數字化轉型時代下電動汽車自動駕駛技術發展研究

王景景　田夢　常凱迪

摘 要：在數字化轉型時代下，汽車行業正在向網聯化和智能化方向發展，自動駕駛技術的研發成為目前電動汽車企業關注的熱點問題之一。本文首先介紹了與自動駕駛相關的技術，然后選取部分電動汽車制造企業，對其自動駕駛的技術路線和能夠實現的功能進行研究，最后根據發展現狀對自動駕駛技術的發展趨勢進行預判。

關鍵詞：數字化轉型 網聯化 智能化 自動駕駛

1 引言

隨著國家政策引導和汽車強國的需要，以5G、物聯網、人工智能為代表的數字技術開始對傳統制造業的產品定義、產品規劃產生影響[1]。其中，汽車行業正由傳統硬件制造向以新四化（汽車電動化、智能互聯、汽車共享以及自動駕駛）為特征的未來移動出行轉變[2]，尤其是汽車智能化和網聯化的快速發展，推動汽車行業全價值鏈的數字化轉型，誕生出“軟件定義汽車”的全新產品理念，智能網聯化的自動駕駛電動汽車成為未來汽車工業的發展方向[3]。

2 自動駕駛相關技術研究

自動駕駛技術是指不需要人為操作即能感測其環境及導航，實現車輛自動駕駛[4]。與自動駕駛相關的技術主要有車輛定位、圖像識別、信息共享和深度學習等。

2.1 車輛定位

車輛定位是實現環境感知、路徑規劃與控制等后續功能的基礎。汽車在駕駛過程中，通過激光導航、視覺導航等能識別到車輛所處的地理位置，并主動向駕駛系統發送道路信息，以幫助中央導航做出正確的駕駛選擇[5]。目前汽車定位采用的傳感器主要有激光雷達、毫米波雷達和攝像頭等[6]。

2.2 圖像識別

借助于人工智能和大數據，自動駕駛車輛在行駛過程中會通過視覺傳感器將車輛周邊環境的圖像數據進行持續的采集，然后反饋給自動駕駛系統，自動駕駛系統對接收到的圖像進行多層次的信息加工，且隨著類似圖像數據的多次采集和處理，系統將逐漸熟悉圖像特征，當有相似的圖像出現后，系統將準確的識別出圖像中的信息[7]。

2.3 信息共享

由于人工智能的應用，不同汽車之間可以實現對實時路況和車輛位置信息的共享。在專用通道中，汽車能夠將自身位置、車速等信息與其他汽車共享，使其他汽車的自動駕駛系統實時接收到信息并及時調整車輛的行駛狀態，保證車輛行駛的安全性[8]。另外，車輛的自動駕駛系統還能監控共享信息的時效性，自動刪除無效信息，從而保證自動駕駛汽車獲得最新的共享信息。

2.4 深度識別

深度識別不僅可以及時獲取環境信息并進行精準分析處理，而且能夠在計算機的幫助下獲得更成熟的感知和分析能力。通過將人工智能技術和云服務相結合，汽車自動駕駛系統迅速獲得實時數據，通過復雜的算法將結果直接發送到駕駛決策系統，實現真正的智能化駕駛[9]。另外，深度識別能夠大幅度提升汽車自動化駕駛的水平和質量[10]，如通過監控和分析駕駛員的駕駛偏好，將信息反饋給中央控制系統，可以幫助車輛實現自動調節車內溫度和座椅位置等功能。

3 代表企業自動駕駛技術發展

3.1 特斯拉

目前特斯拉自動駕駛技術采用的是全視覺路線，其利用8個攝像頭的圖像數據進行機器學習，取消了激光雷達，靠視覺感知路線、障礙物等，模擬人腦駕駛時的反饋邏輯；車輛圖像數據采集完成后，卷積神經網絡將對數據進行分層并行處理，且數據量越大，其處理效果越好，識別精度越高；然后神經網絡系統根據算法進行學習，進而產生自主判斷能力，自行發出行進或避讓的指令開啟自動駕駛，見圖1。

特斯拉的FSD功能，包括自動輔助導航駕駛、自動輔助變道、自動泊車、智能召喚、自動識別信號燈及標識，同時還具有城市街道自動輔助駕駛功能，但目前該功能僅在美國部分地區搭載。

3.2 智己

智己的自動駕駛技術以視覺方案為主，同時搭載高精攝像頭、毫米波雷達、超聲波傳感器和高精定位單元、V2X車路協同等高性能感知硬件，具有成本低、可持續依托數據進行迭代的優點；感知系統完成圖像數據采集后，將由Xavier計算平臺進行圖像數據的處理與計算，見圖2。

智己自動駕駛系統主要可以實現車輛召喚、高速領航、城市領航和自動泊車等功能，另外，通過判定路況和輔助駕駛能力，可對駕駛員駕駛能力進行分級，給予駕駛員相應的反饋，提高駕駛員的信任程度。

3.3 小鵬

小鵬的自動駕駛輔助技術是以視覺和雷達波的融合感知路線為主，感知系統包括高清攝像頭、超聲波傳感器、激光雷達和毫米波雷達以及高精定位單元，能夠實現對環境進行視覺和雷達的雙重融合感知；采集完成的圖像數據，將在NVIDIA Xavier超級計算平臺上進行計算，形成數據和算法的全閉環，見圖3。

小鵬的自動駕駛輔助系統可實現ACC/LCC/NGP工況下，加塞車輛更早識別與應對，提高擁堵路況下的駕駛舒適性；另外可實現自動泊車輔助、停車場超級記憶泊車等智能泊車功能以及NGP高速自動導航輔助駕駛和NGP城市自動導航輔助駕駛功能，全面提升對行人、靜態障礙物和小物體的檢測能力，實現最高厘米級測距精度。

3.4 蔚來

蔚來NAD自動駕駛技術基于視覺和雷達波的融合感知系統，感知系統包括高清攝像頭、高精度激光雷達、超聲波傳感器、高精定位單元和V2X車路協同等高性能感知硬件；圖像數據在NIO NAD ADAM超算平臺上進行運算，該運算平臺能夠實現處理復雜交通場景時更準確、迅速，同時可針對每個用戶的用車環境進行個性化的訓練，以確保每個用戶自動駕駛體驗更好，見圖4。

在NAD自動駕駛技術之前的NIO Pilot駕駛技術可實現全自動泊車、自動進出匝道和車輛近距離召喚，NAD自動駕駛技術的進一步發展，可逐步實現高速、城區、泊車和換電場景的全覆蓋，最終將實現點到點的自動駕駛服務。

4 各企業自動駕駛發展現狀總結

目前各企業的主要發力點是L2基礎功能和L2+進階功能，通過進一步的硬件利用和算法優化，實現更多維度的功能發展。相對領先的企業基本已經實現L2級功能的全面普及，一部分在中高配車型上全面搭載L2級功能，另一部分以相對較低的價格選裝，可實現全速域的ACC跟車和車道居中功能；另外，L2+功能是目前各企業布局的重點方向，包含領航輔助、高階自動泊車、車輛召喚、自動進出匝道等。在L3以上更高級別的功能上，由于目前在法規、算法和技術尚未突破的情況下，企業采用硬件先行的策略，通過豪華的感知硬件，如激光雷達、高清攝像頭等，建立起硬件基礎，再不斷迭代軟件功能，布局更高階的自動駕駛功能。

5 自動駕駛發展趨勢預判

自動駕駛環境方面：國家的自動駕駛相關的法規已形成初步框架，多部委協同協作機制日趨完善，規劃到2030年率先建成智能汽車強國，預計政策法規方面未來將迎來重大利好；地方上加快布局車路協同等基礎設施的發展和5G網絡的部署，同時，互聯網公司積極追趕國外高精地圖相關的先進技術，為自動駕駛的發展提供必要的技術支撐，有望早日實現車路協同。

自動駕駛硬件方面：自動駕駛硬件在近年來的發展趨勢主要是激光雷達的普及與核心處理器的快速發展，激光雷達體積和成本均有效壓縮，大規模裝車成為可能；核心處理器算力發展迅速，高性能芯片成為未來發力的主攻方向。

自動駕駛功能發展方面：得益于供應鏈的快速發展，L2級駕駛輔助功能的開發成本迅速降低，裝備率迅速增加，如車道保持輔助功能和全速自適應巡航功能的裝備率分別由2016年的0.07%和0.08%上升至2021年的28.31%和22.87%，未來將逐步走向普及；L2+功能快速發展，L2+功能通過更高的算力和更豐富的感知硬件，實現更長時間、更多場景的輔助駕駛，但仍需駕駛者長時間監督，隨著硬件成本的下降，L2+功能是未來差異化駕駛輔助功能的主要發力點；但L3以上功能，涉及到法規、算法和配套的局限，短期內難以實現全場景覆蓋，還需要長時間的發展與試錯。

6 結語

根據企業現階段的技術路線和實現的功能，可知L2級自動駕駛功能裝備率正在逐步增加，未來將逐漸普及，L2+級自動駕駛技術是近期企業自動駕駛技術的主要發展方向，L3級自動駕駛技術的實現還需較長時間的研究與發展。

參考文獻：

[1]黃國凱.人工智能在智能網聯汽車上的應用進展研究[J].內燃機與配件，2022（03）：226-228.

[2]劉琨，付銳，許建偉.制造業數字化轉型背景下戰略管理會計創新路徑探析——以長安汽車為例[J].國際商務財會，2021（15）：32-39.

[3]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.

[4]李路.美國自動駕駛汽車產品責任及對我國的啟示[D].上海外國語大學，2021.

[5]劉文虎.人工智能在汽車自動駕駛中的應用[J].現代制造技術與裝備，2021，57（08）：195-196.

[6]周蘇，李偉嘉，郭軍華.基于激光雷達的停車場車輛定位算法[J].同濟大學學報（自然科學版），2021，49（07）：1029-1038.

[7]王文慶.人工智能在汽車自動駕駛中的應用[J].時代農機，2019，46（09）：28-29.

[8]胡博瀚.車輛自動駕駛中人工智能的應用實踐微探[J].科技傳播，2017，9（05）：80-81.

[9]戴震軍.人工智能技術應用于自動駕駛汽車面臨的挑戰及發展趨勢分析[J].無線互聯科技，2020（6）：162-163.