的公司还有Waymo、Uber、ARGO、AI、Aurora和Zoox等。国内智能驾驶的发展历程我国对智能驾驶的研究与美、欧等发达国家相比起步稍晚，从20世纪80年代末才开始。清华大学在国防科工委和国家863计划的资助下，从1988年开始研究开发THMR系列智能车，THMR-Ⅴ智能车能够实现结构化环境下的车道线自动跟踪。20世纪80年代，“遥控驾驶的防核化侦察车”项目由哈尔滨工业大学、沈阳自动化研究所和国防科技大学三家单位共同参与研究。“八五”期间，北京理工大学、国防科技大学等五家单位联合研制成功了ATB-1自动驾驶车辆，这是我国第一辆能够自主行驶的测试样车，其行驶速度可以达到21km/h。ATB-1的诞生标志着我国智能驾驶行业正式起步并进入探索期。2011年7月，由一汽集团与国防科技大学共同研制的红旗HQ3首次完成了286km的面向高速公路的全程无人驾驶试验，实测全程自主驾驶平均速度87km，创造了我国自主研制的智能驾驶车辆在复杂交通状况下自主驾驶的新纪录。这标志着我国智能驾驶车辆在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破。2012年11月，由中国人民解放军陆军军事交通学院研制的“军交猛狮Ⅲ号”以无人驾驶状态在高速公路行驶114km，最高时速为105km/h。该车在其车顶安装了复杂的视听感知系统，车内装有由两台计算机和一台备用计算机组成的执行系统来处理视听感知系统获得的信息，让车辆可以自主进行加速、制动、换档等动作，实现了无人工干预的智能驾驶。2015年12月，百度公司对外宣布其智能驾驶汽车已在国内首次实现城市、环路及高速公路混合路况下的完全自动驾驶。百度智能驾驶汽车往返全程均采用自动驾驶，并实现了多次跟车减速、变道、超车、上下匝道、掉头等复杂驾驶动作以及不同道路场景的切换，测试时最高速度达到100km/h。2016年4月17日，长安汽车宣布完成2000km超级自动驾驶测试项目。长安汽车此次长距离自动驾驶测试总里程超过2000km，从重庆市出发，在历时近6天，途经四川、陕西、河南、河北等省后，最终抵达北京市。根据长安汽车智能汽车技术发展规划复杂城市路况的完全自动驾驶汽车计划于2025年实现量产。2016年6月7日，由工业和信息化部批准的国内首个“国家智能网联汽车（上海）试点示范区”封闭测试区正式开园运营，这意味着我国的智能网联汽车行业从国家战略高度正式进入实际操作阶段。同年，中国智能汽车大赛举办。2020年2月，国家发展改革委、中央网信办、工业和信息化部等11个部委联合发布《智能汽车创新发展战略》，指出智能汽车已成为全球汽车产业发展的战略方向，发展智能汽车对我国具有重要的战略意义，需要从关键技术、测试评价、应用示范基础设施、网络通信、标准法规、质量监督、网络安全等方面确保2025年实现有条件自动驾驶（L3）的智能汽车达到规模化生产，高度自动驾驶（L4）的智能汽车在特定环境下市场化应用。2020年，作为第一个重要节点，我国总结过去自动驾驶发展取得的进展，并展望了5年，重新制定自动化分级标准。2020-2022年推出一系列政策，针对性地对产业链完善、场景化应用、具体技术创新做出发展指引。2022年7月，深圳迎来了划时代的“我国首部L3级自动驾驶法规”，9月，上海出台政策对L3级实际落地和L4级商业化应用提供了支持。2021年起，在一些头部造车新势力的影响下，各主机厂陆续推出适用于高速公路和城市快速路场景的高速NOA功能。从2022年起，NOA的应用场景从高速推广到城区，得益于“BEV+Transformer”的普及，2023年是城市NOA群雄逐鹿的一年。2023年11月，工信部、公安部、住建部、交通运输部4部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》。该试点是对L3和L4级智能网联汽车的准入和上路而发布的指导性文件。试点明确了法律责任的定义，迈出了一大步，后面还会边试点边完善，但毫无疑问，制约国内智能驾驶商业化推进的核心问题已经得到基本解决，扫清了高阶智驾法律障碍，政策瓶颈打开后车企布局将加快，国内智能驾驶的商业化将迎来快速发展。智能驾驶汽车的出现不仅仅是汽车行业的技术革命，更是人类社会出行方式的革命。作为汽车行业的领头羊，中国汽车产业正在积极探索智能驾驶汽车的发展之路，为人类出行带来更便捷、更安全、更舒适的体验。随着智能化技术的不断成熟和普及，智能驾驶汽车已经成为汽车行业发展的必然趋势。从L2级辅助驾驶到L3级自动驾驶，汽车的智能化水平不断提升，为人们的出行带来了更多的便利和安全。虽然无人驾驶或许还为时尚早，但智能驾驶时代已经到来，这将彻底改变人们的出行方式和生活方式。智能驾驶的等级国外智能驾驶的等级国际及主要汽车产业国家和地区的标准法规组织广泛开展汽车智能驾驶分级的研究。美国高速公路安全管理局（NHTSA）在2013年率先提出将汽车驾驶自动化分为无自动化、特定功能自动化、组合功能自动化、有条件自动化和完全自动化共5个等级；德国联邦交通研究所（BASt）根据研究，将汽车驾驶自动化分为仅驾驶员、辅助驾驶、部分自动驾驶、高度自动驾驶以及完全自动驾驶共5个等级；美国汽车工程师学会（SAE）发布的SAEJ3016标准提出了0-5级分类法，将汽车驾驶自动化分为从无自动化（L0级）直至完全自动驾驶（L5级）在内的6个等级。其中，SAEJ3016是国际上影响最大、应用最广泛的分级标准，截至目前已发布4个版本：2014版首次提出0-5级分类框架和原则，2016版主要增加设计运行范围（ODD）定义并具体说明动态驾驶任务（DDT）等内容，2018版和2021版主要完善术语描述并对标准使用中的常见问题进行解释说明。根据汽车驾驶系统智能化水平的高低，美国汽车工程师学会（SAE）将驾驶自动化分为L0~L5六个等级，如REF_Ref167451587\h图4-1-3所示。图4-1-SEQ图4-1-\*ARABIC3SAE对驾驶自动化的分级Level0（L0），无自动化，车辆没有辅助系统，驾驶员执行所有操作任务，需要全神贯注，手眼脚并用。Level1（L1），驾驶辅助，系统有时能够辅助驾驶员完成某些驾驶任务，但驾驶员仍然可以处理所有的加减速、制动和周围环境监控。Level2（L2），部分自动驾驶，系统能够完成某些驾驶任务，但驾驶员需要监控驾驶环境，完成剩余部分操作，同时保证出现问题时随时进行接管。该等级的错误感知和判断由驾驶员进行纠正Level3（L3），有条件自动驾驶，系统既能完成某些驾驶任务，也能在某些情况下监控驾驶环境，但在系统请求时驾驶员需准备好重新取得驾驶控制权。该等级驾驶员还需保持一定的监管。Level4（L4），高度自动驾驶，系统在某些环境和特定的条件下，能够完成所有驾驶任务并监控驾驶环境。该等级对应的运行范围内，感知外界的责任全在系统，和驾驶员没有关系。Level5（L5），完全自动驾驶，系统在所有条件下都能完成所有驾驶任务。中国智能驾驶的等级SAEJ3016有关驾驶自动化分级的概念一经提出便引起各方关注，被包括我国在内的全球汽车产业广泛应用。然而，由于SAEJ3016基于国外技术及产业实践制定，造成了我国汽车行业对于分级的理解不准确、定义不统一、应用不规范，在一些文件中使用的分级概念甚至与其参考标准的制定初衷存在较大差异，给政府行业管理、企业产品开发及宣传、消费者认知及使用等带来不便。在政策和市场的双擎牵引下，我国汽车驾驶自动化技术发展迅速，产业模式正在示范应用中不断走向成熟，企业的产品量产计划全面提上日程，亟需制定我国自主的汽车驾驶自动化分级标准。2017年，由工业和信息化部提出，汽标委智能网联汽车分标委组织行业骨干单位启动了该标准的研制工作。2021年8月20日，由工业和信息化部提出、全国汽车标准化技术委员会归口的GB/T40429-2021《汽车驾驶自动化分级》推荐性国家标准由国家市场监督管理总局、国家标准化管理委员会批准发布（国家标准公告2021年第11号文），并于2022年3月1日起实施。该标准为《国家车联网产业标准体系建设指南（智能网联汽车）》规划的分类和编码类推荐性国家标准项目（体系编号102-3），规定了汽车驾驶自动化分级遵循的原则、分级要素、各级别定义和技术要求框架，旨在解决我国汽车驾驶自动化分级的规范性问题。标准范围该标准规定了汽车驾驶自动化功能的分级。本标准适用于具备驾驶自动化功能的Ｍ类、Ｎ类汽车，其他类型车辆可参照执行。分级原则基于驾驶自动化系统能够执行动态驾驶任务的程度，根据在执行动态驾驶任务中的角色分配以及有无设计运行范围限制，将驾驶自动化分成0级至5级。分级要素基于以下6个要素对驾驶自动化等级进行划分：1）是否持续执行动态驾驶任务中的目标和事件探测与响应。2）是否持续执行动态驾驶任务中的车辆横向或纵向运动控制。3）是否同时持续执行动态驾驶任务中的车辆横向和纵向运动控制。4）是否持续执行全部动态驾驶任务。5）是否自动执行最小风险策略。6）是否存在设计运行范围限制。级别定义在汽车驾驶自动化的6个等级之中，0-2级为驾驶辅助，系统辅助人类执行动态驾驶任务，驾驶主体仍为驾驶员；3-5级为自动驾驶，系统在设计运行条件下代替人类执行动态驾驶任务，当功能激活时，驾驶主体是系统。各级名称及定义如下：1）0级驾驶自动化（应急辅助，emergencyassistance）系统不能持续执行动态驾驶任务中的车辆横向或纵向运动控制，但具备持续执行动态驾驶任务中的部分目标和事件探测与响应的能力。在这一阶段，自动驾驶系统可以感知环境，并提供提示信息或短暂介入车辆控制以辅助驾驶员安全驾驶车辆，如前方碰撞预警（FCW，如REF_Ref167451604\h图4-1-4所示）、车道偏离预警（LDW）和自动紧急制动（AEB）等均具有一定“自动化”属性且多应用于安全应急场景的功能都可以归类为0级驾驶自动化。图4-1-SEQ图4-1-\*ARABIC4前方碰撞预警（FCW）2）1级驾驶自动化（部分驾驶辅助，partialdriverassistance）系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向或纵向运动控制，且具备与所执行的车辆横向或纵向运动控制相适应的部分目标和事件探测与响应的能力。这一级别的自动驾驶要求驾驶员要接管并操作除了系统接管车辆以外的全都事项。目前市面上被定义为1级自动驾驶的配置有自适应巡航控制（ACC，车辆会根据驾驶员的设置自动调整与前车的距离，如REF_Ref167451618\h图4-1-5所示）和车道保持辅助系统（LKA，当车辆偏离车道时，LKA会持续提醒驾驶员，并配合转向系统自动纠正）等。图4-1-SEQ图4-1-\*ARABIC5自适应巡航控制（ACC）3）2级驾驶自动化（组合驾驶辅助，combineddriverassistance）系统在其设计运行条件下持续地执行动态驾驶任务中的车辆横向和纵向运动控制，且具备与所执行的车辆横向和纵向运动控制相适应的部分目标和事件探测与响应的能力。在这一阶段，自动驾驶系统可以完成更多的驾驶场景，这一级别要求车辆可以在合适的情况下取代驾驶员，独立控制车辆的转向和速度，完成变道等任务。和部分驾驶辅助相同的是，在这一阶段，驾驶员与自动驾驶系统可以同时执行车辆的驾驶任务，驾驶员需要充当安全员的角色，监管自动驾驶系统的驾驶行为，如所示，驾驶员可以随时介入自动驾驶汽车的驾驶行为，并立即解除自动驾驶系统的控制权，如果遇到危险，驾驶员需要立刻介入，以保障安全驾驶。目前市面上被定义为2级自动驾驶的配置有全自动泊车系统和领航辅助驾驶(NOA)等。4）3级驾驶自动化（有条件自动驾驶，conditionallyautomateddriving）系统在其设计运行条件下持续地执行全部动态驾驶任务。在这一阶段，自动驾驶系统已经可以独立完成部分驾驶场景中的自动驾驶的功能，驾驶员只需要充当安全员的角色，监管自动驾驶系统的驾驶行为。自动驾驶系统只需要在遇到不能完成驾驶行为的场景或自动驾驶系统功能失效时，向安全员提出请求让其介入驾驶行为，在请求安全员介入驾驶行为的过程中，自动驾驶系统仍然可以独立完成一段时间的驾驶，以便让安全员做好接管的准备；如果安全员长时间没有根据自动驾驶系统要求接管车辆，自动驾驶系统可以适时采取避免车辆发生危险的措施。此外，自动驾驶系统还可以识别安全员驾驶车辆的能力，如果不满足要求，自动驾驶系统可以立即发出介入驾驶行为的请求。5）4级驾驶自动化（高度自动驾驶，highlyautomateddriving）系统在其设计运行条件下持续地执行全部动态驾驶任务并自动执行最小风险策略。在这一阶段，自动驾驶系统可以独立完成规定的驾驶场景(如园区、学校等)中的自动驾驶功能，驾驶员依旧需要充当安全员的角色，监管自动驾驶系统的驾驶行为。自动驾驶系统在遇到不能完成驾驶行为的场景或自动驾驶系统功能失效时，会向安全员提出请求让其介入驾驶行为，如果安全员对请求不做响应、安全员不满足驾驶车辆能力要求或安全员要求自动驾驶系统控制车辆到最小风险状态，自动驾驶系统可以自行将车辆控制到最小风险状态下。高度自动驾驶的车辆已经可以不需要转向盘，驾驶员只需要对车辆的驾驶自动化系统进行简单操作即可。目前市面上被定义为4级自动驾驶的场景有无人配送车、港口/机场/矿区物流车等。6）5级驾驶自动化（完全自动驾驶，fullyautomateddriving）系统在任何可行驶条件下持续地执行全部动态驾驶任务并自动执行最小风险策略。这一级别的自动驾驶程序全程不需要“驾驶员”操作，或者可以说根本就没有驾驶员的存在。系统在任何可行驶条件下持续地执行全部动态驾驶任务并自动执行最小风险策略。在这一阶段，自动驾驶系统可以独立完成所有驾驶场景中的自动驾驶功能，驾驶员可以充当安全员的角色，监管自动驾驶系统的驾驶行为。自动驾驶系统已经以保障车内乘员的安全，在遇到不能完成驾驶行为的场景或自动驾驶系统功能失效时，会向安全员提出请求让其介入驾驶行为，如果安全员对请求不做响应或安全员要求自动驾驶系统控制车辆到最小风险状态，自动驾驶系统可以自行将车辆控制到最小风险状态下。智能驾驶系统的组成智能驾驶系统由环境感知层、决策规划层和控制执行层三部分组成。如果将其类比人类，环境感知层相当于人的五官，感知周围的环境，搜集数据传输到决策规划层；决策规划层相当于人的大脑，处理数据，输出相应的操作指令给控制执行层；控制执行层相当于人的四肢，执行大脑给出的指令。环境感知层环境感知层的主要功能是通过车载环境感知技术、卫星定位技术、V2X无线通信技术等,实现对车辆自身属性和车辆外在属性（如道路、车辆和行人等）的静动态信息的提取和收集，并向决策规划层输送信息。车载环境感知目前主要有纯视觉路线和融合感知路线两种方案。纯视觉路线认为，仅用摄像头就能完成路面信息的收集、侦查、识别任务，不需要与激光雷达绑定。算法系统仅需要从模拟中穷举场景，建模理解信息再做出判断，就可以保障智能驾驶运行。融合感知路线认为，依靠单一视觉系统会出错，仅凭借“眼睛”无法即时精准而全面地收集到信息，应该采用全方位、多种类的感知系统。除摄像头外，还需要毫米波雷达、超声波雷达、激光雷达。毫米波雷达的穿透性强，超声波雷达短距离精度高，能帮助车辆应对复杂的天气与环境。而在L3级以上的高级别自动驾驶，装配精度高、稳定性强的激光雷达成为共识。激光雷达是上述两类路线的争议核心，也是高级别自动驾驶需要突破的痛点。激光雷达先把激光发射到目标物体上，再收集和建模处理反射回来的激光，得到车辆、行人等具体形态，最后扫描形成更加完整的图像。主要有四种路线：机械式、闪光雷达、OPA相控阵、混合式。混合式方案相对成熟，又分为MEMS微振镜与转镜两种，MEMS路线成本和工艺门槛低，又容易过车规认证，有望在未来成为主流解决方案。转镜路线已经成熟落地，是行业龙头法雷奥和主流激光雷达厂商在前装市场的选择。激光雷达市场取得较大突破，众多产品装车落地。决策规划层决策规划层的主要功能是接收环境感知层的信息并进行融合，对道路、车辆、行人交通标志和交通信号等进行识别，并对车辆和行人进行行为预测，决策分析和判断车辆驾驶模式和将要执行的操作，最后向控制执行层输送指令。它主要分为三大软件层和芯片硬件层，如REF_Ref167451638\h图4-1-6所示。上层的软件，负责最表层的信息和数据处理，人机交互，由底层的操作系统管理提供支持。中间层的中间件连接上下层，直接与操作系统交互，保障所有部分的快速通讯和运行。最终由硬件层的智能驾驶AI芯片执行算法和数据处理运算。从产业链发展来看，上层应用软件算法、中层中间件、和AI芯片是技术挑战最多的环节。图4-1-SEQ图4-1-\*ARABIC6决策规划层上层：应用软件决策系统三大软件层，上层是应用软件，算法复杂，为实现各种场景下的自动驾驶功能，需要海量的模型搭建、道路测试、模拟数据来完成开发。特斯拉依靠全栈式自研AI平台实现领先。国内主要应用软件开发是基于共享的深度学习网络，国内整车厂、Tier1、科技巨头正在积极发力，实现海量数据积累和用户规模效应，也在数字孪生、仿真测试领域上探索，未来独立建立算法平台是趋势。中层：中间件中层是中间件，是解决不同供应商软硬件兼容性问题的核心，也是域控制器产品中技术壁垒最高的环节。通过集成的AutoSAR汽车开发系统架构，连接上层应用软件和底层操作系统，实现交互。中间件的开发需要投入极高的时间、人力和财务成本，此外，还需要与多家供应商长时间合作来进行产品兼容性调试与匹配。中间件准入门槛高，AutoSAR框架从2003年建立至今，联盟包含近200家企业，只有9家核心企业和63家一级会员能实际参与到开发模式的筹划、管理和调控。我国有百度、华为、经纬恒润、国汽智控等8家是一级会员，完成中间件的自主替代是长期较为艰巨的任务。底层：操作系统底层是操作系统，管理和控制车载硬件和软件资源，分基础型和定制型。基础型操作系统有QNX、Linux、WinCE、Android等，约75%的自动驾驶底层操作系统使用的是QNX系统。定制型操作系统是在基础系统上再深度开发、定制化。百度车载OS、大众VW.OS都属于此类，整车厂可以和百度、华为等科技企业合作开发。硬件：智能驾驶AI芯片硬件层的智能驾驶AI芯片，是汽车智能驾驶行业关注的核心。发展智能AI芯片存在三方面挑战：一是行业进入壁垒高，汽车芯片研发验证周期长、资金投入大，切换供应商存在失败风险，多数整车厂选择与先发的海外芯片厂深度绑定；二是研发技术难度大，智能驾驶AI芯片不同于传统汽车域控制器的32位MCU芯片，在算力、性能、功耗、操作系统方面的要求显著提高，导致研发成本和制造工艺攻坚困难；三是海外政策变量多，2020年以后，美国出台《芯片法案》等政策规划，旨在将半导体产业链重新迁回美国，2022年后，又发出多项出口限制、投资限制禁令，针对EDA芯片涉及软件、DRAM存储芯片等诸多领域，旨在遏制我国半导体行业发展。未来我国智能驾驶AI芯片关键技术实现独立自主，需要攻坚克难、突破“卡脖子”技术。AI芯片主要有四种算法支持技术路线：封闭算法、提供工具链、自研、提供硬件平台，长期来看全栈自研和平台化硬件可能是较优路径。全球第一梯队厂商有英特尔、英伟达等，国内芯片厂商也逐步具备智能驾驶辅助芯片自给能力。从高阶自动驾驶能力来看，目前拥有200TOPS以上算力AI芯片的厂商有英伟达、英特尔、高通、华为等少数几家。华为昇腾910在2022年8月正式推出，算力达到640Tops。国内其他芯片厂商如地平线、黑芝麻等企业也在陆续发力。控制执行层智能驾驶控制执行层，主要功能是按照决策规划层的指令，对车辆的驱动、转向和制动进行操作和协同控制，保障汽车安全行驶和舒适驾驶。线控驱动技术已经比较成熟。随着智能驾驶的级别提高，L3及以上级别自动驾驶要求驾驶员部分或全程脱离驾驶操控，转向和制动系统要部分或全面实现自动化。线控转向和线控制动技术升级是智能驾驶发展重点和难点之一。目前乘用车主要有两种转向技术，电动助力转向EPS和线控转向SBW，线控转向最大区别是取消了方向盘和转向轮之间的物理连接，也就是转向可完全由算法控制，可以脱离方向盘、根据自动驾驶的转向要求独立转向。线控转向反应速度快、能耗低，是实现完全自动驾驶必要一环，但技术仍待成熟，未来成本优化以实现量产。由于新能源汽车失去了由发动机产生的真空压力来源，也倒逼了制动系统升级。线控制动主要有电子液压制动EHB、电子机械制动EMB等路径。前者保留了液压系统，以电子助力器取代真空助力器，成本低，但响应速度较长，且有制动液泄漏风险。电子机械制动技术EMB无液压系统，制动力由电机提供，更先进，反应时间更短，安全优势突出，无泄露风险，有利于轻量化和降噪，能量回收效率更高。国际厂商博世，国内厂商伯特利、拿森等都在线控制动领域占据一席之地。控制执行层完成智能化升级，需要降低线控转向和制动系统成本，联动路面信息反馈系统，减少对传统汽车时代零部件系统粘性，进一步提高整车厂、零部件供应商升级的积极性。智能驾驶的主要应用场景智能驾驶正在快速发展阶段，目前的应用场景主要有无人配送、RoboTaxi、RoboBus、港口智能驾驶、干线物流等。无人配送对于无人配送场景而言，应该是目前落地难度最低、利润回报较高的场景之一。这方面的代表企业包括美团、阿里菜鸟、京东等等，都是与自身业务有着切实相关的企业。另一方面这些互联网企业对于自动驾驶技术有着独到领先的理解，打通园区内封闭场景下的低速无人驾驶对他们而言不算难事。并且，无人配送的前景十分广阔，市场规模巨大。面对如此诱惑的市场，互联网巨头们当然不会放过，从美团的魔袋20（如REF_Ref167451702\h图4-1-7所示）到阿里的小蛮驴，再到京东的第四代无人配送车，企业纷纷推出自己最得意的无人配送车产品，实现了封闭园区内的商业化落地。图4-1-SEQ图4-1-\*ARABIC7美团魔袋20最终，借助无人驾驶技术，除了封闭园区内的无人配送外，装卸、运输、收货、仓储、运送等物流作业流程也将逐渐实现无人化和机器化，促使物流配送领域整个产业链降本增效，革新升级。安全员日常可以远程一对多地监控车辆的实时状态及周边环境，减少人力成本，当车辆出现状态异常或故障时，安全员可以通过远程监控功能对车辆进行辅助决策和处理，比如车辆恢复到自动驾驶模式、或者切换到远程驾驶模式等。作为智能驾驶最有希望率先落地并实现盈利的场景之一，无人配送无疑吸引了巨大的市场目光，而随着后续政策法规的逐步放宽，在公开道路中我们也可以看到无人配送车的身影，将极大方便我们的日常生活。RoboTaxi谈起智能驾驶，无法绕过的便是它的终极目标——RoboTaxi（无人自动驾驶出租车）。它是利用无人驾驶技术，实现无需人工司机的自主驾驶，为乘客提供出租车服务。用户可以通过手机APP呼叫RoboTaxi，享受智能化定位、停靠、路线规划、费用结算等功能。相比传统出租车，RoboTaxi具有更高效、更便捷、更安全、更环保的特点。不同于其他的应用场景，RoboTaxi面临的实际道路情况最为复杂，速度也较高，同时对安全性的要求也最高。可以说，作为智能驾驶的终极考验，谁能率先实现RoboTaxi的常态化运营，谁也就坐稳了智能驾驶中国老大的地位。在这方面，国内自动驾驶老大哥百度以及新生代力量的代表小马智行，他们处于行业内的独一档。从年底北京率先给这两家企业开通资质，来实现北京固定范围内的RoboTaxi商业化运作便能知晓如今他们在中国自动驾驶圈的地位。作为国内最早涉足自动驾驶领域的企业，百度在RoboTaxi中的投入无疑是巨大的。2022年，百度就在长沙打造了一个“车企-政府-科技公司”的铁三角模式——长沙为ApolloGo项目提供45张测试牌照，进而在当地形成智能驾驶生态圈，一汽红旗提供RoboTaxi前装量产的产线，百度Apollo提供自动驾驶与车路协同的软硬件系统，如REF_Ref167451710\h图4-1-8所示。图4-1-SEQ图4-1-\*ARABIC8萝卜快跑然而，对于仍需要安全员帮助规避驾驶风险的RoboTaxi来说，人和车的成本居高不下，大规模的车辆部署难以推进，这是目前所有涉足RoboTaxi领域的企业都将面临的难题。但即便如此，依然有着企业愿意为之付出努力，将中国的自动驾驶技术持续向前推进。RoboBus无人驾驶公交车（RoboBus），是一种运用无人驾驶技术的公共交通工具，能够在固定的路线上运行，为乘客提供从站点到站点的服务。对于公共交通而言，线路固定、车速慢、专道专用等特性，使其天然成为自动驾驶理想化的落地场景。RoboBus不仅能帮助缓解主干道的交通压力，还能灵活应对突发状况，实现行人车辆检测、减速避让、紧急停车、障碍物绕行变道、自动按站停靠等功能。目前，包括百度、文远知行、轻舟智航等在内的自动驾驶公司都对该场景有丰富布局。2021年2月27日，轻舟智航的龙舟ONE在苏州Robo-BusQ1路增加高峰期运力，覆盖出行高峰；2022年8月，百度阿波龙Ⅱ正式发布，新车在算力、传感器配置、冗余安全（车路协同+5G云代驾）、座舱交互等方面做了进一步的提升，ODD也从封闭、半封闭园区进阶扩大到了开放道路，能够安全应对无保护左转、车流择机变道、路口通行等城市开放道路复杂场景。文远知行和宇通联合开发的无人驾驶微循环小巴，也于2022年4月批量下线，在广州、南京、郑州等地开展常态化测试，如REF_Ref167451716\h图4-1-9所示。图4-1-SEQ图4-1-\*ARABIC9文远小巴RoboBus在不久的将来，越来越多的城市都将看到RoboBus的身影，智能驾驶普惠大众出行的愿望正初步照进现实。港口智能驾驶对于智能驾驶技术而言，港口智能驾驶是典型的封闭+低速运营的场景，如REF_Ref167451732\h图4-1-10所示。速度在30km/h以下的智能驾驶集卡，能够行驶在塔吊和堆场之间，负责运输集装箱。对港口而言，智能驾驶也能通过经济可行的方案，实现已建集装箱水平运输自动化，有效解决传统人工驾驶时，行驶线路不精准、转弯视线盲区、司机疲劳驾驶等问题，是理想的降本增效技术。目前国内落地智能驾驶项目的港口主要有上海港、青岛港、天津港、宁波舟山港等，与港口合作参与自动驾驶应用项目的企业，一方面是近两年来国内涌现出的包括西井科技、主线科技等港口自动驾驶公司，另一方面是上汽集团、一汽集团、三一重工等汽车产业公司也在积极布局。图4-1-SEQ图4-1-\*ARABIC10港口智能驾驶在未来，得益于二者共用商用车底盘等硬件，在车规工程化方面也可以共通，港口智能驾驶有望能以点带面，延伸到干线物流。港口规模化商业运营可以快速积累和迭代算法能力、工程能力、运营能力、商业化能力，并向外集卡、干线物流延伸。干线物流干线物流（如REF_Ref167451848\h图4-1-11所示），即借助无人驾驶进行运输、收货、仓储、运送的物流作业流程。干线物流能够实现货物点到点运输，行驶速度可以高达80-120km/h，我国将为其铺设专用的智慧道路。如此高的行驶速度，得益于干线物流场景中，机动车运行线路与非机动车隔离，能降低自动驾驶车辆的感知及决策难度。因此该场景也是无人驾驶行业起步以来，各大企业，尤其电商快递企业的必争之地。2022年，干线物流已经经历从L2／L3向L4／L5演进的发展路线，其中L3级自动驾驶在干线物流领域已经开始产生商业价值。一汽解放、东风商用车、中国重汽均在2018年4月发布了L4级无人驾驶电动卡车试运营落地；图森未来的5辆无人集卡车队同一时间也正式进入商业试运营阶段。此后，苏宁、京东等电商企业陆续宣布完成无人驾驶物流作业测试及商业化试运营部署，百度、美团等互联网公司也推出无人驾驶物流车、配送车。图4-1-SEQ图4-1-\*ARABIC11图森未来无人驾驶卡车在未来，得益于我国物流行业及快递运送行业的飞速发展，干线物流的无人车配送将会吸引更多市场的眼光，同时，对于高速公开道路的场景，未来的政策法规将如何演变，如何对高速物流的无人配送行业进行限制，将影响未来相关企业的进程走势。典型智能驾驶系统介绍特斯拉智能驾驶系统特斯拉的智能驾驶系统分为三个版本：Autopilot（AP）、EnhancedAutopilot（EAP）和FullSelf-Driving（FSD）。AP，即特斯拉的自动辅助驾驶系统，目前特斯拉的所有车型均已标配此系统，无需额外购买。EAP代表增强版自动辅助驾驶，其功能介于自动辅助驾驶与FSD之间。而FSD即全自动辅助驾驶，功能最为完善，并可通过OTA软件升级不断增加新功能。FSD是特斯拉研发的自动驾驶系统，旨在实现车辆的完全自动驾驶。该系统经历了多个版本的迭代和更新，不断提高自动驾驶的精度和可靠性。FSD的环境感知采用纯视觉方案，整车搭载了8个摄像头，这8个摄像头可以实现超过1000种不同的感知预测功能。这些感知功能包括检测移动物体（例如行人、机动车辆、非机动车辆、动物等）、静止物体（例如车道线、道路标识、道路边缘、交通信号灯等）和行驶环境建筑物（例如学校区域、住宅区、收费站等）。其中每个功能下面还有若干附属功能，例如车辆检测还包括车辆的行驶状态、车门开启状态等子任务的检测，道路标识检测还包括如右转无需停车等细分类检测。FSD是一种创新的自动驾驶解决方案，与传统分模块方案有显著区别。在传统的自动驾驶系统设计中，感知模块负责通过各类传感器（如摄像头、雷达、激光雷达等）收集环境信息，识别道路、车辆、行人、交通标志等元素；规划模块基于感知模块提供的信息进行路径规划和决策制定；控制模块则依据规划结果执行具体动作，如调整车速、转向等。而特斯拉的端到端大模型，则打破了这种模块化的界限，构建了一个统一的神经网络架构，直接从原始传感器数据输入开始，经过深度学习算法处理后，一步到位输出对车辆的操控指令，包括转向角度、制动力以及加速力度等。这样做的好处在于减少了各模块间的信息传递延迟和误差累积，使得自动驾驶系统的反应更加敏捷、准确，同时也简化了系统结构，便于整体优化和训练。但同时，端到端的学习模式也带来了系统解释性相对较弱、问题定位相对困难等问题，这是技术发展中需要持续关注并解决的挑战。FSDV12在算法层面实现端到端，完全是由神经网络训练而成，没有任何一行人工写的规则代码。FSD采用了先进的神经网络架构，从机器视觉到驱动决策都由神经网络进行控制。该神经网络通过数百万个视频片段进行训练，以模仿人类司机的驾驶决策。FSD端到端的能力，即包含高速领航、城市道路领航和泊车三个域的智驾功能。特斯拉的FSD系统已在全球范围内向部分用户开放，并正在持续进行优化和改进。Waymo智能驾驶系统Waymo是谷歌母公司Alphabet旗下的自动驾驶技术公司，其智能驾驶系统已经经过了大量的测试和验证。Waymo的智能驾驶系统名为“WaymoDriver”，号称实现了L4自动驾驶能力。Waymo在超过25个城市的公共道路上行驶了超过2000万英里。另外还在模拟环境中行驶了数百亿英里。此外，Waymo正在美国经营L4自动驾驶出租车服务，真正的在没有司机的情况下运送乘客。Waymo的智能驾驶系统采用了先进