自動駕駛是汽車產業與人工智能、物聯網、高性能計算等新一代信息技術深度融合的產物，是當前全球汽車與交通出行領域智能化和網聯化發展的主要方向，已成為各國爭搶的戰略制高點。本文重點介紹自動駕駛涉及的技術、標準，以及國內外在測試、部署方面的進展和趨勢。

一、自動駕駛技術及分類

（一）自動駕駛技術分級

自動駕駛技術分為多個等級，目前國內外產業界采用較多的為美國汽車工程師協會（SAE）和美國高速公路安全管理局（NHTSA）推出的分類標準。按照SAE的標準，自動駕駛汽車視智能化、自動化程度水平分為6個等級：無自動化（L0）、駕駛支援（L1）、部分自動化（L2）、有條件自動化(L3)、高度自動化(L4)和完全自動化（L5）。兩種不同分類標準的主要區別在于完全自動駕駛場景下，SAE更加細分了自動駕駛系統作用范圍。詳細標準見下圖：

（二）自動駕駛技術路線

在自動駕駛技術方面，有兩條不同的發展路線：

第一種是“漸進演化”的路線，也就是在今天的汽車上逐漸新增一些自動駕駛功能，例如特斯拉、寶馬、奧迪、福特等車企均采用此種方式，這種方式主要利用傳感器，通過車車通信（V2V）、車云通信實現路況的分析。

第二種是完全“革命性”的路線，即從一開始就是徹徹底底的自動駕駛汽車，例如谷歌和福特公司正在一些結構化的環境里測試的自動駕駛汽車，這種路線主要依靠車載激光雷達、電腦和控制系統實現自動駕駛。

從應用場景來看，第一種方式更加適合在結構化道路上測試，第二種方式除結構化道路外，還可用于軍事或特殊領域。

（三）自動駕駛涉及的軟硬件

1、傳感器

傳感器相當于自動駕駛汽車的眼睛。通過傳感器，自動駕駛汽車能夠識別道路、其他車輛、行人障礙物和基礎交通設施。按照自動駕駛不同技術路線，傳感器可分為激光雷達、傳統雷達和攝像頭三種。

（1）激光雷達

目前是被采用比例最大的設備，Google、百度、Uber等公司的自動駕駛技術目前都依賴于它，這種設備被架在汽車的車頂上，能夠用激光脈沖對周圍環境進行距離檢測，并結合軟件繪制3D圖，從而為自動駕駛汽車提供足夠多的環境信息。激光雷達具有準確快速的識別能力，唯一缺點在于造價高昂（平均價格在8萬美元一臺）導致量產汽車中難以使用該技術。

（2）傳統雷達和攝像頭

由于激光雷達的高昂價格，走實用性技術路線的車企紛紛轉向傳統雷達和攝像頭作為傳感器替代方案，例如著名電動汽車生產企業特斯拉，采用的方案就是雷達和單目攝像頭，國際知名廠商為Mobileye等。其硬件原理與目前車載的ACC自適應巡航系統類似，依靠覆蓋汽車周圍360°視角的攝像頭及前置雷達來識別三維空間信息，從而確保交通工具之間不會互相碰撞。

雖然這種傳感器方案成本較低、易于量產，但對于攝像頭的識別能力具有很高要求：單目攝像頭需要建立并不斷維護龐大的樣本特征數據庫，如果缺乏待識別目標的特征數據，就會導致系統無法識別以及測距，很容易導致事故的發生。而雙目攝像頭可直接對前方景物進行測距，但難點在于計算量大，需要提高計算單元性能。

2、高精度地圖

自動駕駛技術對于車道、車距、路障等信息的依賴程度更高，需要更加精確的位置信息，是自動駕駛車輛對環境理解的基礎，隨著自動駕駛技術不斷進化升級，為了實現決策的安全性，需要達到厘米級的精確程度。如果說傳感器向自動駕駛車輛提供了直觀的環境印象，那么高精度地圖則可以通過車輛準確定位，將車輛準確地還原在動態變化的立體交通環境中。

3、V2X

V2X，指的是車輛與周圍的移動交通控制系統實現交互的技術，X可以是車輛，可以是紅綠燈等交通設施，也可以是云端數據庫，最終目的都是為了幫助自動駕駛車輛掌握實時駕駛信息和路況信息，結合車輛工程算法做出決策，是自動駕駛車輛邁向無人駕駛階段的關鍵。

4、AI算法

算法是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都采用了機器學習與人工智能算法來實現。海量的數據是機器學習以及人工智能算法的基礎，通過此前提到的傳感器、V2X設施和高精度地圖信息所獲得的數據，以及收集到的駕駛行為、駕駛經驗、駕駛規則、案例和周邊環境的數據信息，不斷優化的算法能夠識別并最終規劃路線、操縱駕駛。

二、國內外發展情況及趨勢

從自動駕駛國內外整個發展情況來看，美德引領自動駕駛產業發展大潮，日本、韓國迅速覺醒，我國呈追趕態勢。具體而言，體現出以下幾個趨勢：

（一）以盡快商用為目標，加快推進路面測試和法規出臺

在路面測試方面，美、德、日、韓、我國均積極推進路測，作為自動駕駛汽車應用的基礎。從國際看，各國紛紛將2020年作為重要時間節點，希望屆時實現自動駕駛汽車全面部署。

美國在州層面積極進行自動駕駛立法，截至2016年底，16個州通過相關法案或行政令，明確測試條件和要求，允許企業在州層面展開路面測試。

德國政府2015年已允許在連接慕尼黑和柏林的A9高速公路上開展自動駕駛汽車測試項目，交通運輸部門今年3月還向柏林的Diginet-PS自動駕駛試點項目發放補貼，用于開發處理系統并提供自動駕駛的實時交通信息。

日本Nissan公司已經在東京、硅谷和倫敦測試了旗下的自動駕駛汽車LEAF，希望盡快積累安全測試記錄。

韓國目前已頒發13張自動駕駛測試許可，計劃于2020年前商業化3級自動駕駛汽車。

從我國看，工信部2016年在上海開展上海智能網聯汽車試點示范；在浙江、北京-河北、重慶、吉林、湖北等地開展“基于寬帶移動互聯網的智能汽車、智慧交通應用示范”，推進自動駕駛測試工作。

北京已出臺智能汽車與智慧交通應用示范五年行動計劃，將在2020年底完成北京開發區范圍內所有主干道路智慧路網改造，分階段部署1000輛全自動駕駛汽車的應用示范。江蘇于2016年11月與工信部、公安部簽訂三方合作協議，共建國家智能交通綜合測試基地。

美國部署自動駕駛法案的州

（二）以網聯汽車為方向，推動系統研發和通信標準統一

從目前產業趨勢來看，多數企業采取了網聯汽車（Connected Cars）的發展路徑，加快芯片處理能力、自動駕駛認知系統研發，推動統一車輛通信標準的出臺。

研發方面，德國博世集團和NVIDIA正在合作開發一個人工智能自動駕駛系統，NVIDIA提供深度學習軟件和硬件，Bosch AI將基于NVIDIA Drive PX技術以及該公司即將推出的超級芯片Xavier，屆時可提供第4級自動駕駛技術。 IBM宣布其科學家獲得了一項機器學習系統的專利，可以在潛在的緊急情況下動態地改變人類駕駛員和車輛控制處理器之間的自主車輛控制權，從而預防事故的發生。

車輛通信標準方面，LTE-V、5G等通信技術成為自動駕駛車輛通信標準的關鍵，將為自動駕駛提供高速率、低時延的網絡支撐。

一方面，國內外協同推進LTE-V2X成為3GPP 4.5G重要發展方向。大唐、華為、中國移動、中國信通院等合力推動，在V2V、V2I的標準化工作方面取得了積極進展。

另一方面，LTE-V2X技術也隨著自動駕駛需求的發展正逐步向5GV2X演進。5G、V2X專用通信可將感知范圍擴展到車載傳感器工作邊界以外的范圍，實現安全高帶寬業務應用和自動駕駛，完成汽車從代步工具向信息平臺、娛樂平臺的轉化，有助于進一步豐富業務情景。

當前，5G汽車協會（5GAA）和歐洲汽車與電信聯盟（EATA）簽署了諒解備忘錄，將共同推進C-V2X產業，使用基于蜂窩的通信技術的標準化、頻譜和預部署項目。中國移動與北汽、通用、奧迪等合作推動5G聯合創新，華為則與寶馬、奧迪等合作推動基于5G的服務開發。

此外，工信部組織起草的智能網聯汽車標準體系方案即將對外發布，車聯網標準體系也在逐步完善，對于智能網聯汽車發展至關重要。

（三）以創新業態為引領，互聯網企業成為重要驅動力量

互聯網企業天生具有業務創新和發展的基因，目前也紛紛涉足自動駕駛行業，成為了行業重要的驅動力量。

美國方面，谷歌公司2009年已開始無人駕駛企業研發，2015 年 12 月至 2016 年12月在加州道路上共行駛記錄 635,868 英里，不僅是加州測試里程最多的企業，也是系統停用率最低的企業。美國第一大網約車服務商Uber已在匹茲堡、坦佩、舊金山和加州獲準進行無人駕駛路測，第二大網約車服務商Lyft去年9月公布自動駕駛汽車三階段發展計劃 ，目前也已在匹茲堡開展測試。蘋果公司也于今年4月剛剛獲得加州測試許可證。韓國方面，剛剛批準韓國互聯網公司Naver在公路上測試自動駕駛汽車，成為第13家獲得許可的自動駕駛汽車研發企業，計劃于2020年前商業化3級自動駕駛汽車。

從我國來看，百度公司也于去年9月獲得了在美國加州的測試許可，11月在浙江烏鎮開展普通開放道路的無人車試運營。其總裁兼首席運營官陸奇更是于今年4月19日發布了“Apollo”計劃，計劃將公司掌握的自動駕駛技術向業界開放，將開放環境感知、路徑規劃、車輛控制、車載操作系統等功能的代碼或能力，并且提供完整的開發測試工具，目的是進一步降低無人車的研發門檻，促進技術的快速普及。

騰訊于2016年下半年成立自動駕駛實驗室，依托360度環視、高精度地圖、點云信息處理以及融合定位等方面技術積累，聚焦自動駕駛核心技術研發。阿里、樂視等也紛紛與上汽等車企合作開發互聯網汽車。

（四）以企業并購為突破，初創企業和領軍企業成為標的

自動駕駛發展較快的企業所并購的主要對象為掌握自動駕駛關鍵技術的領軍企業或初創企業。

2016年7月，通用公司以超過10億美元價格收購了硅谷創業公司Cruise Automation，后者研發的RP-1高速公路自動駕駛系統具備高度自動化駕駛應用潛力。

2017年3月，英特爾以153億美元收購以色列科技企業Mobileye，后者致力于研發與自動駕駛有關的軟硬件系統，是特斯拉、寶馬等公司駕駛輔助系統的主要攝像頭供應商，掌握一系列圖像識別方面的專利。

優步公司2015年收購了提供位置API的創業公司deCarta，還從微軟Bing部門獲取了精通圖像和數據收集的員工。

2017年4月，百度宣布全資收購一家專注于機器視覺軟硬件解決方案的美國科技公司xPerception，該公司對面向機器人、AR/VR、智能導盲等行業客戶提供以立體慣性相機為核心的機器視覺軟硬件產品，可實現智能硬件在陌生環境中對自身的定位、對空間三維結構的計算和路徑規劃。據業界分析，百度此舉可能為了加強視覺感知領域的軟硬件能力。

總的來看，收購領軍企業或具有潛力的初創企業，可迅速加快自身自動駕駛技術的積累，形成競爭優勢。