發布時間：2018-08-20 10:18:51 產業智能官
關注中物聯
近年來“自動駕駛”被人們廣泛提及，大量汽車行業主體、互聯網領域公司、精英創業人群以及資本紛紛投入到該領域的探索中來，自動駕駛技術是什么？離我們還有多遠？顛覆性的行業變革是否已經到來？本文中我們將談談我們對于自動駕駛的感知和觀點。
自動駕駛近些年來得到了社會的廣泛關注，大量的汽車行業主體、互聯網領域公司、精英創業人群以及資本紛紛投入到該領域的探索中來。自動駕駛按照美國汽車工程師協會（SAE）根據系統和人對于車輛的控制程度可以分為L0~L5六個等級。
其中在L0~L3級的系統主要還是起到對駕駛員的輔助作用，即使是L3級系統已經可以在極大程度上將駕駛員從駕駛任務中解放出來，但仍然需要駕駛員對車輛行為做最終的把控，即一旦出現系統無法處置的情況，駕駛員必須在第一時間接手控制。而當系統達到L4級時，系統已經可以在特定環境下完全擺脫駕駛員并自主的負責車輛的操作作業。L1~L3級領域的玩家主要是汽車整車廠商（OEMs）和汽車產業鏈一級供應商（Tier1s），而L5級自動駕駛目前離到我們的身邊還尚有一段路要走，因此，本文我們將主要討論L4級自動駕駛技術及其可能帶來的商業機會。
L4級自動駕駛系統硬件成本短期內可以達到商業化應用水平
實現L4級自動駕駛技術的硬件主要包括傳感器和計算單元。目前各家主要使用的傳感器單元主要包括了：攝像頭、毫米波雷達、激光雷達、超聲波雷達、GNNS/IMU。
其中，激光雷達在測量精度方面有獨到的優勢，能夠發射激光線束越多得到的測量結果越精準，但同時也意味著設備成本越高昂，如：Velodyne 64線激光雷達造價超過7萬美元，過于昂貴，而且設備的體積、結構復雜程度都不適宜商業化應用。當前，攝像頭和毫米波雷達上的技術進步顯著，尤其是攝像頭，即使是在強光或光線極差的環境中，亦或是光線突然發生變化的情況下（對方車道的遠光燈、車輛進出隧道）也可以得到很好的成像效果，而且目前車載攝像頭的有效工作距離已經可以達到500米甚至更遠，相比之下車載激光雷達探測距離一般不超過200米。
但這并不意味著激光雷達就是多余的產品，目前即使是多家主打以視覺傳感為主要探測方式的自動駕駛公司（提供L4方案）也同樣會在其測試車輛上加裝激光雷達，或者將激光雷達作為其備選方案，主要是因為激光雷達在提供數據冗余以及實現車輛定位上（SLAM）有著重要的作用，但我們認為考慮到任務的重要程度和車輛的工作場景等問題，也許商用化L4級自動駕駛系統中并不需要昂貴的64線機械旋轉式激光雷達產品。
目前實現L4級自動駕駛的整體硬件成本還比較高，主要原因包括：大量的專業設備尚處于測試階段并未實現量產而導致設備單價昂貴，以及尚處于測試階段的各方為確保自動駕駛車輛行駛的絕對安全往往會在測試車輛上加裝大量的傳感器來確保充足的數據冗余。預計未來1~2年隨著自動駕駛車輛開始出現在一些特定的應用場景，系統成本可以逐漸控制在10~20萬元左右，而在更遠的未來，當自動駕駛技術成熟到可以出現在更多的應用領域時，系統硬件成本將會進一步下降。
L4級自動駕駛技術將于商用車擦除第一朵商業化應用的火花
我們認為L4級自動駕駛技術會率先在商用車領域尤其是道路運輸行業率先實現商業化應用，主要原因有以下幾點：
1、現有的自動駕駛技術還難以應對所有的道路環境和多樣的駕駛任務，這就意味著環境越簡單，需要考慮的道路上的變量越少，越容易實現技術應用。對比乘用車的應用環境，商業運輸任務一般比較單一，往往是重復單一線路的點到點的運輸作業，而且大部分的行駛環境是在高速公路或者封閉園區內，行駛環境中需要考量的變量較少，技術實現難度相對較低。
2、即使按照我們所期盼的1~2年系統成本可以下降至10~20萬元，但這對于乘用車的消費人群來說還是太過于昂貴，但對于商業運輸行業中的車隊運營商來說20萬元/臺車的硬件投入是小于每臺車/年的人力支出（假設：每臺車需要2~3名司機，每名司機年薪在12萬元）；
3、除了節省人力成本以外，自動駕駛系統還可以提高運行效率，這包括了：
1）由于自動駕駛系統并不會疲勞，因此自動駕駛系統可以有效延長每日車輛的運營時間；
2）資料顯示駕車習慣良好的司機可以節省13.3%的油料，由于自動駕駛技術比駕駛員擁有更好的環境感知能力以及對于單一任務的重復優化能力，預計系統也可以實現相同的省油效果；
3）此外，自動駕駛系統將會顯著降低車禍發生概率，這將會降低保險費用或者因事故而導致的額外費用支出。
4、國內卡車有600萬臺左右，公路運輸量占整體物流總量的78%，技術替代可以實現較大的商業價值，此外商用卡車的平均使用年限在5~6年，遠遠低于乘用車平均使用年限，因此實現技術替代的速度也會比較快。
L4自動駕駛將從“封閉園區”到“開放道路”
封閉園區，如港口集裝箱運輸，礦山、砂石廠等。預計第一個成熟的L4商業化應用項目落地將會出現在封閉園區場景中，主要原因有：
1）封閉園區道路環境簡單，基本不存在除自動駕駛車輛以外的其他運動物體，也不存在通用的交通標識或其他復雜的道路環境，技術實現難度相對較低；
2）封閉園區實現自動駕駛受到的政策影響較小，主要是因為在封閉園區內運行自動駕駛系統涉及公共交通安全問題少，而且封閉園區內的高精地圖數據采集也不受到國家對于數字地圖采集資質的限制；
3）相比起同樣適用于固定區域內的AGV（Automated Guided Vehicle）自動化解決方案，自動駕駛系統更加靈活，且成本遠遠低于AGV系統，主要原因在于自動駕駛車輛通常會基于成熟的車輛平臺改裝而成，而且自動駕駛技術的實現主要是通過車載傳感器和預先載入的高精度地圖實現的，基本不需要對港區基建設施進行改造。而AGV系統，舉例來說：青島港AGV改造，整套改造方案70億元，其中單臺AGV的費用就達到500萬元，而且由于需要在港口打入大量的導航鋼釘，因此該套方案并不是和老港改造；而目前能夠適用于港口環境的L4自動駕駛卡車的改造費用基本不超過50萬元，且基本不需要任何的額外投入。
高速公路運輸，高速公路運輸的實現可能需要更長的時間，主要原因有：
1）預計政策上對于高速公路上的自動駕駛商業化運營的放行難度較高，因為高速公路涉及的行駛主體多，因此只有在經過大量的道路測試并證明自動駕駛車輛可以在高速公路環境實現絕對安全的行駛時政策上才有可能放行；此外，道路運輸行業管理涉及到多個政府部門，政策推行難度較大；
2）政策對于開放環境的地圖數據采集有較嚴格的資質限制，因此目前自動駕駛廠商獲取高速地圖數據的渠道和模式尚不明確；
3）國內高速運輸行業標準化程度不高，行業小、散、雜的特點突出，而且甩掛率低（5%左右），卡車主需要大量時間去等到裝滿貨物后才能上路，卡車在道路上的有效運營時間并不長，因此即使采取自動駕駛，也很難發揮該項技術在運營效率方面的優勢，因此自動駕駛技術最好是率先應用于甩掛率高的細分領域，如港口周邊的輻射區域，而隨著甩掛率進一步提升，自動駕駛技術才有可能進一步對道路運輸行業進行滲透。
中國與歐美發達國家相比物流費用偏高但效率偏低
L4級應用案例有望出現，L5仍需長期觀望
綜上所述，我們預計在1~2年內我們將能夠看到L4級自動駕駛車輛商業化應用案例的出現，但首先會是在相對簡單的封閉園區環境實現落地，比如港口、機場、工業園區、礦山等，而在高速公路場景的商業化應用案例預計首先會在國外出現，國內出現的時間還要看配套政策的制定速度以及道路運輸行業標準化發展進程。
而預計我們還需要等待相當長的時間才能夠看到L4級乘用車商業化應用或者L5級自動駕駛技術的落地，這需要去克服諸多的困難，包括算法、數據、自動駕駛系統可靠度以及政策等多方面因素，預計5年內很難看到成熟的產品出現，但未來隨著技術的進步以及相關政策、配套設施的成熟，完全的無人駕駛車輛將會落地，而這將會給相關行業和社會帶來巨大的變革，我們對此拭目以待！
相關閱讀
每日 推薦