1、埃尼阿克埃尼阿克2018L4级自动驾驶技术及应用场景行业研究报告2 开篇摘要前言 自动驾驶是对出行领域的智能化、自动化升级，目前涉及到相关技术研发的两大阵营分别是以整车 厂商为代表的传统汽车势力和互联网公司为代表的新兴技术科技公司。传统势力基于以往产品研发 模式逐步实现车辆智能化升级，科技公司则是通过深度学习、高精度传感器直接开发可以实现L4级 别自动驾驶的系统。目前从技术上来讲已经基本上具备了实现L4级自动驾驶的能力，主要是通过高精度传感器+深度学习 实现车辆对于周围环境中障碍物的探测，加以识别判断并进行动作决策等，但是由于需要实现L4级 自动驾驶的硬件设备如小型高精度激光雷达、算法嵌入式的
2、计算平台等设备还不够成熟，因此当前 整套L4级设备还显得庞大笨重且造价昂贵，很像早期实验室中的大型计算机。由于深度学习只有通过大量数据训练才可以实现对相似目标和道路情况的识别和判断，而由于城市 道路交通情况过于复杂，当前L4级自动驾驶系统还难以应付城市开放道路上的的载客运输作业，自 动驾驶系统比较适合应用于封闭园区、或点到点线路上的货物运输应用场景，如：港口集装箱运 输、干线物流运输、矿区、工业区运输作业等。未来随着车载技术的进一步成熟以及新技术的应用（如车联网、高精度地图等）。L4级自动驾驶将 会最终进入乘用车平台和城市道路环境，自动驾驶汽车在城市环境下最好的应用场景是共享出行领 域，预计这
3、将会彻底改变消费者的拥/用车习惯，对传统私家车市场形成巨大冲击，轿车厂商因此会 转型布局出行服务市场。3自动驾驶行业宏观情况概述1L4级自动驾驶技术及成本分析2L4级自动驾驶商业化应用分析34行业未来发展展望5行业风险分析及投资建议自动驾驶的定义和技术分层4 从L4级自动驾驶开始实现系统对驾驶员的替代自动驾驶是指让汽车自己拥有环境感环境感知知、路径规划路径规划并且自自主主实实现现车车辆辆控控制制的技术，也就是用电子技术控制汽车进行 的仿人驾驶或是自动驾驶。美国汽车工程师协会（SAE）根据系统对于车辆操控任务的把控程度，将自动驾驶技术分为 L0-L5，系统在L1L3级主要起辅助功能；当到达L4级
4、，车辆驾驶将全部交给系统，而L4、L5的区别在于特定场景和全场 景应用。本篇报告我们将主要论述L4级自动驾驶系统技术、成本和商业化应用场景。全部场景SAE级别级别名称名称定义叙述定义叙述对车辆横向及对车辆横向及 纵向操作控制纵向操作控制环境感知环境感知行为责任行为责任 主体主体场景场景主要由人类驾驶员负责对行车环境主要由人类驾驶员负责对行车环境进进行监测行监测L0非自动化（No Automation）由驾驶员全程负责执行动态驾驶任务，可能会得到车辆系统警告或其他干预系统的辅助支持驾驶员驾 驶 员驾 驶 员无L1驾驶人辅助（Driver Assistance）在特定驾驶模式下，单项驾驶辅助系统通
5、过获取车 辆行车环境信息对车辆横向或纵向驾驶动作进行操 控，但驾驶员需要负责对除此以外的动态驾驶任务 进行操作驾驶员和系统特 定 场 景L2部分自动化（Partial Automation）在特定驾驶模式下，多项驾驶辅助系统通过获取车 辆行车环境信息对车辆横向和纵向驾驶动作同时进 行操控，但驾驶员需要负责对除此以外的动态驾驶 任务进行操作系统主要由自动驾驶系统负责对行车环主要由自动驾驶系统负责对行车环境境进行进行监测监测L3有条件自动化（Conditional Automation）在特定驾驶模式下，系统负责执行车辆全部动态驾 驶任务，驾驶员需要在特殊情况发生时，适时对系 统提出的干预请求进行
6、回应系统系统L4高度自动化（High Automation）在特定驾驶模式下，系统负责执行车辆全部动态驾 驶任务，即使驾驶员在特殊情况发生时未能对系统 提出的干预请求做出回应系统系统系统L5全自动化（Full Automation）系统负责完成全天候全路况的动态驾驶任务，系统可由驾驶员进行管理系统系统系统自动驾驶产业链自动驾驶创造机会吸引行业外企业共同参与技术体系研发自动驾驶涉及到极为复杂的多产业融合，除了传统整车制造以外还涉及到了大量新兴技术，如：人工智能、大数据、物联 网等，由于传统厂商难以短时间内形成相关技术研发能力，因此这给予了行业外相关技术企业进入这一巨大新兴市场的绝 佳机会。除了新
7、型高精度传感器（Lidar）等Tier2厂商外，人工智能创业公司着手开发自动驾驶算法以及针对特定或通用 场景的整套系统解决方案；而互联网企业基于其在数据、资金、行业所拥有的强大综合实力，希望为未来出行领域开发 L4、L5平台级自动驾驶系统；传统厂商OEMs、Tier1s也看到了自动驾驶巨大的商业机会，除了通过开发ADAS模块，使 其现有产品逐渐获得L1L3级自动驾驶能力以外，其也通过自建，整体收购的形式组建自己的自动驾驶研发团队，目标是开发适应未来的完全无人驾驶产品。Tier1 供应供应链厂商链厂商芯片芯片&处理器处理器、自动驾驶产业链自动驾驶产业链 5 激光雷达激光雷达高精度地图高精度地图互
8、联网公司互联网公司& 创业公司创业公司新兴造车势力新兴造车势力OEM传统整车厂商传统整车厂商上游上游 供应供应 链厂链厂 商商软件软件 系统系统 平台平台 厂商厂商硬件、硬件、整车整车 制造制造 厂商厂商传统厂商自动驾驶布局整车厂商通过加装ADAS模块逐步实现高级别自动驾驶在本文中，我们主要探讨的是L4级自动驾驶技术及相关的应用场景，想要实现L4级自动驾驶，需要实现车辆在特定场景的 运行过程中能够彻底的摆脱驾驶员而独立完成驾驶任务，这对于传感器、数据、计算平台以至于整体系统的性能、冗余度 以及可靠性都提出了极高的要求。当前能够实现L4级的高性能的传感器和处理器成本高昂，限制了其在乘用车产品上的
9、应 用。而目前已经实现商业化应用的自动驾驶系统产品，主要是主机厂商（OEMs）和一级供应商（Tier1s）在现有的车型 上通过添加高级辅助驾驶系统(ADAS)，使其获得L1L3级部分自动驾驶能力。Tesla S/X/3 6 自动驾驶级别：L2；系统: Autopilot 2.0；基本功能：在高速公路、车道线清晰的 道路上实现:主动巡航、车道维持、主动 变换车道、高速公路驶入驶出；传感器：摄像头8个、毫米波雷达1个、 超声波雷达12个。通用通用-凯迪拉克凯迪拉克 CT6自动驾驶级别：L2；系统: Super Cruise；基本功能：在封闭的经过测绘的高速公 路环境下，可以实现车道维持，并保持 与
10、前车距离行驶；传感器：前置摄像头、环视摄像头、车 内摄像头、长距、短距毫米波雷达、超 声波雷达、GPS/IMU、高精度地图。奥迪奥迪 A8 （全（全球球首台首台实实现现L3级自动级自动驾驾驶）驶）自动驾驶级别：L3；系统: zFAS;基本功能：时速60KM/h以下在高速 公路、开放路段和双向高速车道环境 下，驾驶员可脱手，系统实现车辆启 动、加速、转向及制动；传感器：四线激光雷达1个（首个商首个商用案例，用案例，Ibeo Scala）、超声波雷达12个、毫米波雷达5个、摄像头6个。新兴势力自动驾驶布局通过深度学习算法和高精度传感器实现彻底的无人驾驶新兴势力包括互联网厂商和科技创业公司（许多人员
11、来自于互联网企业研究机构）,主要开发在特定区域内实现完全无人驾 驶的无人驾驶技术（L4L5）。科技公司相较于传统厂商来说优势在于其对于深度学习、神经网络、大数据等先进技术的 掌握上，但是其在硬件制造的经验却被传统厂商远远落下，Waymo（Google子公司）曾经主张自己造车，但在2015年后 就放弃了这一想法转而与克莱斯勒、丰田等传统车企进行合作，大部分科技公司都采取相同路线。而传统厂商也通过投资 收购科技创业团队为自己开发高级别自动驾驶系统（Cruise、Argo.ai）。Cruise AutomationIMU。 7 自动驾驶级别：L4；成果：被通用以5.8亿美元收购，在密歇 根州开展上路
12、测试，目前正在进行内部 无人驾驶载客试验；传感器：5个短程激光雷达、8个毫米波 雷达、16个摄像头和1到2台IMU。Waymo自动驾驶级别：L4成果：Google旗下自动驾驶开发机构， 09年开始相关技术研发，在MPD数据上 保持第一，目前已在亚利桑那州凤凰城 率先实现驾驶座位上无人的开放道路自 动驾驶测试传感器：1个长距雷达、1个中型雷达和4 个短程雷达，4个毫米波雷达、8个摄像 机和1到3台IMU。Uber自动驾驶级别：L4；成果：6.8亿美元收购Otto自动驾 驶卡车公司，其自动驾驶在加州被 叫停后又在亚利桑那州发生致死事 故，目前其已经终止了卡车项目的 投入，全部转入自动驾驶出租车研
13、发中；传感器：1款远程激光雷达、4个毫 米波雷达、7个摄像头和一个8自动驾驶行业宏观情况概述1L4级自动驾驶技术及成本分析2L4级自动驾驶商业化应用分析3行业未来发展展望及风险分析45行业风险分析及投资建议自动驾驶整体技术实现层级自动驾驶系统可以分为感知层、决策层、执行层L4级自动驾驶系统实现在特定区域内对车辆操作的完全接管，系统需要实现：对周围障碍物的感知、车辆定位以及路径规 划（2W1H），实现这些功能需要构建感知层、决策层、执行层这三个层面的技术架构，这三个技术层级分别代表着L4自 动驾驶系统的眼和耳、大脑以及手脚。基于当前技术发展情况，我们在本部分主要讨论车辆内部所采用的一些传感器和计
14、 算单元。除了本地的传感器和处理器外，系统通过与外部车辆、设施进行信息交互，以及在高精度地图等辅助下可以获得 更好的环境感知能力。自动驾驶技术架构自动驾驶技术架构执行层执行层电子驱动、电子制动、电 子转向决策层决策层 导航定位：高精度地图+ 传感器，GNSS； 决策+规划：中央处理器+算法；决策层决策层执行层执行层感知层感知层感知层感知层 高精传感器：激光雷达、 毫米波雷达、摄像头、超 声波雷达、GNSS/IMU；车载传感器车载传感器+高精度地图高精度地图根据路径规划和动作决策信号，结合车根据路径规划和动作决策信号，结合车 辆自身状态，输出车辆控制信号，完成辆自身状态，输出车辆控制信号，完成
15、刹车、加速、转向等动作刹车、加速、转向等动作根据局部环境根据局部环境 规划无碰撞理规划无碰撞理 想局部路径想局部路径GNSS、地图、地图 9 全局路全局路点到点粗略点到点粗略 径规划径规划路径规划路径规划局部路局部路 径规划径规划车载传感器车载传感器自动驾驶环境感知传感器（一）感知层需要对多种传感器进行融合以实现冗余感知层主要是为自动驾驶系统获取外部行驶道路环境数据并帮助系统进行车辆定位，当前无人驾驶系统中代表性的传感器 有激光雷达、摄像头、毫米波雷达、超声波雷达、GNSS/IMU等，由于其工作原理、技术特性各不相同决定其适用的应用 场景各异，所以当前大部分车辆都是采用多种传感器相融合的方式以
16、应对各种可能发生的情况，保证系统冗余。激光雷达激光雷达摄像头摄像头毫米波毫米波 雷达雷达GNSS/IMU超声波超声波 雷达雷达优点优点缺点缺点范围范围精度高、探测范围较 广、可以构建车辆周 边环境3D模型容易受到雨雪雾等恶 劣天气影响，技术不 够成熟，产品造价高 昂200米以内可对物体几何特征、色 彩及文字等信息进行识 别，可通过算法实现对 障碍物距离的探测，技 术成熟成本低廉受光照变化影响大， 容易受到恶劣环境干 扰最远探测范 围可超过 500米对烟雾、灰尘的穿透 能力较强，抗干扰能 力强，对相对速度、 距离的测量准确度非 常高测量范围相对Lidar 更窄，难以辨别物体 大小和形状200米以
17、内技术成熟、成本低， 受天气干扰小，抗干 扰能力强测量精度差、测量范围小、距离近3米以内通过对卫星三角定位 和惯性导航进行结合 实现对车辆进行定位容易受到、城市建 筑、隧道等障碍物的 干扰使得测量精度大 打折扣广域 高精度定位 保持在10 米以内功能功能障碍物探测识别 车道线识别 辅助定位 地图构建障碍物探测识别 车道线识别 辅助定位 道路信息读取 地图构建障碍物探测（中远）障碍物探测（近距）车辆导航、定位来源：第一本无人驾驶技术书。 10 自动驾驶环境感知传感器（二）车用摄像头产品对比车用激光雷达产品更加成熟激光雷达发展始于上世纪70年代，主要应用于军事、航空航天、测绘等领域，主要可以实现测
18、距、定位、环境监测、以及 动态、静态3D环境模型的构建。车用激光雷达起步较晚，目前产品不够成熟面临多重问题需要克服，如：能够搭载在车上 的产品有效测距较短；产品固态化、小型化技术不够成熟，难以满足车辆要求；配套产业链尚未成熟，难以实现量产；由 于产量少，产品售价高昂（Velodyne HDL-64售价高达于7.5万美元）。相比之下，由于在消费电子领域多年发展积累，摄 像头在技术（成像效果、产品小型化）、产业链方面（成本控制）均比较成熟，而且在探测距离、价格方面亦有明显优势。 最新开发的产品即使是在外部光线条件不佳的情况下也能够给出较好的成像输出。最新款专业摄像头成像效果最新款专业摄像头成像效果
19、普通摄像头成像效普通摄像头成像效果果专业的车载摄像头产品专业的车载摄像头产品已已经可经可以以实现实现很很好的好的成成 像效果及环境适应力像效果及环境适应力强强 光光弱弱 光光车用激光雷达产品需要车用激光雷达产品需要针针对车对车规规要求进要求进 行重新设计，产业链不行重新设计，产业链不成成熟熟 11 测绘用激光雷达测绘用激光雷达车用激光雷达车用激光雷达测距1000m200m精度5mm20mm重量10kg1kg价格百万元万元自动驾驶环境感知传感器（三）激光雷达未来将朝向小型化、电子化、固态化发展虽然车用摄像头产品已经很成熟，但激光雷达在L3级以上的自动驾驶系统中是不可或缺的，因为激光雷达可以生成车
20、辆周 边环境的3D模型，为系统提供深度的环境数据，而且其在车辆定位中也扮演着重要的角色。 激光雷达能够发射的激光线束越多，其所能提供的探测精度和探测距离越好，但价格也越昂贵，如高速公路场景一般需要 激光雷达能能够发射100线束以上；但针对一些中低速场景，也可采取多台低线束激光雷达以规避高昂的成本。 目前机械式激光雷达体积庞大、结构复杂，成本高昂，难以满足车辆使用要求，多家厂商正在着手研制半固态、固态激光 雷达，以实现产品小型化、轻量化方向发展，随着未来相关技术进一步成熟，产品实现量产后，成本有望降至千元级别。Velodyne代表性产品：HDL-64性能： 探测距离：120m；角度（垂直/水平）
21、：26.8/360；测量精读：2厘米；垂直角分辨率：2;造价：近8万美元；Velodyne HDL-64是一款极具是一款极具 代表性的机械式多线束激光雷达代表性的机械式多线束激光雷达 产品，多家厂商采取其产品作为产品，多家厂商采取其产品作为 主探测器，其产品具有测量范围主探测器，其产品具有测量范围 广、精度高等特点，但是体积庞广、精度高等特点，但是体积庞 大、造价高限制了其量产。大、造价高限制了其量产。Quanergy代表性产品：S3性能： 探测距离：150m；角度（垂直/水平）：10/120；测量精读：4厘米；垂直角分辨率：0.1；造价：500250美元；S3是一款纯固态激光雷达，其采是一款
22、纯固态激光雷达，其采 用了光学相控阵技术，不需要机用了光学相控阵技术，不需要机 械旋转部件，只通过改变电子信械旋转部件，只通过改变电子信 号设置即可改变激光发射角度，号设置即可改变激光发射角度， 该套方案大幅降低了产品成本。该套方案大幅降低了产品成本。 但有消息传出目前产品研发进度但有消息传出目前产品研发进度 缓慢，距离产品成熟还较远。缓慢，距离产品成熟还较远。Ibeo代表性产品：SCALA性能： 探测距离：150m；角度（垂直/水平）：3.2/145；测量精读：0.1m；垂直角分辨率： 0.25； 造价:250美元；SCALA是是Ibeo和和Valeo合合作作研研 发的一款混合固态激光雷达，
23、发发的一款混合固态激光雷达，发 射射48条激光线束，主要应用于条激光线束，主要应用于 L4级别以下的自动驾驶系统，级别以下的自动驾驶系统， SCALA造价仅为造价仅为250美元，目前美元，目前 是唯一一个满足了车规要求并已是唯一一个满足了车规要求并已 经实现量产的产品。经实现量产的产品。北科天绘北科天绘代表性产品：C-Fans性能： 探测距离：200m；角度（垂直/水平）：30/150；测量精读：2厘米；垂直角分辨率：0.23 0.46 ； 造价：超过10万元；北科天绘北科天绘 C-Fans 128线激光雷线激光雷 达是一款混合固态激光雷达，其达是一款混合固态激光雷达，其 横向扫描范围达到横向
24、扫描范围达到150，其中，其中 70的激光线束达到的激光线束达到128条测量条测量 距离可以达到距离可以达到200m，完全可以，完全可以 满足高速道路上的自动驾驶车辆满足高速道路上的自动驾驶车辆 对于探测距离和精度的要求。对于探测距离和精度的要求。传统产传统产品品机械机械结构结构复杂、复杂、产产品需品需要人要人工调教、工调教、产品成本高、制作周期产品成本高、制作周期长长，量，量产产困难困难来源：公开网络渠道信息&第一本无人驾驶技术书&自动驾驶改变未来。12 采用采用3D-Flash、MEMs、OPA等等技技术术，实实现现产产品小型化、轻量化，并品小型化、轻量化，并逐逐渐实渐实现现量产量产并并降
25、低降低成成本本自动驾驶计算决策层 13 IC公司和Tier1大力投资研发布局该领域目前自动驾驶厂商传感器搭配基本趋同，而决定L4级自动驾驶落地的时间快慢更多的是取决于系统的决策环节，包括相关 算法和计算平台。我们知道传感器每秒钟都会产生大量数据，计算平台需要有能力在极短时间内对大量的数据进行处理、 分析并给车辆执行层下达操作指令以保证自动驾驶车辆的安全行驶。自动驾驶专用计算平台需要能够融合多种专用芯片和 处理器，技术门槛极高，当前各大科技公司、Tier1都在布局该领域的技术研发，尤其是专业芯片环节具有极高的技术门槛， 如Intel收购Altera（FPGA）、Movidius（视觉处理芯片）和
26、Mobileye。目前由于产量少、造价高昂，当前一台计算平台的 售价都在几万元甚至是十几万元，随着未来量产，成本有望降至万元以下。各厂商开发的一栈式自各厂商开发的一栈式自动动驾驶驾驶计计算平算平台台产品产品厂家厂家计算平台产品计算平台产品结构结构&功能功能成本成本Audi、 DelphizFAS交通信号识别、行人检测、碰撞预警、光线探测、车道线识别（Mobileye EyeQ3）；驾驶 员状态检测、360度全景（Nvidia）；目标识别融合、地图融合、自动泊车、预刹车、激光 雷达、传感器数据处理（Intel-Altera Cyclone V）；系统运行状态、矩阵大灯（Infenion-Auri
27、x TC297T）DelphiCSLP多传感器数据融合（MDC）；地图生成（Mobileye REM）； 路径规划、仿人驾驶策略（Ottomotika、Mobileye EyeQ4/Q5 REM）；控制模块（Dehlphi）5000美元NXPBluebox分析周边路况、评估风险因素、指示汽车行为（NXP S32V视觉处理器+LS2088内嵌式计 算处理器）NvidiaXavier8*Nvidia Custom ARM；Xavier Volta iGPU(512 CUDA core)12万美元L4级自动驾驶系统组建14 目前行业并无统一的最优系统组建方案根据我们与行业内部分无人驾驶整体解决方案提
28、供商的交流，目前各家厂商并无最优、唯一的L4级系统组建方案，每家在 搭建自己的自动驾驶系统时都会根据不同的应用场景去选择不同的传感器配置方案，且由于当前上游厂商产品也处在快速 迭代过程中，因此厂商也在尝试搭配选择不同的上游厂商所提供的产品。整体系统的造价和性能都在短时间内（季）快速 迭代。各厂家各厂家L4级自动驾驶级自动驾驶硬硬件配件配置置方案方案硬件设备硬件设备Waymo自动驾驶自动驾驶乘用车乘用车Pony. Ai 自动驾驶自动驾驶乘用车乘用车Embark自动自动驾驾驶驶 卡卡车车TuSimple 自动驾驶自动驾驶 卡车卡车摄像头摄像头8台6台5台10台激光雷达激光雷达1台长距激光雷达1台中
29、距激光雷达4台短距激光雷达1台32线激光雷达2台16线激光雷达3台长距激光雷达2台32线激光雷达1台4线激光雷达毫米波雷达毫米波雷达4台3台3台3台计算单元计算单元工控机Nvidia Xavier其他其他13台GPS/IMU1台GPS/IMU当前L4级自动驾驶系统硬件成本高昂随着产业链成熟和产量提升硬件成本有望实现大幅下降目前大体上实现L4自动驾驶的硬件设备一般包含：612台摄像头、312台毫米波雷达、5台以内的激光雷达以及12台 GNSS/IMU和12台计算平台（不同方案会选择不同侧重的传感器）。当前一整套L4级自动驾驶系统硬件成本还比较昂贵， 整体基本在50万元左右甚至更高，而未来随着资本
30、、研发的不断投入，自动驾驶产品逐渐落地、配套产业链逐渐成熟，预 计整套系统硬件成本会在12年左右降至1020万元，并最终有望控制在10万元以内。当前当前L4自动驾驶系统自动驾驶系统硬硬件成件成本本达到达到4050万万元甚元甚至至更高更高，未来未来12年年随随着上着上游游研发、研发、 资本的不资本的不断投入以及配断投入以及配套套产业产业链链逐渐逐渐成成熟，熟，预预计整计整体体系统系统成成本有本有望望下降下降至至1020万元万元450000400000350000300000250000200000150000100000500000当前未来激光雷达（元）计算平台（元）摄像头（元）毫米波雷达（元）
31、GNSS/IMU（元）15 16自动驾驶行业宏观情况概述1L4级自动驾驶基数及成本分析2L4级自动驾驶商业化应用分析3行业未来发展展望及风险分析45行业风险分析及投资建议L4级自动驾驶商业化应用落地时间表当当前前半自动半自动驾驶驾驶低速低速中速中速高速高速2020年年2025年年封闭园区封闭园区城市一般城市一般 道路道路高速公路高速公路1. 交通标识：交通标识：种类、数量繁多2. 速度：速度：中高（3080km/h）3. 行人行人/骑车人骑车人：多4. 道路交叉口：道路交叉口：多，包括各种复杂路 口，如：主辅路出入口、十字路 口、环岛、立交桥等5. 规则：规则：行人交通意识淡薄，车辆抢 道、并
32、线行为频频发生1. 交通标识：交通标识：车速、收费站、出入口2. 速度：速度：高（80120km/h）3. 行人行人/骑车人骑车人：极少4. 道路交叉口：道路交叉口：少，高速路出入口5. 规则：规则：有标准的行车规则1. 交通标识：交通标识：少量2. 速度：速度：低（一般低于30km/h）3. 行人行人/骑车人：骑车人：极少4. 道路交叉口：道路交叉口：少5. 规则：规则：有标准的行车规则更容易在封闭园区、高速公路等简单道路环境中落地如我们之前所提到的，现在带有半自动驾驶功能（L3级以下）的产品已经有部分产品开始落地，而目前已知的L4级自动驾 驶项目都还处在测试阶段，但18年、19年将会有多个
33、应用于特定场景下的L4自动驾驶商业化项目逐步落地，从实现难度上 来看，L4自动驾驶会率先出现在行驶条件相对简单、容错率较高的某些特定的封闭园区内，作为专用车或者某种商用车辆 而使用；但在高速公路、城市一般道路环境下，由于道路复杂程度远高于封闭园区，在该环境下实现中驾驶商业化应用难 度将会非常高。随着道路密度、路况随着道路密度、路况复复杂杂程程度度上上升升，自自动动驾驾驶驶实实现现难难度度攀攀升升来源：深入理解ICT与自动驾驶& 17 周周 围围 行行 车车 道道 路路 条条 件件 的的 复复 杂杂 程程 度度自动驾驶系统初始投入成本高 昂，需要拥有一定实力的主体来 出资维持专业的运营团队运营维
34、 护自动驾驶车队；投入的自动驾驶车辆越多，能够 带来的经济效益越大；L4级自动驾驶商业化应用场景分析初期高投入换取后续人工费用降低和运营效率的提升L4级自动驾驶技术是指在确定的区域范围内实现系统对车辆的完全接管，在考虑适合L4级自动驾驶的商业化应用场景时， 我们应该综合考虑以下因素：1、当前系统还不够聪明，难以应对过于复杂的道路环境；2、当前L4级自动驾驶硬件成本依 然高昂，甚至比车辆自身成本还高，虽然未来成本有望下降，但依然会达到10万元左右，过高的成本导致其可能并不适合 应用于私家车；3、L4级自动驾驶系统最大的优势就在于对驾驶员的完全替代，在考虑人力成本愈发高昂的当下，这可以 节省大量的
35、人力成本；4、系统在运营时间、运营效率等方面的表现都要优于人类驾驶员。因此在考虑L4级自动驾驶应用 场景的时候需要综合考虑多方面因素。自动驾驶系统可以提升车辆使用 效率，理论上可以实现7*24小时 行驶，并降低运营成本（油料、 保险费用）；无人驾驶系统初始投资成本高 昂，期初需要大量的资金投入用 于购买无人驾驶车辆，但长期摊 销费用低于驾驶员人力成本。行驶环境要尽量简单，作业流程 要尽量标准，标准化程度越高越 容易发挥自动驾驶在运营效率方 面的优势港口内集装箱运输：内集卡 载体：半挂牵引车 运营环境：港口 难度：小，短时间可实现，受 政策影响因素小干线运输：零担&整车 载体：重卡 运营环境：高
36、速公路 难度：中等，国内甩挂率低， 道路环境复杂；其他：机场、矿山、园区 载体：专用车辆、商用卡车 运营环境：封闭环境 难度：小，车辆需求小，使用使用 主体主体 18 成本成本 优势优势工作工作环境环境载客运输：共享出行 载体：乘用车 运营环境：城市一般道路 难度：高，城市道路情况极其 复杂港区物流运输场景我国港口经营面临由注重吞吐量转向提高服务质量港口是贸易往来中的重要节点，90%的进出口物资是通过海运并经港口实现的。目前全球前20大集装箱港口中中国占其中 一半，前10大集装箱港口中有7个来自中国。随着集装箱船舶大型化、经营联盟化、班轮公司集中度急速提升这一趋势， 对大型枢纽港提升码头服务能
37、级、效率和质量、进一步优化资源配置、降低口岸综合成本等都提出了更高的要求；此外港 口管理还面临廉价劳动力供给下降，随着工人健康意识的提升，新一代的劳务人员对于传统的工作模式变得难以适应，在 未来港口将会面临着用工荒和用人成本大幅上升的情况。 港口的发展模式正在从传统的单纯注重通过能力和吞吐量，转为口岸效率、服务质量、综合物流、科技创新和可持续发展 等方面的的全面竞争，港口管理集团在未来的发展过程中可通过引入无人岸桥、自动驾驶内集卡等设备以上发展目标。2017年我国主要集装箱港年我国主要集装箱港口口吞吐量吞吐量2017年前十大班轮公司运年前十大班轮公司运力力占比占比超超过全过全球球运力运力总总额
38、额的的80%单位：万TEU上海 4018深圳 2525宁波-舟山港2464广州2010青岛1830天津 1504厦门 1040大连 970营口 627连云港472其他 6220马士基航运 19%地中海航运15%达飞轮船 11%中运海运集团9%赫伯罗特 7%ONE 7%长荣海运5%东方海外 3%阳明海运3%以星航运 2%其他 19%来源：Wind 行业数据库。来源：Wind行业数据库。19 港区物流运输场景L4级自动驾驶在港口自动化改造方案中比AGV更有竞争力目前国内多个港口探索通过自动化改造提升集装箱运输效率和服务质量，如上海港洋山四期全自动化港口，7个集装箱泊 位，共集成了26台岸桥、120
39、台轨道吊和超过130台AGV，设计目标将实现集装箱吞吐630万TEU/年，自动化改造提升了 港口的工作效率，同时为港口节省了极大的人力成本。其中，洋山四期采用AGV代替了内集卡（内集卡主要是负责在岸桥（岸边起重机）和场桥（堆场起重机）之间的运输任务）。但AGV价格昂贵，且前期需要对车量运行区域预埋导航设备， 如需路线更改，则需要重新铺装导航设备；相比之下由于L4自动驾驶卡车是基于成熟卡车平台建造，成本相对低廉，且由 于其导航方式不需要对港区进行基建改造，相比起AGV方案有投入少、运行灵活、适用面广等优点。优势优势劣势劣势集装箱货船岸桥场桥堆 场内 集 卡集装集装箱箱港口疏运和内集港口疏运和内集
40、卡卡运行区运行区 域示意图域示意图来源：工业机器人界之翘楚，AGV市场蓬勃发展-联讯证券20 A AGV技术始于上世纪50年 基于特殊的平台设计制造，产量代，目前已经被广泛运用少，单车制造成本在400万/台，G于生产制造、仓储、物流而售价高达500800万/台；V等场景，技术相对成熟； 导航方式多为电磁导航、磁带导方方航等方式，需要前期在运行区域案案铺设磁钉、磁带等导航设备，投入大，且不适于老港改造。L4 基于成熟的卡车底盘改造 目前缺少成熟的商业化应用案自自而来，单车改造成本仅为例。需要进一步验证并测试无人2050万元；驾驶车辆在港口的运行效果。动动 车辆采取传感器+高精度驾驾地图自主导航，
41、无需提前驶驶在港区埋设磁钉等导航设方方备，既可应用于新港，又案案可应用于老港;港区物流运输场景细分市场空间有限但实现难度较小截至2017年末，全国共拥有生产码头27578个，万吨级及以上泊位2366个。在万吨及以上泊位中，集装箱泊位共328个。 以洋山港四期为例，其共有7个集装箱泊位，配置有130台AGV，若我们假设同样数量L4自动驾驶内集卡运输效能等同于 AGV的话，则按该比例我们可以推算得出，全国现有集装箱码头数量若全部进行内集卡自动化升级改造则需要6091台内 集卡，若每台的改装费用为20万元，则改装市场空间为12.18亿元。 在码头场景应用自动驾驶卡车难度较小，原因在于，码头场景相对封
42、闭，运行区域规范整洁，适合于L4自动驾驶系统运 行；虽然内集卡自动化升级需要一定成本，而国内的干线枢纽港出于在未来行业竞争中能够处于有利的竞争地位，有动力 去对港口设施进行信息化、自动化升级改造；此外，自动驾驶内集卡可以节省8元/TEU的人力运输成本，并使得利润提升 2.4倍。2008-2017年全国万吨及以年全国万吨及以上上集装集装箱箱泊位泊位自动驾驶内集卡使每集自动驾驶内集卡使每集装装箱运箱运输输利润利润提提升升3.4倍倍人力成本 8552112.5048.5燃油费用折旧费用其他费用利润普通（元/TEU）自动驾驶（元/TEU）251280298302 3093213223253293282
43、008 2009 2010 2011 2012 2013 2014 2015 2016 2017万吨级及以上集装箱泊位（个）来源：Wind行业数据库。21 干线物流运输场景中国公路物流运输行业集中度较低行业未来面临整合中国公路运输总量占整体物流总量的7080%，地位及其重要，但物流成本占GDP总量的16%，远高于欧美发达国家10% 的水平。中国物流行业存在着小、散、杂等特点，90%的承运商单位都是中小运营商，个体车队占63%，行业集中度低、 竞争激烈、行业利润率低。未来随着政策趋严导致的行业门槛提升以及当市场达到一定的饱和度时，行业将会进入整合并 将淘汰效率低的小企业，集中度进一步提升，在未来
44、行业竞争中行业龙头企业胜出的关键因素是要能够满足客户多元化需 求，为客户提供透明、高效、标准化、低成本的服务。专线运输：专线运输：区域性家族式企业为主，创立门槛低、规模较小，主要经营成熟货源地之间的业务；联运运输：联运运输：规模型企业，全国性网络化运营，需要自建网点、仓库，进入门槛较高；卡车航班：卡车航班：在联运模式基础上将传统的运输时间由 34天缩短至次日到达的水平，接近航空货运的时效， 对于物流企业货物调度、运力调配有极高的要求，运输 一般采取甩挂形式，保证“挂停车不停” ，但由于行 业标准不统一，企业众多，甩挂模式推广速度缓慢。规规 模模 化化、 标标 准准 化化、 信信 息息 化化 发
45、发 展展当前中国公路物流行业当前中国公路物流行业效效率低率低发货地发货地 网点网点出发分出发分 拨中心拨中心到达分到达分 拨中心拨中心收货地网收货地网 点点干线运输干线运输支线短驳支线短驳支线短驳支线短驳22 中国中国欧美欧美物流费用占GDP16.0%10.0%物流成本占物价20%40%1015%企业平均车辆保有量1.994.8卡车日行驶里程（公里）3001000平均行驶速度58公里/小时78公里/小时干线物流运输场景委外运 输费用 23%燃料10%维护成 本9%L4级自动驾驶技术助力综合物流龙头企业降低运营成本人工费用及运输成本费用是物流运输公司最主要的成本，如国内公路物流上市公司标的“德邦
46、股份”2017年年报显示人工 费用和运输费用分别占公司营业成本的45.12%和37.51%。尤其是人工费用，随着未来中国人口红利逐渐消失，社会劳动 力成本进一步上升，将会对物流公司的利润水平造成巨大的压力。 L4级自动驾驶技术可以有效降低公路物流公司对于卡车司机的需求尤其是在干线运输环节，根据我们的调研，业内人 士认为人工成本因为自动驾驶技术的引入可以下降2/3，此外，预计自动驾驶技术在固定线路上可以实现最有效率的驾驶方 式，并极大地降低交通事故的发生概率，因此燃油费用和保险费用也会因此相应下调，最终由于引入自动驾驶系统整体利 润率可实现近3倍的增长。自动驾驶技术通过降低自动驾驶技术通过降低人
47、人力、力、燃燃油、油、保保险费险费用用而提而提升升公路公路物物流企流企业业营业营业利利润润人员成 本 30%车司机工资在12万 折旧 元/年左右，则一辆 9% 卡车一年的司机费用5%保险4%其他 营业利润 10%人员成 本 9%委外运 输费用 23%燃料 9%维护成 本 10%5% 险 折旧10%保2%其他营业利 润 32%一辆干线长途货运卡 车一般需要配置23 名卡车司机，一名卡在2030万元，而自动驾驶期初投入假 设为20万元，按照5 年来计算，摊销到每 年仅为4万元，远低于雇佣司机的成本。在初期，自动驾驶技术可以将驾驶员降为一人（安全员）； 技术完全成熟后可实 现全部驾驶员替代，但自动驾
48、驶车队需要 工程师、技术人员定 期维护，最终预计可以将人员成本降低2/3。23 - 行业小散杂，配套管理政策不完善；- 场站建设不完善，标准不统一；- 货源调度及分配效率低；- 货车种类繁杂、生产标准（鞍座）不统一；- 挂车数量不足，非机动车属性及所有权问题。干线物流运输场景1681741872013153954614735025345305695920100200300400500600700干线运输行业规模庞大，但技术渗透尚需解决行业问题中国有近1500万辆公路货运车辆和3000万名货车司机，而当前自动驾驶技术比较适用于干线运输这一细分场景，主要原 因在于干线运输行驶场景主要为高速公路，高
49、速公路相比起城市主干道来说，行人、骑车人数量较少，复杂的道路路口、 交通指示灯等设施相对较少，系统对道路上车辆行驶轨迹更好进行预测。因此，在测算市场规模上我们主要关注重型卡车（干线运输）领域， 国内重卡保有量近600万辆，按比例推算对应司机数量应该在1200万名左右。假设每辆车的改装成本 在20万元，则这是一个近1.2万亿的存量市场。 虽然干线物流运输拥有较大的市场空间，但是行业中所遗留的一些历史问题阻碍了自动驾驶技术的推行，如甩挂模式推行 困难，单车在运货到站后到再装满货物离站往往需要等待12天；此外，自动驾驶汽车能否正式上路运行最终还要通过政 府相关部门的审批。2005-2017年中国重型
50、卡车年中国重型卡车保保有量有量数数据据L4级自动驾驶干线物级自动驾驶干线物流流运输运输场场景应景应用用阻力阻力2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017重型卡车保有量（万辆）公路运输行业甩挂率低所导致的运输车辆运行公路运输行业甩挂率低所导致的运输车辆运行 效率低下效率低下无人自动驾驶车辆在高速公路上运行的配套政无人自动驾驶车辆在高速公路上运行的配套政 策制定策制定- 目前政策更多是集中在自动驾驶汽车道路测试 阶段，距离开放道路商业化运营尚远，开放路段 点对点无人运输需要特事特议，不确定性较大。来源：Wind行
