一、什么是智能驾驶辅助？
智能驾驶采用不同类型的传感器，实现车辆对周边道路、行人、障碍物、路侧单元及其他车辆的感知，在不同程度上实现车辆安全、自主、智能驾驶，是人工智能在汽车领域融合的重要方向。由实现驾驶自动化的硬件和软件所共同组成的系统被称为驾驶自动化系统。
(资料图片)
智能驾驶辅助系统(ADAS)能够在复杂的交通环境及车辆操控过程中为驾驶员提供辅助和补充，是现代汽车
主动安全重要的技术之一。
此外智能驾驶汽车在遇到事故时，能在短时间内做出最准确的反应，可以有效的降低事故发生率。目前主
流汽车厂商都已经导入了L2级的辅助驾驶产品，未来L1/L2级辅助驾驶的渗透率将有望持续提高。
二、智能驾驶系统解决的核心问题：我在哪？我去哪？我该如何到达？
环境感知：是实现智能驾驶的第一环节，智能驾驶车辆通过各类传感器如摄像头、毫米波雷达、超声波雷达、激光雷达等获取车辆周边信息，产生图片数据、视频数据、点云图像、电磁波等信息，去除噪点信息后利用不同类型数据形成冗余同时提升感知精度。对于不同级别智能驾驶汽车和驾驶任务而言，需要的传感器类型、数量和性能也有所区别。因此在量产车辆当中，感知传感器及方案的配置以需求为导向，有针对性的选取合适的传感器和感知方案的组合，实现功能、效用和成本之间的最优解。
障碍物检测是感知层中的重要内容，是实现智能驾驶功能的前提。利用多种传感器及V2X等技术获取汽车所处环境信息和周边车辆、行人、交通信号灯和路标等信息，为汽车的综合决策提供数据支撑，解决“我在哪〞的核心问题。
决策规划：决策规划是智能驾驶构架的第二步，依据获取的信息进行决策判断，选择适合的工作模型，制定相应的控制策略，替代人类做出驾驶行为。同时这部分功能也执行预测任务，例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中，需要预测本车与其他车辆、车道、行人等在末来一段时间内的状态。
通过环境感知的结果进行数据融合，结合高精地图数据确定合适的工作模型，决定相应的轨迹规划方案，以达到替代人类作出驾驶决策的目的，将智能汽车以拟人化的方式融入整个交通流当中，解决“我去哪〞的核心问题。
控制执行：控制执行是智能驾驶的第三步，智能驾驶汽车的各个执行系统通过总线与决策系统连接，根据决策规划出的轨迹进行有效、稳定、安全的行驶，同时在过程中实现变速、转向、变道、超车等操作，并保证乘坐的舒适性。控制执行技术主要分为车辆的横向控制和纵向控制两大部分。
横向控制即转向控制，保证汽车在规划的路线上正常行驶，在不同车速、路況条件下保证转弯的有效性和乘坐舒适度。
纵向控制可以对危险情况作出紧急处理，最大程度上避免交通事故的发生，还可以在安全的前提下缩短与前车的距离，提高交通运行效率
通过驱动、制动、转向等达成车辆的横向及纵向控制，使汽车精准地按照决策规划实现有效的避让、減速、车距保持、转向等动作，解决“我该如何到达〞的核心问题
三、智能驾驶产业链
智能驾驶包括多种功能，其产业链涵盖感知、规划、决策、执行等环节，需要汽车、电子、信息通信、互
联网、交通管理等多行业的合作与转型升级
主要包括：
2.1 感知硬件厂商：开发和供应先进的传感器系统，包括视觉系统、雷达系统（激光雷达、毫米波雷达、超
声波雷达）等；
2.2 汽车电子供应商：能够提供底层执行器件或提供智能驾驶技术研发和集成供应的企业，如转向
(EPS)、制动及域控制器等功能产品的厂商；
2.3 芯片及软件算法厂商：提供智能驾驶芯片及相关视觉感知及决策算法的公司。
2.4 芯片及软件算法厂商：提供智能驾驶芯片及相关视觉感知及决策算法的公司。
四、智能驾驶的核心玩家
4.1 国内主机厂
传统主机厂为提升自身产品附加值，把握末来市场，采取自研或合作研发的方式提升车辆的智能驾驶能力。虽然其面对变革的积极性较高，但由于庞大的产品体系、多年来的发展惯性和智能驾驶技术起步较晚等因素，导致其智能辅助驾驶产品推进节奏相对保守。
而造车新势力较传统企业发展节奏更快，具有软件技术研发方面的优势。蔚来、小鹏、理想三家头部企业短期内格局已定，星然背负着上行压力，但均在智能驾驶领域有所建树，规划布局较传统车企更加具有前瞻性。
4.2 互联网/科技企业
国内互联网企业及通信企业为打造自身生态圈纷纷布局智能驾驶赛道，同时在科技转型的当下可帮助企业寻找下一个有力增长点。
在加快自主研发的同时，为主机厂提供软件算法、硬件、控制器、芯片平台、高精地图等解决方案，有望在技术层面加快智能驾驶的升级迭代和量产落地。
五、智能驾驶主要功能
辅助变换车道、倒车雷达、辅助变换车道、盲点侦测、自动泊车、侧面防撞、停车辅助、车侧警示系统、偏离车道报警系统、刹车辅助、防撞系统、自适应巡航
六、中国智能驾驶行业发展趋势
6.1 乘用车辅助驾驶渗透率不断提升
随着辅助驾驶功能逐步量产，乘用车辅助驾驶系统不断成为行业标配，单项功能逐渐下沉至低端车型，2020年乘用车辅助驾驶渗透率约32%左右，预计2025年渗透率或达到65%。2020年L1级别占比最高，约20%左右；L2级别车辆占比约12%。
但L1级别功能并末发挥出硬件的最大效用，加之L2的快速渗透和成本的降低，预计仅搭载L1级别功能的乘用车将逐渐减少，未来L2级别功能将逐渐取而代之。
同时随着智能驾驶相关上路法规的不断完善，L3级别有条件自动驾驶乘用车有望在2023年开始逐步落地。
6.2 高级别自动驾驶在部分场景或率先落地
乘用车方面，由于自动驾驶法规、技术、场景复杂度等限制，严格意义上的L了等级以上自动驾驶短期内落地仍有一定难度。
但自主代客泊车具有低速、场景封闭、固定路线和不载人的特征，同时可帮助车主减少停车时间，有望成为乘用车中最快量产落地的高级别自动驾驶功能。
而在商用车方面，矿山、港口、机场等场景拥有同样的特征，同时可帮助企业降低人力成本，保障人身安全，将更多的人参与到价值更高的工作当中，因此短期内落地性较强。
6.3 多传感器融合或将成为行业主流
随着智能驾驶级别的提升，车辆所需要的传感器也越发多样化，为了应对不同的场景和保证车辆的安全保证，多传感器融合成为行业趋势。
多传感器融合技术是对信息的多级别、多维度组合导出有用的信息，包含图像信息、点云信息等，不仅可利用不同传感器的优势，还能提高整个系统的智能化。
随着多目摄像头、79GHz毫米波雷达、深度视觉算法和增强型学习决策算法等技术的发展，为了使得汽车感知系统形成有效互补，多传感器融合已成为众多主机厂来提高自身智能驾驶能力的技术之一
标签：
