專利視域的汽車環境感知技術分析與政策建議

中圖分類號：U467；G306 文獻標志碼：A DOI：10.19822/j.cnki.1671-6329.20230158

【歡迎引用】，等.專利視域的汽車環境感知技術分析與政策建議—以江蘇省為例[J]汽車文摘， 2025（5）：37-43.

[Cite thispaperFANGY，XIEJPHUAGD，etal.Patent AnalysisandPolicyRecommendationforEnviromentalPerception Technology inIntelligentConectedehicleACaseStudyofJiangsuProvincel]AutomotiveDigest（Chinese）2（5）：3.

Patent Analysis and Policy Recommendations for Environmental Perception Technology in Intelligent Connected Vehicle： A Case Study of Jiangsu Province

【Abstract】 In response to China's“Transportation Power\"strategy and the urgent need for breakthroughs in core technologiesof IntelligentConnectedVehicle（ICV）addressingkeychallengessuchasinsufficientregionalcollabortive innovation anddelays inbuilding industrywide patent bariers，this paper examines the development status and relevant policiesof environmentalperception technology.A comprehensive patentanalysisis conductedon Jiangsu Province from multiple dimensions，including application trends， geographical distribution，patent mapping，and examination cycles. Finally，policyrecommendations areproposed tooptimizethe patent layout in Jiangsu's ICVsector，aiming toenhance its industrial competitiveness and provide valuable insights for future development.

Key words： Intelligent connected vehicle， Patent analysis， Environmental perception， Policy analysis

0引言

科技進步和社會發展推動了智能網聯汽車（IntelligentConnectedVehicle，ICV）技術的快速發展和廣泛應用，智能網聯汽車已成為中國和歐美日等國家和地區的戰略性新興產業之一，并成為《中國制造2025》的重點支持產業。而在智能網聯汽車的關鍵技術中，環境感知技術作為感知周邊環境并進行決策的核心技術，具有十分重要的作用。

智能網聯汽車環境感知技術綜合了多類交叉學科共同研究和開發的創新成果，通過專利分析，可以揭示出該技術領域的關鍵技術點、技術發展方向以及創新動態，更清晰地展示技術的現狀和未來走向。王健美等從全球智能網聯汽車專利的角度出發，對其技術研發趨勢、競爭區域、主體和價值等進行了詳細的計量分析?；趯＠麛祿难芯恳嗄芙沂境鲋悄芫W聯汽車產業的核心技術，戚等利用潛在狄利克雷分配（LatentDirichletAllocation，LDA）模型識別出智能網聯汽車產業8項關鍵技術，為判定該行業的核心競爭力提供了有力參考。專利在細分領域中具有專精性使其成為分析特定技術的有效工具，王軍雷等[4-5]以智能網聯汽車的決策技術和智能座艙技術為例，李健明等以高精度地圖技術為例，詳盡地剖析了其發展趨勢、重要申請人以及各技術分支的分布情況。郭少杰等則從異常狀態車道保持策略的角度對其技術構成和關鍵技術點進行了深入分析。

專利是反映一個國家或地區在特定技術領域研發實力和創新水平的重要指標，在創新驅動經濟中具有重要作用。江蘇省作為中國汽車產業的重要基地，其在智能網聯汽車領域的發展已呈現出良好的發展態勢。諸多企業和研究機構投身于環境感知技術的深度研發，并成功申請了一系列專利。本研究旨在通過對江蘇省在智能網聯汽車環境感知技術相關專利的數據挖掘和分析，全方位揭示其在該領域內的技術研發實力和趨勢。一方面，通過專利分析展示江蘇省在環境感知技術研發中的特性和優勢，識別存在的問題和不足，并依此提供針對未來技術創新和產業發展的指導性參考。另一方面，政策的制定與執行在推動科技進步，尤其是在智能網聯汽車這樣的高新技術領域，具有重要作用。因此，剖析政策對專利產出和科技創新性的影響，有助于更深入地理解江蘇省在此領域的競爭力，并為政策制定者提供有價值的視角和建議。

1汽車環境感知技術概述

智能車輛的環境感知技術主要利用各種傳感器（如視覺傳感器、激光雷達、毫米波雷達和超聲波雷達）獲取車輛周圍環境信息，并通過多源信息融合算法和機器學習算法處理上述信息，實現對道路、車輛、行人等動態對象的精確檢測、識別、跟蹤及預測，以實現車輛的智能駕駛[8]

車輛環境感知技術在傳感器器件上的研究呈多元化形式發展。在新型感知傳感器及其性能優化方面，Roos等通過不同的調制方案和干擾抑制方法對傳感器的性能進行了優化，提高了雷達感知的可靠性和性能。Lemmetti等討論了一種適用于自動駕駛的長距離全固態閃光LiDAR傳感器，實現了對長距離區域的高分辨率感知。蔡英鳳等提出了一種基于多傳感器緊耦合的同時定位與地圖（SimultaneousLocalizationAndMapping，SLAM）構建系統，顯著地提高了系統的穩定性和精度。單傳感器已初步具備獨立識別障礙等能力，婁新雨等12]和沈念偉等3分別利用64線激光雷達和單自攝像頭實現對前方障礙物進行檢測與分類。

為提高障礙物識別的準確性與可靠性，在汽車自動駕駛感知技術中更多采用多種傳感器共同工作，因此傳感器信息融合算法具有重要意義，研究學者在不同方面對其進行了深入的探索和研究。在感知設備組合形式上，薛培林等4采用激光雷達與相機融合，宮銘錢[15采用激光雷達和視覺信息融合方案，張炳力采用毫米波傳感器和機器視覺融合方案等實現對車輛的檢測。從算法的角度上來看，單階段方法中，YOLO（YouOnlyLookOnce）算法較為經典，薛培林等4和張炳力[均采用了該算法。而宮銘錢采用了兩階段算法中的快速區域卷積神經網絡（Region-basedConvolutionalNeuralNetwork，R-CNN）算法和具有噪聲的基于密度的空間聚 類（Density-Based Spatial Clustering ofApplicationswithNoise，DBSCAN）算法，同樣實現了對車輛的檢測與跟蹤。

基于視覺學習的目標檢測雖然可以提取運動目標的多層次特征信息，但更為微小的信息卻難以提取。而在智能駕駛技術中，車輛本身的動力學信息尤為重要，其中車輛位姿感知和車身參數感知也作為當前的技術重點。在車輛位姿感知方面，李臣旭等[8提出了一種融合輪速傳感器信息與視覺傳感器信息的車輛位姿估算方法，提高了泊車過程中車輛位姿的估算精度。在車身參數感知方面，夏秋等設計一種基于余信息融合的車輛質心側偏角估計方法，有效的提高了車輛狀態估計精度和多工況適應能力。

智能車輛環境感知技術研究聚焦多源傳感器融合與深度學習算法優化，結合車輛動力學參數估計，顯著提升環境識別與狀態感知精度。

2政策背景與現狀

為更好推動智能網聯汽車產業及技術的發展，中國政府發布了系列相關政策文件，以推動智能網聯汽車在行業間和學科間的融合發展。下面將從國家戰略層面、地方政府實施層面和知識產權領域3個層次進行探討。

在國家戰略層面，我國針對智能網聯汽車領域在頂層設計、行業規劃、基礎支撐等方面推出了多項政策并組織實施，有效地推動了智能網聯汽車跨行業，跨學科的融合發展。以《中國制造 和《國家綜合立體交通網規劃綱》為代表的國家級頂層設計政策，鼓勵核心技術的研發，并明確指向智能化、信息化和電氣化等核心技術方向。同時，由國家發改委、工信部等機構發布的《智能汽車創新發展戰略》2和世界智能網聯汽車大會上公布的《智能網聯汽車技術路線圖 為行業提供了技術發展指南，涵蓋了車輛、信息交互和基礎支撐關鍵技術等方面。此外，工信部發布的《車聯網（智能網聯汽車）產業發展行動計劃》4和相關的政策文件等作為基礎支撐政策，激勵智能化基礎設施的建設以及新技術的應用。上述國家級的政策不僅在目標導向、核心技術和關鍵領域等方面提供了清晰的引領，同時通過基礎支撐政策強力推進了整個行業的發展，極大地激勵了發明專利體系的建設。從汽車環境感知技術的發展趨勢來看，如圖1所示，自2016年后專利申請數量呈現出爆發式增長，國家級產業政策為我國智能網聯汽車領域的技術創新注入了強大的動力。

在地方政府層面，2019年，江蘇省工信廳印發了《江蘇省推進車聯網（智能網聯汽車）產業發展行動計劃》[25]。2020年，江蘇省人民政府在其產業強鏈三年行動計劃中，將車聯網列為重點產業鏈之一。江蘇省環境感知專利申請數量呈現快速增長趨勢，其專利數量位居全國第3。2020年，江蘇省工信廳發布《江蘇省智能網聯汽車汽車產才融合推進工作方案》[26]，旨在打造具有全球影響力的智能網聯汽車高端產業集群。

2022年江蘇省進一步發布了《關于加快推進車聯網和智能網聯汽車高質量發展的指導意見》[27]。如圖2所示，截至2024年底，南京、蘇州和鎮江三地是環境感知和先進傳感器領域關鍵技術專利申請的核心地區，由重要專利人及所在地市區域數據亦可見高校和研究機構主要聚集在南京，相關頭部企業主要聚集在南京和蘇州地區，這與江蘇省工信廳對智能網聯汽車產業聚集區的規劃一致，表明江蘇省在智能網聯汽車產業聚集區建設上初步取得了顯著成效。

在知識產權領域層面，自2008年《國家知識產權戰略綱要》28]以及2021年的《知識產權強國建設綱要（2021-2035年）》29發布以來，中國已經將知識產權推升到了國家戰略的高度。在此背景下，2017年國家知識產權局推出了《專利優先審查管理辦法》，旨在加速新一代信息技術、高端裝備制造、新能源汽車和智能制造等關鍵領域技術的創新與商業化步伐，并針對這些產業的專利案件進行優先審查。2019年的《專利申請集中審查管理辦法》31進一步定義了專利優先審查的目標和條件，在其中明確要對新能源汽車、智能網聯汽車等新興產業領域的專利進行集中審查，以培育核心專利并促進行業專利布局的快速發展。各地的知識產權保護中心在國家知識產權局的指導下，對自身審查范圍內的專利實施了專利快速預審。這些政策的實行不僅提高了專利申請的質量，同時加快了專利的審查、確權和維權速度。特別是在對江蘇省環境感知技術專利審查中，以上政策的影響尤其顯著。自2019年以來，6個月以內快速審查通過的發明專利數量逐年增加。2019年至2024年授權專利的審查周期雖然以12個月為主，但6個月和12個月內審查通過的專利數量逐漸增加。這不僅表明專利審查部門加快了對智能網聯汽車及其環境感知技術領域的審查速度，也表明創新技術的落地和商業化進程得以更快推進。因此，從國家到地方，乃至知識產權局等專門機構的多層次、全面推動的政策布局，為我國智能網聯汽車產業的繁榮發展提供了堅實的保障和支持。

3江蘇省環境感知技術專利分析

3.1數據來源和分析方法

本研究采用智慧芽專利分析系統對智能網聯汽車環境感知技術的下級分支進行了檢索，主要包括圖像處理與識別、視覺感知、姿態感知和傳感器與數據融合等相關技術的專利。檢索采用了關鍵詞和主要字段相結合的方式，采用了MAINF：（ANDTAC：O的檢索式。關鍵詞涵蓋了圖像采集、圖像特征提取和雷達等內容。為確保準確性，剔除了與主題無關的關鍵詞?？紤]江蘇省是本研究的重點研究區域，檢索式中加人了搜索字段AN_PROVINCE：（江蘇）進行了區域檢索。檢索時間范圍為2012年1月1日至2024年12月31日。在智能網聯汽車環境感知與先進傳感器領域，全國范圍內檢索到了14020條專利，其中江蘇省范圍內檢索到1593條專利。

在分析方法方面，以梳理智能網聯汽車環境感知技術的概念與基本現狀的基礎，采用數理統計分析、數據關聯分析、聚類分析和專利地圖分析等方法，提取和統計申請趨勢、區域分布、專利申請人、主要技術領域等方面分析江蘇省自前產業發展現狀與趨勢，為江蘇省智能網聯汽車產業政策制定提供參考。

3.2 申請趨勢分析

如圖1所示，江蘇省于2012—2024年期間智能網聯汽車環境感知技術的發展趨勢與全國的發展趨勢基本一致，主要分為3個階段，2012一2015年的專利申請數量較少，處于技術萌芽期。2016一2022年江蘇省專利申請數量呈現出爆發式增長，在該領域處于快速發展時期。2023年至今專利申請數量略有下降，技術發展逐漸成熟，可見江蘇省今后該領域將繼續保持強勁的發展動能。

3.3 申請區域分析

如圖2所示，北京、廣東、江蘇和上海等省市在智能網聯汽車環境感知技術領域的專利數量在全國處于領先地位，其中江蘇省在該領域的專利申請數量占比為 11.4% ，位居全國第3，專利申請數量超過了傳統汽車研發優勢地區上海市。江蘇省內南京、蘇州和鎮江三地專利數量合計達 80% ，是智能網聯汽車環境感知和先進傳感器領域關鍵技術專利申請的熱點地區。其中，南京的專利申請數量最高，在江蘇省中占比37.1% ，蘇州緊隨其后，占比為 29.4%。

3.4專利類型分析

對江蘇省智能網聯汽車環境感知技術領域企業和高校院所的專利類型的申請量進行統計，統計結果如表1所示。企業與高校的授權發明專利分別為56.47% 和 62.40% ，表明江蘇省在智能網聯汽車環境感知技術領域具備較強的創新實力和技術積累，也顯示高校較企業的基礎研究更有優勢。在實用新型專利方面，企業占比 14.86% 顯著高于高校的 1.98% ，反映企業依托實用新型專利快速響應市場需求。兩類專利結構互補構建起“應用選代-理論突破”的雙向創新通道，為技術升級提供系統性支撐。

3.5 專利申請人分析

江蘇省智能網聯汽車環境感知技術的專利申請人主要分為高校院所和企業。如圖3所示，江蘇省內高校/研究所在早期階段，南京大學、南京理工大學和東南大學為該領域的技術發展先鋒。江蘇省本土高校和清華蘇州汽車研究院開始積極布局并逐步成為該領域的重要競爭力量。在2016一2024年期間，東南大學、江蘇大學和南京航天航空大學在該領域的專利申請數量較多，專利申請工作較穩定。盡管江蘇大學在每年專利申請數量上相對東南大學稍顯遜色，但其專利申請數量逐年增多，顯示其在該領域具有持續科研投人和專利布局。此外，從統計的數據中也可以看出在該領域的重要高校申請人仍是車輛或交通領域優勢學科高校/研究機構，主要聚集在南京、鎮江和蘇州地區。

相比高校院所，企業在該領域的起步較晚，但專利申請數量較多，說明企業隨著產業政策的引導在該領域投入和積極布局，其中中汽創智、魔門塔、蘇州摯途和的盧技術等企業的專利申請總量達40件以上，如圖4所示。中汽創智成立較晚但研發成果豐富，申請專利總量達80件，魔門塔早在2018年就開始積極專利布局。蘇州摯途在2022年的專利申請量數量較為突出，但近期在專利布局方面稍顯不足。從地域分布角度分析，專利申請數量前10名的企業集中分布在蘇州和南京地區，這反映了蘇州在知識產權法律保障和政策激勵上的先行優勢，以及南京依托高校資源與產業集群形成的協同創新生態。

盡管江蘇省在環境感知領域的企業競爭力相對較高，但其與國內領先企業的專利布局仍存在較大差距，如表2所示。江蘇省企業需要進一步加強技術研發和知識產權戰略規劃，以增強其在國內乃至國際市場的競爭力。

3.6主要技術領域和專利地圖分析

技術領域方面，如圖5所示，根據國際專利分類系統（InternationalPatentClassification，IPC）號段及專利申請分布，江蘇省在智能網聯汽車環境感知技術領域的優勢可歸納為以下3個方面：（1）基于導航和位置感知的自動駕駛與控制技術（G05D1、B60W30），涵蓋車輛定位、軌跡規劃及無人駕駛場景下的高精度控制技術，例如通過衛星定位和慣性導航實現復雜環境中的動態路徑規劃；（2）基于圖像和視頻的多信號融合與車輛控制技術（G06V20、G06T7），涉及圖像識別、視頻理解及多模態數據融合（如攝像頭與雷達數據協同），結合生物模型算法提升車輛決策能力，支持環境感知與駕駛行為實時交互；（3）高精度傳感器技術（G01S17、G01C21、G01S13、G01S7），包括激光雷達、毫米波雷達、視覺傳感器及慣導裝置，通過非無線電波的反射與再輻射系統實現厘米級環境建模，為自動駕駛提供精準的位置和障礙物信息。此外，B60R11和G08G1分類號進一步體現了車輛傳感器集成與交通信號協同技術的應用，強化了車路協同場景下的感知與控制能力。這些技術領域的專利布局反映了江蘇省在智能網聯汽車核心技術鏈上的持續創新與產業化優勢。

如圖6所示，從專利地圖的角度分析，江蘇省在智能網聯汽車環境感知技術領域的研發熱點與IPC分類號歸納的技術領域較一致，主要集中于高精度傳感器（如多線激光雷達、毫米波雷達、超聲波雷達）圖像和視頻多信號融合技術（如神經網絡、點云等）以及基于導航和位置感知的車輛控制等方面。

3.7授權專利審核周期分析

授權發明專利的審查周期隨年份和月份變化展現出明顯差異，如圖7所示。2019年之前，審查周期普遍較長，多數為25＼～36個月或36個月以上。2019＼～2021年為過渡期，專利審查周期開始縮短，多數專利一年內通過的數量開始增長，但長周期仍占較大比重。2022年后，審查效率顯著提升，尤其2022年1＼～6個月審查周期專利占比上升至 46% ，為歷年最高，而2023＼～2024年16個月周期專利占比持續高位，表明專利審查部門針對智能網聯汽車及其環境感知技術領域加快了審查進度，加速推動創新技術的落地和商業化進程。

4建議與措施

（1）強化頂層設計，統籌規劃集群，促進協同融合。從管理體制、法律法規、標準體系、技術路徑、應用示范、試驗測試、人才培養等多個維度開展頂層設計工作，建立省級財政補貼、扶植及獎勵政策，完善江蘇省智能網聯汽車產業發展政策體系。從省級層面進行統籌規劃，采取因地制宜、重點傾斜、優先扶持的原則，鼓勵聚集發展，引導資源配置，集中優勢力量，培育出具有江蘇特色的智能網聯汽車區域發展戰略，統籌規劃，融合協調發展，推動智能網聯汽車技術研發、知識產權保護、產業發展等得到協同發展。

（2）完善產業鏈條，建設高價值專利池。全面提升企業研發能力，支持重點智能網聯汽車優勢企業建設高水平企業技術中心、工程中心、重點實驗室等，提升關鍵環節的研發創新能力，推動“零整”企業雙向合作，構建、優化、穩定以及強化產業鏈條，形成更有韌性、更具競爭力的產業集群，扶持優質企業構建“鏈主\"引領的產業布局。培育高價值專利和建設產業鏈專利池，政府鼓勵企業、科研機構和高校等創新主體參與專利池的建設，形成專利資源共享和合作的平臺。

（3）加速知識產權審查，深化監管，推進專利布局。繼續延續和加強優先審查、快速審查、集中審查等措施，加強審查員的新技術教育培訓，提高其法律素養和行業洞察力。加強對專利代理機構的監管，確保其服務水平和行業經驗滿足審查效率和質量審查的要求。鼓勵企事業單位建立知識產權管理團隊，協助企業對前瞻性技術和產品的專利布局。加強對科研技術人員的專利培訓，提高其專利意識和水平。引導技術人員在研發流程中與專利技術緊密掛鉤，確保研發成果得到有效的專利保護。

（4）培育多元人才，推進產教融合。培育智能網聯汽車全產業鏈人才，高校與企業合作開展產學研項目，培養具有實際工作經驗的應用型人才。針對關鍵技術，引進海外人才并加強國際技術交流。推動各類“產教融合\"平臺運營提升，加大人才供給規模。加快知識產權領域內的人才培養與吸引，定期為審查員提供技術和法律培訓，確保其能力與時俱進；明確審查員職業發展路徑，深化專業研究。提高審查員的薪酬待遇，吸引并留住優秀的審查員。加強代理人員提供法律與技術雙重培訓，增強實踐經驗；強化高校和研究機構專利教育，提升科研人員的專利意識。鼓勵科研人員與企業及代理機構合作，增強其專利實踐經驗。

5結束語

（1）對江蘇省汽車感知技術的專利情況進行了分析與研究，江蘇省在智能網聯汽車及其環境感知領域處于蓬勃發展階段。南京和蘇州作為專利申請熱點地區，彰顯出江蘇省產業聚集規劃的初步成效。高精度傳感器技術、圖像和視頻多信號融合技術、基于導航和位置感知的車輛控制技術等方面是熱點研發技術，同時也是智能車輛環境感知的關鍵核心技術和難點技術。智能網聯汽車產業是江蘇省優勢產業鏈之一，通過本文的研究可以進一步摸清產業鏈各環情況，進一步建鏈、補鏈、穩鏈和強鏈，提升江蘇省的競爭優勢和促進智能網聯汽車產業發展。

（2）基于專利數據與政策分析，為政府、企業和研究機構提議了關于智能網聯汽車產業發展的政策建議方向及其具體的政策措施，特別是在知識產權領域。然而，本研究也存在一些限制，未來隨著技術和市場的變化，部分建議可能需要調整。

（3）鑒于智能網聯汽車產業的快速發展和其與知識產權的重要性，建議未來的研究可以更深人地探討知識產權領域內審查員、代理機構、科研與技術人員相關的多層次人才培養體系的研究。

參考文獻

[1]中國汽車工程學會.節能與新能源汽車技術路線圖 北京：機械工業出版社，2020.

[2]王健美，魏晨，胥彥玲，等.專利視角下全球智能網聯汽車技術競爭態勢分析[J1.汽車技術，2021（8）：20-29.

[3]戚，陳墨.專利視角下智能網聯汽車關鍵核心技術主題識別研究[J].中國發明與專利，2022，19（11）：5-11.

[4]王軍雷，呂惠，王亮亮，等.基于專利分析的智能網聯汽車決策技術發展現狀分析[J].汽車技術，2019（12）：12-17.

[5]王軍雷，冀然.基于專利分析的智能座艙系統技術研究[].汽車文摘，2022，（2）：47-51.

[6]李健明，李根，馬宇宸.基于專利分析的高精度地圖技術研究[J].汽車文摘，2024，（8）：43-47.

[7]郭少杰，王軍雷，夏天，等.基于專利分析的異常狀態車道保持控制策略研究[J].汽車文摘，2021（12）：48-53.

[8]李克強，王建強，許慶.智能網聯汽車[M].北京：清華大學出版社，2022.

[9] ROOS F， BECHTER J， KNILL C， et al. Radar Sensors forAutonomous Driving： Modulation Schemes and InterferenceMitigation[J]. IEEE Microwave Magazine， 2019， 20（9）： 58-72.

[10] LEMMETTI J， SORRI N， KALLIONIEMI I， et al. Long-range All-Solid-State Flash LiDAR Sensor forAutonomous Driving[C]// Conference on High-PowerDiode Laser Technology， 2021.

[11]蔡英鳳，陸子恒，李祎承，等.基于多傳感器融合的緊耦合SLAM系統[J].汽車工程，2022，44（3）：350-361.

[12]婁新雨，王海，蔡英鳳，等.采用64線激光雷達的實時道路障礙物檢測與分類算法的研究[J].汽車工程，2019，41（7）： 779-784.

[13]沈念偉，于大泳.基于單目攝像頭的車輛前方障礙物的檢測研究[J].農業裝備與車輛工程，2022，60（1）：84-87.

[14]薛培林，吳愿，殷國棟，等.基于信息融合的城市自主車輛實時目標識別[J].機械工程學報，2020，56（12）：165-173.

[15]宮銘錢，冀杰，種一帆，等.基于激光雷達和視覺信息融合的車輛識別與跟蹤[J].汽車技術，2020（11）：8-15.

[16]張炳力，詹葉輝，潘大巍，等.基于毫米波雷達和機器視覺融合的車輛檢測[J].汽車工程，2021，43（4）：478-484.

[17]孔烜，張杰，鄧露，等.基于機器視覺的車輛檢測與參數識別研究進展[J].中國公路學報，2021，34（4）：13-30.

[18]李臣旭，江浩斌，王成雨，等.基于傳感器信息融合的車輛位姿估算方法[].江蘇大學學報（自然科學版），2022，43（6）： 636-644.

[19]夏秋，陳特，陳龍，等.基于冗余信息融合的車輛質心側偏角估計方法[J].汽車工程，2022，44（2）：280-289.

[20]國務院.國務院關于印發《中國制造2025》的通知（國發[2015]28號）[EB/0L]. （2015-05-19）[2025-03-03]. https：//www. gov.cn/zhengce/content/2015-05/19/content_9784.htm.

[21]中共中央，國務院.國家綜合立體交通網規劃綱要（國務院公報[2021]8號）[EB/0L].（2021-02-24）[2025-03-03].https：//www. gov. cn/gongbao/content/2021/content5593440.htm.

[22]國家發展改革委，中央網信辦，科技部，等.智能汽車創新發展戰略（發改產業[2020]202號）[EB/0L].（2020-02-10）[2025-03-03]. https：//www. gov. cn/zhengce/zhengceku/2020-02/24/content_5482655.htm.

[23] 國家智能網聯汽車創新中心.智能網聯汽車技術路線圖2.0[EB/OL]. （2020-11-11）[2025-03-03]. http：//www.caicv.org.cn/index.php/newsInfo？id=291.

[24]工業和信息化部.車聯網（智能網聯汽車）產業發展行動計劃（工信部科[2018]283號）[EB/0L].（2018-12-25）[2025-03-03]. https：//www. gov. cn/zhengce/zhengceku/2018-12/31/content_5442947.htm.

[25]江蘇省工業和信息化廳.關于印發江蘇省推進車聯網（智能網聯汽車）產業發展行動計劃的通知（蘇工信產業［2019]248 號）[EB/0L]. （2019-06-12）[2025-03-03].http：//gxt.jangsu.gov.cn/art/2019/6/12/art_627_8359613.html.

[26]江蘇省工業和信息化廳，江蘇省人才工作領導小組辦公室.江蘇省智能網聯汽車集群產才融合推進工作方案[EB/OL]. （2020-06-17）[2025-03-03]. http：//gxt. jiangsu.gov.cn/art/2020/6/22/art_6282_9239479.html.

[27]江蘇省制造強省建設領導小組.關于印發加快推進車聯網和智能網聯汽車高質量發展指導意見的通知（蘇制造強省[2022]1號）[EB/0L].（2022-06-22）[2025-03-03].http：/gxt.jiangsu.gov.cn/art/2022/6/22/art_6278_10505452.html.

[28]國務院.國家知識產權戰略綱要（國發[2008]18號）[EB/OL]. （2008-06-05）[2025-03-03]. https：//www.gov.cn/gongbao/content/2008/content_1018942.htm.

[29]中共中央，國務院.知識產權強國建設綱要（2021一2035年）[EB/0L]. （2021-09-22）[2025-03-03].https：//www.gov.cn/zhengce/2021-09/22/content_5638714.htm.

[30]國家知識產權局.專利優先審查管理辦法（國家知識產權局令第76號）[EB/0L].（2017-06-28）[2025-03-03].https：//www.gov.cn/gongbao/content/2017/content_5237713.htm.

[31] 國家知識產權局.國家知識產權局關于印發《專利申請集中審查管理辦法（試行）》的通知（國知發法字[2019]47號）.[EB/0L].（2019-08-30）[2025-03-03].https：//www.gov.cn/zhengce/zhengceku/2019-11/25/content_5455149.htm.

（責任編輯 梵玲）