紧扣“十四五”规划,2020中国汽车论坛亮点升级

博客自动驾驶小能手 发表了文章 • 0 个评论 • 26 次浏览 • 2 天前 • 来自相关话题

2020无法重启,面对新变局与新挑战,汽车行业如何赢得未来?作为“疫”后汽车行业首个高端、权威、国际化、大规模的顶级盛会,2020中国汽车论坛自5月29日发布以来,引起国内外汽车行业的广泛关注和热烈反响。本届论坛目前进展如何?有哪些值得关注的特 ...查看全部

2020无法重启,面对新变局与新挑战,汽车行业如何赢得未来?
作为“疫”后汽车行业首个高端、权威、国际化、大规模的顶级盛会,2020中国汽车论坛自5月29日发布以来,引起国内外汽车行业的广泛关注和热烈反响。本届论坛目前进展如何?有哪些值得关注的特色和亮点?各方关切纷至沓来。

1596704214118150.png

反响热烈,应者如云
在7月10日中国汽车工业协会信息发布会上,“2020中国汽车论坛”作为首个专题内容特别发布。中国汽车工业协会副秘书长、论坛组委会执行秘书长柳燕作为主办方发言人,对本届论坛进行了详解。100多家国内外主流媒体在线上参加了本次发布会。
柳燕在发布会上说,“2020年中国汽车论坛将于8月13日-15日在上海嘉定隆重召开,本届论坛以‘新变局 新挑战 新思路——引领中国汽车新征程’为主题,紧扣时代脉搏, 求索突破之道,迎接‘十四五’,向汽车强国目标迈进。”据柳燕介绍,论坛各项准备工作在紧张有序地推进,进展顺利。截至目前,上百家国内外知名整车、零部件及相关企业高层对论坛表达了参与意愿,受邀核心企业掌门人、新兴企业创始人、行业意见领袖等基本均已确认参会。论坛拟邀请的演讲嘉宾大部分已得到确认。除了汽车相关企业和行业10大主管部委领导给予高度关注和大力支持之外,国内外知名行业组织,如世界经济论坛、德国汽车工业协会、日本汽车工业协会、韩国汽车工业协会等国外组织,以及国内专业组织——中国汽车工程学会、中国汽车技术中心等机构高层也将支持并出席。柳燕在会上还展示了已确认的包括官媒和新媒体在内的合作媒体名单,为中国汽车论坛史上最强合作媒体阵容。

1596704255330091.png 

发布会现场

定位独特,影响深远
中国汽车论坛自2011年举办以来已历经9届,以其“高端、求实、重效”而备受关注,行业影响力深远,是公认的中国汽车领域“达沃斯”论坛,是世界汽车领袖、国内外汽车行业精英、政府主管领导、知名专家学者不可多得的面对面沟通交流平台。
历经多年发展完善,在众多汽车行业论坛中,中国汽车论坛已经形成了自己独特的定位与优势。主要表现在行业权威性、顶级高端性、全球性及前瞻性:中国汽车论坛是世界汽车组织(OICA)唯一全面支持、世界经济论坛(WEF)唯一全面参与的论坛,十大部委莅临指导,车企掌门深度参与,行业精英领袖云集;论坛不仅是国内外汽车产业的互动平台,更是世界了解中国汽车的窗口,中国汽车向世界发声的重要通道;长期为产业发展提供战略指引,对产业趋势进行研判,对前沿技术进行交流分享,对产业政策进行前瞻研讨。

1596704316764200.png 

往届中国汽车论坛大会场景

亮点纷呈,意义非凡
当第10届中国汽车论坛遇上2020年这个注定要载入史册的特殊年份,论坛会赋予汽车行业哪些重大意义与非凡价值?
对此,柳燕在发布会上表示:“2020年是中国‘两个一百年’的历史交汇之年,是全面建成小康社会的决胜之年,也是我国‘十三五’的收官之年,‘十四五’规划编制之年,同时也是中国汽车产业进入结构调整、转型升级的关键时期。2020年初新冠肺炎疫情爆发给汽车产业带来了极大冲击,疫情全球蔓延更增强了全球政治经济的不确定性,也使得相互依存的全球产业链受到重构的挑战。变革期的中国汽车产业面临诸多严峻的新课题。2020年上半年,受疫情影响,汽车产业经历重创,汽车产销累计出现两位数的负增长,其中乘用车降幅在20%以上,新能源降幅总体高于行业,中国品牌份额出现较大波动。虽然二季度以来产销走势上呈现明显恢复,累计降幅收窄快于预期,但在疫情防控常态化条件下,如何应对增长的不确定性,继续保障产业链安全,确保产业及企业健康发展,制定合理的中长期规划,成为严峻的课题。”
在此大环境下,2020中国汽车论坛承前启后,顺势而为,为引领汽车行业发展使命而生,为指引汽车行业的未来而来。特殊之年的中国汽车论坛,除固有优势之外,更有3大独具价值的升级亮点。
亮点一:全程紧密围绕“十四五”设计论坛架构,11场会议共探汽车强国之路
本届中国汽车论坛的架构与主题设置主线明晰,重点明确,内容聚焦,对企业和行业具有极高的引导与实用价值。
在此次发布会上,柳燕简要介绍了中国汽车工业协会编制的“十四五汽车工业发展规划”框架。推动汽车产业高质量发展,实现汽车强国战略,需要具有国际竞争力的企业和品牌,掌握核心技术,为此需要学会利用两个市场,两种资源。按照这一思路,中汽协梳理出“十四五”期间汽车行业的八大重点领域,对各领域的现状和发展成就进行了分析,并做了趋势研判,定义了“十四五”的指导思想、发展原则和规划目标,从而推演出“十四五”期间汽车产业6个维度的重点任务。据了解,中国汽车论坛系列活动包括1场T10峰会,1场闭门峰会,1个大会论坛,8个主题论坛,除了严格限定参加范围、内部属性强的T10峰会之外,均对应“十四五”规划目标和重点任务展开。
这使得本届论坛成为企业乃至行业的“及时雨”:从宏观形势看,国内处于全面落实制造强国战略的关键阶段,在疫情引发国际大变局、国内防控进入新常态的形势下,我们通过论坛的引导和交流,提振企业奋发向上的信心,推动产业高质量发展;从行业层面看,站在“十三五”收官与“十四五”规划的节点上,推动疫后产业链重塑,践行和实施扩大内需战略,剖析薄弱环节,指引重点突破方向,明确目标与核心任务,指导产业发展与进步;从企业层面看,应对复杂产业环境,寻找转型升级方向,探讨“十四五”思路,把握产业趋势与机遇,共商合作,共赢新布局,精准解析产业发展脉搏,构筑企业竞争优势。

 1596704382427756.png

亮点二:独有3大特色环节全面升级,高端权威、内容丰富
与前9届相比,本届论坛继续保留了3大独有特色会议,并在中汽协研究的汽车产业“十四五”规划框架下,充分征集社会和汽车产业各界普遍关心的重要问题,对论坛独有的3大环节进行提炼聚焦、重新设计和全面升级,同时,其他6个主题论坛各负使命,内容既聚焦又丰满。
闭门峰会:主管汽车行业的10部委领导和产业链重点企业掌门人面对面沟通,围绕“推动‘十四五’时期汽车产业的高质量发展”这一主题,发布或宣讲产业政策走向,探讨产业发展遇到的重要问题并建言献策。
全球汽车技术发展领袖峰会:由全国政协副主席、中国科协主席万钢提议设立,重点研讨全球汽车产业发展的技术变革之路,是跨国集团全球CTO与中国主流汽车集团技术负责人的对话平台。中汽协研究提出,建成汽车强国的重要标志之一是掌握世界领先的关键核心技术,峰会不仅已经成为全球汽车集团展示并交流先进技术的重要舞台,也是各方了解汽车技术最新进展与最新趋势的重要窗口。
“十四五”规划主题论坛:作为本届论坛的8大主题论坛之一,“十四五”规划主题论坛脱胎于延续了数届的“主流汽车集团发展策略与展望”论坛,今年将以“‘十四五’时期,中国主流汽车集团发展策略与展望”为主题,中国“T10+3”汽车集团(产销量占中国市场85%以上)的高层领导将同台展望未来发展,明确核心任务,透视行业最新发展路径。
不仅是这些特色环节全面升级,围绕汽车产业“十四五”规划框架,2020中国汽车论坛还设置了大会论坛和其他6大主题论坛,包括“提升中国汽车品牌竞争力”、“推进新能源汽车市场化”、“智能网联汽车创新发展与产业生态的升级”、“中国汽车产业的全球化之路”等,均对应于规划目标和重点任务而展开。还有并行的两场深度专题论坛,包括“氢能产业发展及燃料电池技术创新论坛”、“网上车市技术品牌营销论坛” 。
柳燕表示:“所有的主题论坛均围绕‘十四五’期间重点任务的特定主题,集结了这个主题下国内国外最顶级的、最有代表性和分享价值的企业嘉宾来演讲和交流,每个嘉宾都提前进行了细致准备,并与主办方充分互动沟通,这使得所有的论坛板块成为最前沿思想、最权威观点和最佳实践经验的集中展示舞台,各有精彩,干货满满,是汽车行业中人不可错过的一次学习机会,一场思想盛宴。” 

1596704420988850.png

亮点三:跨界合作伙伴携手致未来,引领产业开放融合新生态
本届论坛官方合作伙伴——上汽集团和华为技术有限公司,将为论坛全程提供大力支持。上汽集团是目前中国销量最大的汽车集团,也是国内A股市场最大的汽车上市公司。在2019年中国汽车工业协会八届五次理事会议上,上汽集团被推荐为第九届理事会会长候选单位。华为技术有限公司是全球领先的ICT(信息与通信)基础设施和智能终端提供商,是中国汽车论坛有史以来引入的首个跨界企业官方合作伙伴,凸显了汽车产业升级转型时期开放融合的合作新生态。上海嘉定区政府对本届论坛给予了全方位支持。作为协办单位的上海国际汽车城,积极打造世界级汽车产业中心,在汽车“新四化”各方向均有深度布局。此外,本届论坛还将有产业数字化、汽车金融、咨询公司、新材料企业等汽车相关领域的跨界合作伙伴共聚一堂,届时中国汽车论坛主办方将与合作伙伴们以开放的姿态,迎接论坛各方嘉宾的到来。
2020中国汽车论坛官网已于6月20日正式上线,同时报名系统开放注册,为关注汽车行业的公众人士开通了多个报名通道,包括手机站入口,论坛官网、协会官网、汽车纵横网入口、论坛微信公众号入口、微站入口等。据柳燕介绍,报名系统自开通以来,公众报名踊跃,今年有望突破历史最高公众报名数。柳燕表示:“中国汽车工业协会作为行业组织,希望借助中国汽车论坛这一顶级平台,与汽车及相关企业、媒体朋友、行业精英携手,共同为中国汽车高质量发展贡献力量,助力中国汽车迈入新征程。”

附、2020中国汽车论坛会议方案

一、组织框架

指导单位:

工业和信息化部

中国科学技术协会

中国机械工业联合会

主办单位:

中国汽车工业协会

支持单位:

世界汽车组织(OICA)

世界经济论坛(WEF)

承办单位:

汽车纵横全媒体

中国汽车工业经济技术信息研究所

协办单位:

上海市嘉定区人民政府

安亭•上海国际汽车城

官方合作伙伴:

上汽集团

华为技术有限公司

名誉主席:全国政协副主席、中国科学技术协会主席 万钢

主席:中国汽车工业协会常务副会长兼秘书长 付炳锋

执行秘书长:中国汽车工业协会副秘书长 柳燕

二、会议议程

8月13日,08:30-12:00

T10峰会

8月13日,15:00-18:30

闭门峰会

8月14日,08:30-12:00

大会论坛

8月14日,14:00-18:00

【主题论坛1】全球汽车技术发展领袖峰会

【主题论坛2】提升中国汽车品牌竞争力

【主题论坛3】“十四五”时期,中国主流汽车集团发展策略与展望

【主题论坛4】氢能产业发展及燃料电池技术创新论坛

8月15日,08:30-12:00

【主题论坛5】推进新能源汽车市场化

【主题论坛6】智能网联汽车创新发展与产业生态的升级

【主题论坛7】中国汽车产业的全球化之路

【主题论坛8】网上车市技术品牌营销论坛

论坛网站注册和微信注册平台已经开通,欢迎注册咨询。更多精彩热点和演讲嘉宾介绍,请关注中国汽车工业协会官网(www.caam.org.cn)和中国汽车论坛官网(www.chinaautoforum.cn),以及中国汽车论坛微信公众号(ChinaAutoForum)。

飞行汽车的未来发展趋势

博客自动驾驶小能手 发表了文章 • 0 个评论 • 24 次浏览 • 4 天前 • 来自相关话题


李骏院士:自动驾驶汽车需要新技术路线

博客自动驾驶小能手 发表了文章 • 0 个评论 • 24 次浏览 • 4 天前 • 来自相关话题

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别 ...查看全部

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别自动驾驶的交通设施ISAD规范,指导未来自动驾驶汽车的开发。中国应该怎么做?

核心观点

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别自动驾驶的交通设施ISAD规范,指导未来自动驾驶汽车的开发。中国应基于城市智慧化、交通智能化、驾驶规范化等基础,加速探索智慧城市、智能交通、智能汽车(SCSTSV)融合一体化的中国标准智能网联汽车发展之路。

01. 自动驾驶汽车需要新技术路线

1.1自动驾驶汽车开发面临两大挑战

研发ADV的最大挑战之一:感知、规则、安全、复杂、可靠的问题。相比较来说,如果是把机器驾驶放在原来是有人驾驶的车上去,最大的缺点就是“感知不充分”,这是人类驾驶员能够做到而目前机器驾驶做不到的。目前的ADV研发尚未找到解决“感知不充分”和“规则不明确”两大难题的技术方案。

研发ADV的另一个重大挑战——必须解决SOTIF预期功能安全问题,系统预期功能安全问题由感知层、决策层、执行层的预期功能安全问题共同构成。机器驾驶的原意是要解决人驾驶时的交通事故问题,由于机器驾驶之后又出了安全事故问题(非系统故障原因),这就是目前在全球自动驾驶最大的挑战之一,也称SOTIF预期功能安全。在自动驾驶汽车开发的时候将其避免掉,否则自动驾驶汽车又会产生新的不安全因素。

1.2 单车智能两条技术路线各有优势

一种是基于车载激光雷达和重地图的“饱和”感知系统。另一种是特斯拉路线,基于车载图像和“轻地图”的自动驾驶技术路线。在解决自动驾驶汽车“感知不充分”难题方面挑战大。随着人工智能对图象处理和传感系统不断的完善,感知不充分问题可以解决,但依然难以解决“规则不明确”问题。其最大的优势是便宜,能够商业化,但是该技术依然属于传统汽车“搭载上”的产品独立性设计理念范畴,也没有用赋能的概念。

1.3 国际自动驾驶技术路线的演变

欧美日联合推出支撑ADV的交通设施ISAD规范,用道路设施来支撑自动驾驶。

美国交通部于2019年提出高级别自动驾驶的协同技术分级CAD。认为对于L3、L4、L5这样的车需要有路侧协同,有路侧的协同、有车外的协同;美国的第2级是说清楚意图,第3级就是说车与车之间通过谈判协商路线。虽然美国还没有5G-V2X技术,但是它已经注意到未来技术路线应该往这个方向走。

全球已有初步共识,要搞基于ODD(全球通用)、ISAD(局部)与各国家交通法规融合一体化的框架,用来指导未来自动驾驶汽车的开发。这是我国自主OEM还没有注意到的大变化,有必要将这样的架构提到国内自动驾驶汽车技术路线讨论的议程上来。本次欧盟在WP29签的98协议,而中国是58协议,所以探索中国智能网联汽车发展之路非常有必要。

探索中国智能网联汽车技术创新之路

中国汽车自动驾驶主要面临三大难题:城市布局不合理、交通场景太复杂、驾驶行为不规范。

在“基于ODD/ISAD和各国家交通法规融合一体化全球框架”下构建中国标准ICV架构。加速探索中国智能网联汽车发展之路,要基于我国的法律、法规和知识产权,基于我国的场景标准、地图标准、交通标准、通信标准、安全标准来支撑中国标准的智能网联汽车。

探索中国智能网联汽车技术创新之路的总体思路是,基于SCSTSV一体化的中国标准智能网联汽车“3-3-2-1”发展战略。

实施三大布局:宏观布局,构建一个能够支撑融合一体化的智慧城市,包括智能交通和智能汽车;中观布局,构建智慧交通网络系统,包括像V2X的信息物理融合,以及RSU系统以及能够达到ISAD标准的设施;微观布局,三类汽车的开发分别应该在车辆技术层面、系统和服务层面、社会和法律层面,来实现中国标准的智能网联汽车的自主研发。

强化三大融合,“智慧城市+智能交通+智能汽车”的一体化融合。

实现两大创新,正向研发和颠覆性创新。

实现一个目标,研发出国际领先水平的SCSTSV融合一体化的中国标准智能网联汽车。

交通部发布“车联网”重磅文件!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 23 次浏览 • 4 天前 • 来自相关话题

据中国政府网官网消息,7月31日,交通运输部办公厅印发关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函,其中提到,到2022年底,初步构建支撑车联网应用和产业发展的标准体系。 ...查看全部

据中国政府网官网消息,7月31日,交通运输部办公厅印发关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函,其中提到,到2022年底,初步构建支撑车联网应用和产业发展的标准体系。



征求意见稿指出,我国政府高度重视车联网及智能网联汽车相关产业发展。2017年2月,国务院发布《“十三五”现代综合交通运输体系发展规划》,提出加快智慧交通建设,不断提高信息化发展水平,充分发挥信息化对促进现代综合交通运输体系建设的支撑和引领作用。
2018 年4 月,工业和信息化部、公安部、交通运输部联合发布了《智能网联汽车道路测试管理规范(试行)》,对测试主体、测试驾驶人及测试车辆、测试申请及审核、测试管理、交通违法和事故处理等方面作出规定。北京、上海、保定、重庆和深圳等城市先后出台了自动驾驶道路测试管理规定。
征求意见稿称,针对车联网产业发展技术现状、未来发展趋势及智能交通行业发展状况,聚焦营运车辆和基础设施领域,建立支撑车联网应用和产业发展的智能交通相关标准体系,分阶段出台一批关键性、基础性智能交通标准。
征求意见稿提出,到2022年底,初步构建支撑车联网应用和产业发展的标准体系,完成一批智能交通基础设施、辅助驾驶等领域智能交通相关标准,制修订标准20项以上;到2025年,系统形成能够支撑车联网应用和产业发展的标准体系,形成一批智能管理和服务、车路协同等领域智能交通关键标准,再完成20余项标准制修订任务,标准体系完成总数达到40项以上。
北斗组网成功,车联万物渐近,行业规模稳健增长,产业正值快速发展期。川财证券分析师方科称,行业进程正由人车互联迈向车与万物互联。
车联网的未来是为了实现自动驾驶,而自动驾驶的坚实基础是网联智能(车路协同)。产业链包括上游涵盖终端设备的核心组件:芯片、通信模组等;中游涵盖车载、路侧等终端设备以及汽车承载自动驾驶核心功能的高精度地图等组件;下游涵盖测试验证、运营服务等。
根据赛迪顾问的预测,2016-2021年间,我国车联网产业规模的年复合增长率将达到24.93%,到2021年,我国车联网产业的规模将达到1115亿元。
渤海证券分析师徐中华认为,三大因素将催化车联网产业进程加速。其一是政策的持续推出;其二是产业内巨头争相加码,此前以传统汽车及零部件厂商和ICT科技巨头为主,科技巨头加入车联网产业之后,也加速了行业的变革和洗牌;其三是R16标准冻结,北斗完成全球组网,助力车联网提速。
其认为,短期内,车联网的基建是核心(路侧&车载终端设备、软件等);中长期来看,车联网数据的获取、运营才是核心,也是最有可能诞生行业巨头的领域。此外,当前车联网领域的终端传感器和云端运营服务商尚处于割裂状态,二者的盈利模式也不尽相同。未来车联网的传感器和运营服务或将在一定程度上融合,部分厂商的盈利模式将变成“前端传感器销售+后端运营服务”。
交通运输部办公厅关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函
交办科技函〔2020〕1229号
各省、自治区、直辖市、新疆生产建设兵团交通运输厅(局、委),工业和信息化部、公安部、市场监管总局办公厅,全国道路运输、智能运输、交通工程(公路)、城市客运标委会,全国汽车标委会客车分委会,信息通导标委会,中国公路学会、中国道路运输协会,部科学研究院、部公路科学研究院、中国交通通信信息中心:
为落实《交通强国建设纲要》,加快自动驾驶和车路协同技术应用,推动国家车联网产业标准体系建设,交通运输部组织编制了《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》(以下简称《指南》),拟联合工业和信息化部、国家标准化管理委员会印发。现将《指南》送你单位,请研提意见并于2020年8月14日前反馈我部。


联系人:科技司 赵晓辉,电话:010-65292199,传真:010-65292100,邮箱:zhaoxh@mot.gov.cn。

交通运输部办公厅

2020年7月29号







智能网联汽车参展95届中国电子展(2020-8-14深圳)

博客自动驾驶小能手 发表了文章 • 0 个评论 • 34 次浏览 • 4 天前 • 来自相关话题

智能网联汽车飞速发展,如何在风口上找到自己的发展之道

从第一台收音机上车开始,人类对于汽车的期待就不在仅限于出行了,而是赋予其更多的使命,如今随着智能科技的飞速发展,汽车更是成为了一个可移动的智能化设备。AI助手、语言识别、自动驾驶,智能互联,近几年不断涌现的科技设备,一次次的改变着人类对于智能汽车的认知,也将人类对智能出行的期待拉到了一个前所未有的高度。

“智能汽车”已经被行业普遍认为是下一个新赛道。以特斯拉为例,从年初至今,股价上涨幅度超过300%,稳坐全球车企第一市值的宝座。而其股价上涨的核心驱动力并不在于特斯拉续航里程有多远、短期是否盈利,而是特斯拉竖立起的以智能汽车为主的技术壁垒,才是被资本市场看好的重要原因。

国内的造车新势力同样如此。小鹏汽车刚宣布完成由Aspex、Coatue、高瓴资本和红杉中国等知名投资机构参与的C+轮融资,融资金额近5亿美元。在2020这个洪涝之年,资本更加趋于理性,但小鹏汽车仍然获得了一大批资本雄厚的投资方认可,其主要原因便是小鹏汽车紧抓智能化这一赛道,利用智能优势实现产品差异化突围,市场潜力获得认可。

除了资本市场看好智能网联汽车,国家政策层面同样是利好导向。今年二月,国家发改委、科技部、工信部等11部委联合印发《智能汽车创新发展战略》,明确我国发展智能汽车战略愿景和主要任务。

资本政策双重利好之下,便是极其宽阔的发展空间。据中商产业研究院发布的《2020年中国车联网行业市场前景及投资研究报告》显示,到2020年,我国车联网产业市场规模将超2000亿元;我国智能网联汽车的市场规模可达到1000亿元以上。工信部电子科技委副主任兼秘书长莫玮说,根据预测,智能网联汽车将迎来持续20年的高速发展,到2035年,将占全球25%左右的新车市场。

规模逐渐壮大的同时,也会给上下游供应商带来极大的发展机会,智能网联汽车产业链之长,其上游涵盖了感知、控制、执行等关键系统;中游涵盖了智能驾驶舱、自动驾驶解决方案以及智能网联汽车等集成系统;下游涵盖了出行服务、物流服务等应用服务。无论哪个环节,都孕育着成千上万的机会。

因此智能网联汽车行业,也被认为是未来20年内最具想象空间的行业,其无论是市场规模还是带动产业链上下游发展的能力,在当下都是当之无愧的独一档。但机会与风险,永远都是并存,如何在市场、科技飞速变革的前提下,应对各种变化以及把握汽车智能化的发展趋势,成为企业当下需要重点思考的一个点。

2020年8月14日-16日,深圳会展中心将会举办第八届中国电子信息博览会,智能网联汽车板块作为一个重点核心内容,将会在CITE2020上集中展示主动安全与智能辅助驾驶系统。届时,各大企业将会齐聚一堂,一同分析车联网前瞻性技术,探讨智能网联汽车生态体系建设,培育产业新业态,构筑竞争新优势,占领战略制高点。包括腾讯旗下的梧桐车联,阿里巴巴投资的福信富通,华为在自动驾驶标准的方面的布局均在本次电博会有不同程度的参与和展示。

腾讯系的梧桐车联虽是腾讯与长安共同出资建立的公司,但建立之初的目的就是面向整个行业,而非成为长安的御用车企服务供应商,其可以向企业提供完整“生态车联网”操作系统完整解决方案。旗下的TINNOVE OS通过将腾讯车联的基础能力和腾讯核心生态资源深度整合,构建了乐趣、连接、AI三大核心能力。据悉,今年下半年TINNOVE OS将会迎来一次重大升级,升级后,其架构会更加开放,适应性也会更加强,至于会不会在此次电博会露面,大家可以多一丝期待。

相比梧桐车联,福信富通可能更少被人熟知,它是由互联网巨头阿里巴巴投资的一家致力于智能交通、车联网、大数据挖掘、北斗技术应用等相关产品的研发及应用的高科技企业。其自主研发的ASCS主动安全智能防控管理系统,基于北斗/GPS卫星定位技术、GIS地理信息技术、定时或及时抓拍图片、实时GPS位置及轨迹查询显示等先进的技术,为公交车、客运车、出租车、网约车等商用车辆的安全出行以及智能化管理保驾护航。同时,该系统一举拿下“2019中国汽车主动安全智能防控十佳平台”殊荣,展现了其深厚的研发实力。

华为作为通信行业的巨头,虽然一度表示不造车,但其在自动驾驶领域上的动作却是不断,先曝出其自动驾驶操作系统内核成功获得业界Safety领域最高等级功能安全认证,成为国内首个获得ASIL-D认证的操作系统内核。接着又在最近被曝光所申请的自动驾驶专利,该专利摘要为:根据用户的历史驾驶行为数据以及当前环境数据确定自动驾驶策略,从而实现安全驾驶。华为在自动驾驶领域的建树,已经使其成为自动驾驶领域不可忽视的一个重要科技企业。

值得注意的是,第八届中国电子信息博览会开展的同时,同期的车联网大会也将在深圳会展中心六层茉莉厅14日至15日全天召开,将结合5G、自动驾驶、北斗卫星导航、主动安全、道路运输信息化等内容,与展区内容互相呼应,形成政、产、学、研、用全产业融合创新的展览会议平台。

综上:

汽车智能化已经成为当下不可阻挡的一个趋势,如何在激励的竞争中找到属于自己的发展之道,成为所有企业都要思考的问题,而第八届中国电子信息博览会的开展,将会给智能网联汽车企业及周边技术企业提供一个展示最新一代技术且具有友好交流、互利共赢属性的大平台,有利于行业核心技术的突破,共同推进中国智能汽车走向世界前列。

理想正式登陆美股 备战自动驾驶新赛道

博客自动驾驶小能手 发表了文章 • 0 个评论 • 30 次浏览 • 4 天前 • 来自相关话题

7月30日晚9点半,理想汽车在北京研发中心举行了一场特别的云敲钟上市仪式。同一时刻,理想(股票代码为 “LI”)在美国纳斯达克正式挂牌上市。每股ADS定价11.5美元。由此,理想汽车成为第二家登陆 ...查看全部

7月30日晚9点半,理想汽车在北京研发中心举行了一场特别的云敲钟上市仪式。同一时刻,理想(股票代码为 “LI”)在美国纳斯达克正式挂牌上市。每股ADS定价11.5美元。由此,理想汽车成为第二家登陆资本市场的造车新势力企业。通过上市募得的资金,理想汽车将主要用于重大核心技术布局——L4自动驾驶、战略扩张以及新车型的开发。

当日收盘价为16.46美元,较发行价上涨43.13%;以收盘价计算,理想汽车市值为139.17亿美元,逼近中国初创车企赴美第一股—蔚来汽车144.2亿美元市值。

从7月11日向美国证券交易委员会(SEC)递交IPO招股书,到7月30日正式上市,理想汽车仅用了不到20天的时间。其创始人李想曾许下豪言,“我已操盘过百亿美元级公司,希望再操盘一家千亿美元级公司。”随着上市钟声敲响,李想带着自己的理想跨过了千亿美元级创业梦的第一步台阶。


不仅活下来了,还活得很有韧性

在当前市场与资本双双冰冻的环境下,已经有多家造车新势力被淘汰出局。理想汽车不仅活下来了,还活得很顽强。成立五年时间,理想汽车融资近20亿美元。虽然不是新势力中融资最多的,但一定是花钱效率最高的:用10亿美元就实现了产品和工厂的从无到有,截止2020年6月底累计交付新车10473辆。并且罕见地实现了毛利率为正,同时握有大量现金储备。


理想汽车“抠”到极致的段子早在业内流传开来,连品牌名从“理想智造”简化到“理想”也是为了能够降低车标以及线下店灯箱的制造成本。李想曾经透露,理想汽车50%的资金投入在研发上,30%左右的资金投入在工厂上,只有不到20%的资金投入在人员和营销上。


正是这样的“变态”效率,理想汽车在12月才开始交付、只卖了1000多辆车的2019年,毛利只亏9.5万元。2020年一季度,理想汽车就实现毛利6828.8万元,毛利率8.01%。二季度交车比一季度增长一倍还多,毛利和毛利率还将提升。可见,理想汽车已经有了一定的造血能力。


『理想汽车纳斯达克上市仪式』

上市后的坚守和扩张

增程式技术路线是理想汽车最大的特点,也是最受争议的点。招股书中列明了增程式(EREV)的优势和风险:解决续航和充电焦虑,降低电池成本,有助于消费者更早接纳新能源车。风险则在于纯电动技术的突破可能对车辆需求产生重大不利影响。

除了首款车理想ONE(参数|询价)以外,第二款产品也确定采用增程式技术路线。但早些时候,理想汽车在品宣上已经不再提“增程式”的概念,改口为“插电式混动”。因为在用户层面就认为是混动,上牌和补贴整车也等同于插电式混动,所以不再单独细分品类。

按这个定义来看,插电式形态的产品在宝马、大众等主流车企的判断中,长期存在市场。理想不排除未来会做纯电动路线的产品,当下依旧基于技术条件和需求适应的考量,选择渐进式发展。

“少生优生”的产品策略可能会有变化。2018年10月与李想交流时,他曾说未来10年内面向零售端只会推出两款产品。“把所有的钱和资源投入到两款产品,而不是做一条很长的产品线。”这个理念在某种程度上和苹果手机有些相似,早期没有五花八门的全部铺开,用iphone 4就奠定了爆款的地位。

传统车厂在一个平台上出尽可能多车型,想尽办法降成本的做法,在李想眼里对于汽车生活的进化没有任何意义。直到今年4月,李想依然确认了未来三年内只专注于理想ONE一辆车。当然,即使没有新车,理想ONE也会有升级和改款来提高自身的产品力。


理想的铁粉兼投资人王兴发表过一句话,“如果不出什么大意外,理想ONE应该会成为造车新势力里第一款交付超过10万辆的车型。”从销售走势来,理想ONE在4月达到销量峰值2622辆后,5月、6月连续走低。消化完前期积累的订单后,理想需要进一步扩张。一方面是产品阵容,另一方面是渠道和品牌力。

来看场上的其他玩家,蔚来从2018年到现在保持一年一款新车的节奏,小鹏推出了两款车型,第三款车也在来的路上。特斯拉已经推到第五款车型,更不用说大众、宝马这些计划未来三年拿出数十款产品的老手。

在汽车消费市场,把爆款的可能性寄托在一两款车还是过于单薄。一位从事产品规划的行业人士指出,要想上规模,还是需要尽可能地多出产品,做到细分市场覆盖。

因此,当看到理想汽车招股书中透露要开发更多车型时,也就不令人意外了。2022年,理想将推出一款大型增程式SUV,未来还将开发中型和紧凑型SUV等产品,主打价格将在15-50万元之间,聚焦中高端SUV市场。

采用直营模式的理想,一直在扩大销售和服务网络。截至2020年6月底,在全国21家零售店,18个配送中心和17个服务中心部署了700多名销售和服务人员。但这远远不够支支撑10万辆的销售目标。


参考豪华品牌能够在市场上站稳脚跟,很大部分也归功于背后强大的经销商网络。截至2019年底,BBA合计在全国共有1700个经销商网点。理想ONE所在的大中型SUV销量相对稳定,消化完一二线城市的订单之后,必然要抢占低线城市以及燃油车的订单。

如前所述,理想在营销方面很节省,初期全靠产品的性价比和创始人的人格魅力打动用户。甚至还有一个梗是说北京地区的车主基本都是来自汽车和科技圈的熟人,可见并没有完全出圈。蔚来汽车通过前期的高举高打,起码把品牌认知度和形象做上去了,这也是后续理想汽车必须要去提升的方向。

抢占自动驾驶竞争时代的门票

李想说:“理想汽车前五年时间的目标有一个关键是现金流为正。我们必须在那么艰难的行业里,让自己有造血能力,而不是持续依靠融资。第二个阶段,到2025年我们要拿到中国新能源车市场的20%份额,从而帮助我们进入下一个阶段,拿到自动驾驶竞争时代的入场门票。”

短期目标是市场份额之争,长期目标是自动驾驶之战,这也是理想上市融资的核心出发点。招股书上说明,估计未来三年的资本支出将约为104亿元人民币(15亿美元),预计将通过此次发行的净收益,现有手头现金,以及来自汽车销售的现金。

要打一个问号的是,未来三年的资本投入,能否实现对自动驾驶能力的突破?这个领域堪称“烧钱机器”,每一个环节都需要大量的人才资金投入。比如Waymo每年的运营成本就达10亿美元。

目前理想已经组建了自动驾驶系统、数据平台、整车集成和验证测试四大团队,今年4月完成了Li OS实时操作系统的研发。在产业链的投资与合作上,理想汽车投资了两家自动驾驶解决方案提供商知行科技和易航智能。2020年2月,理想汽车再次加码投资无人车创业公司新石器。

与特斯拉等头部企业相比,理想目前在自动驾驶技术投入、数据积累、车队规模、AI芯片、自动驾驶仿真平台等领域还处于落后的状态,需要花大力气追赶。尽管对手很强,李想依然抱有信心,凭借本土企业在高精度图以及本土化场景和开发模式,理想汽车会有机会脱颖而出。

『理想汽车创始人兼CEO 李想』

就如李想所说,“今天的竞争不是上来就比谁强,比谁有资源,如果那样的话,巨头永远垄断市场。今天比的是谁的成长速度更快。”上一个五年目标,理想已全速达到,下一个五年依然可期。(文/汽车之家 杜俊仪)


黑莓为Canoo电动汽车提供QNX操作系统 实现L2自动驾驶功能

博客自动驾驶小能手 发表了文章 • 0 个评论 • 31 次浏览 • 5 天前 • 来自相关话题

据外媒报道,近日,黑莓公司( BlackBerry L ...查看全部

据外媒报道,近日,黑莓公司( BlackBerry Limited)宣布与电动汽车(EV)初创公司Canoo合作,后者基于会员制的半自动驾驶电动汽车的ADAS系统将由黑莓QNX操作系统(OS)驱动,其中包括雷达传感器、停车传感器和摄像头。

(图片来源:Canoo)

作为合作协议的一部分,黑莓将把其QNX技术授权给Canoo,包括QNX OS for Safety 2.0操作系统。该操作系统是Canoo公司时尚且适合城市使用的电动汽车得以提供安全可靠自动驾驶功能的基础。Canoo的目标是在2021年底,将首款标配L2级自动驾驶功能的量产电动汽车推向市场。L2级自动驾驶功能就是部分自动驾驶功能,可以让车辆在特定条件下,管理加速和转向操作,并监控周围环境。

嵌入式开发人员可以使用QNX OS for Safety操作系统构建安全关键系统。基于黑莓先进且安全的QNX Neutrino实时操作系统(RTOS),QNX OS for Safety已经通过ISO 26262 ASIL D和IEC 61508 SIL3认证。该解决方案凭借预认证微核RTOS,能够让汽车制造商和各种行业的嵌入式软件开发人员加快开发时间,降低项目从研究到量产的成本。

黑莓拥有广泛的、得到功能安全认证的软件产品,包括QNX管理程序、操作系统、开发工具以及嵌入式系统中间件。除了汽车,QNX操作系统还广泛应用于医疗设备、工业控制、铁路、机器人、航空航天和国防等生命安全关键系统。黑莓一直致力于保证安全、可靠、持续创新,其QNX技术已经被嵌入到当今道路上行驶的超1.75亿辆汽车中。

几个关于自动驾驶测试场景的问题

博客自动驾驶小能手 发表了文章 • 0 个评论 • 33 次浏览 • 5 天前 • 来自相关话题

这篇文章里所提的场景应用范围包括模型在环、软件在环、硬件在环、车辆在环,以及路测。当前的路测场景 ...查看全部

这篇文章里所提的场景应用范围包括模型在环、软件在环、硬件在环、车辆在环,以及路测。当前的路测场景往往有相关标准作为支撑,因而不在本文的讨论范围内。今天要说的是更广义的场景,这些场景因为其复杂性往往需要仿真来支撑。


interaction dataset 

这篇文章里所提的场景应用范围包括模型在环、软件在环、硬件在环、车辆在环,以及路测。当前的路测场景往往有相关标准作为支撑,因而不在本文的讨论范围内。今天要说的是更广义的场景,这些场景因为其复杂性往往需要仿真来支撑。

场景测试对自动驾驶发展是极其重要的,这基本已经成为共识。想有一个整体的了解可以阅读朱冰老师写的综述《基于场景的自动驾驶汽车虚拟测试研究进展》。之前在文章中也提到过,场景是对知识和自动驾驶数据的一种总结,是发挥数据价值的必须且高效的途径之一,它属于整个仿真系统的输入端。基于场景的测试方法可以提高系统的开发效率,也可以通过验证提高产品落地效率。

今天这篇文章的主要内容框架来自 Simon Chauvin,他的总结覆盖了我们讨论场景时常关注的几个问题。我对这篇文章进行了意译,以使读者对场景测试中的关键问题有一个大致的认知。在翻译过程中。我也融入了一小部分自己学习过程中的认知和思考。

我们会讨论以下几个问题:

1. 如何描述交通场景,用什么格式或语言?

2. 如何找到频繁出现的碰撞场景(frequent crash scenarios),人类驾驶员又通常在哪里失败?

3. 哪些数据集对于预测以及决策算法的学习和测试有益?

场景语言格式

为了提高测试的可复现性,Queiroz, Berger, and Czarnecki在2019年引入了一种用于表示场景的领域特定语言GeoScenario。该语言构建在OSM之上。

GeoScenario的目标类似于OpenSCENARIO,后者描述了仿真场景中的动态内容,并经常与表征静态内容的OpenDRIVE一起,共同组成测试场景。

另一个工具CommonRoad也被多次使用,其中一个原因是它基于NGSIM US 101数据集中实现了高速公路场景。这一系列应用于道路规划的可组合的benchmark目的是为研究人员提供一种评估和比较他们的规划器的方法。

为了在场景中表示道路网络,LanLets地图(OSM格式的一个开放扩展)被广泛使用(例如GeoScenario和CommonRoad)。

译者注:场景基本上可以分为静态和动态两大块。静态需要地图,对于开发阶段,可以把系统中使用的地图作为底层来构建静态场景,使用特定的数据格式构建动态场景;对于产品落地时的测试阶段,则往往需要使用标准地图格式和标准的动态场景格式。OpenDrive、Lanlet、OpenSCENARIO、GeoScenario都同属此列。

重新做一个类似于OpenDrive和OpenSCENARIO的东西并不难,但正如作者提到的,这里的关键是一个标准化的格式,是可以帮忙减少切换仿真工具的使用开销,方便统一标准化场景库的格式。OpenDrive和OpenSCENARIO以及其他的OpenX系列标准最初由VTD推动,后来又把这个标准立项交给了标准化组织ASAM,这个转交对于推动测试标准化的过程而言是很有意义的。

国内目前也有相关的工作,华为、上汽集团、中汽中心数据资源中心、51VR、腾讯科技、亮道智参与了C-ASAM的工作。

另外需要顺便提一点,OpenDrive、lanlet、OSM是可以通过简单的解析脚本相互转换的,通过这些转换可以复用很多其他软件的建模工作。另外,支持OpenSCENARIO的软件,我目前看到的有VTD和Carla,github上也有一些开源的解析器。其他仿真软件其实可以快点支持这个功能,这不是太难的事,但却是一件很重要的事。

OpenDrive和OpenSCENARIO这些标准也带来了一些衍生问题,如在某种程度上增加了建模场景的时间成本。例如,如何将路测数据自动化转化为标准场景格式?这就需要新的解决方案。关于这个话题,本文不再进一步展开。

常见的关键场景(Common Critical Scenarios)

从NHTSA的车祸数据中可以检索到最频繁出现的crash 场景。CARLA AD Challenges就使用了NHTSA pre-crash里的常见关键场景来测试agent的表现。
Pusse和Klusch 2019则使用GIDA分析了德国发生的数千起事故,并以此作为基准,使用开源的3D驾驶模拟器OpenDS对场景进行虚拟建模。

译者注:对于L2级的产品,NHTSA和GIDAS是很有价值的。但在面对L4级产品时,这两个经典的场景来源则相对有些捉襟见肘。

对于L4,最终的答案应该还是绕不开数据和关键场景这两个词。它们的关系是不解耦的。

数据不用多说了,有自动驾驶功能(或数据搜集功能)的车辆大规模部署的最直观好处是什么?就是各种各样的数据,这方面的典型例子是特斯拉。数据能帮我们分析出各种不常见的长尾场景,也能帮助统计不同地区不同行为的参数规律,这些数据经过分析后,可以凝练成关键场景,也可以针对性的修改系统的策略或参数,以提高系统的表现。

再来谈谈关键场景,除了前面提到的数据提炼的角度,还有一种是迭代分析的角度,其中的关键问题是如何定义“关键”,在这里我们就不做进一步的展开了。

对新数据集的需求

在许多论文中,在真实世界中进行实验一般都被放到展望中去了。这其中一个重要原因是,因为Reality Gap的存在,在模拟或手工设计的场景中验证的模型很难被转换部署到真实环境中去。这催生了两种需求:

  • 对更逼真的模拟器的需求。

  • 对更丰富的带有关键场景的交通数据集的需求。

让我们先来想想鸡和蛋的问题:如果算法最终效果表现不好,那么到底是喂的数据有问题,还是算法本身有问题?实际上,验证模拟器可能比验证算法本身更困难,这很让人失望。
所以接下来让我们把重心转到数据集上看看。

现实世界中的驾驶数据集对基于学习的方法非常重要,这些方法试图对人类驾驶风格和行为建模。它们的多样性和完整性对于预测和决策模型的一般化也是必不可少的。目前存在一些基于真实交通的场景记录集合。但大多数还是主要涉及感知的。研究与易受伤害的道路用户(即行人和骑自行车者)进行交互的工作主要可以使用的数据集包括:Stanford Drone数据集、清华-戴姆勒TDC数据集、JAAD数据集或Eurocity PersonsECP数据集。
对于高速公路和十字路口场景,highD 和NGSIM被提及的次数比较多。HighD的车辆轨迹是用一架无人机在德国高速公路上记录下来的,而NGSIM数据集包含了安装在旧金山湾区一幢建筑物顶部的摄像头45分钟内记录下来的车辆轨迹数据。SIPD研讨会的参与者认为这些数据“被过度使用”,“比较无聊”,因为它们缺乏复杂的状况。
不同的团队对数据集的需求是不同的。有些人想要全知的鸟瞰图,特别是在提取带有遮挡情况的场景时。有些人更喜欢从车辆上记录的数据(Pool, Kooij,和Gavrila2019),因为借助这些数据可以捕捉上下文线索,在规划前推断意图,比如骑自行车的人在转弯前可能会举起手臂。

在IV19上的许多工作使用了自己的驾驶模拟器或自己构建的数据集。这使得实验难以复制、比较。此外大多数手工制作的数据集都非常小,这不利于基于学习的模型的训练。另外,一个致命问题是,这些数据集包含的场景多样性较低。
结论其实蛮清楚: 我们还是缺少一个数据集的,它具有多种多样的、复杂的和关键的情况,且可用于交互感知的预测和决策。
SIPD研讨会的联合组织者Wei Zhan借此机会宣布发布了一个新的数据集,名为Interaction Dataset,用于社会互动预测和决策。以下是一些要点:

  • 对不同的地点(如美国、德国、中国),不同的驾驶文化,不同的交通规则,不同的场景(合并、绕行等)都有记录。

  • 包括了一些关键的情况,例如接近碰撞的情况和轻微碰撞事故,这对于测试边缘情况非常有益。

  • 另一个有前途的特点是,涵盖了带有谈判的复杂的驾驶行为和不明确的路权(通行权)

  • 最后,所有场景都带有一个基于lanelet2的带有语义信息的HD-map。模型中也会有遮挡作为ground truth,这是测试社会认知的关键。

高通宣布与华为达成专利纠纷和解

博客自动驾驶小能手 发表了文章 • 0 个评论 • 38 次浏览 • 2020-07-31 17:09 • 来自相关话题

据外媒报道,高通公司本周三表示,该公司已与华为就专利许可问题达成协议,华为将在第四财季向高通支付18亿美元的追补款。该消息发出后,高通公司股票在盘后交易中上涨了高达12%。高通表示,已与华为达成了和解协议,并达成了一项“长期的全球 ...查看全部

据外媒报道,高通公司本周三表示,该公司已与华为就专利许可问题达成协议,华为将在第四财季向高通支付18亿美元的追补款。该消息发出后,高通公司股票在盘后交易中上涨了高达12%。

高通表示,已与华为达成了和解协议,并达成了一项“长期的全球专利许可协议”,该协议包括一些交叉授权。不过,根据美国法规,目前华为仍被禁止购买高通的芯片。

高通公司CEO Steve
Mollenkopf在一场分析师电话会议上表示:“随着华为协议的签署,我们现在进入了一个与所有主要手机OEM厂商都已达成多年专利授权的时期。”

双方的协议签订消除了高通与华为在专利许可问题上的纠纷。高通表示,目前该公司已与市场上所有主要厂商签署了100多份5G专利许可协议。

高通在本周三预测称,由于其5G芯片的销售以及以及与华为达成的和解协议,该公司在第四季度的收入将大大超过华尔街预期。

不过,高通暗示,一款“旗舰”5G终端设备可能会延迟,这将影响其收入。媒体推测,这很可能指的是苹果公司备受期待的5G
iPhone。高通去年取代了英特尔,成为苹果iPhone的5G芯片供应商。

CY Vision融资500万美元 生产自动驾驶汽车3D HUD系统

博客自动驾驶小能手 发表了文章 • 0 个评论 • 30 次浏览 • 2020-07-31 17:07 • 来自相关话题

据外媒报道,日前,计算全息技术公司CY Vision宣布已筹集500万美元,用于将其3D增强现实(AR)技术推向车载抬头显示器(HUD)市场。此次融资由Revo Capital领投,参投者包括英特尔资本、Koc Holding和Vestel Ventures。

(图片来源:CY Vision)

CY Vision的解决方案是将挡风玻璃变成始终可用、始终可见的重要信息显示装置,将电动汽车、自动驾驶汽车和新型传统汽车区分开来。该公司提供的全彩色3D全息显示器可在明亮的阳光下、黑暗的暴风雨天气条件下运行,并具有从座舱至远方的可变虚拟距离。

Revo Capital董事总经理Cenk Bayrakdar表示,“技术与初创企业的创意结合在一起,改变了人们生活水平。CY Vision的技术及其团队为人们展示了未来汽车的样子。我们很高兴能与CY Vision在一起建立全球业务。”

此次筹集的资金将用于支持该公司推出量产版3D AR HUD系统,该系统允许导航提示、危险和车道警告以及虚拟辅助在驾驶员视野内无缝显示。CY Vision首席执行官Orkun Oguz表示,“CY Vision的全息显示器采用标准的汽车级硬件和计算资源,将为实用的增强现实系统开辟新的汽车细分市场。”

该公司开发了基于软件的全息显示技术,提供增强现实体验,以应对复杂的车辆环境。该公司的系统专为标准的汽车计算平台和传感器架构而构建,可以适应不同车型和用户的人体工学需求。(作者:盖世汽车)

从成都车展看智能网联汽车三大趋势

博客自动驾驶小能手 发表了文章 • 0 个评论 • 40 次浏览 • 2020-07-30 16:42 • 来自相关话题

7月24日,国内第一个A级车展——第23届成都国际车展正式开幕。本届车展汇集了德系、美系、日系、韩系以及合资、自主等120多个汽车品牌,参展车辆超1500余辆。
作为“疫”后国内率先举办的A级车展,各大车企对本届成都车展的重视程度不言而喻,展会首日就有50多场汽车品牌发布会,带来了多款全球及国内首发和限量版车型。
据相关数据统计,今年成都车展共有120多个汽车品牌参展,参展车辆1500余辆,首发车型69款,其中全球首发16款,全国首发26款。而这个数据在2019年,则为130多个汽车品牌,1600余辆车展车,首发车型80款,全球首发28款,全国首发41款。
尽管在参展规模上,这届的成都车展有所“缩水”,但在笔者看来,这届成都车展依然看点多多。

智能网联成为自主品牌主流搭配

如果说2019年的成都车展,搭配智能网联的车型还算少数,那么,在今年的成都车展上,搭配智能网联的车型已占据主流地位。
智能化再进阶的2021款哈弗F7/F7x,也在本届成都车展上正式亮相。通过对数字时代新青年出行需求的调研,2021款哈弗F7/F7x围绕“世界同步”和“娱乐至上”两大用户需求,率先搭载哈弗新一代智能网联系统,其主要的变化是换搭了腾讯车联TAI3.0系统,车载娱乐内容以及流畅度都有明显提升。
在功能上,这套全新车机系统包括了腾讯随行和腾讯爱趣听,同时拥有丰富的第三方内容生态服务。此外,该系统还支持车载微信功能,在方向盘上将配备微信专属控制按键,并支持全语音交互。
新宝骏RS-3 1.5T车型的上市,也成功吸引了很多观众的驻足。新车定位智能畅快SUV,搭载全新1.5T涡轮增压发动机,售价8.78万-9.88万元。其最大的亮点在于作为一款不到10万元的车型,新宝骏RS-3同时搭载了自动驾驶辅助系统和智能网联系统两大智能化功能。
新车搭载的同级领先的0-150km/h ACC全速域自适应巡航系统,能有效缓解长时间驾驶疲劳,让出行更简单、更安全。在网联方面,新宝骏RS-3 1.5T搭载的新宝骏车联网,可实现远程操控,支持APP全应用投屏互联,同时更新后的系统响应速度更快,连接稳定性更佳,用户还可以直接在线OTA升级。而这样的例子在本届车展上有很多,比如,广汽新能源埃安V、哈弗H6、北汽EU7、长安欧尚X5等,遍及中国绝大多数汽车品牌。
合资品牌加速布局智能网联车型
一直以来,合资品牌对待智能网联系统的态度都不温不火,不过,在本届成都车展上,笔者发现已有相当一部分合资品牌正加速布局智能网联汽车。
在时隔七年之后,奔驰GLA终于换代了,除了在外观部分的变化外,全新一代奔驰GLA标配了双10.25英寸“大视界交互屏”、64色环境氛围照明系统,还配备全新升级的MBUX智能人机交互系统,带有同级独有应用AR增强现实技术的“实景穿越导航”和新增的“洗车模式”。
无独有偶,在起亚官方公布信息中,新车搭载了L2.5级智能驾驶辅助系统,其中包括RCCA后方交叉防撞辅助系统、FCA前方防撞辅助、BCA盲区防撞辅助、SEA安全下车辅助、SVM全景影像、LKA车道保持辅助、DAW驾驶员疲劳提醒等配置。
东风日产则携全系车型亮相2020成都车展,并发布了“智联未来”计划,全面加速日产智行在中国的落地推进。同时,搭载全新升级Nissan Connect超智联系统的2021款劲客及2021款骐达同步亮相,展现了日产智行的科技魅力。
具体来看,用户可以通过超智联APP就能控制车辆的空调、车门锁、行车记录仪等;一句“你好,日产”唤醒后,便可语音控制空调、行车记录仪、座椅加热、导航等实用功能。
在车载在线服务方面,超智联系统可实现车内微信/支付宝/银联在线支付,并支持OTA在线升级、车辆健康监测及维保预约、车载4G WIFI热点等12项车载在线服务。此外,诸如远程实时监测、全时在线导航和在线语音娱乐等功能也没有落下。
智能座舱从概念进入落地阶段
从本届成都车展为数不多有关智能技术的发布信息中,还能得出一个结论,智能座舱正从概念进入落地阶段。
车展日当天,吉利发布了CMA超级母体技术,通过集中式的分布结构,采用FlesxPay总线,其传输速率将是CAN总线的20倍。此外,该架构不止会融合全新一代的GKUI车机系统,还会融合吉利自主研发的低轨卫星,抢位无人驾驶领域。总体来说,吉利新一代架构融合了自动驾驶与智能座舱这两个方面。
长城VV7科技版的智能科技座舱,则从豪华科技、安全科技、智能科技三个维度,为用户带来全面升级的科技感知。
标配的全生态座舱清洁控制系统,包含智能座舱清洁系统、AQS质量控制系统、PM2.5检测过滤系统、负离子空气净化等系统及功能,从空气质量控制、粉尘过滤、检测及净化四方面,为用户带来全面守护;
标配的智控三视行车记录仪的车型,可实现对车前、车内及车后实况进行实时查看,支持抓拍及摄像功能,并可在多媒体显示屏进行预览和查看;
标配的全自动智能泊车辅助系统,当车辆车速<30km/h时激活系统开始自动搜索车位,通过车身两侧传感器探测到当前车辆所在位置满足泊车条件后,系统将通过声音及中控显示屏提示泊车信息,驾驶员只需根据系统提示操作,车辆可自行完成全自动泊车。
长城VV7科技版还配备了AI智能面部识别功能、IACC智能巡航车速限制系统、AEB双闪提醒、二次碰撞缓解系统、未关窗提醒、LCK车道居中保持等40余项科技安全配置,从行人、乘员以及驾驶员三方出发,进一步优化智能驾驶辅助体验功能。
此外,威马也在本届车展上力推智能座舱概念,按照其官方的说法,EX5-Z、EX6 Plus意在满足家庭用户,在健康安全、智能科技方面的使用需求,并且搭载了L2级Living Pilot智行辅助系统和一键智能APA自动泊车功能,可以带给用户更智能、便捷的用车生活。

汽车零部件发展的四条主线

博客自动驾驶小能手 发表了文章 • 0 个评论 • 33 次浏览 • 2020-07-30 16:39 • 来自相关话题

中国汽车工业当前从成长期逐步迈入成熟期。未来较长一段时间将进入自主品牌激烈竞争的分化时期,龙头依靠技术优势、强大的降价能力和广泛的市场基础将呈现强者恒强,处于竞争劣势的中小整车企业逐渐退出市场或被龙头吞并,传统汽车行业集中 ...查看全部

中国汽车工业当前从成长期逐步迈入成熟期。未来较长一段时间将进入自主品牌激烈竞争的分化时期,龙头依靠技术优势、强大的降价能力和广泛的市场基础将呈现强者恒强,处于竞争劣势的中小整车企业逐渐退出市场或被龙头吞并,传统汽车行业集中度提升,龙头企业受益;而另一方面,新能源汽车持续高速增长,电动化、智能化加速推进。

销量层面来看,汽车行业销量主要受到宏观经济以及刺激政策影响较为显著,目前来看尚未看到宏观经济数据企稳,同时叠加疫情对乘用车供需的影响,预计 2020 年下半年汽车销量将企稳,与去年同期相比呈持平态势,乘用车板块销量在中性假设下约 11%的同比下滑,年销量达到 1917 万辆。商用车由于其具备周期性,预计今年维持-2%小幅度下滑,年销量达到 423 万辆,汽车板块整体同比下滑 9.2%,年销量 2340 万辆。
剔除政策性因素影响,中国汽车销量已经进入个位数增长的常态阶段,中国汽车工业从成长期进入成熟期,中国这一阶段大致对应美国 90 年代和日本 80 年代的汽车工业。参考美国这一阶段的自主厂商表现(龙头发生并购),中国未来较长一段时间将进入自主品牌激烈竞争的分化时期,国内整车龙头依靠技术优势、强大的降价能力和广泛的市场基础将呈现强者恒强,处于竞争劣势的中小整车企业逐渐退出市场或被龙头整车吞并,行业集中度提升,龙头企业受益。
明年我国将步入第14个五年规划。结合中国汽车产业发展阶段和全球汽车产业发展趋势,我们认为未来几年汽车零部件产业将围绕着四条主线发展:1)电动化与智能化;2)进口替代加速的优质零部件;3)行业龙头以及行业核心资产;4)汽车后市场。
主线一:“电动化+智能网联化”双轮驱动
出于对能源体系、工业发展等方面考量,2012 年定位于国家级战略的新能源汽车项目被推出,在长达 8 年的补贴政策、路权导向及基础设施建设的合力推动下,产业链由零发展雏形初显。而目前整个行业仍处成长初期,智能化、电动化趋势下汽车行业面临巨大的技术革新,带动产业链变革。
电动化与智能化的转型升级为国内厂商带来新机遇,原因有两点:一方面,对于新环节,国内外厂商处同一个水平线,是国内厂商最好的切入时机,相较于偏传统环节的国产替代路径更为容易;另一方面,行业从 0~1,赛道短期爆发性强,在足够大的市场规模下,能诞生多个大市值企业。
经梳理,电动车纯新增量环节集中在三电(电池、电机、电控)以及汽车电子、车联网领域,而底盘部分(传动、转向、制动等)存在由机械部件向电子部件升级的需求。此外,车身内外饰及底盘结构件作为汽车演变中技术升级较小的环节,仍存在以铝换钢的轻量化、智能化车灯等趋势性机会。且大部分新增量环节处产业成长初期。
主线二:进口替代加速,优质零部件稳健成长
全球整车厂盈利端承压,产业链向性价比更高的国内供应商转移。
低廉的人力成本,丰富的原材料供应下,国内零部件企业相较欧美发达国家具备天然的成本优势,在车灯、玻璃、客车这类非标汽车产品上体现尤为显著(非标产品需要更多人力支持),未来整车行业竞争仍将呈现加剧趋势,国内零部件企业有望携优势成本地位实现关键零部件的进口替代。
自主-合资-外资(全球),深度国产替代拉开序幕。从零部件替代类型来看,自主零部件企业的进口替代是从制动系统开始,逐渐传导到发动机、变速器等核心零部件总成。从零部件替代顺序来看,国内零部件厂商通常是从自主品牌开始,逐渐切入合资,最后配套外资或全球平台,这个阶段的替代驱动来源于 1)自主品牌车型销量占比提升;2)自主品牌零部件厂商通过技术引进与内生研发积极切入合资配套体系。
总体来看,2010-2015 年间,汽车零部件发生了全行业的进口替代(从 2010年的零部件全系列进口增速高于汽车销量增速,发展到 2015 年的零部件全系列进口增速低于汽车销量增速)。横向来看,2010-2015 年间,汽车零部件各类别中,发动机零部件增速降幅最大(-71%),其次是行驶系统(主要是轮胎和悬挂类,-68%)、再次是传动系统(变速器等,-67%)。纵向来看,制动系统零部件最早实现进口替代(2011-2012 年进口增速急剧下行),其次是发动机(2012年进口增速开始低于汽车增速),而以变速箱为代表的传动系统从 2015 年起进口增速才开始拉开与汽车增速的距离。
主线三:集中度提升,龙头企业优势愈发凸显
“处新产品周期+细分行业稳定+市占率可观”的赛道龙头具机遇
未来分化为主旋律,强者恒强。汽车行业兼备周期与成长双重属性,行业增量红利消失的大背景下,我们认为汽车行业结构性机会犹存:成长属性方面,深度挖掘由智能化、电动化、轻量化以及后市场带来行业革新机会,周期属性方面,仔细甄别部分子板块周期性轮动与复苏带来的机会;短期而言,增量红利消失使得行业分化显现(车型、国别品牌、厂商分化),未来随着销量增速进一步放缓,龙头份额将进一步提升,缺乏品牌效应和规模优势的中小企业在激烈竞争中将渐遭淘汰,强者恒强格局日益凸显。叠加政策大环境支持,未来行业分化是主旋律。我们提出零部件赛道三维筛选框架,基于起点(单车价值量)-持续时间(产品生命周期)-斜率(产品升级速度)三维体系评价细分零部件的市场空间,所有零部件均可以置于下方坐标轴进行赛道比较。
具备核心竞争力的赛道龙头优势凸显。新产品方面,整车厂新车周期与销量水平具较强的正向关联性,对于零部件厂商此种优质客户的深入绑定能缓释行业下行带来的业绩下滑影响,降低零部件企业盈利水平的周期性波动。技术方面,布局前瞻的公司有望在行业变革中提升自身议价能力,在细分行业中重塑竞争格局,收获中长期的增长。从市占率方面,占领市场的龙头有望受益于低端产能出清,份额扩张利好。
主线四:万亿级汽车存量市场,大幕徐启
汽车后市场是指汽车从汽车出售到报废的过程中,围绕汽车使用环节产生的一系列交易活动的总称,括维修保养、二手车交易、汽车金融等和停车、检测等衍生项目,在整个汽车产业链中占据重要位置。结合行业所处阶段特征,行业投资机会逐步从增量市场向存量市场过渡,随着保有量增长、车龄增加,政策法规逐渐完善,汽车的后市场需求逐步提升,汽车存量市场投资机会加大。
销售增长放缓,进入存量时代
在经过多年的井喷式增长之后,国内新车销量增速逐渐放缓,保有量依然保持中高速增长,国内汽车产业发展逐步从增量市场转变为存量市场。目前我国驾照持有人数达 3.42 亿人,保持中高速增长,保有量/驾照持有人数依然较低,保有量有进一步增长的空间。
随着国内新车销量增速放缓和汽车保有量稳健增加,中国汽车平均年龄有不断增长的趋势。2019 年,国内汽车平均年龄达 4.8 年,2022 年预计国内汽车平均年龄有望达到 5.3 年。在中国乘用车日趋老龄化的趋势下,车主对于维修和保养的需求也将日益增多。
停车与检测、维保、二手车及汽车金融四大市场机遇
停车与检测业务缺口巨大。汽车全生命周期下,存在检测和停车等巨大需求。其中目前国内检测站服务行业市场空间为 678 亿/年,利润为 204 亿/年;检测设备行业国内市场空间 70+亿;机械式停车设备市场空间近 200 亿,同时目前我国停车位配比只有 1:0.5-1:0.8,和国际 1:1.3 相比我国停车位比例严重偏低,设备和服务均存在巨大缺口。
中国汽车维保市场:保持中高速增长,互联网汽配平台涌现。在我国汽车保有量持续稳定增长且汽车平均年龄不断提高的背景下中国汽车后市场养护行业的市场规模一直在保持中高速增长,2019 年市场规模近万亿元,其中高频次高价值量单品如轮胎和蓄电池存量市场需求分别达 1700 亿和 200+亿。随着汽车后市场的发展深化,众多不同类型的互联网平台涌现,其中包括两类:一是面向终端用车消费者的 B2C 平台,二是针对后市场配件及服务供应商的 B2B 平台。
中国二手车市场:汽车保有量不断上升,产业链日渐完善。随着汽车存量规模持续增长,我国二手车交易量逐年攀升,2019 年达 1492 万辆,同比增长 8%,二手车交易额达 9357 亿元,同比增加 9%。大数据与互联网金融的创新发展促进了二手车行业产业链的完善,互联网公司的加入使二手车交易更加便利,线上渠道与线下渠道融合助力中国二手车市场的进一步发展。
中国汽车金融市场:发展潜力巨大,信用体系和政策助力发展。2018 年我国汽车金融渗透率 48%,与美国 81%渗透率存在较大差距,我国汽车金融市场具有巨大的发展潜力。信用体系和国家法律法规的不断完善助力中国汽车金融市场的进一步发展。2014-2017 年受汽车金融市场规模整体上升的趋势影响(汽车信贷规模增长迅速,2017 年达到 12000 亿元,相比 2001 年的 436 亿元增长了27.5 倍,年均复合增速达 23%。尤其是 2001-2003 增长迅速,除去 2004-2006年的负增长外,2007 年起增长速度快,2012 年达到同比增速 70%。),不良汽车贷款率保持稳定,我国汽车信贷的信用体系日趋成熟,良好的信用体系助力中国汽车金融市场的进一步发展。
汽车零部件产业依然面临着以下风险:
第一,弱市下汽车行业对政策依赖度较高,行业销量的回升幅度大概率取决于政策力度,提示政策不达预期,汽车行业销量不达预期风险。
第二,新能源汽车产销量对补贴政策较为敏感,政策波动可能使得销量大幅低于预期。
第三,车市持续低迷影响下,车企将部分压力传导至零部件厂商,带来供应链压价超预期、订单分散等现象,将影响盈利端。

芯片最强科普:解读我国芯片产业发展现状

博客自动驾驶小能手 发表了文章 • 0 个评论 • 31 次浏览 • 2020-07-30 16:31 • 来自相关话题

随着科技的发展,芯片在制造业各领域的应用越来越广泛。那么,什么是芯片?如何制造芯片?涉及到多少高科技?我国的芯片产业现状如何?又会有哪些挑战?让我们跟随央视新闻出品的科普长图,一起了解芯片那些事。 ...查看全部

随着科技的发展,芯片在制造业各领域的应用越来越广泛。那么,什么是芯片?如何制造芯片?涉及到多少高科技?我国的芯片产业现状如何?又会有哪些挑战?

让我们跟随央视新闻出品的科普长图,一起了解芯片那些事。
一、什么是芯片


别看芯片的体积小,但制造难度非常大,其制作过程不亚于在指甲盖上建造一座城市,我们一般看到的芯片是这样的:


但是在显微镜下,如同街道星罗棋布,无数的细节令人惊叹不已!


原来,指甲盖大小的芯片,上面却有数公里的导线和几千万甚至上亿根晶体管。

为了让这些纳米级的元件“安家落户”,芯片在投入使用前要经历上百道工序的纳米级改造……
二、如何制造芯片?


芯片,以储量最丰富成本最廉价的二氧化硅为原料,成就了这个星球的科技之巅,颁一枚最佳逆袭奖,实至名归!

那么,目前中国“芯”处在什么阶段?又面临着哪些问题?
三、我国的芯片产业现状

尽管目前我国芯片产业的发展仍需面对需求旺盛、供给不足、人才短缺等诸多挑战,但我国芯片的自主研发和量产势在必行。

万众瞩目,“AI芯片第一股”寒武纪,市值一天暴涨近600亿元

博客自动驾驶小能手 发表了文章 • 0 个评论 • 81 次浏览 • 2020-07-24 14:49 • 来自相关话题

2019年7月22日,科创板迎来了首批25家公司挂牌,所以这两天各家媒体都在对科创板开市一周年进行盘点。通过盘点科创板当中的芯片概念股,能够在一定程度上了解过去这一年来科创板 ...查看全部

2019年7月22日,科创板迎来了首批25家公司挂牌,所以这两天各家媒体都在对科创板开市一周年进行盘点。

通过盘点科创板当中的芯片概念股,能够在一定程度上了解过去这一年来科创板的发展轨迹。

万众瞩目,“AI芯片第一股”寒武纪(688256)7月20日正式登陆科创板。上市首日,寒武纪开盘大涨288.26%,盘中飙涨超300%,总市值一度突破千亿元。截至收盘,寒武纪涨超2倍,单日市值大增592.18亿元。

上周四,科创板目前的市值冠军中芯国际,回归科创板。三个月之前,沪硅产业挂牌,而在一年前,科创板首批上市新股中,就包含了像中微公司、澜起科技这样市场关注度高的公司。
科创板当中,与芯片产业相关的明星股层出不穷。而且刚才提到的这些明星股,涵盖了从半导体材料到设备,从芯片设计到代工等每一个关键环节。
当前对于芯片和半导体产业链来说,一个最重要的发展方向就是推进国产替代和自主可控,而芯片产业链关键环节的头部企业,在急需资本扶持的情况下,得到了宝贵的上市融资的机会,相当于科创板给它们下了一场“及时雨”。

从芯片产业链相关公司在科创板当中的占比来看,截至上周五收盘,科创板上市公司总数是130家,其中与芯片产业链相关的公司有19家,占比不到15%,但是这19家公司的总市值合计达到了8500多亿元,在科创板公司总市值当中的占比接近三分之一。而除了芯片之外,目前在科创板当中占比较高的行业还包括了医疗器械、生物医药、信息技术、高端装备等领域,充分体现了科创板所具备的“科创”成色,体现了科创板对于硬科技、新产业、新技术的大力扶持。

科创板芯片概念明星股中,既有未盈利的公司,还有境外回归上市的红筹公司,而整个科创板当中,已经有特殊股权结构的公司实现上市,这些以往不能在A股上市的企业,现在都可以在科创板上市,充分体现了科创板的市场包容性,体现了整个资本市场改革的成果。
提醒投资者,资本市场中,永远是风险与收益并存,分化不可避免,即使是热门板块当中,也会有“熊股”产生。就拿科创板当中的芯片概念股为例,既有上市三个月股价就翻了三倍的沪硅产业,也有科创板开市近一年来的第一大熊股晶晨股份。更何况,科创板实行的是20%的涨跌幅限制,高波动带来的高风险,投资者也要时刻警惕。(作者:央视财经)

赛迪智库发布《人工智能“新基建”发展白皮书》

博客自动驾驶小能手 发表了文章 • 0 个评论 • 72 次浏览 • 2020-07-24 14:44 • 来自相关话题









































(作者:赛迪智库)

别了,公交落水事故!解析客车驾驶安全智能解决方案

博客自动驾驶小能手 发表了文章 • 0 个评论 • 79 次浏览 • 2020-07-22 16:58 • 来自相关话题

客车驾驶安全智能解决方案主要涵盖驾驶行为监控预警、驾驶行为分析、驾驶行为评估、车辆运行大数据智能管理以及车辆轨迹及视频监控五大系统,旨在打造全运营流程的客车安全防护 ...查看全部

客车驾驶安全智能解决方案主要涵盖驾驶行为监控预警、驾驶行为分析、驾驶行为评估、车辆运行大数据智能管理以及车辆轨迹及视频监控五大系统,旨在打造全运营流程的客车安全防护体系。

贵州公交落水事件再次将公共交通安全,尤其是驾驶安全拉入大众视野。
为了实时监管驾驶员的驾驶行为,从而及时制止此类事件再次发生,7月17日,福田欧辉公布了其“客车驾驶安全智能解决方案”,旨在为平安出行保驾护航。
1595408130939254.png
【福田欧辉驾驶安全智能解决方案应用范围】
那么,福田欧辉“客车驾驶安全智能解决方案”是什么?
福田欧辉“客车驾驶安全智能解决方案”是基于云计算、大数据等底层能力,与CAN总线、车载智能网联设备高度融合,构成完整、安全、智能、开放的客车驾驶安全系统架构。
目前,该驾驶安全智能解决方案涵盖了驾驶行为监控预警系统、驾驶行为分析系统、驾驶行为评估系统、车辆运行大数据智能管理系统、车辆轨迹及视频监控系统五大系统,从而实现驾驶行为的实时监控、预警、分析以及车辆信息的实时掌控和事件跟踪回溯,进行全场景、全运营流程的客车安全防护体系。

一、驾驶行为监控预警系统

客车出行作为当下主流的出行方式之一与民众的生活息息相关,在乘车过程中,驾驶员的自身状态和操作行为关乎乘客的生命安全,极其重要。因此,福田欧辉客车驾驶行为监控预警系统从疲劳驾驶报警系统、LDWS车道偏离报警系统、ADAS碰撞预警系统三个方面保证驾驶的规范可靠。
其中,疲劳驾驶报警系统能够实时监控司机驾驶状况,自动识别闭眼、打电话、抽烟、打哈欠、左顾右盼等驾驶行为。同时,可穿戴智能设备还能实时对驾驶员的身体状况进行检查,对剧烈情绪变化、情绪失常及突发心脏病、高血压等紧急情况进行掌握,从而有效预警。
1595408162696497.png
【疲劳驾驶报警系统】
LDWS车道偏离报警和ADAS碰撞预警系统,可自动识别碰撞风险、车道偏移、限速标识、过往行人情况,并提前2.7秒发出预警,避免事故发生。
二、驾驶行为分析系统
从新手司机到安全运营无事故的老司机,每一次驾驶细节的优化和经验积累尤为关键。福田欧辉客车通过对驾驶人员驾驶习惯和行为的系统分析,为每一位司机师傅打造专属“驾驶档案”,通过对驾驶员超速、急刹车、急加速等驾驶习惯分析,形成行为分析图,在特殊路段或者特殊天气及时反馈,实时监督驾驶员行为,更好的保证驾乘安全。
1595408192959913.png
【驾驶人员不良驾驶行为分析表】
三、驾驶行为评估系统
每个司机的驾驶习惯都不相同,或高或低参差不齐,如何规范驾驶员驾驶习惯、完善驾驶培训体系对于公交集团等具备较多数量客车的运营方而言,尤为重要。
驾驶行为评估系统根据车队运营管理方的痛点,对驾驶人员习惯行为进行评估呈现,不断引导矫正,在意外发生之前杜绝。
1595408219233158.png
【驾驶行为数据】
四、车辆运行大数据智能管理系统
除对驾驶员的实时监控外,车辆状态也是影响安全的重要因素之一。福田欧辉客车通过大数据智能管理系统能够实时检测车辆状态,一方面驾驶人员可以通过可视化仪表台随时随地观察车辆情况,及时处理突发故障;另一方面车辆信息与云端同步,管理人员可通过智能化管理系统进行远程诊断、干预及制动,实时守护车辆行驶安全。
1595408244927013.png
【运行分析】
五、车辆轨迹及视频监控系统
在车辆行驶过程中,福田欧辉“客车驾驶安全解决方案”能够实时将行车轨迹上传云端,通过GPS定位系统绘制车辆轨迹图,同步车辆信息,包括运行轨迹、停留时长、速度等。同时,车辆配备的视频监控系统,即“黑匣子”,能够自动截取安全事故发生时前后30秒视频,便于管理员精准定位安全事件、判断安全事件责任和及时预警。
1595408269260709.png
【车辆历史轨迹】
福田欧辉驾驶安全智能解决方案从驾乘安全方面提供完备体系,实现了对驾驶员的实时监控和车辆的实时诊断,最大限度的保证了出行安全。据了解,未来,福田欧辉将继续对智能领域进行升级,为民众出行提供更为系统化、完备化的解决方案,共筑安全出行新篇章。

预测|中汽协:今年汽车销量降幅将收窄至10%以内

博客自动驾驶小能手 发表了文章 • 0 个评论 • 97 次浏览 • 2020-07-22 16:50 • 来自相关话题

7月20日,在中国汽车工业协会召开的年中沟通会上,中国汽车工业协会常务副会长兼秘书长付炳锋表示,进入二季度后,汽车市场将总体平稳向好,行业总体降幅将持续收窄。预计中国汽车市场2020全年销量降幅将收窄至10%以内。 ...查看全部

7月20日,在中国汽车工业协会召开的年中沟通会上,中国汽车工业协会常务副会长兼秘书长付炳锋表示,进入二季度后,汽车市场将总体平稳向好,行业总体降幅将持续收窄。预计中国汽车市场2020全年销量降幅将收窄至10%以内。
全力复工复产 推动二季度产销大幅回升
2020年初,突如其来的新冠肺炎疫情暴发,让汽车行业按下了“暂停键”,2月份产销基本停摆,3月份企业生产经营活动开始恢复,情况稍有好转。一季度,国内汽车产销累计同比下降均在40%以上,汽车行业受到了巨大冲击。
付炳锋表示,全行业同舟共济,不畏艰难,扎实推进复工复产。4月份汽车产销年内首次突破200万辆,且单月结束销量“21连降”,呈现回暖势头。5月份生产端信心进一步提升,消费端需求进一步释放,产销同比实现两位数增长。6月份供需两端延续良好态势,各类车型产销继续保持增长。
据中国汽车工业协会统计数据显示,上半年,国内汽车产销累计均超过1000万辆,分别为1011.2万辆和1025.7万辆,同比下降16.8%和16.9%。从半年总体情况来看,疫情冲击给汽车市场带来的损失已经得到一定程度的弥补,汽车总体产销状况已明显好于预期。而从全球角度看,我国汽车工业恢复的速度和程度居于领先地位,表现出较强的韧性和动力,这既与中央和地方政府及时、准确地出台了一系列的促进汽车发展政策有关,也与汽车行业企业多措并举,全力复工复产,积极主动促进汽车消费有关。
值得注意的是,上半年中国品牌乘用车共销售285.4万辆,同比下降29.0%,占乘用车销售总量的36.3%,比上年同期下降3.4%。原因是消费升级的高端换购需求和中高端车型促销折扣价格下探,带来的价格优势迅速引领细分市场回暖,中国品牌面临的压力更大。但也有部分品牌逆势上扬,如红旗、长安等,部分车型销量增长明显。在这些品牌的带动下,将助力中国品牌向上发展,重新夺回市场份额。
汽车市场平稳向好  降幅将持续收窄
虽然上半年汽车市场受疫情冲击损失巨大,但汽车产业长期稳定向好的态势没有发生改变,叠加下半年“六稳”、“六保”相关措施的持续发力,付炳锋预计,汽车市场将总体平稳向好,行业总体降幅将持续收窄。
从结构上来看,受各类宏观经济政策、基建投资政策、排放标准切换、治超治限以及高速按轴收费等重大利好驱动,商用车下半年将保持大幅增长,而乘用车将继续面临相对较大的下行压力。
在乘用车领域,中高端市场相对平稳,下半年依然会有较好的表现,而低端市场仍将进一步萎缩,中国品牌将受到更加严峻的挑战。
受补贴大幅退坡、续航里程问题制约、充电基础设施不足、缺乏有效的商业模式等诸多因素影响,新能源汽车市场出现大幅下降。疫情期间,公务消费有所下降,出行市场也遇到了天花板,而个人消费当前仍处在缓慢起步阶段,没有形成真正的爆发点。新能源汽车产业在市场端还需要更大力度的政策支持。
“总体来说,当前国民经济日渐企稳,汽车市场恢复性增长,总体形势不断向好。但与此同时,汽车行业仍面临市场消费动能不足和国际疫情持续影响等多重压力,产业转型升级任务非常艰巨。” 付炳锋说。(作者:人民网)

CAICV联盟智能网联汽车测试示范工作组成立

博客自动驾驶小能手 发表了文章 • 0 个评论 • 99 次浏览 • 2020-07-22 16:46 • 来自相关话题

为进一步聚焦智能网联汽车安全,促进车路协同发展,落实共享互认倡议,全面提升我国智能网联汽车测试管理和服务水平,7月16日,中国智能网联汽车产业创新联盟智能网联汽车测试示范工作组(以下简称“工作组”)成立会议通过线上会议形式顺利召开。中国工程 ...查看全部

为进一步聚焦智能网联汽车安全,促进车路协同发展,落实共享互认倡议,全面提升我国智能网联汽车测试管理和服务水平,7月16日,中国智能网联汽车产业创新联盟智能网联汽车测试示范工作组(以下简称“工作组”)成立会议通过线上会议形式顺利召开。中国工程院院士、中国汽车工程学会理事长、中国智能网联汽车产业创新联盟理事长、国家智能网联汽车创新中心主任、清华大学教授李骏,工业和信息化部装备工业一司汽车发展处四级调研员陈春梅出席本次会议,并作重要讲话。来自国家级智能网联汽车测试区(场)、车联网先导区、整车企业、科研机构和高校等35家发起单位和32家参与单位的行业专家共150余人参加本次会议,会议由联盟智能网联汽车测试示范工作组组长陈涛主持。

李骏院士首先为工作组成立致辞,他强调:

“当前智能网联汽车测试示范存在技术标准不统一、结果不互认的问题;测试示范工作组要大力发挥OEM和Tier1代表企业的核心作用,推动共性测试技术研发,支撑相关部门出台智能网联汽车测试、准入相关法规规范,推动产品认证,解决责任认定和保险体系等社会问题,促进L3级及以上智能网联汽车商业化落地,产生经济效益和社会效益。”

陈春梅调研员对工作组相关工作提出了几点希望:

支撑部委开展全国智能网联汽车测试区(场)的统筹协调,促进其差异化发展,落实共享互认倡议;支撑三部委修订道路测试规范,推动测试示范共性技术研究与标准制定,促进测试结果互认和数据共享;组织开展标杆作用的测试示范活动,探索商业模式,探索开展跨国测试示范项目;推动基础设施建设,促进车路协同相关技术发展。

陈涛组长介绍了工作组的基本情况:

会上,陈涛组长对工作组愿景、工作目标、工作内容、2020年工作计划、工作机制等进行了相关介绍。

工作组2020年专项任务小组牵头单位中国汽研陈涛总监、同济大学朱西产教授、北京智能车联吴琼副总、上海国际汽车城樊晓旭工程师、联盟秘书处于胜波和陈桂华研究员分别介绍了各专项工作的已有进展和下一步计划安排。

工作组的成立将联合国内智能网联汽车产业资源,借助国内智能网联汽车蓬勃发展的产业生态环境,开展智能网联汽车测试示范相关政策与产业研究,推动测试示范共性技术研究与标准制定,落实测试结果共享互认,促进相关学术交流、人才培养、国际联合测试等活动,推动智能网联汽车商业推广及应用。

工作组介绍

工作组组长:

陈涛,中国汽车工程研究院股份有限公司总监,中汽院智能网联科技有限公司总经理

工作组副组长:

朱西产,同济大学汽车学院教授,汽车安全技术研究所所长

吴琼,北京智能车联产业创新中心常务副总

李霖,上海国际汽车城(集团)有限公司副总工程师

中国智能网联汽车产业创新联盟介绍

为进一步推动我国智能网联汽车产业和技术发展,中国汽车工程学会、中国汽车工业协会在工信部的支持下,于2017年6月12日组建成立“中国智能网联汽车产业创新联盟”。工信部作为联盟指导单位,苗圩部长和辛国斌副部长分别担任联盟指导委员会主任和副主任。联盟是由国内企业、高校、研究机构、行业组织等自愿组成的联合体,包括来自汽车、信息通信、交通等领域的理事单位64家,普通成员单位429家。联盟按照约定的工作机制,在政策和战略研究、关键共性技术研发、标准法规、测试示范、产业化推广、学术交流与国际合作、人才培养等方面开展工作,已经成为国内推动智能网联汽车产业发展的重要平台。

SOTIF:自动驾驶汽车测试和验证的挑战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 82 次浏览 • 2020-07-22 16:44 • 来自相关话题

软件测试常常只是一个简单的BUG搜索,而不是一个经过深思熟虑的确保质量的实践。要大规模部署安全的自动驾驶车辆,需要一种比简单的系统级测试-故障补丁-测试周期更有条理的方法。ISO26262开发V流程建立了一个框架,将每种类型的测试与相应的设计或需求文档联 ...查看全部

软件测试常常只是一个简单的BUG搜索,而不是一个经过深思熟虑的确保质量的实践。要大规模部署安全的自动驾驶车辆,需要一种比简单的系统级测试-故障补丁-测试周期更有条理的方法。ISO26262开发V流程建立了一个框架,将每种类型的测试与相应的设计或需求文档联系起来,但在适应处理自动驾驶汽车面临的各种新测试问题时,会遇到一些挑战。根据自动驾驶车辆V模型,提出了自动驾驶车辆测试的主要挑战:驾驶员不再参与控制、复杂需求、非确定性算法、归纳学习算法和故障操作系统。在这些不同的挑战领域中,通用的解决方案似乎效果很好,包括:使用相继放松的操作场景的分阶段部署,使用监视器/执行器对来将最复杂的自动功能与简单的安全功能分离,以及将故障注入作为执行更有效的边缘情况测试的一种方式。为了提供高水平自主,虽然安全认证类型算法方面仍存在重大挑战,但似乎可以将体系结构及其随附的设计过程构造为能够采用现有的软件安全方法。

尽管自动驾驶汽车最近成为了一个热门话题,但其背后的技术已经发展了几十年,可以追溯到自动公路系统项目[1]以及之前。从那些早期的演示开始,该技术已经成熟到先进的驾驶员辅助系统(ADAS),如自动车道保持和智能巡航控制是许多车辆的标准配置。除此之外,还有许多处于不同发展阶段的完全自主汽车项目,包括多车车队的扩展道路测试。
如果你相信权威人士的说法,那么全自动汽车(通常被称为自动驾驶汽车)的全面普及指日不远了。然而,正如传统汽车行业所熟知的那样,制造几辆汽车,让它们在有专业安全驾驶员的合理良性环境中运行,与制造数百万辆汽车,让它们在一个没有约束的世界中运行,两者之间存在巨大差异。有人说,成功的测试和几千公里(甚至几十万公里)的驾驶经验意味着,自动驾驶技术基本上已经准备好全面部署。但是,很难看出仅仅这样的测试就足以确保足够的安全性。实际上,至少一些开发人员似乎在做更多的工作,但问题是还需要做多少工作,以及我们如何知道最终的工具在部署时是非常安全的。
在这篇文章中,我们探索了一些开发者的挑战,这些开发者正试图获得完全自主,以及NHTSA级别4[2]车辆大规模部署的资格。因此,我们跳过了潜在的半自动化方法来处理那些驾驶员完全不负责车辆安全操作的系统。我们进一步限制范围来考虑如何在ISO 26262 v框架内设计和验证这样的车辆。这个限制的原因是,这是一个确保安全的可接受的做法。基于计算机的系统应该被认为是不安全的,除非有令人信服的其他理由,这是一个公认的安全原则(即,安全必须表现出来,而不是假设)。因此,自动驾驶汽车不能被认为是安全的,除非和直到他们被证明符合或映射到ISO 26262或其他一些适当的,广泛接受的软件安全标准。
完全测试不可行
车辆水平的测试不足以确保安全。人们早就知道,对系统进行足够彻底的测试以确保系统运行的可靠性是不可行的
例如,假设有100万辆汽车,每天运行一小时(即每天106小时运作时间)。如果安全目标是每1000天发生一次灾难性计算故障,那么安全目标是109小时的平均灾难性故障时间,这与飞机的允许故障率[3]相当。请注意,这承认了在车队的生命周期中,由于计算机缺陷或故障而导致的几次灾难性故障发生的可能性。但是,如果与手动驾驶车辆相比,由于驾驶员失误而导致灾难性事故的发生率大大降低,那么这一目标可能是合理的。(这只是一个失败率的例子。人们可能会为这个比率的高低提出论据,但它被选为一个合理的比率,说明了实现安全方面的一些困难。)
为了验证车辆的灾难性故障率为每109小时一次,一个人必须进行至少109车辆操作小时的测试(十亿小时)[4],事实上必须测试几倍的时间,可能会重复多次这样的测试来实现统计学意义。即使这样,也假定测试环境是真实部署的高度代表,并且导致灾难的环境是以随机、独立的方式出现的。在不危及公众安全的情况下,建立一支能在典型测试环境下运行数十亿小时的大型实体车队似乎是不切实际的。可能包括仿真、形式证明、故障注入、引导的基础上稳步增加车队规模、获得非关键角色的组件技术的现场经验和人员审查等方法。(组件级测试也起作用,但是为物理硬件设备积累109个小时的预部署测试仍然是不切实际的。)当人们考虑到自动系统的测试甚至比日常软件系统的测试更困难时,情况会变得更糟,下面将对此进行讨论。
也就是说,对于相对非关键的计算系统,可以使用测试作为验证适当安全级别的主要基础。这是因为涉及低严重程度和低暴露的故障可能比灾难性故障的发生率更高。例如,如果特定类型的故障每1000小时发生一次是可以接受的(因为这种故障会导致最低成本的事件或轻微的中断),那么通过数千小时的测试可以可靠地验证该故障率。这并不是说所有的软件质量过程可以放弃这样的系统, 而是如果平均故障间隔时间要求相对宽松,那么适当的测试和故障监视策略可能可以验证具有适当质量的组件实际上达到了可接受的低故障率。
以V模型为起点
因为系统级测试无法完成这项工作,所以需要更多的测试。这正是拥有一个更健壮的开发框架来创建安全关键软件的关键所在。
软件开发V模型在汽车上的应用由来已久。它是20多年前纳入MISRA指南的发展参考模型之一[5,6]。最近,它被提升为形成ISO26262[7]基础的参考模型。
通常,V模型(图1)表示一个有方法的创建过程,然后是验证和确认。V模型的左侧工作方式是从需求到设计再到实现。在每个步骤中,系统通常被分解为并行处理的子系统(例如,有一组系统需求,但是每个子系统的设计是独立的)。当系统从小型组件恢复到系统级评估时,V的右边迭代地验证和验证越来越大的系统块。尽管ISO 26262对该模型进行了详细的阐述,但我们仍然保持通用性,以讨论高级思想。
尽管ISO 26262及其V框架通常反映了确保汽车安全的公认做法,但在将汽车的技术映射到V模型方面,全自动汽车面临着独特的挑战。
1.jpg

图1 一个通用的V模型

一、驾驶员不参与控制

对于全自动驾驶汽车来说,最明显的挑战可能是,关键在于驾驶员不再真正驾驶汽车。这意味着,根据定义,在[2]操作期间,司机不能再为车辆提供控制输入。
可控性的挑战
对于低完整性装置的典型汽车安全论证可能取决于人类驾驶员施加控制的能力。例如,在一个高级的驾驶员辅助系统(ADAS)中,如果一个软件故障导致了一个潜在的危险情况,那么这个驾驶员可能被期望越过那个软件功能并恢复到一个安全的状态。司机们也有望从严重的车辆机械故障中恢复过来,比如轮胎爆裂。换句话说,在有人驾驶的车辆中,驾驶员负责采取正确的纠正措施。驾驶员没有能力采取纠正措施的情况被认为是缺乏可控性,因此必须设计到更高的汽车安全完整性水平,即ASIL[8]。
有了全自动驾驶汽车,驾驶员就不能指望处理特殊情况了。相反,计算机系统必须承担主要异常处理程序的角色,处理错误、故障和超出指定的操作条件。与ADAS系统相比,让计算机负责异常处理似乎可能会极大地增加自动化的复杂性。ADAS系统的组合,如车道保持和智能巡航控制,似乎诱人地接近于完全自主操作。然而,一辆全自动汽车必须要有额外的复杂性来处理所有可能出错的情况,因为当事情出错时,没有司机来抓方向盘和刹车。
自主体系结构方法
在ISO 26262的背景下,让计算机负责提出了评估风险的两种策略。一种策略是将风险评估[8]的可控性部分设置为难以控制或无法控制的C3。如果严重程度和暴露程度很低,这可能是一个可行的选择,因此可以指定较低的ASIL。但是,在中度或高度严重和暴露的情况下,该系统必须设计到一个高的汽车安全完整性水平(ASIL)。(有些人可能会说,应该有一个更高的可控性分类C4,因为自动化系统有时候不仅不能提供安全功能,还有可能主动采取危险积极行动。但我们假设现有的C3就足够了。)
另一种处理高ASIL自治功能的方法是通过结合监视器/执行器架构和冗余来使用ASIL分解[9]。监测/执行器架构是这样一种架构,其中主要功能由一个模块(执行器)执行,一个成对的模块(监视器)执行验收测试[5,10]或其他行为验证。如果执行器动作不正确,监视器将关闭整个功能(两个模块),导致故障-沉默系统(任何故障都会导致一个沉默组件,有时也称为故障-停止或故障-安全。)
如果监视器/执行器对(图2)设计正确,只要监视器具有非常高的ASIL并检测到监视器中所有可能的故障,执行器就可以设计为一个低ASIL (此外,还需要检测监视器中的潜在故障,以避免因执行器故障而导致监视器损坏) 。如果监视器能够比执行器简单得多,减少高ASIL监视器的尺寸,并允许大部分功能复杂性被放置到一个低ASIL执行器中,那么这种结构模式将是特别有利的。
2.jpg
图2监控器/执行器概念图
监视器/执行器对的优点和缺点都是创建了一个故障-沉默模块(如果有故障就会关闭)。使用异构冗余(两个模块:监视器和执行器)是为了防止发生故障的执行器发出危险的命令。但是,如果出现故障,也会导致执行器功能丧失,这对于故障后必须操作的功能(例如在行驶中的车辆中转向)是一个问题。
至少,提供失败的操作行为需要更多的冗余(不止一个监视器/执行器对),并且很有可能设计多样性,这样普通模式的软件设计失败就不会导致系统失败。这是很重要的,以避免损失的情况,如阿丽亚娜5号航班501,这是由于主系统和备份系统经历了相同的未处理异常(组件设计未预料到的)操作条件而以相同的方式故障所导致的。
应该注意的是,实现多样性并不一定是简单的,因为在同一套用于简化不同组件(例如,[12])的高级需求中存在缺陷的脆弱性等问题。然而,这种情况也适用于非自动软件。还应该注意,监视器/执行器对故障沉默的要求是基于故障独立性的假设,但这同样适用于非自动系统。
高水平自动驾驶汽车的一个关键观点是,需要有一种方法来检测自动功能何时不能正常工作(无论是由于硬件故障、软件故障还是需求缺陷),并且在通过故障操作降级模式自动功能检测到此类故障时,以某种方式使系统处于安全状态。

二、复杂的需求

开发的V模型的一个基本特征是,V的右侧提供了一种可跟踪的方法来检查左侧的结果(验证和校验)。然而,这种检查的概念是基于这样一个假设,即需求实际上是已知的、正确的、完整的、明确指定的。这一假设对自动驾驶汽车提出了挑战。
需求挑战
如前所述,从控制系统中移除驱动程序意味着软件必须处理异常,包括天气、环境危害和设备故障。其中可能有很多不同类型,从恶劣的天气(洪水、雾、雪、吸烟,龙卷风),到违反交通规则(错误行驶方向,其他司机闯红灯等)到当地的驾驶习惯,再到动物危害(鹿、犰狳和偶尔的蝗灾)。
任何一个开了很长时间车的人都可能遇到行驶路上的各种怪事。一个规模很大的车队,总的来说,可能会经历所有这些类型的事件,或者更多。更糟糕的是,不良事件和行车条件的组合可能会发生,其数量之多简直无法用书面需求来描述。如果结果可能是无害的,也许不需要覆盖所有这些极其罕见的组合,但是需求应该清楚地说明系统设计范围内的内容,以及哪些内容不属于系统设计范围。因此,从列举所有系统需求的文档开始的经典V流程,不太可能以严格的方式扩展到自动车辆异常处理,至少在不久的将来是这样。
操作概念方法
管理需求复杂性的一种方法是约束操作概念,并参与需求的阶段性扩展。开发人员已经在这样做了,他们可能会专注于特定地理区域的道路测试(例如,只在硅谷的分道公路上进行日间驾驶,那里降水有限,几乎没有冰冻天气)。然而,使用操作概念的想法可以在许多方向上扩展。
可以用来限制操作概念的例子包括:
•道路接入:有限接入高速公路、HOV车道、农村道路、郊区、封闭校园、城市街道等。
•能见度:昼、夜、雾、霾、烟、雨、雪等。
•车辆环境:在封闭的车库中进行自动停车,没有其他车辆行驶,只有自动车道,非自动车辆上有标志应答器等。
•外部环境:基础设施支持、预先测绘的道路、配备人力驾驶的汽车
•速度:较低的速度可能导致更低的故障后果和更大的恢复裕度
虽然上面提到的自由度仍然有很多组合(当然还有更多可以想象的),但是从可能的操作概念中进行选择的目的并不是要增加复杂性,而是要减少复杂性。降低需求复杂性的方法是,只在完全理解需求的特定有限的情况下(并确保对这些有效的操作条件的识别是正确的)允许自主。
因此,限制操作概念成为一种引导策略,用于在日益复杂的操作环境(例如,[14,15])中依次部署更复杂的技术能力。一旦对特定的操作概念的需求有了充分的了解,就可以随着时间的推移添加其他类似的操作概念,以扩展允许的自动化场景的范围。它不会完全消除复杂需求的问题,但是它可以帮助减少需求和异常的组合爆炸。
安全需求和不变性
即使使用了受限的操作概念,使用传统的与安全相关的需求方法似乎也是不合适的。这种方法或多或少是这样进行的。首先创建功能需求。然后,在执行了一些风险评估过程之后,对与安全相关的需求进行了注释。然后,将这些安全相关需求分配给安全关键子系统。然后,设计满足分配需求的安全关键子系统。最后,通过重复该循环来标识和减轻未预料到的紧急子系统交互。
对于自治应用程序来说,安全关键需求的注释可能是不切实际的,至少有两个原因。原因之一是许多需求可能只与部分安全性相关,并且与功能性能不可避免地交织在一起。例如,当汽车移动时操作停车制动的许多条件可能是一组启动条件。然而,只有这些需求的某些方面实际上是安全关键的,而这些方面在很大程度上是其他功能相互作用的紧急后果。以驻车制动为例,当驻车制动以速度施加时的减速特性是所期望的功能之一,并且可能由许多功能需求来描述。但是,简化后,减速模式中唯一的安全关键方面可能是其他需求的紧急交互必须避免在减速过程中锁定车轮。
用于识别安全相关需求的需求注释可能失败的第二个原因是,当使用机器学习技术时,这甚至可能不可能。这是因为需求(尽管它们是)采用一组训练数据的形式,列举一组输入值和正确的系统输出。这些往往不是传统需求的形式,因此需要对需求管理和验证采用不同的方法。(参见本文后面关于机器学习的部分)。
与其试图在安全子系统和非安全子系统之间分配功能需求,不如创建一个单独的、与严格安全相关的[16]的需求并行集。这些需求往往以不变量的形式指定安全所需的系统状态(必须为真才能安全,必须为假才能安全)。这种方法可以解决性能和优化问题(最短的旅行路径是什么?)或者最优燃油消耗的速度是多少?)从安全的角度(我们会撞到什么东西吗?)
使用这种方法将需求集划分为V模型的两部分。第一组需求将一组non-safety-related功能需求,这可能是在传统的格式或一种非传统的格式如机器学习训练集。然而,根据定义这些潜在的非传统的需求并不安全,所以它可能是可以接受的,如果跟踪和验证有充足但不完美的报道。 
第二组需求是一组纯粹的安全需求,它完全而明确地定义了系统的安全含义,相对独立于最佳系统行为的细节。对于不同的操作模式,这些需求可以采取安全操作信封的形式,系统可以在[17]操作信封内自由地优化其性能。很明显,这样的信封至少可以在某些情况下使用(例如,强制限速或设置最小跟随距离)。这个概念承诺相当普遍,但要证明它仍然是未来的工作。
采用一组与功能需求正交的安全需求的一个令人信服的理由是,这种方法干净地映射到监视器/执行器架构。功能需求可以分配到一个低ASIL执行器功能块,而安全需求可以分配到一个高ASIL监视器。多年来,该思想一直被非正式地用作监视器/执行器设计模式的一部分。我们建议将此方法提升为设计自动驾驶车辆设计、需求和安全案例的主要策略,而不是将其降级为详细的实现冗余策略。
三、非确定性和统计算法
自动驾驶汽车使用的一些技术本质上是统计性质的。一般来说,它们趋向于不确定(不可重复),并且可能只对某些概率给出正确的答案——如果某个概率可以被赋值的话。验证这样的系统所面临的挑战是传统的确定性汽车控制系统所没有的。
随机系统的挑战
非确定性计算包括一些算法,如计划器,它们可能通过对大量随机选择的候选对象的结果进行排序来工作(例如,概率路线图计划器[18])。由于该算法的核心操作是基于候选对象的随机生成,所以很难进行复制。虽然在单元测试中使用可重复的伪随机数流等技术是有用的,但在集成系统中创建完全确定的行为可能是不实际的,特别是在初始条件的微小变化导致系统行为发散的情况下。这意味着,尽管试图使用名义上相同的测试用例,但每一次车辆水平测试都可能导致不同的结果。
成功的感知算法也往往是概率性的。例如,证据网格框架[19]将来自个体的、不确定的传感器读数的不同证据累积到一个机器人周围环境的越来越模糊和详细的地图中。这种方法产生一种可能性,即有一个物体存在,但从不完全可靠。此外,这些算法是基于先前的传感器物理模型(例如,多路径返回)和噪声(例如,在雷达报告范围内的高斯噪声),它们本身是概率性的,并且对环境条件的微小变化很敏感。
除了对周围环境的几何建模外,其他算法还从感知到的数据中提取标签。突出的例子包括行人检测[20]。这样的系统可以表现出潜在的不可预测的故障模式,即使是在很大程度上无噪声的数据。例如,视觉系统可能在消除由阴影引起的颜色变化的歧义上有困难,以及在大型反射面存在时,确定物体位置的经验差异。(平心而论,这些都是人类目前面临的挑战。)此外,任何分类过程都表现出假阴性和假阳性之间的权衡,其中一种情况的减少必然导致另一种情况的增多。它的测试含义是这样的算法不会在100%的情况下工作,并且根据构造它们可能报告一个特定的情况为真,而实际情况为真的概率只有中等大小。
非确定性测试
在测试中处理非确定性是困难的,至少有两个原因。第一个问题是,在特定的边缘情况下很难进行操作。这是因为,只有当系统接收到来自外界的一个非常特殊的输入序列时,它才会以激活边缘情况的方式运行。由于前面讨论过的因素,例如计划者对输入的微小变化的响应可能存在巨大差异,所以很难设计出一种情况,在这种情况下,世界将可靠地提供正确的条件来运行特定的期望测试用例。
举个简单的例子,汽车可能更喜欢在宽阔的马路上绕行,而不是在狭窄的小巷里抄近路。为了评估在狭窄的巷道中行驶的性能,测试人员需要设计一种情况,使宽阔的巷道对计划人员没有吸引力。但是,这样做需要对测试计划进行额外的关注,并且可能(手动)将车辆移动到它通常不会进入的环境中来强制执行所需的响应。测试车辆在两条几乎同样不吸引人的道路中选择更好的一条而不动摇的能力可能更加困难。
测试中与非确定性的第二个区别是,评估测试结果是否正确是不同的,因为对于给定的测试用例没有唯一正确的系统行为。因此,正确性标准可能必须采用与前面讨论的安全信封类似的形式,在安全信封中,如果最终系统状态在可接受的测试通过信封中,则测试通过。一般来说,可能需要多个测试来建立系统将总是在测试通过信封中结束的信心。
概率系统行为对验证提出了类似的挑战,因为通过一次测试并不意味着每次都通过测试。事实上,对于概率行为,可以预期至少某些类型的测试在某些情况下会失败。因此,测试的目的可能不是确定行为是否正确,而是验证行为的统计特征是准确指定的(例如,假阴性检出率不大于伴随的安全参数中假定的率)。这可能需要比简单的功能验证多得多的测试,特别是如果所涉及的行为是安全关键的,并且预期失败率极低。

要从概率系统中获得极高的性能,可能需要多个子系统,而在复合系统中,由于具有完全独立的故障,因此假定这些子系统能够提供较低的总体故障率。例如,可以将复合雷达和视觉系统组合起来,以确保在极低的概率范围内不会遗漏任何障碍物。该方法不仅适用于传感模式,也适用于规划和执行中的其他各种算法方案。如果这种方法是成功的,那么很可能导致失败的概率非常低,因此验证复合性能的测试是不可行的。例如,如果两个系统必须在十亿次探测中有一次错过障碍物,那么必须进行数十亿次有代表性的测试来验证这种性能。验证复合不同算法的非常低的故障率可以通过单独验证每个算法的更频繁的允许故障率来尝试。但这是不合理的。人们还必须验证故障之间独立的假设,这可能除了测试之外,还必须基于分析。

四、机器学习系统


只有正确地做出一系列复杂的监测和控制决策,自动驾驶汽车才有可能做出正确的行为。实现这一目标通常需要对参数进行适当的调整,包括从每个相机镜头的校准模型到为避开高速公路上的障碍物而转弯和停车的风险权重的调整。这里的挑战是找到校准模型或权值之比,使某些误差函数最小化。近年来,大多数机器人应用已经转向机器学习来完成这一任务[21,22],因为多维优化的复杂性使得手工工作不太可能产生期望的性能水平。
机器学习方法的细节有很多,例如从演示中学习、主动学习、监督与非监督方法。然而,所有这些方法都涉及到归纳学习,在归纳学习中使用训练实例来推导模型。
例如,考虑在单目图像中检测行人的情况。通过使用一组大型训练图像,分类器可以学习一个决策规则,最小化行人在单独的验证图像集中被检测到的概率。对于我们的目的,一个基本元素训练集实际上是系统的需求集,而规则是最终的系统设计。(机器学习算法本身和分类器算法都更适合传统的验证技术。然而,这些都是通用的软件引擎,最终的系统行为是由用于学习的训练数据决定的。)
人们可以通过建立一套收集训练数据的要求来避免训练集数据形成事实需求的问题。但这最终只是把同样的挑战推到了抽象的一个层次上。需求不是系统本身的一组功能需求的典型V模型,而是一组训练数据的形式或收集训练数据集的计划。如何验证训练数据是一个开放的问题,可以通过对数据的特征描述以及数据生成或数据收集过程进行组合来解决。
验证归纳学习的挑战
归纳学习方法的性能可以通过从已收集的整体数据集中保留一些样本并使用这些样本进行验证来测试。假设如果将训练集用作系统需求(V模型的左边),则可以使用独立的验证数据集来确保满足需求(形成相应的V模型右边)。训练数据不能与期望行为无关,否则系统将变得“过度拟合”。类似地,除了所需的特性之外,验证数据必须与训练数据在各个方面都是独立和不同的,否则在验证期间将不会检测到过拟合问题。目前还不清楚,如何证明机器学习系统没有被作为安全论证的一部分过度拟合。
机器学习在实践中的一个重要限制是,如果使用带标签的数据,每个数据点都可能很昂贵。(创建标签必须由某人或某事完成。无监督学习技术也是可能的,但需要一个聪明的映射来解决特定的问题。)此外,如果发现了训练集(一个需求缺陷)或规则学习(一个设计缺陷)的问题并进行了纠正,那么就必须收集更多的验证数据并用于验证更新后的系统。这是很有必要的,因为即使是对训练数据的一个小的改变也会产生一个非常不同的学习规则集。
由于自治系统需求的复杂性,学习问题很可能会在少数情况下出现。然而,由于它们的稀缺性,收集描述这种不寻常情况的数据的成本可能很高,而且难以衡量。(模拟和合成数据可以帮助解决这一问题,但同时也存在模拟数据存在偏倚的风险,以及过度过渡到模拟工件的风险。)
验证机器学习的另一个问题是,一般来说,人类不能直观地理解过程的结果。例如,卷积神经网络[23]的内部结构可能无法直观的告诉人类观察者关于所学习的决策规则。虽然可能会有一些特殊的情况,但机器学习的易读性问题[24、25]在能够以人类的方式解释系统行为方面是无法解决的。除了昂贵的蛮力测试之外,很难预测其他技术如何应用于机器学习系统的验证。(也许有些组织确实有资源来进行广泛的蛮力测试。但是,即使在这种情况下,训练数据的准确性、有效性和代表性也必须作为基于机器学习系统正确性的安全论证的一部分进行证明。
由于机器学习系统的易读性普遍较差,而且过度拟合的危险是真实存在的,所以在这样的系统中存在着能够显著地影响安全性的故障模式。特别值得关注的是在训练集数据中出现的意外相关性,但是没有被人工审阅人员注意到。例如,考虑使用经过训练的可变形部分模型在图像中检测行人的方法,该方法已被证明在真实的数据集[26]中非常有效。如果训练数据集中没有(或很少)出现坐轮椅的行人的图像,那么这个系统很可能会错误地将行人的标签与用两条腿走路的人联系起来。
归纳学习的解决方案
众所周知,由于黑天鹅问题(black swan problem)[27],确认归纳学习是非常困难的。通常,黑天鹅问题指的是一个人(或一个系统)很容易相信普遍的观察结果是正确的,而由于大量的数据点相互关联,可能会得出错误的结论。故事是这样的。在18世纪晚期之前,欧洲所有被观察到的天鹅都是白色的,因此,使用归纳逻辑的观察者会得出所有天鹅都是白色的结论。然而,这个观察者在访问澳大利亚的时候,会经历这种信念上的打击,那里有大量的黑天鹅。换句话说,如果系统没有看到一个特殊的情况,它就不能学习那个情况。这是一个基本的限制,归纳学习方法是不容易治愈的[28]。此外,随着机器学习的发展,这个问题会因为可读性的缺乏而变得更加复杂,所以人类评论者很难或不可能想象在这样的系统中,一个类似于黑天鹅的偏见会形成什么样的形式。
验证归纳学习系统似乎是一个极具挑战性的问题。可以使用广泛的测试,但是需要验证黑天鹅数据随机独立到达率的假设,并对相应大小的数据集进行测试。如果有足够的资源,这可能是可行的,但总会有新的黑天鹅,因此必须对大量的操作场景和输入值进行概率评估,以确保系统故障处于可接受的低水平。(如果有足够的资源以一种合理的方式来做这件事,这可能会形成V过程的右边。)
将基于低ASIL诱导的算法与基于高ASIL演绎的监控相结合,是验证高ASIL诱导学习系统是否适用于高ASIL水平的另一种选择。这将回避执行算法的大部分验证问题,因为控制执行器的归纳算法的故障将由基于演绎生成的安全包络线等概念的无感监控器捕获。因此,执行器算法故障将是一个可用性问题(系统安全关闭,假设有足够的故障转移能力),而不是一个安全问题。
五、关键任务运行要求
作为一个最终的技术领域,我们回到前面讨论的一点,最终控制车辆的是计算机而不是人。这意味着,至少车辆有一部分系统必须是故障-运行,而不是故障-停止。
故障-运行系统的设计挑战
故障-运行系统的设计已经在航空航天和其他领域成功地进行了几十年,但由于几个原因仍然存在差异。第一个原因很明显,必须提供冗余,以便当一个组件发生故障时,另一个组件可以接管。
实现这一点需要至少两个独立的、冗余的子系统来实现故障停止行为。反过来,实现一个故障运行系统需要至少三个冗余的任意故障组件,以便在它发出错误输出而不是在组件级别[29]故障停止的情况下,可以确定这三个组件中的哪个失败了。对于必须容忍任意故障的系统,可能需要一个包含四个冗余组件的拜占庭容错系统[30],具体取决于相关的故障模型。
冗余的结构根据设计方法不同而有所不同,可能包括配置,如带有投票者的三倍冗余系统,或对[29]中的四台计算机的双—双冗余系统使用故障-停止。除了这些方法带来的明显开销之外,还存在一个测试问题,以确保故障检测和恢复工作,确保故障的独立性,并确保在驱动任务开始时所有冗余组件都是无故障的。冗余似乎不太可能被避免,但它可能会降低复杂性和费用提供足够的冗余,以确保安全。
故障转移
在典型的故障运行系统中,例如飞机,所有的冗余部件基本上是相同的,并且能够执行扩展的任务。例如,商用飞机通常配置两个喷气发动机,每个喷气发动机至少有一个双冗余计算机控制。如果一个引擎上的计算机对由于通过持续交叉检测到的故障而关闭,就会有另一个独立的引擎来保持飞机的飞行。即便如此,对发动机可靠性的要求还是非常严格的,因为飞机在发动机第一次故障后可能要飞行几个小时才能到达最近的机场,而发动机可能会第二次出现故障。它对每台发动机都提出了很高的可靠性要求,因此增加了部件成本。
虽然汽车的成本敏感性是出了名的高,但它们确实有一个优势,那就是故障转移所需时间可能很短(例如,将车停在路边,或者在必要时在行车道上停车),故障转移任务的持续时间以秒而不是小时计算。此外,与完全自主运行相比,停止车辆的故障转移任务可能具有的功能要少得多。它可以简化需求复杂性、计算冗余、传感器需求和可靠性需求。(作为一个简单的例子,故障转移任务控制系统可能不支持变道,这极大地简化了传感器需求和控制算法。一些复杂的方法可能比完全自主汽车更简单。)因此,设计具有故障停止主控制器和更简单的故障运行、故障转移控制器的自动驾驶汽车,在硬件成本和设计/验证成本方面都很有吸引力。

也有可能,安全论证不是基于完全自治系统的完美,而是基于完全自治系统有一个探测器,当它出现故障或遇到需求缺口时,它能意识到。这将使故障检测器本身具有高ASIL,但可能允许正常的自主功能具有低ASIL。这种方法可以很好地映射到主自治系统的监视器/执行器架构。故障转移自治还必须以安全的方式设计,并根据其复杂性和计算出的可靠性需求采用适当的体系结构方法。如果在仅持续几秒的短故障转移任务期间发生故障的可能性非常低,甚至可以使用单通道故障转移系统。

六、非技术因素和故障注入

在部署自主权方面的一些挑战是非技术性的,比如经常提到的责任问题(当发生事故时由谁来负责?)以及法律通常如何对待车辆的所有权、运营、维护和其他方面。
对这个主题的深入研究超出了本文的范围。然而,解决非技术挑战很可能会对技术解决方案产生影响。例如,对于事故重建数据的自治系统可能会有法医要求。需要对这些数据的来源进行仔细分析,以确保正确使用这些数据。举个简单的例子,假设一个雷达的探测概率是95%,那么它的输出可能仍然会被记录在系统中,根据是否探测到一个障碍物,这意味着探测的确定性。重要的是要确保法医分析考虑到,仅仅因为雷达没有检测到行人并不意味着行人不在那里(例如,95%的检测可能意味着20个行人中有1个实际上不会被检测到)。
由于自动驾驶汽车固有的复杂性,以及无法通过测试证明任何接近完美的东西,因此开发人员很有可能以保证案例的形式创建一个安全保证论点(例如,根据[31])。这样的保证论证对于维护和解释系统的完整性是必要的,并且能够可信地解释系统对围绕不可避免的事故所发生的事件的响应。应该解决的一个特殊问题是,确保证据的完整性,以确定事故是否由于其环境而合理地不可避免。其他重要的问题将是,事故是否可以认为是由系统需求中的缺陷(例如,培训数据中的缺口)、合理可预见和可避免的设计缺陷、简单的心理缺陷或其他可归因于汽车制造商的原因引起的
从前面的讨论中可以明显看出,传统的功能测试在运行一个完整的系统时会遇到困难,尤其是在不寻常的操作条件下,很难运行异常的组合。虽然测试人员可以防御一些不符合标准的测试用例,但是由于异常、操作场景和其他相关因素的组合爆炸,测试的可伸缩性是有问题的。此外,研究表明,即使是非常优秀的设计师也常常会在相对简单的软件系统[32]中发现盲点,从而错过一些特殊的情况。
故障注入和鲁棒性测试是比较成熟的评估系统在[33]异常条件下性能的技术,可以帮助设计人员和测试人员在测试异常条件响应时避免盲点。传统的故障注入包括将位翻转插入内存和通信网络。最近的技术已经提高了抽象级别,包括基于数据类型的故障字典[32],并确保了故障的代表性[33]。这种技术已经成功地用于自动驾驶车辆[35]缺陷的发现和表征。
帮助验证自治特性的一个很有前途的方法是在组件的抽象级别上执行错误注入,这是试图伪造安全[36]声明的策略的一部分。这不仅涉及到模拟初级传感器输入的对象,还涉及到插入异常条件来测试系统的健壮性(例如,将无效数据插入到地图中)。进行这种故障注入的目的不是验证功能,而是探测可能在不可预见的情况下被激活的弱点。这种故障注入可以在ISO 26262 v模型的范围内进行。
总结
根据V模型开发安全的自动驾驶汽车的挑战是重大的。然而,确保车辆安全仍然需要遵循ISO 26262 V模型,或者证明一套同样严格的过程和技术实践已经得到应用。假设应用了V模型,有三种通用的方法看起来很有前途。
分阶段部署
开发和部署一辆能够在不受限制的真实环境(包括特殊情况)中处理所有可能的场景组合的自动驾驶汽车似乎是不切实际的。相反,正如汽车系统中常见的那样,基于当前开发人员实践的分阶段部署方法似乎是一种合理的方法。
将阶段部署绑定到V流程可以通过识别指定良好的操作概念来限制操作范围,从而限制必要的需求范围来完成。它将包括环境、系统健康状况和操作约束方面的限制,必须满足这些限制才能进行自主操作。确认这些操作约束是强制的,这将是确保安全性的一个重要部分,并且必须作为一组操作需求、验证和潜在的运行时强制机制出现在V流程中。例如,运行时监控不仅可能需要监控系统状态是否允许自治权,而且假设关于安全的操作场景参数实际上是被满足,以及是否操作场景的系统实际上是它认为。
需要特别注意的受限操作概念的一个方面是,确保在操作场景突然失效(例如,由于意外天气事件或基础设施故障)时维护安全性。从可接受的操作概念体系中进行的此类异常转换将要求成功地执行系统恢复或故障转移任务,即使系统偏移超出了允许的自治操作场景的假设。
目前还不清楚分阶段部署方法是否会提供一条通往完全自治的道路。但是,至少这种方法提供了一种取得进展和获得自治的一些好处的方法,同时可以更好地理解不同的边界情况和随着系统更多地暴露于现实世界条件而出现的未预料到的场景。
监控器/执行器架构
一种可能有助于减轻自动驾驶汽车安全的许多挑战的常见方法是使用监视器/执行器架构。正如前面所讨论的,这种架构风格可以帮助解决需求复杂性(只有监控器需要是非常完美的)和归纳算法的部署(通过限制对执行器的使用,并使用基于演绎的监控器)。
此外,故障转移任务策略的使用可以允许主自治系统监视器检测主系统故障,而不必确保故障操作行为。一个更简单、高度完整的自动故障转移系统可以使车辆进入安全状态。这样的系统可能具有足够短的故障转移任务,因此需要最小的故障转移操作冗余,只要能够确保在启动故障转移任务时系统是无故障的。
故障注入
为了确保系统的超可靠性,单独进行测试是不可行的。自动驾驶汽车只会让这个问题变得更加困难,因为它会自动地对高度复杂的环境心理状况做出反应,还会引入机器学习等技术,而这些技术测试起来既复杂又昂贵。此外,由于大部分的自动驾驶能力必须有较高的ASIL由于缺乏人类驾驶监督,它似乎很难做足够的普通系统测试,以获得甚至一个合理的水平的保证。
作为验证策略的一部分,故障注入可以发挥有用的作用,该策略还包括传统的测试和非基于测试的验证。如果将故障注入应用于多个抽象级别,而不是仅应用于固定的电子连接器级别,则尤其如此。
未来的工作
本文讨论了在基于ISO 26262的V框架下实现自动驾驶汽车安全保障的方法。但是,使用诸如监视器/执行器方法之类的体系结构模式和通过故障注入可能实现的验证的实际限制将对操作性能造成限制。换句话说,自动驾驶汽车的功能可能需要受到限制,以适应可行验证技术的约束。放松这些限制将需要在一些领域取得进展,例如与预期的操作环境相比,确定机器学习培训数据的覆盖范围,对特殊驾驶条件下的安全要求有足够的信心,能够验证冗余感应型系统故障的独立性。

日立:从汽车导航地图自动生成自动驾驶地图

博客自动驾驶小能手 发表了文章 • 0 个评论 • 96 次浏览 • 2020-07-20 10:17 • 来自相关话题

概要 ...查看全部

概要

  • 自动驾驶/ADAS功能商业化的问题

  • 解决问题的假设~涉及到外界识别的2个组件技术升级~

  • 道路空间数据(DGM)和行驶逻辑数据(ADD)

  • 从汽车导航地图或高清地图生成DGM

  • ADD(行驶逻辑数据)的适用范围

  • ADD的期待效果的案例

摘要

提高车辆自动驾驶功能/性能,扩大自动驾驶工作范围

本报告将介绍株式会社日立制作所 Life业务统筹总部 数字前业务总部 智能网联汽车总部 业务开发部 主任技师 野村高司以《推动ADAS和自动驾驶技术升级的地图技术与数据库构建》为题的演讲概要。
当前,主要整车厂正在推进的自动驾驶系统基于高清地图信息(HD-MAP: High Definition Map),将各类传感器获得的信息与高清地图信息相匹配后进行行驶。也就是说,相当于在地图这一轨道上行驶。而今后在实现普通道路上的自动驾驶时,目前在高速公路和汽车专用道路方面已较为完善的高清地图要扩展至普通道路所需的成本非常庞大。此外,地图存在刚完成就会过时的问题。
但是,今后随着传感器、GNSS的进一步发展,AI的功能将得到提升,有助于提高预测功能的数据内容预计将进一步扩充,如此一来,即使地图不是高清(相对于位置信息,不需要±25cm的绝对精度,最多只需要±1m即可),也能利用实时获得的周边信息进行行驶。在此前提下,日立制作所的野村高司正在推进基于汽车导航地图(SD-MAP:Standard map)生成新构想的自动驾驶地图的计划,并称之为“DGM(Detailed Geometry Map):道路空间数据”(区别于高清地图,也称之为高详细地图)。
日立制作所还计划实现智能的自动驾驶,将驾驶员在驾驶困难或驾驶起来很费功夫的地点所积累起来的经验建立数据库,并嵌入DGM,并将其称之为“ADD(Autonomous Driving experience Database:行驶逻辑数据)”。

其构想是,提升传感器、GNSS等的性能,结合DGM/ADD,将扩大无限制的(普通道路上的)3-4-5级自动驾驶车可安全行驶的范围。日立与地图制作商的开发项目已经启动,期望2021年度发布部分成果。

一、自动驾驶/ADAS功能商业化的问题


<利用人工智能(AI)“预测”的难度>
AI在自动驾驶中的作用是识别、判断以及预测。其中,识别与判断的性能在很多方面都接近人的能力。人的识别对于计算机来说相当于慢动作,难度并不高。但是,要让AI与人脑一样进行相同的“预测”并不简单。近年来的自动驾驶试验车事故也大多起因于此。

高清地图的作用

<构建地图数据的难度>
  高清地图是让自动驾驶车顺畅行驶的功能件之一。提供如下所示的车载传感器无法捕捉的信息。

1)推测:

  • 因本车周围的障碍物无法把握路面情况时

  • 在无车道线的区间或道路油漆(车道边界线)不清晰的情况下对其进行补充

  • 传感器功能不完整时的补充

2)传感器感应范围外的预测

在日本,动态地图基盘株式会社(DMP)已制作了日本全国高速公路的高清地图,而日产利用该高清地图,使ProPILOT 2.0实现了特定条件下在高速公路上释放双手驾驶的功能,本田则计划2020年内实现3级自动驾驶(释放双手和双眼)。但是,DMP覆盖的范围只有全长约3万km的汽车专用道路。日本全国的普通道路长达150~160万km,想要在普通道路上也导入高清地图,需要庞大的资金,这并不现实。如果考虑实现所有车辆可行驶道路的自动驾驶功能,则需要以不同于以往的思路完善并更新地图。

二、解决问题的假设~涉及到外界识别的2个组件技术升级

日立制作所利用导航地图生成自动驾驶地图的计划中提出了以下两个假设。
1)以2025年前后为界限,提升传感器装置本身的性能,降低成本,推进小型化及提升其使用技术(包括Weak AI-Tech)。
 (注)Weak AI是指实现和提升部分特定人工智能功能的AI
  • 摄像头、雷达、激光雷达等
    提高鲁棒性、周围移动物体的行动预测及自由空间(自动驾驶车能够行驶的空间)推测精度等
  • GNSS、IMU
    通过采用cm~dm(10cm)级测位演算方式等,提升高精度绝对位置的稳定性等
    (注)GNSS(Global Navigation Satellite System / 全球导航卫星系统)是GPS、GLONASS、Galileo、准天顶卫星(QZSS)等卫星导航系统的总称。IMU(Inertial measurement unit、惯性测量装置)是用于检测掌管运动的3轴角度(或角速度)和加速度的装置。
  • V2X(V2V/V2I/V2P/V2N)
    计划仅设在汽车专用道路中复杂的并道/分流、普通道路路口车辆/行人/自行车等复杂交错的地点,以提高安全性能。

2)为提高推测功能(外界识别装置的启动范围)以及预知功能(离本车较远的范围),参考数据内容将进一步扩充。

以传感器捕捉到的信息为主的思路

目前主要整车厂计划的自动驾驶中,都以高清地图的准确性为前提,将车载传感器捕捉到的信息与该地图进行比对后行驶。也就是说,相当于在地图这一轨道上行驶。

但是,如果上述假设得以实现,就能把传感器捕捉到的信息(影像和动作)视为正确的,即使是低清地图,只要与传感器捕捉到的信息相结合,就能保证系统整体的可靠度和稳定性,就不需要高清地图那样±25cm水平的绝对精度。在此情况下,作为数据内容记录在地图这一假想空间内的行驶逻辑就凸显出其重要性,以下将对此作详细介绍。

三、道路空间数据(DGM)和行驶逻辑数据(ADD)


图* 在道路空间数据中记录行驶逻辑数据

以下将介绍野村高司推进的计划的核心内容“道路空间数据(DGM: Detailed Geometry Map)”与“行驶逻辑数据(ADD: Autonomous Driving experience Database)”。

<道路空间数据(DGM)>

DGM(Detailed Geometry Map)是从汽车导航地图(SD-MAP)生成的道路空间数据,根据MAP-ECU(控制单元)的性能和成本,可灵活选择数据内容/道路覆盖率/成本,实现广泛的利用。

<行驶逻辑数据(ADD)>

ADD是指将在驾驶较为困难或需要费功夫驾驶的地点的驾驶员经验建立数据库,嵌入DGM,是实现智能自动驾驶的行驶逻辑数据。无需大量探查数据,仅靠用户本身就能提升自动驾驶车的能力。其经验还能在云端共享,提升其他用户的经验值。

在道路空间数据(DGM)中记录行驶逻辑(ADD)

右图展示了在道路空间数据中记录行驶方法的事例。此道路情况下,高架下方有较长的右转车道,要进行右转,需要很早提前从右侧车道进入右转车道。如果错过了这个时机,就无法再右转,因此没有经验的人在此驾驶时会很困难。通过将驾驶员的经验建立数据库,自动驾驶时就会通过“行驶逻辑数据”(黄线)来提醒右转的行驶方法。

四、从汽车导航地图或高清地图生成DGM

左下图展示了利用日立制作所开发的“Model converter”从汽车导航地图(SD-MAP)或高清地图转换为DGM(道路空间数据)的过程。可以像这样灵活应对数据内容/道路覆盖率/成本的需求,生成Low-accuracy DGM、Medium-accuracy DGM、High-accuracy DGM三种精度的DGM。汽车导航地图中的道路虽然只记载了1条线(Road center),但具有Lane(车道)相关信息(称之为ADAS attribute),因此可生成记录Lane中央线的DGM。虽然生成的是Low accuracy DGM(High detail/low accuracy/low cost),但道路覆盖范围广。
日立制作所还计划将现有的高清地图(HD-MAP)用于DGM。此种情况下,将利用高清地图的内容生成High-accuracy DGM (High detail/high accuracy/high cost),但由于high cost,所以道路的覆盖率将较为有限。
日立制作所计划像这样来灵活应对数据内容/道路覆盖率/成本的需求,生成DGM的不同精度产品,即Low-accuracy DGM、Medium-accuracy DGM、High-accuracy DGM三种精度的DGM。
此外,以左下图的“North America”为例,表明日立制作所在该计划中的合作方HERE已生成了北美1,218万km汽车导航地图和70万km高清地图。
右下图是加利福尼亚州森尼韦尔的立交桥,展示了从图上方的导航地图转换为图下方的DGM的Model Convert(模型转换)事例。上方的“SD-MAP + ADAS attribute”显示的是Road center(道路中心),但从中生成了包括Lane中央线、Lane中央线的网络、限速、Lane的弯曲方式(曲率)等在内的Low-accuracy DGM(High detail/low accuracy/low cost)。
通过Model converter(模型转换)从SD-MAP生成DGM

Model Conversion的事例(美国加利福尼亚州森尼韦尔)

• 无限制(普通道路上)的3-4-5级自动驾驶的开发实际状态与期待


自动驾驶的工作范围
右图展示了当前和2030年度以后的无限制(普通道路行驶)3-4-5级自动驾驶地工作范围。左右的圆圈表示原来自动驾驶应该能行驶的所有道路。左边的圆圈(2019年度)中,以目前的技术水平能稳定(安全)地自动行驶的范围是中间的浅绿色范围,其周围的浅黄色是“虽然能自动驾驶但存在危险”的范围,外侧还有“需要解除自动驾驶,由远程操作介入”的范围
到了2030年度前后,如右边圆圈所示,“能稳定行驶的范围”有望扩大,但需要提高车辆本身的自动驾驶功能/性能(Vehicle AD Technology),如不提高,就会增加远程操作的协助请求,有可能因此导致其运行出现故障。
此外,到2030年前后,在不具备驾驶设备的自动驾驶车上应该不会完全没有远程操作协助。

五、ADD(行驶逻辑数据)的适用范围

左下图以X轴(本车至前方的距离)和Y轴(道路空间的情况→行驶逻辑)的图表展示了DGM与ADD覆盖的范围。

黑色虚线表示的HD-MAP覆盖了X轴上离本车较近的范围和Y轴上道路空间的情况范围,而黄色虚线表示的DGM则覆盖了X轴上更远的范围。

红色虚线表示的ADD相比道路本身,将知识和经验建立数据库,主要覆盖了图表上方的行驶逻辑范围。还利用探查信息,展示了 1)行驶方法相关信息、2)识别车群中本车的信息、3)车载传感器无法捕捉的前方信息、4)需要提高车载传感器精度和识别性能的信息。

<通过DGM/ADD可加强预测功能>

右下图显示,DGM/ADD可用于加强传感器和AI的功能及性能。通过DGM/ADD可理解传感器范围外的道路结构、连接关系及行驶方法,从而能更广范地理解时时刻刻物体识别的意义,因此可加强对实时发生的情况的预测功能。

ADD是可在广泛利用场景下利用的知识和经验数据库

ADD也能用于扩展和加强传感器和AI的功能及性能

六、ADD的期待效果的案例

以下介绍说明ADD(行驶逻辑数据)期待效果的5个案例:

<案例1>识别车群中本车的信息:

从前进方向左侧出口下高速公路或汽车专用道路时,一旦错过排队的车队,中途再想插入的话,自动驾驶就可能失效。通过提早进入左侧车道,就不用插队,从而扩大自动驾驶的工作范围。

<案例2>车载传感器无法捕捉的前方信息以及行驶方法相关信息:

在左下图的案例2中,如果就这样笔直前进的话,并道的地点就会有些许危险。如果能事先换至左侧车道,就能避开碰撞事故。

<案例3>行驶方法相关信息:

通过“提示符合目的地的变道点标准”,实现安全且稳定的行驶。

<案例4>行驶方法相关信息:

在有多个红绿灯且双向车道分离较远的路口,如存在不需要确认的红绿灯时的处理方法:如右下图所示的红色箭头路线右转时,只记录①停止线、②人行横道、③的红绿灯相关信息,不记录右转车辆不需要确认的④的红绿灯信息。如此一来便能实现顺畅的自动驾驶。

<案例5>行驶方法相关信息:

较宽的单车道在部分时间带会自然形成多条列队。
案例5的情况下,部分时间带会形成等待右转的车辆列队。如果是自动驾驶车的话,就会因为是一条单车道而行驶至列队的最后等待。但是这种情况下,有经验的驾驶员看到等待右转的列队左侧空出来时就会从左侧通行过去。只要将这类经验建立数据库,就能扩大自动驾驶工作范围,从而消除后续车辆的拥堵。

DGM/ADD的期待效果案例(案例1~3)

DGM/ADD的期待效果案例(案例4~5)

展望未来

在自动驾驶车问世初期,传统汽车与自动驾驶车并存的时代,像上述期待效果案例2、4、5那样,自动驾驶车(右转车及从支道向总道并道的车辆等)如果不是优先车辆就很难行动,可能最终导致自动驾驶车无法动弹。即使实现了V2X的扩充等功能,自动驾驶系统想要接近人脑的机制也非易事。

目前来说,通过ADD事先对经常发生交通事故的地点和自动驾驶频繁遭到解除的危险地点进行定义,有效地将驾驶权限转移至驾驶员或远程操作等,也许是一个较为现实的解决方法之一。

通过像这样的积累,如本报告“概要”部分的图那样,将有望逐步扩大自动驾驶车的安全(稳定)行驶范围。

<总结>

  • DGM与ADD的组合除了自动驾驶以外,还能应用于提升ADAS及导航的功能。

  • ADD可根据不同地区交通环境的差异(例如,中国、印度等,日本国内例如关东和关西地区的差异)对行驶方法建立模型,还能针对个人使用进行私人订制。(作者:焉知自动驾驶