,2018-2019中国自动驾驶市场研究报告,2018年10月,2,分析定义与分析方法,数据说明整个算法的升级涉及到数据采集、清洗、计算的全过程：1、采集端：升级SDK以适应安卓7.0以上操作系统的开放API；通过机器学习算法，升级“非用户主观行为”的过滤算法，在更准确识别的同时，避免“误杀”。2、数据处理端：通过机器学习算法，实现用户碎片行为的补全算法、升级设备唯一性识别算法、增加异常设备行为过滤算法等。3、算法模型：引入外部数据源结合自有数据形成混合数据源，训练Ai算法机器人，部分指标的算法也进行了调整。,分析范畴 分析对象：中国自动驾驶行业。 本分析内容涉及的关键字：自动驾驶、人工智能、深度学习、传感器、芯片、算法等。 本分析内容的国家和区域主要包括：中国大陆，不包括港澳台地区,分析定义 中国自动驾驶行业：是指通过在车辆上搭载不同类型的传感器，实现车辆对周边交通状况的感知和识别，进一步通过芯片算法做出相应的决策，通过把决策信号传递给车辆控制系统的方式，对车辆实现不同级别的控制。2018/10/18,2018/10/18,3,中国自动驾驶市场发展概况中国自动驾驶市场发展现状中国自动驾驶市场未来趋势,010203,目录CONTENTS,2018/10/18,4,PART 1中国自动驾驶市场发展概况,2018/10/18,5,九成以上的交通事故因驾驶不慎导致，自动驾驶技术可减少交通事故发生率,90%超速酒后驾驶注意力不集中,020406,010305,驾驶原因疲劳驾驶随意变道未保持安全车距,规范驾驶,路径规划,减少因违反交通法规或酒驾、毒驾所造成的交通事故。,减少因超速或刻意缓慢,行驶造成的交通事故或交通拥堵。速度巡航,通过对全局和局部路径规划，选择最优路线到达目的地，,躲避交通拥堵。,防止因疲劳驾驶或驾驶员注意力不集中所导致的交通事故发生。机器操控,自动驾驶自动驾驶,分析认为，司机驾驶原因导致交通事故的占比超过90%，自动驾驶的出现可以减少因司机驾驶问题所导致的交通事故，大大提升出行安全，同时自动驾驶的实时路径规划可以为车辆选择最优的行驶路线，减少交通拥堵，提升交通运输效率。,2018/10/18,6,自动驾驶技术实现人类操控向车辆操控的转变，现阶段研发级别聚焦在SAE规定的L2-L4阶段,分析认为，实现人类控制向自动驾驶汽车转变将是一个漫长的过程，这里不仅是在技术层面的突破，更是各个国家在政策支持、交通驾驶环境以及通讯设施部署等方面的考量。,2018/10/18,7,全球多个国家为自动驾驶立法，提供强有力的政策支持,美国33个州开放自动驾驶路测，加州和亚利桑那州允许没有驾驶员陪同的自动驾驶汽车上路行驶,加拿大安大略省宣布允许在公共道路进行测试,德国通过自动驾驶路测法案瑞典完成自动驾驶公共道路测试规范初稿,法国第一批自动驾驶立法草案将于2018年年底制定完成芬兰批准自动驾驶公交车在公共道路上测试,中国9个城市出台自动驾驶路测政策，并陆续开放相关道路测试,日本颁布自动驾驶汽车道路测试指南，允许自动驾驶汽车路测,韩国韩国汽车管理法出台，允许自动驾驶汽车在城市道路上测试,荷兰开放自动驾驶道路测试，允许自动驾驶车辆无驾驶员陪同,英国提出自动和电动车辆法案，聚焦保险问题；在公共道路上的无人驾驶合法化丹麦修改“丹麦道路交通法案”，允许自动驾驶车辆在公路上测试,新加坡通过道路交通法修正案，允许自动驾驶汽车在公共道路进行测试,澳大利亚正为自动驾驶汽车制定全国性法律法规,2018/10/18,8,全国9城陆续出台自动驾驶法规，北京成为首个出台自动驾驶法规的城市2017年12月，北京市印发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）和北京市自动驾驶车辆道路测试管理实施细则（试行），成为全国首个出台自动驾驶路测指导意见和管理细则的城市。此后，又有8个城市陆续出台了相关路测指导意见。管理机构职责成立联席工作小组，负责自动驾驶路测实施与监督工作测试申请条件按测试主体、驾驶人员和驾驶车辆分别提出路测申请条件,测试申请流程提供城市自动驾驶路测申请材料和申请流程说明测试管理自动驾驶路测实施过程中的规章制度及监管细则违规操作责任自动驾驶测试主题违规操作责任认定及相关处罚措施,北京,9,自动驾驶分阶段实现，基于传感器和人工智能算法是现阶段研发重点，V2X车联网环境助力自动驾驶智能化升级,汽车视觉,传感器组合摄像头（单目/双目/三目）毫米波雷达超声波雷达激光雷达（机械/固态）,车辆定位GPS卫星定位高精度地图（ADAS级/HAD级）,V2X车联网环境（V2I/V2V/V2P）5G通讯网络2018/10/18,阶段一,阶段二,通过传感器组合实现对周边环境的探测，通过车辆定位技术实现车辆精准定位。该阶段实现自动驾驶依赖传感器成本的降低和人工智能算法的准确性。,在第一种自动驾驶路径的基础上，通过V2X技术实现车车通信、车路通信等场景的数据传输，在车辆探测到交通状况之前，提前获取路网信息，进行后台决策。,渐进式（ADAS）a. 车企/OEM主导b. 研发成本低（传感器、算法）跨越式（L4以上）a. 科技企业主导b. 技术壁垒高（传感器、高精地图、算法）,人工智能算法行驶路径规划车辆行为规划,车辆控制加速、制动变道、转向,特点 不依赖智能基础交通设施建设，因此该路径更接近商业化； 强调对周边环境的识别精度，因此更加注重对传感器组合和车辆定位,的准确性； 仅通过传感器感知路况，缺少对交通数据的获取，更加依赖人工智能算法。,特点 优先感知前方路网信息，提前规划路线或对车辆做出速度调整，提高出行效率，增加乘车舒适度，避免急减速等状况出现； 依赖交通基础设施的智能化改造和通讯网络的全面布局，因此第二种自动驾驶路径的落地时间不确定，但却是全面实现无人驾驶的必由之路。,2018/10/18,10,自动驾驶行业壁垒高，解决方案围绕三个技术层面展开研发,环境感知,交通识别,路径规划,执行指令,感知层自动驾驶感知层通过多种传感器实现车辆对周边交通主体的感知。,激光雷达,毫米波雷达,超声波雷达,摄像头,识别道路标识,近距离测距,感知前车速度,三维场景成像,算法+芯片,感知数据,路径决策,Step1：分析传感器感知数据，识别交通状况；Step2：根据交通状况，进行路线规划。,决策层自动驾驶决策层分为交通识别和路径规划，以芯片作为载体搭载算法技术实现。,控制层自动驾驶执行层将驾驶指令通过车辆控制系统传至各个电子控制单元，实现车辆控制。,车辆,总线,车速,转向,制动,指令,控制,电子,信号ECU,分析认为，自动驾驶是一个拥有很高技术壁垒的行业，其技术架构包括了车辆感知的传感器组合、车辆决策的自动驾驶算法和芯片技术、还有车辆控制所涉及到的线控技术。,2018/10/18,11,感知层：多传感器融合是实现车辆环境感知的主流方式，各类传感器在各自应用场景下实现特定功能,激光雷达应用场景：车辆行驶过程功能：周边场景3D图像测绘,毫米波雷达应用场景：车辆行驶过程功能：车辆、行人探测，识别速度和距离变化,超声波雷达应用场景：泊车、刹车辅助功能：近距离探测，提高车辆对盲点区域的掌控,摄像头应用场景：车辆行驶过程功能：车道探测、交通标识探测、行人探测,成本低根据物体形状识别分类识别精度高、距离远,成本低测距方法简单,全天候工作识别运动轨迹探测被遮挡物体,探测范围广，识别精度高建立3D模型可夜间使用,劣势,易受光线、环境影响,传播速度易受天气影响探测方向性差,无法识别静止非金属物体,成本高恶劣天气影响识别精度,多传感器融合优势,2018/10/18,12,决策层：算法是自动驾驶技术的“大脑” ，反复训练使其在应用阶段有效处理数据，识别交通环境完成路径规划,应用阶段,训练阶段,自动驾驶算法训练可以提升自动驾驶算法与传感数据之间的协同。通过实际路测和虚拟路测两种路径，完善算法的环境感知和路径规划能力，将可能发生的事故率降到最低。,数据融合、处理,实际路测,虚拟路测,决策矩阵算法（AdaBoost）聚类算法（K-means）模式识别算法（PCA、HOG、SVM）回归算法（决策森林、神经网络、贝叶斯）,搭载自动驾驶解决方案的车辆在真实的交通环境下行驶,并进行测试。,自动驾驶解决方案在虚拟环境下进行多种低频、危险系,数高的场景测试。,算法训练,路径规划：根据GPS定位和电子地图信息，规划由起始点到目的地之间的最优路径驾驶行为规划：根据主车感兴趣道路及区域，动态规划最优行驶行为路线轨迹规划：根据车辆当前所处行车环境，规划车辆运动轨迹,分析认为自动驾驶算法是考验自动驾驶能力的重要环节，自动驾驶算法对数据处理、交通识别、路径规划以及安全出行意义重大。,交通识别 行车道、交通标志 车辆、行人, 障碍物 突发情况,1, 上层路径规划, 中层路径规划, 下层路径规划机器学习算法,路径规划,2,2018/10/18,13,线控转向：取消方向盘与车轮的机械连接,线控制动：机械制动取代传统液压制动系统,控制层：车辆控制是自动驾驶的“腿脚”，控制指令通过车辆总线实现驱动控制和车身控制,分析认为，车辆线控技术主要掌握在以博世、大陆为代表的tire1厂商手中，且对外开放程度低，国内的车辆线控技术缺失。因此，国内的自动驾驶解决方案研发更多集中在自动驾驶大脑研发。,加速、减速线控油门：以导线替代传统拉杆设计,左转、右转,刹车,控制指令,电子控制单元（ECU）,车 改变车轮转向角度，轮 控制车辆转向,制动系统,控制车速,控制制动,控制转向, 汽车总线：负责数据通讯，控制指令以电子信号的方式通过汽车总线传递给各环节的电子控制单元（ECU）,发动机节气门改变发动机节气门开度，控制混合气体流量，改变发动机转速和功率,改变制动器压力，控制,车辆制动,2018/10/18,14,PART 2中国自动驾驶市场发展现状,VI,D,F,时间,2018/10/18,15, 分析认为，自动驾驶市场是技术驱动型市场，自动驾驶落地后技术成熟与否直接关乎人类生命财产安全，整体市场需要更多的时间进行技术研发，中国城市道路复杂多变，自动驾驶研发商需反复训练算法，以便车辆更好地适应驾驶环境。高级别自动驾驶技术有望率先落地特定道路场景，如：货运物流、公共交通等，伴随车联网环境的完善，无人驾驶车辆上路可计日而待。,应用成熟期-H车联网环境部署完备，V2X数据联通助力无人驾驶技术落地,市场启动期(2024-2030),市场认可度,A,探索期(1991-2024)2011年起，国内不断 2017年11月，百度无人出现自动驾驶初创企业， 驾驶汽车在北京五环路专注于研发ADAS或L4 行驶，交通管理部门开级以上的自动驾驶解决 出中国第一张无人驾驶方案 罚单。12月，一些城市陆续开放路测自中国“八,五”开始，自动驾驶进入中国国防重点预研项目I,中国自动驾驶行业处于探索期，未来发展依赖政策环境、技术进展、基础设施建设等多方支持2018年中国自动驾驶市场AMC模型,B,C,IIE自动驾驶初创企业公布解决方案落地时间,高速发展期(2030-）L4级自动驾驶技术全场景落地，新车搭载相应的自动驾驶技术出厂VG,IV自动驾驶技术落地货运物流、公共交通等固定路线场景，政府出台相应政策明确道路法规,自动驾驶行业内整合速度加剧，收购事件频发，马太效应明显III,2018/10/18,16,自动驾驶“大脑”是自动驾驶行业的核心环节，承接环境感知与车辆控制，为车企和出行服务商提供自动驾驶解决方案,V2X-5G,环境感知激光雷达其他传感器（毫米波、摄像头、超声波）,车辆控制,自动驾驶“大脑”自动驾驶芯片场景：Robo-taxi,ADAS,国内车企国外车企场景：货运物流高精地图与定位服务造车新势力场景：低速、封闭式场景,线控技术车企,出行服务出行运营商,2018/10/18,17,自动驾驶行业投资集中在早期，单笔项目融资金额高,国、晨兴资本等参加了本轮投资。,投，元璟资本、云启资本、招银国际跟投。,Pony.ai（A轮）2018年1月，Pony.ai完成1.12亿美元A轮融资，本轮融资由晨星资本和君联资本领投，IDG、普华资本、联想资本等也参加了本轮投资，奇迹资本是本轮融资的独家FA。Pony.ai（A+轮）2018年7月， Pony.ai完成1.02亿美元A+轮融资，本轮融资由锴明投资和斯道资本领投，松禾资本、招商局资本、红点创投（中国）、红杉中,2018年中国自动驾驶单笔融资金额top3Roadstar.ai（A轮）2018年5月，Roadstar.ai完成1.28亿美元A轮融资，折合人民币8.12亿元，达到自动驾驶领域最大单笔融资。本轮融资由深创投和双湖资本领,18.5%4.6%21.4%,分析认为，中国自动驾驶企业融资集中在A轮以前，早期融资数量占比较高。整体市场处于发展初期，融入资本多用于技术研发和人才引进，融资情况呈现单笔融资金额大的特点，整体行业呈现较高的技术壁垒，一旦行业护城河形成，进入市场较晚的玩家发展阻力加大。中国自动驾驶企业融资情况,种子2.3%,天使轮18.5%,Pre-A轮4.6%B轮1.2%D轮1.2%并购上市3.5%未融资22.0%,A轮21.4%C轮1.7%战略投资1.7%新三板1.7%未披露20.2%,2018/10/18,18,行业热点事件聚焦政策、市场、技术和投资4个维度，助力自动驾驶行业快速发展分析认为，政策环境、战略合作、技术进展和投融资是决定行业发展的重要因素，现阶段自动驾驶行业在各个方面的动作都比较频繁，政策环境有望不断完善，各个玩家在自己的赛道中不断发展探索，推动行业格局的形成。,市场热点 Waymo分别向FCA和捷豹采购6.2万辆和2万辆汽车 Uber向沃尔沃采购2.4万辆SUV 丰田、软银组建自动驾驶公司Monet,政策热点 中国在全国开放9个城市路测 美国发布自动驾驶第三版指导政策 上海市自首次开放智能网联车路测道路后，扩大31.6公里的路测道路,技术热点 百度Apollo系统版本升级到3.0 Tesla自研自动驾驶专用AI芯片 地平线推出自动驾驶AI芯片 英伟达推出新一代超级计算机Drive Xavier,投资热点 英特尔153亿美元收购Mobileye ， 收 购 图 商HERE15%的股份 通用Cruise陆续获得软银和本田价值22.5亿美元和7.5亿美元的投资,19,车相撞，无人员伤亡。,摩托车司机肩部受伤。,Navya旗下无人巴士与货运卡 通用Cruise与摩托车发生碰撞， Waymo旗下自动驾驶汽车与,轿车相撞，测试员受轻伤。,一名女子被搭载uber自动驾,驶技术的汽车撞倒致死。,特斯拉Model S撞上路边消防,车，无人员伤亡。,Navya,Cruise,Waymo,Uber,Tesla,自动驾驶车辆事故频发，安全保障是自动驾驶的应用前提,传感器组合缺陷机器学习训练不足驾驶员接管不及时,一些自动驾驶车辆为降低生产成本，没有搭配成本较高的激光雷达，导致对环境的识别存在漏洞。车辆在算法训练时对识别特殊形态车辆或车身两侧图像训练不足，造成行驶过程中的识别漏洞。非完全无人驾驶需要驾驶员随时接管车辆，驾驶员对自动驾驶过度依赖，酿成车祸事故。,分析认为，保障驾驶安全是自动驾驶的应用前提。通过公开资料整理显示，即便是自动驾驶行业的头部企业Waymo，也依然存在交通事故隐患。事故发生的原因主要归结为三个层面：传感器组合缺陷、机器学习训练不足以及驾驶员接管不及时。,事故原因分析2018/10/18,2018/10/18,20,互利共赢,赋能,百度Apollo平台助力合作伙伴快速构建自动驾驶解决方案分析认为，百度Apollo平台不仅仅是一家自动驾驶解决方案研发商，还通过开源平台的软硬件服务和技术代码吸引行业内各类厂商接入Apollo生态，促进自动驾驶行业发展，降低自动驾驶研发门槛，助力合作伙伴构建自动驾驶解决方案。技术Apollo为合作伙伴提供完整的软硬件服务，并开放环境感知、路径规划、车辆,控制等功能的代码或能力。资源,Apollo在传感器等领域为接入Apollo平台的合作伙伴推荐协同性更好的供应商。,共享,推进技术进步,Apollo生态中的各类厂商在研发过程中将脱敏后的数据贡献出来，有助于提升Apollo平台自身的技术水平，加速推进自动驾驶技术研发。,云服务自动驾驶,计算平台,零部件传感器,主机厂,Apollo生态出行图商服务,2018/10/18,21,景驰,Roadstar.ai,Robo-taxi场景落地对自动驾驶行业意义重大，国内3家初创公司专注于该场景自动驾驶技术研发,Pony.ai, 毫米波雷达 摄像头, 毫米波雷达 摄像头, 毫米波雷达 摄像头,绕远路费用高用户出行痛点司机成本在打车费用中占很大一部分比例，司机绕路会增加用户的出行时间成本。 激光雷达*3【64线*1、16线*2】,分析认为，Robo-taxi是自动驾驶中较为复杂的应用场景，对自动驾驶算法、传感器组合以及高精度地图的要求更高，目前国内有3三家自动驾驶初创公司专注于Robo-taxi场景下的自动驾驶技术研发，该场景的落地可以有效解决用户的出行痛点，并为行业创造价值。Robo-taxi 激光雷达*1【64线*1】,提高出租车、专车和共享汽车的调度效率突破高级自动驾驶城市道路场景优化交通出行结构行业价值Robo-taxi场景的落地对自动驾驶行业乃至交通出行领域的意义重大。 激光雷达*5【40线*1、16线*4】,2018/10/18,22,特点价值,路况简单货运物流场景多为高速或港口码头，此类驾驶场景较为封闭，路况较城市路况简单，交通参与主体单一。固定路线货运物流场景多为固定路线，车辆按既定路线往复行驶，减少陌生环境出现影响车辆对周边环境的感知。降低物流成本司机成本在物流成本中占比很高，自动驾驶可以减少劳动用工，削减财务支出。提升物流效率自动驾驶有助于提升物流运输效率，货车可不间断行驶，无需考虑人员更替或休息。减少事故发生货运场景自动驾驶可减少因司机疲劳驾驶所导致的车祸事故，提升驾驶安全系数。,自动驾驶货运场景更易实现，场景落地有助于推进货运物流行业发展分析认为，自动驾驶货运场景相比城市交通场景更易实现，该场景相对封闭，多为端到端的高速路段或集中在港口码头一类的固定场景，发生因路况复杂、陌生所造成行车环境难以感知的情况概率较低，各个厂商对自动驾驶货运场景的推进速度也会更快。此外，自动驾驶货运场景的落地将有效推进货运物流行业发展，为其创造更多的价值。,场景高速港口,解决方案提供商,23,摆渡车搭载乘客按既定线路自动行驶至固定站点，车辆调度共享汽车按用户出行需求自动行驶至停车点，2018/10/18,机场,低速自动驾驶自动泊车汽车自动寻找可停放车位，并安全泊车，全程无需人工干预。摆渡车在机场、客运码头、园区等场景，,应用场景停车场,价值点 节省寻找车位的时间 方便新司机停车入位 减少因驾驶不善导致的人员伤亡和财产损失 提升客运流通速度, 方便乘客抵达目的地 提升车辆运营效率 节省人工调度成本,客运码头共享汽车停车网点,低速自动驾驶围绕限定场景展开布局，提升用户出行体验分析认为，相比其他自动驾驶场景，围绕限定场景展开低速自动驾驶解决方案的研发门槛较低，更易推动自动驾驶技术的场景化落地，因此国内很多自动驾驶初创企业聚集于此，针对自动驾驶大脑、传感器组合，结合应用场景展开探索。,2018/10/18,24,PART 3中国自动驾驶市场未来趋势,2018/10/18,25,无人巴士货运,Robo-taxi港口,无人巴士沿城市固定道路行驶，固定站点接送乘客货运场景实现货车在多个仓库间的运输需求,Robo-taxi无固定驾驶路线，按需接送乘客至目的地港口场景自动驾驶实现在该港口内的货物调度,自动泊车,摆渡车,自动泊车帮助用户倒车入库，实现车辆自动存取,摆渡车实现园区、机场场景下的最后一公里客运,低速场景技术壁垒偏低，该场景有望成为最早落地的自动驾驶场景。,低速场景,城市路段限定场景的驾驶环境简单，成为低级别自动驾驶向高级别自动驾驶进阶的纽带。,城市道路路况复杂，违规行驶的非机动车和行人众多，因此对该场景下的自动驾驶解决方案提出了更高的要求。限定场景,趋势：自动驾驶将按场景分步落地分析认为，由于算法、传感器、基础设施、网络环境等因素尚不成熟，现阶段还无法实现全场景的完全自动驾驶，因此，按不同应用场景分布落地成为了自动驾驶的主要实现路径。由低速驾驶场景到限定性场景再到城市复杂路段，对自动驾驶算法以及传感器组合也提出了越来越高的要求，自动驾驶解决方案的落地时间也随着场景的复杂程度发生变化。,谢谢观看,