车联网白皮书（网联自动驾驶分册）.pdf

车 联 网 白 皮 书 （网联自动驾驶分册） 中国信息通信研究院 2020年 12月版权声明 本白皮书版权属于 中国信息通信研究院 ，并受法律保护 。转载、摘编或利用其它方式使用 本白皮书文字或者观点的，应 注明 “ 来源： 中国信息通信研究院” 。违反上述声明者，本院 将追究其相关法律责任。 前 言 车联网是汽车、电子、信息通信、交通运输和交通管理等行业深度融合的新型产业形态，是 5G、人工智能等新一代信息通信技术在汽车、交通等行业应用的重要体现。自动驾驶是汽车智能化、网联化发展的核心应用，也是车联网部署发展的核心服务。我国在车联网技术创新、应用实践、产业生态构建等方面已经走在了世界前列，将有利于探索实现一条具有我国特色的网联自动驾驶发展路径。 本文聚焦车联网支持实现自动驾驶应用，从“协同感知、协同决策、协同控制”等不同环节，重点研究分析网联需求、典型应用场景、体系架构和核心关键技术。在此基础上，总结提炼网联自动驾驶发展面临的挑战，包括技术融合、基础设施建设以及商业运营等方面。最终以协同发展总结全文，希望我国能抓住难得的历史发展机遇，坚持网联自动驾驶的 协同发展路径，影响形成全球广泛认 同。 目 录 一、网联自动驾驶的内涵 . 1 二、网联自动驾驶的需求及典型应用 . 2 （一） 单车智能 自动驾驶发展现状 . 2 1.单车智能自动驾驶 应用 尚未成熟 . 2 2.单车智能 自动驾驶仍面临诸多 风险 . 3 （二）单车智能自动驾驶 的 挑战 和 网联需求 . 4 1.环境感知的 挑战 和网联需求 . 4 2.计算决策的 挑战 和网联需求 . 5 3.控制执行的 挑战 和网联需求 . 6 （三）网联自动驾驶的典型应用 . 7 三、网联自动驾驶的技术体系架构 . 10 （一）网联自动驾驶的技术体系视图 . 10 1.全局视图下的网联自动驾驶技术体系 . 10 2.智能网联汽车视角下的网联自动驾驶技术体系 . 12 3.信息通信视角下的网联自动驾驶技术体系 . 13 4.交通与交管视角下的网联自动驾驶技术体系 . 14 5.网联自动驾驶技术体系的三向视图 . 15 （二）网联自动驾驶的协同关键技术 . 17 1.车载视觉感知关键技术 . 17 2.车载激光雷达感知关键技术 . 18 3.车载毫米波雷达感知关键技术 . 18 4.感知融合关键技术 . 19 5.网联无线通信（ C-V2X）关键技术 . 19 6.多接入边缘计算（ MEC）关键技术 . 20 四、网联自动驾驶的挑战 . 22 五、网联自动驾驶的协同发展政策现状和展望 . 25 （一）美欧日等发达地区或国家持续布局自动驾驶 . 25 1.美国政府、产业在网联路径选择上存在差异性考虑 . 25 2.欧盟战略高度重视智能化和网联化的协同发展 . 26 3.日韩布局基础设施建设，希望抢占商业化普及先机 . 26 （二）我国协同发展环境加速形成 . 27 1.协同发展政策体系不断完善 . 27 2.应用示范，助力网联自动驾驶技术与产业成熟 . 29 （三）网联自动驾驶协同发展展望 . 31 附录：缩略语. . 34 图 目 录 图 1 基于智慧基础设施和边缘计算的不停车汇入 . 9 图 2 网联自 动驾驶的体系架构 . 11 图 3 智能网联汽车视角下的网联自动驾驶技术体系 . 12 图 4 信息通信视角下的网联自动驾驶技术体系 . 13 图 5 交通与 交管视角下的网联自动驾驶技术体系 . 14 图 6 网联自动驾驶技术体系的三向视图 . 15 图 7 MEC与 C-V2X融合系统的多层系统架构 . 21 表 目 录 表 1 网联自动驾驶的典型应用场景 . 7 车联网白皮书（网联自动驾驶分册） 1 一、 网联自动驾驶的内涵 自动驾驶是车辆作为运载工具智能化、网联化发展的核心应用，也是车联网、智慧交通产业发展的核心应用服务。在技术层面上，当前存在着单车智能自动驾驶和网联自动驾驶两种不同的实现路径。 单车智能自动驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知、计算决策和控制执行。环境感知通过车载传感器完成对周围环境的探测以及定位功能。计算决策一方面将传感器数据进行分析处 理，实现对目标的识别；另一方面进行行为预测和全局路径规划、局部路径规划和即时动作规划，决定车辆当前及未来的运动轨迹。控制执行主要包括车辆的运动控制以及人机交互，决定每个执行器如电机、油门、刹车 等 控制信号。目前单车智能自动驾驶在环境感知、计算决策和控制执行的多个环节均存在不同程度的技术瓶颈，在应用过程中也出现了各种失效的问题，因此一方面需要不断地加强单车智能的感知、决策和控制能力；另一方面也希望引入不同的技术手段来进行弥补。 网联自动驾驶是在现有单车智能自动驾驶的基础上，旨在通过车联网将“人- 车 -路 -云”交通 参与要素有机地联系在一起，拓展和助力单车智能自动驾驶在环境感知、计算决策和控制执行等方面的能力升级，加速自动驾驶应用成熟。在环境感知环节进行协同，支持车辆获得比单车智能感知更多的信息，例如非视距感知或 解决 容易受恶劣环境影响等 问题；在计算决策环节进行协同，增加车与车、车与路之间车联网白皮书（网联自动驾驶分册） 2 的系统性决策，例如解决车辆优先级管理、交通路口优化控制等情况；在控制执行环节进行协同，对车辆驾驶行为进行干预，例如 远程遥控车辆脱困等。与此同时，网联自动驾驶的发展还将带动“人 -车 -路- 云”协同车联网新型基础设施体系的建设与完善，助力 5G、人工智能等信息通信技术在垂直行业的应用推广，促进实现汽车和交通服务的新模式新业态发展。 二、网联自动驾驶的需求及典型应用 （一）单车智能 自动驾驶发展现状 1.单车智能自动驾驶 应用 尚未成熟 按照美国汽车工程师学会（ SAE）划分的 L0-L5的自动驾驶等级来看，目前单车智能自动驾驶正处于 L2-L3等级的落地发展阶段，市场渗透率和应用规模仍然较小，先进辅助驾驶系统功能（ Advanced Driver Assistance Systems， ADAS）仍然是主力。高工智能汽车研究院2020 年 1-2 月乘用车新车上险量 ADAS 市场数据报告提出，国内自主及合资品牌上线新车 ADAS搭载率为 28.15%。智能网联汽车技术路线图 2.0提出，到 2025 年， L2 和 L3 相当的部分自动驾驶（ PA）和有条件的自动驾驶（ CA）的汽车销量占比将超过 50%，高度自动驾驶（HA ，相当于 L4）开始进入市场。从各个汽车企业的研发进度上看， 2018年宝马、沃尔沃、奥迪、通用等相继推出 L2级自动驾驶应用；2020 -2022 年是各车企计划推出 L3 级自动驾驶汽车的车联网白皮书（网联自动驾驶分册） 3 时间，但目前仅出现了一批 L2.5、 L2.99 等自动驾驶的概念性应用，一方面受限于 L3 级自动驾驶汽车上路的法律法规完善，另一方面受限于技术实现。综合分析，从技术的发展上看，目前单车智能自动驾驶的技术实现能力为 L2-L3，但受到场景的局限，例如需要在高速公路、道路标识规范清晰的城市主干道路等；从产业应用的落地上看，L2及以下的 ADAS应用仍然保持一个较低的渗透水平， L3及以上自动驾驶应用仍以试验和区域性示范为主， L4 及以上更高等级自动驾驶应用则需要更长的时间。 2.单车智能自动驾驶 仍面临诸多 风险 目前已经商用量产的很多 ADAS 功能仍存在特定场景下应对能力不足和失效的风险。以自动紧急刹车为例， 2019 年美国汽车协会（ AAA）对雪佛兰迈锐宝 XL、本田雅阁、特斯拉 Model 3和丰田凯美瑞等进行了测试，发现一方面是在夜间 或儿童穿梭等场景下车辆的应对能力不足，大部分车型均发生了碰撞现象；另一方面是在下雨天的打伞、雨衣、隧道等场景较容易引起失效。现有已经商用的 ADAS功能尚无法应对复杂的交通状况 或 恶劣的天气条件，感知能力的不足仍是主要原因。但在驾驶员负责整个驾驶过程的条件下， L2 及以下的 ADAS应用功能已经 具备商用落地的条件。 在高等级自动驾驶路测方面，自动驾驶的可靠性和应对挑战性交通场景的能力仍有待提升。从 2019 年度美国加州的自动驾驶脱离报告 Autonomous Vehicle Disengagement Reports来看，36 家企业进车联网白皮书（网联自动驾驶分册） 4 行了自动驾驶测试，谷歌 Waymo 以 234 万公里测试里程遥遥领先，其每 21273公里出现一次脱离接管，但相比较下苹果则每 189公里就要出现一次脱离接管。从脱离接管的原因来看，软硬件系统性能的可靠性几乎是每个测试企业面临的共性问题；此外，对突然出现目标的感知能力不足、目标运动行为的预测能力不足、决策时间超时和错误的轨迹生成、交通信息标识 识别的错误等也是主要问题。 此外，已经商 用的部分自动驾驶车辆也出现了各类别的事故，存在感知失效、预测和决策失效等原因。 2018年 1月，美国洛杉矶一辆Model S 因 跟随车辆突然变道而没有及时检测到前方停止的消防车，未能及时刹车/ 减速而造成事故，引发其感知失效的讨论。 2016 年 2月，美国加州的一辆雷克萨斯车辆感知到后侧有公交车准备通过，但经过判断路面并没有足够的空间让公交车通过，便假定公交车驾驶员会减速，而公交车驾驶员判断雷克萨斯会礼让，因此发生碰撞，显示了单车智能自动驾驶在这种“博弈”的驾驶条件下很难准确判断周边交通参与主体的意图，提出了协同决策 的挑战。 （二）单车智能自动驾驶 挑战 和网联需求 1.环境感知的 挑战 和网联需求 目前，单车智能自动驾驶 的技术解决方案，视觉传感器、激光雷达、毫米波雷达以及红外夜视、超声波等成熟的传感器是主要的产品组成。各类别传感器的标称技术指标持续稳步发展，不断满足自动驾驶需求，逐渐接近人类驾驶员的感知能力，甚至在部分技术能力上实