清华自动驾驶前沿报告：解密六大关键技术

无人驾驶：从科幻到落地

自动驾驶，也就是汽车利用传感器和计算机系统实现无人操作的智能驾驶，在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。



通过对人类驾驶员长期驾驶实践的理解，无人驾驶技术可以拆解为“环境感知-决策与规划-控制与执行”过程的理解、学习和记忆的物化。

根据美国国际汽车工程师学会2014年制定的SAE J3016标准，汽车自动化系统可以分为Level 0（无自动化）~ Level 5（完全自动化）六个级别。这一标准不仅被美国交通运输部采纳为联邦标准，同时也已经成为全球汽车业界评定自动驾驶等级的通用标准。



从技术的角度来看，无人驾驶汽车是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。

从战略意义的角度来看，自动驾驶移动能力更强，能够有效改善交通安全、实现节能减排、消除交通拥堵、促进产业转型。

·KPMG：自动驾驶技术可在2014到2030年间使得全球车祸死亡人数降低2500；

·IHS Automotive：无人驾驶量产汽车将在2025年上市，估计销量可达23万辆；

·英特尔：无人驾驶汽车市场的规模将在2050年前达到7万亿美元。

因此，自动驾驶汽车受到了各国政府前所未有的重视，国内外各院校、研究机构都投入了大量人力、物理，各大车企、科技公司、汽车零部件供应商以及自动驾驶汽车创业公司也纷纷在这个领域进行布局。



在国外，无人驾驶技术的兴起可以追述到上世纪七十年代的实验室；随后，在1984年，DARPA（美国国防高级研究计划署）与陆军合作自主地面车辆（ALV）项目；

同期，美国著名大学如卡内基·梅隆、斯坦福、麻省理工等都先后加入无人驾驶汽车的研究工作中，著名的NavLab系列智能车辆就出自卡内基·梅隆大学。

2009年，谷歌宣布开始研发无人驾驶技术（Project Chauffeur），并于2012年5月获得了美国（内华达州）首个自动驾驶车辆路测许可证；随后，谷歌将其自动驾驶业务拆分出来，成立独立的新公司Waymo。在谷歌的带领下，新技术力量纷纷入局无人驾驶领域。



国外无人驾驶汽车发展图谱（重要事件一览）



外科研院校对无人驾驶技术的研究发展过程一览



国外新技术力量对无人驾驶技术的研究贡献（以谷歌为例）

与美、发达国家相比，我国在无人驾驶汽车方面的研究起步稍晚，从20世纪80年代底才开始。不同于国外车企以自主研发为主，我国汽车制造厂商多采取与国内科研院所、高效合作研发无人驾驶技术的方式。

2011年，一汽集团联手国防科技大学研制红旗HQ3无人驾驶汽车，完成了286公里的面向高速公路的全程无人驾驶试验；2013年，百度启动无人驾驶汽车项目，并与传统车企发展合作；随后，高科技公司相继加入角逐。



国内无人驾驶汽车发展图谱（重要事件一览）



国内科研院校对无人驾驶技术的研究发展过程一览



国内新技术力量对无人驾驶技术的研究贡献（以百度为例）

六大关键技术概览

无人驾驶汽车的关键技术包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X、无人驾驶汽车测试与验证技术。其中，环境感知、决策与规划和车辆控制环节涉及了人工智能的应用。



环境感知技术

环境感知可以理解成汽车利用传感器套件对车身周围的动摇和静态对象进行3D重构。

目前，环境感知技术有两种技术路线，一种是以特斯拉为代表的以摄像机为主导的多传感器融合方案；另一种是以谷歌、百度为代表的以激光雷达为主导，其他传感器为辅助的技术方案。



精准定位技术

精准定位技术顾名思义就是让汽车指导自己所在的物理位置，这就涉及惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统。



决策与规划技术

根据环境感知和导航子系统，自动驾驶汽车的行为决策与路径规划系统结合给定的起始点和终点进行信息处理。目前，针对自动驾驶决策与规划的专用芯片/计算平台包括英特尔-Mobileye开发的EyeQX和英伟达的NVIDIA Drive PX系列。





控制与执行系统

车辆控制平台是无人车的核心部件，控制着车辆的各种控制系统。车辆控制系统可以分为纵向控制（采用油门和制动综合控制的方法实现对预定车速的跟踪）和横向控制（包括对驾驶员行为的模拟和车辆动力学的分析）两个环节。



高精地图与车联网V2X

为了更好的规避潜在风险，帮助车辆预知路面复杂信息，如坡度、曲率、航向等，无人驾驶往往需要结合实时的高精地图，而这种实时性，可以通过车联网（V2X系统）实现。



人工智能在自动驾驶汽车中的应用



自动驾驶汽车学术热点

学者分布及迁徙

根据国际期刊会议的学术论文，AMiner对自动驾驶领域全球h-index排名（国际公认比较能准确反映学者学术成就的指数）TOP 1000的学者进行计算分析，绘制出了该领域（automated vehicle）学者的全球分布地图。



自动驾驶领域学者的全球分布地图



各国自动驾驶人才统计图

据此可见，从国家来看，美国是自动驾驶汽车研究学者聚集最多的国家，英国、中国紧随其后，加拿大和意大利也聚集了很多该领域的人才；从地区来看，西欧自动驾驶人才的集中地，而中国大陆、美国东部等地区也吸引了大量人才。



中国学者分布

就中国来看，自动驾驶研究学者主要集中在北京、上海和南京，其次是西安、长沙、武汉和成都等地。



各国人才迁徙图

根据全球自动驾驶h-index排名前1000的专家学者迁徙路径统计来看，美国是自动驾驶领域人才流动大国，人才输入和输出都大幅领先（流出略大于流入），随后是英国、德国、中国和加拿大，中国人才流入量大于流出量。



全球各h-index指数（左）、性别（右）的自动驾驶人才统计图

从h-index指数来看，全球自动驾驶h-index排名前1000的学者中，20到40的学者数量最多（占40%），40到60的学者次之（占20%）；从性别来看，全球男性自动驾驶学者比例占97%，远高于女性。



中国各h-index指数（左）、性别（右）的自动驾驶人才统计图

在中国，h-index指数小于等于10的学者最多，占69%，大于等于60的学者最少，仅占1%；性别方面，中国男性自动驾驶学者比例占99%，远高于女性。



国外代表性研究学者



国内代表性研究学者

应用和趋势

自动驾驶的应用目前主要体现在公共交通、快递运输，以及面向老年人和残疾人的汽车品类。

公共交通方面，相比于小汽车，它更能惠及普通群众，让民众感受到人工智能、自动驾驶带来的技术革新和便利，这也使该项技术最初的出发点。

今年3月，法国EasyMile的自动驾驶巴士EZ10成为了首辆在加州道路运营上路的完全没有司机驾座的汽车，这也是第一家受益于加州自动驾驶新政的公司。

而随着全球老龄化问题的加剧，自动驾驶技术正在极力弥补快递等行业面临的劳动力不足问题。随着技术的成熟和市场普及程度的提高，无人配送将成为必然的趋势。

2018年“618”促销活动期间，京东的北京上地配送站就出现了20余台配送机器人。随着调度平台命令发出，首批载有“618”货物订单的3辆配送机器人依次出发，自动奔向订单配送的目的地。

此外，自动驾驶汽车已经开始在老年人和残疾人这两个消费群体中有所应用。2012年，谷歌员工让失去95%视力的Steve Mahan坐上谷歌自动驾驶车，展示了自动驾驶技术的巨大潜力。



自动驾驶汽车的真正落地，一方面还需要技术的完善，包括高精地图和车联网系统的构建，专用计算平台/芯片的推出，以及安全高效的决策规划算法和控制执行系统的实现；另一方面，需要相关政策法规的完善，刺激技术发展的同时，保障产业发展的安全、健康。

作者认为，从历史演绎路径来看，自动驾驶作为未来高效、安全交通运行体系的解决方案，已经从一开始的军方科研项目，演绎成科技企业入局汽车/出行领域的筹码。

其在汽车四化变革中的核心地位指向了颠覆性的价值链重组（根据普华永道思略特：2030年仅数字出行服务业，市场规模将达到2.2万亿美元，但现有的汽车制造商所占行业利润将减半）。科技企业们试图通过信息技术的优势合纵连横，分一杯羹，传统车企也在努力调整战略，与之博弈。