3.2 智能網聯汽車

3.2.1 智能網聯汽車的概念

國務院印發的《中國制造2025》中，節能與新能源汽車被歸為重點發展領域之一，其中智能網聯汽車是重點發展內容。《中國制造2025》明確了智能網聯汽車的發展目標，即到2025年，掌握自動駕駛總體技術及各項關鍵技術，建立較完善的智能網聯汽車自主研發體系、生產配套體系及產業群，基本完成汽車產業轉型升級。國務院印發的《關于積極推進“互聯網+”行動的指導意見》明確提出了促進人工智能在智能汽車領域的推廣應用，“互聯網+”人工智能為11個重點行動之一。

科技部推出了多個國家計劃，對車路協同、車聯網等方面進行政策支持，同時，在國家重點研發計劃的新能源汽車重點專項中，對智能網聯汽車做出重要布局。工信部發布的“智能網聯汽車技術路線圖”描繪出智能網聯汽車發展所需的關鍵核心技術及發展路徑。中國汽車工業協會發布的汽車工業發展規劃意見中，智能網聯汽車也被列為我國汽車工業8個重點發展方向之一。

所謂智能網聯汽車（Intelligent and Connected Vehicle, ICV），是指搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與X（車、路、人、云等）的智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現安全、高效、舒適、節能行駛，并最終實現替代人來操作的新一代汽車。

智能網聯汽車主要由傳感器系統、自動駕駛控制與運算單元、人機界面（HMI）系統、數據記錄系統組成。通過搭載的視覺傳感器、激光雷達、毫米波雷達、車輛與外界的信息交換系統（Vehicle to Everything, V2X）等傳感器及通信設備，可實時觀測車輛周邊環境態勢，識別道路、交通標志，感知其他交通參與者（其他車輛、行人等）等與駕駛行為相關的信息并進行分類，追蹤及預測其行為軌跡，生成以自身為中心的周邊交通態勢，通過高精度地圖及周邊交通態勢智能決策并規劃最優駕駛方案，同時根據該方案對車輛進行精確控制。

智能網聯汽車是國際公認的未來發展方向和關注焦點，發展智能網聯汽車有利于推動汽車出行經濟新模式，解決交通安全、能源消耗問題，構建數據驅動、跨界融合、共創共享的智能交通和智能社會。研究表明，在智能網聯汽車的初級階段，通過先進智能駕駛輔助技術有助于減少30%左右的交通事故，交通效率提升10%，油耗與排放分別降低5%。進入智能網聯汽車的終極階段，即完全自動駕駛階段，甚至可以完全避免交通事故，提升交通效率30%以上，并最終把人從枯燥的駕駛任務中解放出來，這也是智能網聯汽車最吸引人的價值魅力所在。

3.2.2 智能網聯汽車的發展階段

1.智能駕駛分級

按照美國汽車工程師學會SAE分級標準，汽車智能駕駛主要分為6個等級，如圖3-1所示。

L0級別：完全由駕駛員進行操作駕駛，包括轉向、制動、油門等都由駕駛員自行判斷，汽車只負責命令的執行。

L1級別：能夠輔助駕駛員完成某些駕駛任務，例如許多車型裝配的自適應巡航（ACC）功能，雷達實時控制車距和車輛加減速。

L2級別：可自動完成某些駕駛任務，并經過處理分析，自動調整車輛狀態，例如車道保持功能就屬于此級別，除了能控制加減速，同時還能對方向盤進行控制，駕駛員需觀察周圍情況提供車輛安全操作。

L3級別：該級別通過更有邏輯性的行車電腦控制車輛，駕駛員不需要手腳待命，車輛能夠在特定環境下獨立完成操作駕駛，但駕駛員無法進行睡眠或休息，在人工智能不能準確判斷時，仍需人工操作。

L4級別：車輛自動做出自主決策，并且駕駛者無須任何操作，一般需依靠可實時更新的道路信息數據支持，實現自動取還車、自動編隊巡航、自動避障等出行的真實場景。

L5級別：與L4級別最大的區別是完全不需要駕駛員配合任何操作，實現全天候、全地域的自動駕駛，并能應對環境氣候及地理位置的變化，駕駛員可將注意力放在休息或其他工作上。

2.智能汽車的發展路徑

從技術發展路徑來說，智能汽車分為3個發展方向：網聯式智能（Connected Vehicle, CV）、自主式智能（Autonomous Vehicle, AV），及前二者的融合，即智能網聯汽車（Connected and Automated Vehicle, CAV或Intelligent and Connected Vehicle, ICV），如圖3-2所示。

從發展階段上劃分，智能網聯汽車的發展過程可大致分為：自主式駕駛輔助（對應美國汽車工程師學會SAE分級L1、L2）、網聯式駕駛輔助（對應SAE分級L1、L2）、人機共駕（對應SAE分級L3）、高度自動/無人駕駛（對應SAE分級L4、L5）4個階段。目前在全球范圍內，自主式駕駛輔助系統已經開始大規模產業化，網聯化技術的應用已經進入大規模測試和產業化前期準備階段，人機共駕技術和無人駕駛技術還處于研發和小規模測試階段。

3.智能網聯汽車的發展階段劃分

（1）自主式駕駛輔助（ADAS）

自主式駕駛輔助系統（Advanced Driver Assistance Systems, ADAS）是指依靠車載傳感系統進行環境感知并對駕駛員進行駕駛操作輔助的系統（廣義上也包括網聯式駕駛輔助系統），目前已經得到大規模產業化發展，主要可分為預警系統與控制系統兩類。

其中常見的預警類系統包括前向碰撞預警（Forward Collision Warning, FCW）、車道偏離預警（Lane Departure Warning, LDW）、盲區預警（Blind Spot Detection, BSD）、駕駛員疲勞預警（Driver Fatigue Warning, DFW）、全景環視（Top View System, TVS）、胎壓監測（Tire Pressure Monitoring System, TPMS）等。

常見的控制類系統包括車道保持系統（Lane Keeping System, LKS）、自動泊車輔助（Auto Parking System, APS）、自動緊急剎車（Auto Emergency Braking, AEB）、自適應巡航（Adaptive Cruise Control, ACC）等。

美日歐等發達國家和地區已經開始將ADAS系統引入了其相應的新車評價體系。美國新車評價規程（United States New Car Assessment Program, US-NCAP）從2011年起引入LDW與FCW作為測試加分項，美國公路安全保險協會（IIHS）從2013年起將FCW系統作為評價指標之一；而歐洲新車評價規程（European New Car Assessment Program, E-NCAP）也從2014年起引入了LDW/LKA與AEB系統的評價，2016年增加了行人防撞AEB的測試，2018年加入了自動車防撞AEB系統的測試。2014年起，汽車駕駛輔助技術已經成為獲取E-NCAP四星和五星的必要條件。我國的C-NCAP已將LDW/FCW/AEB等駕駛輔助系統納入其評價體系之中。

在引入新車評價體系之外，各國也紛紛開始制定強制法規推動ADAS系統安裝。2015年起，歐洲新生產的重型商用車要求強制安裝車道偏離警告系統（LDW）及車輛自動緊急制動系統（AEB）。2018年起，美國各車企被強制要求對其生產的的車輛安裝后視攝像頭。而從2017年開始，中國也逐步在大型客車上開始強制安裝LDW與AEB系統。

從產業發展角度，目前ADAS核心技術與產品仍掌握在境外公司手中，尤其是在基礎的車載傳感器與執行器領域，博世、德爾福、天合、法雷奧等企業壟斷了大部分國內市場，Mobileye等新興的高技術公司在環境感知系統方面占據了全球大部分市場；TTE等一些中國臺灣省企業也有一定市場份額。近年來，中國內地也涌現了一批ADAS領域的自主企業，在某些方面與境外品牌形成了一定競爭，但總體仍有較大差距。

（2）網聯式駕駛輔助

網聯式駕駛輔助系統是指依靠信息通信技術（Information Communication Technology, ICT）對車輛周邊環境進行感知，并可對周圍車輛未來運動進行預測，進而對駕駛員進行駕駛操作輔助的系統。通過現代通信與網絡技術，汽車、道路、行人等交通參與者都已經不再是孤島，而是成為智能交通系統中的信息節點。

在美國、歐洲、日本等汽車發達國家和地區，基于車-路通信（Vehicle-to-Infrastructure, V2I）/車-車通信（Vehicle-to-Vehicle, V2V）的網聯式駕駛輔助系統正在進行實用性技術開發和大規模試驗場測試。典型的是美國在密歇根安娜堡開展的示范測試，在美國交通部與密歇根大學等支持下，Safety Pilot項目進行了車輛示范測試，并建設了智能汽車模擬城市（m-city），作為智能網聯汽車的專用測試場。通過此示范測試，得到了車聯網技術能夠減少80%交通事故的結論，直接推動了美國政府宣布將強制安裝車-車通信系統以提高行駛安全。美國交通部預測，到2040年美國90%的輕型車輛將會安裝專用短距離通信（Dedicated Short Range Communication, DSRC）系統。

除美國外，歐洲以及日本等都開展了大量對車聯網技術的研究與應用示范。歐盟eCoMove項目展示了車聯網技術對于降低排放和提高通行效率的作用，綜合節油效果可達到20%，simTD項目開展“荷蘭-德國-奧地利”之間的跨國高速公路測試，驗證基于車聯網的智能安全系統。日本Smartwa系統可提供導航、不停車收費（Electronic Toll Collection, ETC）、信息服務、駕駛輔助等多種功能，基于車路協同的駕駛安全支援系統（Driving Safety Support Systems, DSSS），可以提供盲區碰撞預警、信號燈預警、停止線預警等多種功能。

我國清華大學、同濟大學、長安汽車等高校與企業合作，在國家“863”高新技術研究開發計劃項目的支持下開展了車路協同技術應用研究，并進行了小規模示范測試，各汽車企業也在開展初步研究。

在工業和信息化部支持下，上海、北京、重慶等多地都開始積極建設智能網聯汽車測試示范區，網聯式駕駛輔助系統均為測試區設計時考慮的重要因素。華為、大唐等企業力推的車間通信長期演進技術（Long Term Evolution-Vehicle, LTE-V）系統相比DSRC具有兼容蜂窩網、可平穩過渡至5G系統等優勢，目前已發展成為我國特色的車聯網通信系統，并在國際市場與DSRC形成了競爭之勢。但中國內地也存在缺少類似美日歐的大型國家項目支撐、各企業間未能形成合力等問題，導致網聯式駕駛輔助系統發展相對較慢。

案例3-1 車聯網

車聯網（Internet of Vehicles, IoV），是以車內網、車際網和車載移動互聯網為基礎，按照約定的通信協議和數據交互標準，在車-X（X：車、路、行人及互聯網等）之間，進行無線通信和信息交換的大系統網絡，是能夠實現智能化交通管理、智能動態信息服務和車輛智能化控制的一體化網絡，是物聯網技術在交通系統領域的典型應用。（資料來源：百度百科）

（3）人機共駕

人機共駕指駕駛人和智能系統同時在用，分享車輛控制權，人機一體化協同完成駕駛任務。與一般的駕駛輔助系統相比，共駕型智能汽車由于人機同為控制實體，雙方受控對象交聯耦合，狀態轉移相互制約，具有雙環并行的控制結構，因此要求系統具備更高的智能化水平。系統不僅可以識別駕駛人的意圖，實現行車決策的步調一致，而且能夠增強駕駛人的操縱能力，減輕其操作負荷。

廣義的人機共駕包含感知層、決策層和控制層3個層次。感知層主要是利用特定傳感器（如超聲波雷達、攝像頭、紅外熱釋電傳感器等）向人提供環境信息，增強人的感知能力。例如通過方向盤的力反饋協助駕駛人進行車道保持，既減輕了駕駛負擔又提高了車輛安全性。決策層主要技術包括駕駛人決策意圖識別、駕駛決策輔助和軌跡引導。例如通過建立基于實際道路的駕駛人換道意圖預測模型，系統能夠在實際換道行為發生前3秒有效預測駕駛人換道意圖。控制層主要實現人和系統的控制互補，駕駛人操控動力學與智能系統操控動力學互相交叉，交互耦合，具有雙環交叉的特點。

（4）高度自動/無人駕駛

處于高度自動/無人駕駛階段的智能汽車，駕駛員不需要介入車輛操作，車輛將會自動完成所有工況下的自動駕駛。其中高度自動駕駛階段（對應SAE分級L4），車輛在遇到無法處理的駕駛工況時，會提示駕駛員是否接管，如駕駛員不接管，車輛會采取如靠邊停車等保守處理模式，保證安全。在無人駕駛階段（對應SAE分級L5），車輛中可能已沒有駕駛員或乘客，無人駕駛系統需要處理所有駕駛工況，并保證安全。目前以谷歌為代表的互聯網技術公司，其發展思路是跨越人機共駕階段，直接推廣高度自動/無人駕駛系統，而傳統汽車企業大多數還是按照漸進式發展路線逐級發展。

3.2.3 智能網聯汽車的技術架構

智能網聯汽車集中運用了汽車工程、人工智能、計算機、微電子、自動控制、通信與平臺等技術，涉及汽車、信息通信、交通等諸多領域，是一個集環境感知、規劃決策、控制執行、信息交互等于一體的高新技術綜合體。

智能網聯汽車技術架構較為復雜，可劃分為“三橫兩縱”式技術架構：“三橫”是指智能網聯汽車主要涉及的車輛、信息交互與基礎支撐3個領域技術，“兩縱”是指支撐智能網聯汽車發展的車載平臺以及基礎設施條件，如圖3-3所示。

1.環境感知技術

環境感知系統的任務是利用攝像頭、毫米波雷達、激光雷達、超聲波等主要車載傳感器以及V2X通信系統感知周圍環境，配合高精度地圖與定位技術，通過提取路況信息、檢測障礙物，為智能網聯汽車提供決策依據。

主要包括利用機器視覺的圖像識別技術，利用雷達（激光、毫米波、超聲波）的周邊障礙物檢測技術，多源信息融合技術，傳感器冗余設計技術等。

案例3-2 基于車載圖像的行人及騎車人聯合識別方法

針對復雜行駛環境下行人及騎車人的有效識別，清華大學研究團隊建立了基于車載圖像的行人及騎車人聯合識別方法，其架構如圖3-4所示。（資料來源：李曉飛. 基于深度學習的行人及騎車人車載圖像識別方法[D]. 北京：清華大學，2016.）

2.智能決策技術

決策系統的任務是根據全局行車目標、汽車狀態及環境信息等，決定采用的駕駛行為及動作的時機。包括危險事態建模技術，危險預警與控制優先級劃分，群體決策和協同技術，局部軌跡規劃，駕駛員多樣性影響分析等。常用的決策方法包括狀態機、決策樹、深度學習、增強學習等。

狀態機是一種簡便的決策方法，用有向圖表示決策機制。狀態機的優點在于：具有高可讀性，能清楚表達狀態間的邏輯關系，在狀態明確且較少時設計簡單；缺點在于：需要人工設計，在狀態復雜時性能不易保證，不能用機器學習。目前的自動駕駛系統多針對部分典型工況，狀態遷移不是特別復雜，故采用狀態機方法進行決策的案例較多。

決策樹是一種簡單但是廣泛使用的分類器，從根到葉子節點實現分類，每個非葉子節點為一個屬性上的測試，邊為測試的結果。決策樹具有可讀的結構，同時可以通過樣本數據的訓練來建立，但是有過擬合的傾向，需要廣泛的數據訓練。在部分工況的自動駕駛上應用，效果與狀態機類似。

深度學習與增強學習是熱門的機器學習方法。在處理自動駕駛決策方面，能通過大量的學習實現對復雜工況的決策，并能進行在線的學習優化；但是其綜合性能不易評價，對未知工況的性能也不易明確。深度學習由于需要較多的計算資源，一般是計算機與互聯網領域研究自動駕駛采用的熱門技術。

3.控制執行技術

控制系統的任務是控制車輛的速度與行駛方向，使其跟蹤規劃的速度曲線與路徑。包括面向驅動/制動的縱向運動控制，面向轉向的橫向運動控制，基于驅動/制動/轉向/懸架的底盤一體化控制，融合車聯網 (V2X) 通信及車載傳感器的多車隊列協同和車路協同控制等。

常用的控制方法，如比例-積分-微分（PID）控制、滑模控制、模糊控制、模型預測控制、自適應控制、魯棒控制等。國內目前對制動、轉向系統關鍵技術已有一定研發基礎，但是相比博世、德爾福等國外大型企業，在控制穩定性、產品一致性和市場規模方面仍有較大差距。主要應用包括以下3個方面。

（1）自適應巡航控制

同時具備自動跟車行駛、低燃油消耗和符合駕駛員特性3類功能，對于全面提升行車安全性、改善車輛燃油經濟性、減輕駕駛疲勞強度具有重要的意義。

（2）協同式多車隊列控制

將單一車道內的相鄰車輛進行編隊，根據相鄰車輛信息自動調整該車輛的縱向運動狀態，最終達到一致的行駛速度和期望的構型。

（3）人機共駕技術

控制層的控制互補是目前人機共駕領域的核心關注點。在傳統主動安全系統中融入駕駛決策識別及周車軌跡預測信息，構建包含動力學穩定性風險和運動學碰撞性風險的雙重安全包絡控制系統，是提高人機共駕行駛穩定性和主動安全性的核心。主要有以下兩種控制方式。

共享型控制：指人機同時在線，駕駛人與智能系統的控制權隨場景轉移，人機控制并行存在。主要解決因控制冗余造成的人機沖突，以及控制權分配不合理引起的負荷加重等問題。

包絡型控制：指通過獲取狀態空間的安全區域和邊界條件形成控制包絡，進而對行車安全進行監管，當其判定可能發生風險時進行干預，從而保證動力學穩定性和避免碰撞事故。

4.V2X通信技術

V2X通信技術主要包括車輛專用通信系統，實現車間信息共享與協同控制的通信保障機制、移動自組織網絡技術、多模式通信融合技術等。通過網聯無線通信技術，車載通信系統有效地獲得的駕駛員信息、車輛自身的姿態信息和汽車周邊的環境數據，進行整合與分析。

車載通信的模式，依據通信的覆蓋范圍可分為車內通信、車際通信和廣域通信。

車內通信：從藍牙技術發展到Wi-Fi技術和以太網通信技術。

車際通信：包括專用的短程通信（DSRC）技術和車間通信長期演進技術（LTE-V）。

廣域通信：移動互聯網領域的4G、5G等通信方式。

5.云平臺與大數據技術

云平臺與大數據技術包括智能網聯汽車云平臺架構與數據交互標準、云操作系統、數據高效存儲和檢索技術、大數據的關聯分析和深度挖掘技術等。主要應用包括以下內容。

大數據云計算技術可基于車輛在特征道路環境、不同交通因素中的行駛特征和不同領域駕駛員的行駛需求，對車輛危險的預警閾值、行駛策略進行適應性調整，以便預警效果能夠更加符合相應領域、狀態下駕駛員的安全需要。

基于地圖大數據信息的挖掘和分析可以基于路況特征、車輛性能、駕駛員操作習慣等因素提供節能減排、降低駕駛疲勞程度的行駛方案。

大數據存儲及管理技術可對智能網聯車載系統交互數據、控制系統數據的在線監控，提供車輛啟動時的數據穩定性與可靠性檢查，提供車載控制系統級安全性的在線檢查。

對于商用車輛的管理，大數據技術的應用可以針對特定區域對不同車輛設定準入分級，設置電子圍欄，如隊列管理場景下的車輛進出隊列的協調控制。

對于物流等高強度運營車輛的位置、故障信息、行駛時間、時長、路線駕駛的信息進行采集、存儲和分析，判斷高危運營車輛是否出現違章和疲勞駕駛行為，并通過智能網聯車輛的遠程控制功能，根據大數據分析結果采取碰撞發生前的緊急制動等安全防護措施。

對于突發交通事故，大數據技術通過對交管、醫療、保險等資源的有效調度，可以大幅提高道路安全救援、實時道路管理的效率。

案例3-3 基于云控平臺的汽車節能駕駛系統

車輛通過車與云平臺的通信將其位置信息及運動信息發送至云端，云端控制器結合道路信息（如坡道、曲率等）以及交通信息（如交通流、交通信號燈等）對車輛速度和檔位等進行優化，以提高車輛燃油經濟性和交通效率。基于云控平臺的汽車節能駕駛系統框架如圖3-5所示。（資料來源：李克強，戴一凡，李升波，邊明遠.智能網聯汽車（ICV）技術的發展現狀及趨勢[J].汽車安全與節能學報，2017,8(01):1-14.）

6.信息安全技術

信息安全技術包括汽車信息安全建模技術，數據存儲、傳輸與應用三維度安全體系，汽車信息安全測試方法，信息安全漏洞應急響應機制等。

智能網聯汽車信息安全防護重點包括節點安全防護（包括ECU、智能傳感器、執行器等）、車載網絡防護（包括CAN、LIN、FlexRay、以太網等）、安全網關防護（包括OTA、智能網關、T-BOX、TCU等）、接口安全防護（包括OBD、OBU、藍牙、Wi-Fi、GPS等）和云平臺防護（包括TPS、移動終端、RSU、信息云平臺等）。

智能網聯汽車主要應用“端-管-云”數據安全技術框架。端安全：實現車載安全網關、安全監測監控系統、車載防火墻、車載入侵檢測技術的應用；管安全：基于802.11p/IEEE1609.2，實現通信加密體系、身份認證體系、證書體系、防重放、防篡改、防偽造等技術應用；云安全：實現數據加密、數據混淆、數據脫敏、數據審計等技術的應用。

7.高精度地圖與高精度定位技術

高精度地圖與高精度定位技術包括高精度地圖數據模型與采集式樣、交換格式和物理存儲的標準化技術，基于北斗地基增強的高精度定位技術，多源輔助定位技術等。

（1）高精度地圖

高精度地圖可以為自動駕駛車輛環境感知提供超視距路況信息，并幫助車輛進行規劃決策。高精度地圖，通俗來講就是精度更高、數據維度更多的電子地圖。精度更高體現在精確到厘米級別，數據維度更多體現在包括了除道路信息之外的與交通相關的周圍靜態信息。

高精度地圖作為實現自動駕駛的關鍵能力之一，將成為對自動駕駛傳感器的有效補充，為車輛提供了更加可靠的感知能力。與傳統的導航地圖相比，服務于自動駕駛的高精度地圖在各方面要求更高，并能配合傳感器和算法，為決策層提供支持。

（2）高精度定位

與高精度地圖一并而來的是高精度定位，并且在自動駕駛系統中發揮著重要作用，定位精度越高，自動駕駛的可靠性越高，但是必須先有高精度地圖，才能實現高精度定位。高精度定位一方面幫助自動駕駛系統更好地使用高精度地圖提供的信息，為自動駕駛系統的路徑規劃和車輛控制提供準確的車輛位置和姿態；同時可以輔助感知系統，得到更加準確的檢測和跟蹤結果。

從定位的技術發展來看，大體可分為三代：第一代是GNSS定位，基于衛星定位技術，提供10m精度的定位能力；第二代是慣導定位，目前前裝導航采用慣導定位的技術；第三代是高精度定位，基于視覺傳感器、毫米波雷達、激光雷達等，提供亞米級到厘米級定位能力。

定位技術是自動駕駛的關鍵核心。自動駕駛有3個關鍵因素：感知層、決策層、控制層，其中感知層由電子地圖和傳感器信息組成，電子地圖包含傳統的導航、導航電子地圖數據和高精度電子地圖數據；決策層通過傳感器的數據和傳感器信息，對車輛進行定位，對路徑進行規劃，對環境進行理解，對車的行為進行預測；針對車的行動進行規劃，從而代替駕駛員通過控制層的電子驅動，對車輛進行控制，從而逐步實現自動駕駛。

8.標準法規

標準法規包括智能網聯汽車整體標準體系以及汽車設計、交通、通信等各領域的關鍵技術標準。

智能網聯汽車標準體系框架如圖3-6所示，包括基礎標準、通用規范、產品與技術應用、相關標準4個部分。

基礎標準主要包括智能網聯汽車術語和定義、分類和編碼、標識和符號三類基礎標準。

通用規范類標準主要從整車層面提出全局性的要求和規范，主要包括功能評價、人機界面、功能安全和信息安全等方面。

產品與技術應用類標準主要涵蓋信息感知、決策預警、輔助控制、自動控制和信息交互等智能網聯汽車核心技術和應用的功能、性能要求及試驗方法，但不限定具體的技術方案，以避免對未來技術的創新發展和應用產生制約或障礙。

相關標準主要包括車輛信息通信的基礎——通信協議，主要涵蓋實現車與X（人、車、路、云端等）智能信息交互的中短程通信、廣域通信等方面的協議規范；在各種物理層和不同的應用層之間，還包含軟硬件界面接口的標準規范。

9.測試評價

測試評價包括智能網聯汽車測試評價方法與測試環境建設。

測試評價方法主要包括“端-管-云”測試評價技術方法、功能安全測評技術方法、信息安全測試評估技術方法和試驗驗證技術方法等。

測試環境建設主要針對自主式駕駛輔助（ADAS）測試、V2X測試和自動駕駛測試3類場地進行建設。

3.2.4 智能網聯汽車的應用與發展

1.智能網聯汽車的產業鏈

智能網聯汽車的產品體系可分為傳感系統、決策系統、執行系統3個層次，分別可類比人類的感知器官、大腦以及手腳，如圖3-7所示。產業鏈上下游主要包含車規級芯片、傳感系統（視覺傳感、雷達系統等）、決策算法、定位通信（高精地圖、定位、V2X等）、系統集成、終端與云控平臺、智能出行等。

智能網聯汽車的產業鏈涉及汽車、電子、通信、互聯網、交通等多個領域，按照產業鏈上下游關系主要包括以下內容。

芯片廠商：開發和提供車規級芯片系統，包括環境感知系統芯片、車輛控制系統芯片、通信芯片等。

傳感器廠商：開發和供應先進的傳感器系統，包括機器視覺系統、雷達系統（激光、毫米波、超聲波）等。

汽車電子/通信系統供應商：能夠提供智能駕駛技術研發和集成供應的企業，如自動緊急制動、自適應巡航、V2X通信系統、高精度定位系統等。

整車企業：提出產品需求，提供智能汽車平臺，開放車輛信息接口，進行集成測試。

平臺開發與運營商：開發車聯網服務平臺，提供平臺運營與數據挖掘分析服務。

內容提供商：高精度地圖、信息服務等的供應商。

圖3-8展示出國內智能網聯汽車產業結構及部分企業。

2.我國智能網聯汽車的發展現狀

從產業發展上看，長安、一汽、比亞迪、宇通、東風均已開展無人駕駛汽車研發。大部分主流乘用車企業在部分量產車型上裝配了L1級駕駛輔助系統，部分企業則在少數高端車型上裝配了L2級部分自動駕駛系統，并對L3和L4階段自動駕駛系統進行了研發和試驗。根據智能網聯汽車指數（Intelligent Connected Vehicle Index, ICVI）評價體系，當前美、德、日等傳統汽車發達國家仍然在智能網聯汽車的技術端和生產端上有著巨大優勢，而我國在該產業的消費端和使用端保有一定優勢，產業競爭力與發達國家相比存在一定差距，但和傳統汽車領域相比，差距有所縮小。

從技術水平上看，在車內人機交互方面，語音交互在車載領域應用廣泛，比亞迪、長安等企業新一代車型幾乎全部采用了觸摸屏車機產品；科大訊飛、云知聲等供應商開發的相關引擎日趨完善；TOF、雙目等企業的手勢交互技術快速發展，能與語音識別無縫結合，融合眼動、面部識別等前沿技術，多種交互技術并存的趨勢越來越顯著。在車輛決策與控制技術方面，國內企業對路徑規劃、行為決策、軌跡規劃、車輛控制等核心算法開展了深入的研究，其中一些企業在前撞預警、車道線偏離預警、全景泊車輔助等方面已經達到國際先進水平，商用車的自動緊急制動系統（AEBS）已經開始裝車應用。在環境感知方面，雷達和圖像傳感器的融合是未來發展的主要趨勢，國內廠商在車載攝像頭鏡頭上優勢突出，其中舜宇光學的鏡頭出貨量為全球第一；模組市場上國內廠商占有率超過50%，但市場集中度較低，上游核心芯片為國外產業巨頭所壟斷，國內車載毫米波雷達、激光雷達廠商面臨巨大競爭壓力和挑戰。在計算平臺系統方面，以百度為首的互聯網和算法公司推出了自有的自動駕駛軟硬件平臺，逐漸開始路測，但自動駕駛計算平臺依賴于國外提供的硬件芯片；國內芯片企業如華為、地平線、深鑒科技等研發了針對智能網聯汽車的計算芯片平臺，但與國際先進水平還有一定差距。

從行業投資上看，互聯網企業在計算能力、海量數據、優秀算法等核心人工智能技術方面具備得天獨厚的優勢，騰訊、百度、樂視、阿里巴巴等國內互聯網巨頭紛紛宣布跨界造車或發布超前概念，并在車聯網、整車制造及出行服務等領域展開布局。百度的Apollo計劃，旨在提供開放、完整、安全的軟硬件和服務平臺，幫助開發者快速搭建屬于自己的完整的自動駕駛系統，并與奇瑞、一汽、長安等超過50家企業達成戰略合作；阿里巴巴和上汽簽署互聯網汽車戰略合作協議，并合資設立10億元的互聯網汽車基金，用于共同推進智能網聯汽車的開發和運營，同時與斑馬網絡、神龍汽車就未來汽車智能化達成戰略合作；騰訊投資滴滴和四維圖新，并持有特斯拉5%的股份。

3.智能網聯汽車在物流領域的應用場景

基于人工智能的自動駕駛系統應用于物流領域，能夠有效減少交通事故發生、降低碳排放，讓長途貨運更加安全、綠色和清潔。此外，自動駕駛還可以通過節省油耗及人力成本，極大地降低物流運輸成本。

自動駕駛卡車是智能網聯汽車應用于物流領域的主要體現形式。從自動駕駛卡車企業運營的情況來看，其商業化的場景應用主要有封閉場景（包括干線物流場景、場內物流場景），非封閉場景和全場景運營。

（1）干線物流場景

以高速公路為主的干線物流市場巨大，自動駕駛需求也大，是目前最大的貨運場景之一。在這樣的封閉場景中運行，因為路況較普通公路簡單，不可控因素相對較少，自動駕駛技術相對容易落地，而且其產值比較大，因此成為眾多企業激烈爭奪的理想商業場景。也是目前被認為最有可能實現大規模盈利的場景，同時自動駕駛技術也剛好能很好地解決長途運輸中的一些痛點，如降低司機的工作強度等。

例如贏徹科技、主線科技等成立了中國第一個干線物流聯合創新中心，從保定拿到了中國第一張干線物流測試牌照，樣車在保定和湖南進行測試。一汽解放、智加科技、滿幫集團和英偉達等也通過在自動駕駛卡車產業鏈上的合作來推進自動駕駛在干線物流場景的落地。不過，目前自動駕駛卡車的干線物流發展還受到法律限制，國內外對高速公路并沒有完全放開，因此，干線物流場景的自動駕駛要全面落地還需要時間。

案例3-4 菜鳥組建無人駕駛卡車編隊

2018年5月，菜鳥宣布“駝峰計劃”，聯合一汽解放等多家公司共同推進無人設備量產，以打造新型立體智慧物流網絡。其中一款無人駕駛產品是與一汽解放聯合發布的新產品“公路高鐵”，“火車頭”使用無人駕駛技術，跟隨的車隊則是通過無線網絡與車頭協同，進行列車式運營，主要用于規模化的高速公路干線運輸。（資料來源：運聯智庫搜狐號，2018年6月）

案例3-5 京東打造L4級別無人重卡

2018年5月，X事業部總裁肖軍在JD CUBE大會上透露，京東美國研發中心正在打造L4級別的無人重卡，并在美國完成智能駕駛測試累計長達2400個小時。未來京東將基于該項成果建立自動駕駛物流網絡，承接北上廣三地和京東七大區域中心之間的干線中轉和長途運輸任務。（擴展視頻3-2）

（2）港口、機場、工業園、礦山等場內場景

目前港口、機場、工業園、礦山等也成為貨運自動駕駛商業化落地的重要場景。這些場景道路路線相對固定，便于自動駕駛落地，但與干線物流相比，單個產值相對較低，不過從長遠而言，它們的綜合價值也不容小覷。例如在礦山場景，有數據顯示，200多輛自動駕駛礦用車累計運輸礦石超過20億噸，運輸成本降低15%，輪胎壽命提高40%，運輸效率提高30%。

很多企業較早開始該類場景試驗。如主線科技在中國重汽等支持下在天津港進行自動駕駛集裝箱卡車的運營嘗試；西井科技在上汽紅巖等支持下，2018年在珠海的港口已完成集裝箱卡車自動駕駛的演示；馭勢科技在機場嘗試貨運自動駕駛業務；智加科技與蘇寧合作，完成L4級倉對倉場景（從一個物流園區倉庫到另一個遠端物流園區倉庫）的卡車自動駕駛作業；慧拓智能與臨工重機合作在礦山運行自動駕駛礦用車；易控智駕推出礦用自動駕駛整體解決方案；卡特彼勒公司在美國的礦山嘗試自動駕駛礦用車；日本小松公司的自動駕駛礦用車在智利的銅礦運營等。圖森未來2018年10月在上海獲得全國第一張自動駕駛重卡道路測試牌照，在上海臨港地區進行測試。

（3）非封閉場景

除了封閉場景，城市、鄉村等非封閉場景也是自動駕駛公司追逐的貨運戰場。由于非封閉場景的路況等環境更為復雜，因此對貨運自動駕駛提出了更高要求。從目前市場情況來看，以城市快遞、外賣等“最后一公里”配送為主的低速城市物流場景更容易商業化落地。

非封閉場景的無人駕駛車輛主要以無人配送車為主，順豐、京東、菜鳥、美團、餓了么等均在積極布局和實踐嘗試。此部分主要在第4章中詳細介紹。

（4）全場景運營

全場景運營即實現無人駕駛從干線、支線到終端物流等的全場景覆蓋。當前，菜鳥、京東、蘇寧、百度等公司均在積極布局物流全場景的無人駕駛技術裝備。

案例3-6 百度Apollo自動駕駛物流閉環

百度自動駕駛平臺Apollo實現了物流干線、支線到終端的全場景覆蓋，完成全球物流領域的首次自動駕駛閉環。其搭載的百度Apollo 3.5平臺，支持在高速公路和復雜的城市道路上進行自動駕駛，包括在市中心和住宅小區等區域的窄車道、無信號燈路口、借道錯車行駛等。（擴展視頻3-3）