本文將深入分析自動駕駛系統(tǒng)以及涉及到的軟件系統(tǒng)、硬件以及相關的企業(yè)的情況和產(chǎn)業(yè)的進展。

控制系統(tǒng)是智能汽車的大腦，它收集來自感知層的大量傳感器的信息，將其處理分析，感知周圍環(huán)境，規(guī)劃駕駛線路；在車輛行駛時需要根據(jù)周邊變化，控制執(zhí)行層的設備對車輛進行相應的控制；

自動駕駛控制器需要接受、分析、處理的信號大量且復雜，從而為路徑規(guī)劃和駕駛決策提供支持的多域控制器將會是發(fā)展的趨勢。

作為自動駕駛的主要參與方，車廠和互聯(lián)網(wǎng)企業(yè)的策略有很大差異，前者的目標以量產(chǎn)銷售為主，從L2及L3級別的自動駕駛逐漸升級是更具現(xiàn)實和經(jīng)濟性的策略。

整車廠方面，不少車廠都提出了自己的解決方案：從L2到L4，我們分別分析了Tesla的Autopilot、Audi的A8 AI和通用Cruise AV；

L2級系統(tǒng)解決方案已經(jīng)普遍進入量產(chǎn)階段：特斯拉Autopilot調整車道、駛出高速等，OTA更新能夠幫助系統(tǒng)訓練和迭代算法；

奧迪A8是市場上第一款具備L3級自動駕駛能力的量產(chǎn)車：中央控制器zFAS則是其自動駕駛的核心技術；

通用公布了2019年量產(chǎn)L4級自動駕駛汽車Cruise AV的計劃：車內(nèi)沒有方向盤、制動和油門踏板。

對Google、百度這類互聯(lián)網(wǎng)企業(yè)而言，自動駕駛是切入出行這個生活場景的重要機會，他們更傾向于以完全自動駕駛為目標構建系統(tǒng)平臺。

Google的Waymo與少數(shù)整車廠和傳感器廠商進行深度合作，憑借軟件算法的領先優(yōu)勢取得了突破性的進展，并且將與整車廠合作開發(fā)定制化的車輛投入商業(yè)化運營；

百度依托Apollo平臺，整合了多家產(chǎn)業(yè)鏈上下游的企業(yè)，旨在向合作伙伴提供一個開放、完整、安全的軟件平臺。

基于產(chǎn)業(yè)前景和潛在的巨大市場，給予行業(yè)買入評級，上市公司方面看好德賽西威、索菱股份，建議關注路暢科技、東軟集團。

總論：決策層是自動駕駛的大腦

1.1 自動駕駛實現(xiàn)：決策層、感知層、執(zhí)行層

自動駕駛系統(tǒng)可分為決策層、感知層、執(zhí)行層，以及高精地圖和車聯(lián)網(wǎng)的支持。

決策層：依據(jù)獲取的信息來進行決策判斷，確定適當工作模型，制定相應控制策略，替代人類做出駕駛決策。

感知層：環(huán)境信息和車內(nèi)信息的采集與處理。

執(zhí)行層：指系統(tǒng)在做出決策后，替代人類對車輛進行控制，反饋到底層模塊執(zhí)行任務。

1.2 決策層的重要性：處理數(shù)據(jù)控制車輛的核心

自動駕駛系統(tǒng)將駕駛認知形式化，利用駕駛認知的數(shù)據(jù)表達語言，設計通用的自動駕駛軟件架構。在這一架構中，決策層并不直接與傳感器信息發(fā)生耦合，而是基于多傳感器的感知信息、駕駛地圖和車聯(lián)網(wǎng)通信等信息綜合形成的駕駛狀態(tài)完成自主決策。

一方面決策層需要收集感知層的數(shù)據(jù)，分析勾畫周邊環(huán)境，定義駕駛場景，規(guī)劃駕駛路線。

另一方面決策層需要控制執(zhí)行層，按照規(guī)劃的駕駛路線進行車輛動力、轉向、制動的控制，并且預判路況做出相應的車輛控制。

1.3發(fā)展趨勢：多域控制器

多域控制器MDC（Multi Domain Controller）是通過一塊ECU，接入不同傳感器的信號并進行對信號進行分析和處理，最終發(fā)出控制命令。MDC跟DCU（Domain Control Unit）域控制器類似，本質上是為了解決汽車ECU增多之后，汽車控制系統(tǒng)變得復雜，且能力達到上限的問題。

在自動駕駛領域，控制器需要接受、分析、處理的信號大量且復雜，多域控制是必然的發(fā)展趨勢，如奧迪L3級別自動駕駛的中央控制器zFAS就是一個多域控制器。

MDC多域控制器

MDC平臺本身的可擴展性，MDC所能夠對接的傳感器類型與數(shù)目并不固定，可以根據(jù)OEM的需求對應開發(fā)，尤其適應不同平臺車輛自動駕駛系統(tǒng)的傳感器配置；

能夠將傳感與處理分開，傳感器與ECU不再是一一對應的關系，而是通過中央控制器MDC統(tǒng)一接受與處理信號，尤其對于OEM來說，可以根據(jù)需求更換傳感器的類別與供應商。

1.4 相關公司

整車廠：商業(yè)化加速、方案逐漸成熟量產(chǎn)裝車

2.1行業(yè)變革趨勢：新車標配L3，L4/L5逐漸成熟

目前在ADAS基礎上，L2到L3級別的自動駕駛將逐漸成為新車型的標配，產(chǎn)生大量新增需求，這是目前主要的投資機會；L4到L5的完全自動駕駛也在逐漸成熟中，一旦商業(yè)化將影響產(chǎn)業(yè)的未來。

2.2 整車廠：積極布局、以最合理的方案量產(chǎn)裝車為目標

從傳統(tǒng)車廠來說，對待自動駕駛一方面更慎重，大家都承認自動駕駛會是未來，但發(fā)展自動駕駛的前提是不能影響現(xiàn)階段的產(chǎn)品開發(fā)與銷售；而另一方面各車廠都在積極布局自動駕駛，不斷的收購公司，加強自身的開發(fā)實力，在自動駕駛相關的技術專利方面也是積累最深厚。

并且整車廠在開發(fā)的過程中，要平衡成本、時間和技術實現(xiàn)的關系，以最合理的方案量產(chǎn)裝車為階段性的目標。

各大傳統(tǒng)整車廠在自動駕駛領域均有自己的研發(fā)團隊，并且投入巨大，成果也在逐步顯現(xiàn)，L2的系統(tǒng)解決方案已經(jīng)普遍進入量產(chǎn)階段，奧迪的zFAS系統(tǒng)則是市場上第一家量產(chǎn)裝車的L3級解決方案，L4級方案也在開發(fā)中，甚至通用公布了2019年量產(chǎn)L4級自動駕駛汽車的計劃。

2.3 L2級方案：特斯拉Autopilot

特斯拉的方案類似于互聯(lián)網(wǎng)公司及消費類產(chǎn)品的迭代方式，每一臺特斯拉都會配置當時最新的硬件，然后通過OTA不斷更新固件，獲得更完善的駕駛輔助或自動駕駛功能。龐大的用戶群可以源源不斷地供給真實路況的駕駛數(shù)據(jù)，幫助Autopilot訓練和迭代算法。目前Autopilot已經(jīng)推出1.0和2.0版本。

Autopilot相當于L2級別的自動駕駛，能夠根據(jù)交通狀況調整車速；保持在車道內(nèi)行駛；自動變換車道而無需駕駛員介入；從一條高速公路切換至另一條；在接近目的地時駛出高速；在接近停車場時自動泊車。

2.4 L3級方案：奧迪A8 AI

是市場上第一款具備L3級別自動駕駛能力的量產(chǎn)車，在某些特定情況下，如在停車和駛離、時速60公里以下行駛或交通擁堵時，該系統(tǒng)將接管奧迪A8的駕駛操控，而駕駛員則無需持續(xù)監(jiān)控車輛的駕駛與運行。

整個自動駕駛系統(tǒng)由安全電腦、儀表盤、NMI用戶交互導航系統(tǒng)、電子剎車助力Brake Boost、電子穩(wěn)定系統(tǒng)ESC、電子轉向控制EPS、發(fā)動機控制單元、變速箱控制單元、車身電腦、后輪轉向系統(tǒng)、網(wǎng)關Gateway、電子懸掛控制平臺EEP和中央自動駕駛控制器zFAS組成。

中央控制器zFAS則是其自動駕駛的核心技術，隨著多代的演進，終于zFAS從巨大的原型機變成了小型化和適應汽車要求的模樣。zFAS，是德語zentrales Fahrerassistenz-Steuergeraet的縮寫，其構造包括前方圖像處理單元、全景圖像處理單元、傳感器融合主控單元和應用主控單元四部分。

zFAS由奧迪和德爾福、英偉達、TTTech、Mobileye合作而來，德爾福提供硬件，TTTech提供軟件支持（能夠達到車規(guī)ISO26262 ASIL D的最高安全等級），英偉達提供GPU，Mobileye提供視覺芯片，核心處理器包括：

Nvidia的Tegra K1包含192顆GPU，用于做4路環(huán)視圖像處理

Infineon的Aurix多核微控制器用于提供安全服務，滿足諸如ISO 26262這樣的安全標準

Altera的Cyclone 5，用于基于FPGA技術高速處理信號融合，括障礙物、地圖的融合及各種傳感器的預處理工作

Mobileye的EyeQ3由于是封閉的芯片，用于進行視覺信號處理

2.5 L4級方案：通用Cruise AV

2018年1月11日，通用聯(lián)合Cruise Automation對外公布了其第四代無人駕駛汽車概念原型，這款車稱為Cruise AV，由Bolt EV改裝而來，里面沒有方向盤、制動和油門踏板。

通用希望在2019年，就能夠將這款車型投入到它們的共享出行車隊使用。但在此之前，它們需要征得美國政府的同意。另外，還有7個州也需要單獨申請。

傳感層配置5個激光雷達、21個毫米波雷達和16個攝像頭：

5個激光雷達：Velodyne的VLP16 16線激光雷達；

21個毫米波雷達：12個79GHz毫米波雷達由日本ALPS提供，2個前向2個后向長距離毫米波雷達推測由德國大陸提供，型號可能是ARS-408；5個高分辨率毫米波雷達由德國博世提供，主要是車兩側和正前方。

16個攝像頭：車頂10個，包括一個基線長大約8厘米的雙目攝像頭，8個360度環(huán)視攝像頭，攝像頭周圍均有紅外LED，可以在低照度甚至黑夜下工作。車內(nèi)后視鏡位置有一個非無人駕駛版Bolt的單目攝像頭，車輛最前部位置有一個長距離單目攝像頭。車外后視鏡和車后部各兩個攝像頭。

2.6 特斯拉Autopilot Vs. 奧迪A8 AI Vs. 通用Cruise AV

科技公司：自動駕駛的開拓者、未來出行的顛覆者

從科技公司的角度出發(fā)，他們對待自動駕駛的態(tài)度更積極，憑借在軟件算法層面的領先優(yōu)勢，科技公司很早就進入到了自動駕駛的開發(fā)與測試中，是早期的開拓者；并且科技公司與整車廠合作開發(fā)定制化的車輛快速投入商業(yè)化運營，也將是未來出行的顛覆者。

一方面這些科技公司在自動駕駛領域取得了突破性的進展，在與整車廠合作的同時，還保持自身的獨立性，維持了科技公司高效的執(zhí)行力與開發(fā)速度。

另一方面，大資本進入這個行業(yè)，勢必將極大促進無人駕駛產(chǎn)業(yè)的發(fā)展，同時競爭也會更進激烈。

3.1 Waymo

谷歌母公司Alphabet旗下獨立的專注自動駕駛系統(tǒng)開發(fā)的子公司。谷歌自2009年起啟動自動駕駛項目，2016年成立獨立實體Waymo。

2017年加州DMV（california department of motor vehicles）自動駕駛報告披露的數(shù)據(jù)顯示，Waymo的車隊規(guī)模、路測里程和人工干預周期上均保持領先，真實路測里程2017年達到350萬英里，目前超過500萬英里，模擬路測里程超過25億英里，在加州開放公路測試里程352,545英里，特別是人工干預周期，達到5596英里/次，第二名的GM為1254英里。通過報告可以看到，車隊規(guī)模大，路測里程越長，干預周期越長。因此自動駕駛系統(tǒng)研發(fā)也是一個需要較大財力、時間投入的工程。

根據(jù)Waymo安全報告披露，公司自動駕駛車輛通過四個步驟來完成：

“我在哪”:提前描繪目標區(qū)域的高清3D地圖

“我周圍有什么”:通過傳感器感知周邊環(huán)境

“下面會發(fā)生什么”:處理環(huán)境信息，預測周邊環(huán)境變化情況

“我應該怎么做”:規(guī)劃路線，車輛執(zhí)行

在與克萊斯勒合作的車型中，一輛車裝有5個激光雷達，分別為前部3個，頂部1個和尾部1個；毫米波雷達4個，前后部各2個；攝像頭1個，位于頂部；其他補充傳感器1個，位于頂部。由于是測試車輛，安裝傳感器數(shù)量較多，配置冗余比較充分，成本也較高。

總體看Waymo是綜合實力最強的自動駕駛公司，路測車隊規(guī)模、路測里程都位于前列，并且路測成績較好，平均5596英里才需要一次人工干預。目前Waymo已經(jīng)開始在美國亞利桑那州進行無人車的載客試運營，之前還大規(guī)模向捷豹路虎訂購了 2 萬臺 I-PACE 純電動車，以及向向FCA采購6.2萬臺克萊斯勒Pacifica，準備投入正式的自動駕駛商業(yè)化運營。

3.2 百度Apollo

2017年4月發(fā)布Apollo計劃，在百度內(nèi)部把車聯(lián)網(wǎng)、L3、L4各部門整合在一起加強了競爭力，在外部充當了中國自動駕駛的旗手，召集起一個大聯(lián)盟，把車企和供應商都囊括進來，一方面加強聯(lián)盟內(nèi)的合作，另一方面尋求與政府合作、吸收外部資金。

Apollo平臺是一套完整的軟硬件和服務系統(tǒng)，包括車輛平臺、硬件平臺、軟件平臺、云端數(shù)據(jù)服務等四大部分。旨在向汽車行業(yè)及自動駕駛領域的合作伙伴提供一個開放、完整、安全的軟件平臺，幫助他們結合車輛和硬件系統(tǒng)，快速搭建一套屬于自己的完整的自動駕駛系統(tǒng)。

硬件層面：

計算中心：Neousys Nuvo-6108GC，x86架構的工業(yè)控制計算機；

CAN通信卡：ESD CAN-PCIe/402-B4，與汽車執(zhí)行層進行信號通信；

GPU和IMU：NovAtel SPAN-IGM-A1或者NovAtel SPAN ProPak6 和NovAtel IMU-IGM-A1，進行GPS定位和慣性定位；

激光雷達：Velodyne HDL-64E S3，掃描距離達到120米，水平360度掃描，垂直FOV26.9度；

毫米波雷達：大陸集團的ARS408-21，車輛前端探測；

攝像頭：Leopard Imaging LI-USB30-AR023ZWDR。

軟件層面：Ubuntu Linux 推薦版本14.04，包含通用模塊、控制模塊、數(shù)據(jù)模塊、校準模塊、通信模塊、驅動模塊、深度學習模塊、定位模塊、監(jiān)測模塊、感知模塊、預測模塊、路徑規(guī)劃模塊等等。

整體工作流程大致是：路徑規(guī)劃模塊根據(jù)目的地位置計算出具體的導航信息，激光雷達、毫米波雷達和攝像頭拍攝到的數(shù)據(jù)配合高精度地圖由感知模塊計算出3D障礙物信息并識別交通標志及交通信號，經(jīng)由預測模塊計算出障礙物的可能軌跡，并根據(jù)車輛定位模塊配合計劃模塊得到車輛應該走的具體車道；在執(zhí)行過程中，車輛控制模塊結合車輛的當前狀態(tài)計算加速、剎車和方向的操作信號，輸出到車內(nèi)，實現(xiàn)了車輛的自動駕駛。

百度Apollo計劃以“開放”和“聯(lián)盟”為特色，自計劃宣布以來已有近百家整車廠、Tier1、Tier2、科研機構、運營商等成為盟友，也包括北京、上海、重慶、福建平潭等地方政府。

就在一周前，百度 Apollo 和重慶力帆集團旗下分時租賃平臺盼達用車、重慶兩江新區(qū)合作，在兩江新區(qū)互聯(lián)網(wǎng)產(chǎn)業(yè)園開啟了為期 1 個月的自動駕駛共享汽車試運營。

與金龍客車合作的小巴“阿波龍”，預計2018年量產(chǎn)，在國內(nèi)自動駕駛系統(tǒng)研發(fā)上保持領先。

3.3 Waymo小聯(lián)盟 Vs. 百度Apollo大聯(lián)盟

通過上述分析我們看到，Waymo走的是“小聯(lián)盟”戰(zhàn)略，與少數(shù)整車廠（克萊斯勒、捷豹、本田等）和傳感器廠商進行深度合作。它具有先發(fā)優(yōu)勢，積累較多路測里程和較大車隊規(guī)模，路測成績也較好。而百度走的是“大聯(lián)盟”的戰(zhàn)略，依托Apollo平臺，盡可能地擴大“朋友圈”。但除數(shù)據(jù)共享外尚未看到成熟的合作模式。

3.4 安全策略：Waymo逐步進化 Vs. Mobileye不造成事故

3.4.1 Waymo

之所以將Waymo的安全策略稱為“逐步進化”與其自動駕駛戰(zhàn)略和強調逐步接近真實世界的測試有關。

在自動駕駛戰(zhàn)略上，Waymo堅持“創(chuàng)造一個好的駕駛員”為目標，堅持直接L4級別的自動駕駛研發(fā)，目標是待技術成熟就能直接替代駕駛員。這與它互聯(lián)網(wǎng)公司的本質有關，首先它不是個硬件公司，所以2015年以后它放棄了自主研發(fā)汽車，轉而與FCA等公司合作。此外，雖然它現(xiàn)在使用的激光雷達等硬件設備是自研的，但也沒有單獨向外出售的動作，大量的資源還是用在自動駕駛系統(tǒng)的研發(fā)上。當然，作為谷歌母公司Alphabet旗下公司，一個最大的優(yōu)勢是母公司資金實力雄厚，可以支撐巨大的研發(fā)費用而不需要提前自主產(chǎn)生利潤。

以自動駕駛軟件為例說明Waymo嚴格的測試程序

1、模擬測試：

在模擬中，嚴格進行測試軟件的更新，然后將其部署到模型中，模擬車輛在公共道路上遇到的最具挑戰(zhàn)性的情況，并將其轉化為虛擬場景，供我們的自動駕駛車軟件在模擬中練習：

2、封閉道路測試：

Waymo在加利福尼亞州設立了一個91英畝的封閉道路測試園區(qū)，包括高速公路，郊區(qū)車道和鐵路道口等所有設施。團隊使用園區(qū)對軟件進行驗證，并對具有挑戰(zhàn)性或罕見的場景進行階段性分析。

3、公共道路駕駛：

測試提供了一個連續(xù)的反饋循環(huán)，即工程師觀察現(xiàn)實情況，對軟件進行調整以優(yōu)化駕駛，然后進行更新，持續(xù)地完善系統(tǒng)。這種迭代方法有助于擴大運營設計領域和車輛功能，并且安全地擴展我們的能力，使車輛能夠安全地在L4級別運行。

3.4.2 Mobileye

Mobileye對自動駕駛的安全策略與Waymo有很大的不同，因為本質上它是個硬件公司，商業(yè)模式是“賣硬件”，這使得他們的安全策略不可能像Waymo那樣堅持面面俱到，大量測試。其安全策略可以表述為，以較強的理論模型（即RSS模型）“塑造”一個真實世界的映射，以此為基礎制定一系列的滿足“不制造事故（區(qū)別于不涉及事故）”的條件，從而盡量減少測試所花的時間和資源。

多方安全的責任敏感安全（RSS）模型

RSS模型將安全駕駛的基本原則轉化成機器可以理解的數(shù)學公式。例如，尾隨其他車或變道時的安全距離、道路優(yōu)先權和障礙物避讓等。如果AI系統(tǒng)發(fā)出的指令違反了任何一條基本原則，RSS將拒絕該指令。

絕對安全是不可能的，引入“事故責任”的概念，即RSS的前提是，雖然自動駕駛汽車可能涉及事故，但絕不會造成事故。主要包括以下四條規(guī)則：

1. 保持與您前方車輛的安全距離，以便在突然剎車時您能夠及時停下來；

2. 保持與您側方車輛的安全距離，并且在執(zhí)行側向操縱和切入另一輛車的軌跡時，必須讓其他車有足夠的空間來回應；

3. 應該尊重“道路權”規(guī)則，但“道路權”是給予的，不是靠“爭取”的；

4. 小心盲區(qū)，例如，一個小孩可能會被擋在停放的汽車后面。

總結：Mobileye的安全策略可以用“不造成事故”和“多系統(tǒng)配合”總結，即通過理論模型塑造一個不造成事故的規(guī)則，使得即使發(fā)生事故，自動駕駛車輛也不是負責人。此外，還通過兩套相對獨立的系統(tǒng)配合，獨立發(fā)現(xiàn)產(chǎn)生問題的場景，并配合解決問題，形成大幅縮短測試時間的效果。這是Mobileye作為硬件廠商沒有太多資源和時間進行大范圍測試條件下的策略，同樣也是由于開始測試時間較晚，相對Waymo有劣勢情況下的選擇。

3.4.3 Waymo Vs. Mobileye