自动驾驶系列报告之二：决策层篇：自动驾驶系统：量产导向还是性能导向.pdf

- 1 - 敬请参阅最后一页特别声明 市场数据 (人民币） 市场优化平均市盈率 18.90 国金汽车和汽车零部件指数 3151.61 沪深 300 指数 3459.26 上证指数 2813.18 深证成指 9168.66 中小板综指 9320.65 相关报告 1. 自动驾驶的时代已经开始到来 自动驾驶系列报告之一：综合篇 -.， 2018.5.18 2. CES Asia:智能驾驶为最大亮点 -CES汽车行业点评， 2018.6.15 张帅 分析师 SAC 执业编号： S1130511030009 (8621)61038279 zhangshuai gjzq 何凯易 联系人 hekaiyi gjzq 自动驾驶系统：量产导向还是性能导向 自动驾驶系列报告之 二 ： 决策层 篇 行业观点 作为自动驾驶系列报告的第二篇， 我们将深入分析自动驾驶系统以及涉及到的软件系统、硬件以及相关的企业的情况和产业的进展 。 控制系统是智能汽车的大脑 ，它收集来自感知层的大量传感器的信息，将其处理分析，感知周围环境，规划驾驶线路；在车辆行驶时需要根据周边变化，控制执行层的设备对车辆进行相应的控制 ； 自动驾驶 控制器需要接受、分析、处理的信号大量且复杂， 从而为路径规划和驾驶决策提供支持 的 多域控制器将会是发展的趋势 。 作为自动驾驶的主要参与方， 车厂和互联网企业的策略有很大差异，前者的目标以量产销售为主，从 L2 及 L3 级别的自动驾驶逐渐升级是更具现实和经济性的策略。 整车厂方面，不少车厂都提出了自己的解决方案 ： 从 L2 到 L4，我们分别分析了 Tesla 的 Autopilot、 Audi 的 A8 AI 和通用 Cruise AV； L2 级 系统解决方案已经普遍进入量产阶段：特斯拉 Autopilot 调整车道、驶出高速等， OTA 更新能够 帮助 系统 训练和迭代算法 ； 奥迪 A8 是市场上第一款具备 L3 级自动驾驶能力的量产车 ：中央控制器 zFAS 则是其自动驾驶的核心技术 ； 通用公布了 2019 年量产 L4 级自动驾驶汽车 Cruise AV 的计划 ：车内 没有方向盘、制动和油门踏板 。 对 Google、百度这类互联网企业而言，自动驾驶是切入出行这个生活场景的重要机会，他们更倾向于以完全自动驾驶为目标构 建系统平台。 Google 的 Waymo 与少数整车厂和传感器厂商进行深度合作 ， 凭借软件算法的领先优势 取得了突破性的进展， 并且将与整车厂合作开发定制化的车辆投入商业化运营； 百度依托 Apollo 平台，整合了多家产业链上下游的企业 ， 旨在 向合作伙伴提供一个开放、完整、安全的软件平台 。 基于产业前景和潜在的巨大市场，给予行业买入评级，上市公司方面 看好德赛西威、索菱股份，建议关注 路畅科技、东软 集团 。 公司名称 代码 收盘价 （元） EPS （元） PE 业务 2017 2018E 2019E 2017 2018E 2019E 德赛西威 002920.SZ 29.56 1.12 1.25 1.49 35 24 20 自动驾驶系统 /CID 索菱股份 002766.SZ 12.00 0.34 0.54 0.72 42 22 17 自动驾驶系统 /CID 路畅科技 * 002813.SZ 41.51 0.2 0.46 0.69 170 90 60 自动驾驶系统 /CID 东软集团 * 600718.SH 12.45 0.86 0.46 0.58 17 27 21 自动驾驶系统 * 来自 Wind 一致预测 风险提示 自动驾驶行业发展不及预期 ； 装车渗透不及预期 ； 产品开发 、成本下降不及预期 ； 使用场景限制； 法律法规限制自动驾驶发展 ；事故影响。 3136348638364185453548855235170627170927171227180327180627国金行业 沪深 300 2018 年 06 月 27 日 新能源汽车研究中心 自动驾驶行业系列报告之二 买入 （ 维持评级 ） ) 行业深度研究 证券研究报告 行业深度研究 - 2 - 敬请参阅最后一页特别声明 内容目录 一、总论：决策层是自动驾驶的大脑 .4 1.1 自动驾驶实现：通过决策层、感知层、执行层 .4 1.2 决策层的重要性：处理数据控制车辆的核心 .5 1.3 发展趋 势：多域控制器 .5 1.4 相关公司 .7 二、整车厂：商业化加速、方案逐渐成熟量产装车 .8 2.1 行业变革趋势：新车标配 L3， L4/L5 逐渐成熟 .8 2.2 整车厂：积极布局、以最合理的方案量产装车为目标 .8 2.3 L2 级方案：特斯拉 Autopilot.9 2.4 L3 级方案：奥迪 A8 AI .10 2.5 L4 级方案：通用 Cruise AV .10 2.6 特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV .12 三、科技公司：自动驾驶的开拓者、未来出行的颠覆者 .13 3.1 Waymo.13 3.2 百度 Apollo.15 3.3 Waymo 小联盟 Vs. 百度 Apollo 大联盟 .18 3.4 安全策略： Waymo 逐步进化 Vs. Mobileye 不造成事故 .19 3.5 应用：共享租车 .25 3.6 事故分析 .27 3.7 相关公司 .28 四、重点推荐：德赛西威 002920.SZ .33 五、风险提示 .35 图表目录 图表 1：自动驾驶实现层级 .4 图表 2：决策层是自动驾驶的大脑 .5 图表 3：汽车控制器发展趋势 .5 图表 4：汽车 ECU架构示例 .6 图表 5：汽车 DCU域控制器架构示例 .6 图表 6：汽车 DCU与 ECU架构示例 .7 图表 7：汽车 MDC 架构示例 .7 图表 8：自动驾驶相关公司 .7 图表 9：整车厂自动驾驶布局与进展：通用、福特、丰田 .8 图表 10：整车厂自动驾驶布局与进展：大众、奥迪、宝马、戴姆勒 .9 图表 11：特斯拉 Autopilot 功能 .9 图表 12：奥迪 A8 自动驾驶传感器系统 .10 图表 13：奥迪 A8 中 央自动驾驶控制器 zFAS .10 行业深度研究 - 3 - 敬请参阅最后一页特别声明 图表 14：通用 L4 级 Cruise AV 概念车 . 11 图表 15：通用 L4 级 Cruise AV 概念车 . 11 图表 16：通用 Cruise AV 传感器配置 . 11 图表 17：特斯拉 Autopilot Vs. 奥迪 A8 AI Vs. 通用 Cruise AV.12 图表 18： Waymo 发展历程 .13 图表 19： 2017 年加州 DMV 报告披露路测成绩 .14 图表 20： Waymo 与克莱斯勒合作车辆及其硬件系统 .14 图表 21： Waymo 自动驾驶测试车辆 .15 图表 22： Apollo 发展历程 .15 图表 23：百度 Apollo 平台技术框架 .16 图表 24： Apollo 2.0 架构 .16 图表 25： Apollo 运行图 .17 图表 26：百度 Apollo 计划成员单位 .17 图表 27：百度 Apollo 计划成员单位 .18 图表 28：百度 Apollo 计划成员单位（按产业链分 /部分） .18 图表 29： Waymo 模拟测试 -虚拟场景 .19 图表 30： Waymo 模拟测试 -虚拟道路 .19 图表 31： Waymo 模拟测试 -多次重复 .20 图表 32： Waymo 模拟测试 -改变条件 .20 图表 33： Waymo 模拟测试 -验证和迭代 .20 图表 34： Waymo 封闭道路测试园区 .21 图表 35： Waymo 在全美真实路测超过 350 万英里（截至 2017 年底） .21 图表 36： RSS 安全距离规则 .22 图表 37： RSS 安全距离规则 .23 图表 38： RSS 道路权规则 .23 图表 39： RSS 盲区规则 .24 图表 40： Mobileye 多系统配合降低测试时间 .25 图表 41： Waymo Vs. Mobileye .25 图表 42：自动驾驶车成本分析 .26 图表 43：自动驾驶车成本分析 .26 图表 44：各类厂商宣布的实现无人驾驶时间点 .27 图表 45：自动驾驶出租车运营计划 .27 图表 46：自动驾驶事故 .27 图表 47：东软睿驰摄像头产品 .30 图表 48：路畅科技部分 ADAS 安全辅驾功能 .31 图表 49：景驰科技发展进度 .31 图表 50： Roadstar.ai 路测车 .32 行业深度研究 - 4 - 敬请参阅最后一页特别声明 一 、 总论： 决策层是 自动驾驶的 大脑 1.1 自动驾驶 实现： 通过决策层、感知层、执行层 自动驾驶 系统通常可分为 决策层、 感知层、执行层，以及高精地图和车联网的支持。 图表 1：自动驾驶实现层级 来源：国金证券研究所 决策层：依据获取的信息来进行决策判断，确定适当工作模型 ， 制定相应控制策略， 替代人类做出驾驶决策 。 这部分的功能类似于给车辆下达相应的任务，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、行人等在未来一段时间内的状态，先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。由于人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同情况所做出的驾驶策略应对也有所不同。因此驾驶决策算法的优化需要非常完善高效的人工智能模型以及大量的有效数据。这些数据需要尽可能的覆盖到各种罕见的路况，而这也是驾驶决策发展的最大瓶颈所在。 感知层：环境信息和车内信息的采集与处理 。 这方面涉及到道路边界检测、车辆检测、行人检测等技术，即传感器技术，所用到的传感器一般都会有激光 雷达 、摄像头、 毫米波 雷达、 超声波雷达、 速度和加速度传感器 等等。由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前国内这方面和国外的主要差距也集中在多传感器融合方面。 执行层：指系统在做出决策后，替代人类对车辆进行控制，反馈到底层模块执行任务。 车辆的各个操控系统都需要能够通过总线与决策系统相链接，并能够按照决策系统发出的总线 指令 精确地控制加速程度，制动程度以及转向幅度等驾驶动作。 高精地图以及车联网的支持 ，系统能够确定位置并规划一条可通行的路径，实现智能车辆的自主导航 ；更进一步，车联网的应用一方面能够是出行更加方便智能，另一方面又能够扩展汽车交通工具的属性，成为未来个人的移动平台。 行业深度研究 - 5 - 敬请参阅最后一页特别声明 1.2 决策层的重要性： 处理数据 控制车辆 的核心 自动 驾驶系统将驾驶认知形式化，利用驾驶认知的 数据 表达语言，设计通用的 自动 驾驶软件架构。在这一架构中，决策 层 并不直接与传 感器信息发生耦合，而是基于多传感器的感知信息、驾驶地图和车联网通信等信息综合形成的驾驶 状态 完成自主决策。 一方面决策层需要收集感知层的数据，分析勾画周边环境，定义驾驶场景，规划驾驶路线。 另一方面决策层需要控制执行层，按照规划的驾驶路线进行车辆动力、转向、制动的控制，并且预判路况做出相应的车辆控制。 图表 2：决策层是自动驾驶的大脑 来源：国金证券研究所 1.3 发展趋势： 多 域控制器 多域控制器 MDC（ Multi Domain Controller） ， 是通过一块 ECU，接入不同传感器的信号并进行对信号进行分析和处理，最终发出控制命令。 MDC跟 DCU（ Domain Control Unit）域控制器类似，本质上是为了解决汽车ECU增多之后，汽车控制系统变得复杂，且能力达到上限的问题。 在自动驾驶领域，控制 器 需要接受、分析、处理的信号大量且复杂，多域控制是必然的 发展趋势 ，如奥迪 L3 级别自动驾驶的中央控制器 zFAS 就是一个多域控制器。 图表 3：汽车控制器发展趋势 来源：国金证券研究所 ECU 电子控制单元 DCU 域控制器 MDC 多域控制器 行业深度研究 - 6 - 敬请参阅最后一页特别声明 ECU 电子控制单元 ECU（ Electronic Control Unit）是电子控制单元，也称“行车电脑” ,是汽车专用微机控制器。一般 ECU 由 CPU、存储器（ ROM、 RAM）、输入 /输出接口（ I/O）、模数转换器（ A/D）以及整形、驱动等大规模集成电路组成。 最开始 ECU 是用于控制发动机工作，后来随着车辆的电子化发展，ECU 逐渐占领了整个汽车，从防抱死制动系统、 4 轮驱动系统、电控自动变速器、主动悬架系统、安全气囊系统，到现在逐渐延伸到了车身各类安全、网络、娱乐、传感控制系统等。 随着车子电子化程度越来越高，尤其是自动驾驶、主动安全等功能的增加，车子的 ECU 会急速增加 。 1993 年，奥迪 A8 上使用了 5 个ECU，到了 2010 年，奥迪 A8 上使用的 ECU数量超过了 100 个。 图表 4：汽车 ECU架构示例 来源： 公开资料， 国金证券研究所 DCU 域控制器 域控制器（ Domain Control Unit）的概念最早是由以博世，大陆，德尔福为首的 Tier1 提出，是为了解决信息安全，以及 ECU 瓶颈的问题。 根据汽车电子部件功能将整车划分为动力总成，车辆安全，车身电子，智能座舱和智能驾驶等几个域，利用处理能力更强的多核 CPU/GPU芯片相对集中的去控制每个域，以取代目前分布式汽车电子电气架构。 图表 5： 汽车 DCU域控制器 架构示例 来源：国金证券研究所 行业深度研究 - 7 - 敬请参阅最后一页特别声明 MDC 多域控制器 而进入自动驾驶时代， 控制器需要接受、分析、处理的信号大量且复杂，原有的一个功能对应一个 ECU 的分布式计算架构 或者单一分模块的域控制器 已经无法适应需求 ， 比如摄像头、毫米波雷达、激光雷达乃至 GPS 和轮速传感器的数据都要在一个计算中心内进行处理以保证输出结果的对整车自动驾驶最优。 因此， 自动驾驶车辆的各种数据聚集、融合处理，从而为自动驾驶的路径规划和驾驶决策提供支持 的多域控制器将会是发展的趋势， 奥迪与德尔福共同开发的 zFAS，即是通过一块 ECU，能够接入不同传感器的信号并进行对信号进行分析和处理，最终发出控制命令。 MDC 的这种设 计方式，优势有两方面： 一是 MDC 平台本身的可扩展性， MDC 所能够对接的传感器类型与数目并不固定，可以根据 OEM的需求对应开发，尤其适应不同平台车辆自动驾驶系统的传感器配置； 二是能够将传感与处理分开，传感器与 ECU 不再是一一对应的关系，而是通过中央控制器 MDC 统一接受与处理信号，尤其对于 OEM 来说，可以根据需求更换传感器的类别与供应商。 图表 6：汽车 DCU与 ECU架构示例 图表 7：汽车 MDC 架构示例 来源：德尔福，国金证券研究所 来源：德尔福，国金证券研究所 1.4 相关公司 图表 8：自动驾驶相关公司 公司名称 代码 收盘价 （元） EPS（元） PE 业务 2017 2018E 2019E 2017 2018E 2019E 德赛西威 002920.SZ 29.56 1.12 1.25 1.49 35 24 20 自动驾驶系统 /CID 索菱股份 002766.SZ 12.00 0.34 0.54 0.72 42 22 17 自动驾驶系统 /CID 路畅科技 * 002813.SZ 41.51 0.2 0.46 0.69 170 90 60 自动驾驶系统 /CID 东软集团 * 600718.SH 12.45 0.86 0.46 0.58 17 27 21 自动驾驶系统 来源：国金证券研究所 ， * 来自 Wind 一致预测 行业深度研究 - 8 - 敬请参阅最后一页特别声明 二、 整车厂 ： 商业化加速、方案 逐渐 成熟量产装车 2.1 行业变革趋势 ：新车标配 L3， L4/L5 逐渐成熟 自动驾驶将在很大程度上改变近百年来人类的出行模式 ，再加上已经在高速发展中的汽车电动化和共享化，全球销售规模近 20 万亿的汽车产业将面临前所未有的变革，产生巨大的投资机会； 目前在 ADAS 基础上， L2 到 L3 级别的自动驾驶将逐渐成为新车型的标配，产生大量新增需求，这是目前主要的投资机会； L4 到 L5 的完全自动驾驶也在逐渐成熟中，一旦商业化将影响产业的未来。 自动驾驶在部分领域的商业模式逐渐确立。从基础理论到传感器、芯片、解决方案，行业发展迅速。目前行业发展的关键在于降低成本、优化方案、积累数据 。 整车厂与 科技公司 有不同的商业模式， 对自动驾驶的理解也不同 ，传统车厂更注重自动驾驶的量产装车，而科技公司则希望在短时间内通过软件算法快速颠覆现有的出现模式。 目前看两者互有优劣，整车厂有前装的优势，互联网巨头在软件方面优势明显，长期看两者必然走向合作 。 2.2 整车厂 ：积极布局、以最合理的方案量产装车为目标 从 传统车厂来说， 对待自动驾驶一方面更慎重 ， 大家都承认自动驾驶会是未来， 但 发展自动驾驶的前提是不能影响现阶段的产品开发与销售 ； 而另一方面各车厂都在积极布局自动驾驶 ，不断的收购公司，加强自身的开发实力，在自动驾驶相关 的技术专利方面也是积累最深厚。 并且 整车厂 在开发的过程中，要平衡成本、时间和技术实现的关系，以最合理的方案 量产 装车为阶段性的目标。 各大传统整车厂在自动驾驶 领域均有自己的研发团队，并且投入巨大，成果也在逐步显现， L2 的系统解决方案已经普遍进入量产阶段，奥迪的zFAS 系统 则 是市场上第一家量产装车的 L3 级解决方案， L4级方案也在开发中，甚至通用公布了 2019 年量产 L4 级自动驾驶汽车的计划。 图表 9：整车厂自动驾驶布局与进展 ：通用、福特、丰田 通用 福特 丰田 技术路线 ADAS 与 L4 并行 直接进入 L4 ADAS 与 L4 并行 布局 收购自动驾驶公司 Cruise（ 2016.3.） 收购激光雷达公司 Strobe（ 2017.10.） 投资高精地图公司 Ushr 投资打车平台 Lyft（ 2016.1.） 收购打车平台 Sidecar（ 2016） 自建打车平台 Maven（ 2016） 自建打车平台 Cruise Anywhere（ 2017） 收购自动驾驶公司 Argo（ 2017.2.） 投资激光雷达公司 Velodyne（ 2016.8.） 收购激光雷达公司 Princeton Lightwave（ 2017.10.） 投资高精地图公司 Civil Maps（ 2016.7.） 收购机器学习公司 SAIPS（ 2016.8.） 投资打车平台 Lyft（ 2015.5.） 自建打车平台 Ford2GO（ 2013） 自建打车平台 DynamicShuttle（ 2015） 收购打车平台 Chariot（ 2016.9.） 硅谷投资 10 亿美元成立丰田研究所（ 2015） 投资自动驾驶公司 Nauto（ 2017.7.） 投资激光雷达公司 Luminar（ 2017.9.） 与本田、日产 、三菱电机、 Zenrin 组建合资公司 Dynamic Map Planning 制作高清地图 投资打车平台 Uber（ 2016.6.） 自建共享车辆管理平台 MSPF（ 2016.10.） 进展 凯迪拉克 CT6 搭载 Super Cruise 3.0（ 2017） 2019 年量产 L4 级自动驾驶汽车Cruise AV 推迟 2021 年量产 L4 级自动驾驶汽车的计划 发布 L4 级概念车 Concept-爱 i（ 2017.1.） 推出多功能自动驾驶出行平台 e-Palette（ 2018） 2020 年推出适合高速场景的 L3 级自动驾驶汽车 来源：公开资料，国金证券研究所 行业深度研究 - 9 - 敬请参阅最后一页特别声明 图表 10：整车厂自动驾驶布局与进展 ：大众、奥迪、宝马、戴姆勒 大众 奥迪 宝马 戴姆勒 技术路线 ADAS 与 L4 并行 ADAS 与 L4 并行 ADAS 与 L4 并行 ADAS 与 L4 并行 布局 重组波茨坦设计中心，专注数字化（ 2016） 与自动驾驶公司 Aurora 合作（ 2017） 与 Here、 Mobileye 合作制作高清地图（ 2016） 投资打车平台 Gett（ 2016.5.） 自建打车平台 Moia（ 2016.12.） 自建中国市场打车平台 ezia（ 2017.11.） 集团层面与自动驾驶公司Aurora 合作（ 2017） 与地平线合作共同开发适合中国国情和路况且面向全球的自动驾驶技术（ 2017） 联合收购高清地图公司 Here，数据共享（ 2015） 与 Intel、 Mobileye 及Delphi 组成自动驾驶联盟，共同开发自动驾驶系统（ 2016.12.） 联合收购高清地图公司Here，数据共享（ 2015） 和 Sixt 合资组建分时租赁公司 DriveNow（ 2011） DriveNow 与奔驰旗下Car2Go 合并（ 2018.2.） 与 NVIDIA、博世合作，共同开发自动驾驶系统（ 2017.4.） 投资中国自动驾驶公司Momenta（ 2017.7.） 联合收购高清地图公司Here，数据共享（ 2015） 自建分时租赁公司Car2Go（ 2008） 与宝马旗下 DriveNow 合并（ 2018.2.） 进展 发布 L4 级概念车 Sedric（ 2017.4.） 2021 年推出 L5 级自动驾驶汽车 Sedric 搭载 L3 级自动驾驶系统的 A8量产上市（ 2017.7.） 发布 L4 级概念车 Elaine 和 L5级概念车 Audi Aicon（ 2017.9.） 2019 年量产 L4 级自动驾驶汽车 Elaine 2020 年联合 NVIDIA推出 L5级自动驾驶汽车 2021 年将 L3 级自动驾驶方案应用于量产车型iNext 2021 年发布 L5 级自动驾驶汽车 2021 年测试 L4/L5 级自动驾驶汽车 来源：公开资料，国金证券研究所 2.3 L2 级方案：特斯拉 Autopilot 特斯拉的方案类似于互联网公司及消费类产品的迭代方式， 每一台特斯拉都会配置当时最新的硬件，然后通过 OTA 不断更新固件，获得更完善的驾驶辅助或自动驾驶功能。庞大的用户群可以源源不断地供给真实路况的驾驶数据，帮助 Autopilot 训练和迭代算法。 目前 Autopilot 已经推出 1.0 和2.0 版本。 Autopilot 相当于 L2 级别的自动驾驶， 能够根据交通状况调整车速；保持在车道内行驶；自动变换车道而无需驾驶员介入；从一条高速公路切换至另一条；在接近目的地时驶出高速；在接近停车场时自动泊车 。 图表 11：特斯拉 Autopilot 功能 来源：特斯拉，国金证券研究所 行业深度研究 - 10 - 敬请参阅最后一页特别声明 2.4 L3 级方案：奥迪 A8 AI 是市场上第一款具备 L3 级别自动驾驶能力的量产车 ，在某些特定情况下，如在停车和驶离、时速 60 公里以下行驶或交通拥堵时，该系统将接管奥迪A8 的驾驶操控，而驾驶员则无需持续监控车辆的驾驶与运行。 整个自动驾驶系统由安全电脑、仪表盘、 NMI 用户交互导航系统、电子刹车助力 Brake Boost、电子稳定系统 ESC、电子转向控制 EPS、发动机控制单元、变速箱控制单元、车身电脑、后轮转向系统、网关 Gateway、电子悬挂控制平台 EEP 和中央自动驾驶控制 器 zFAS 组成。 中央控制器 zFAS 则是其自动驾驶的核心技术 ， 随着多代的演进，终于zFAS 从巨大的原型机变成了小型化和适应汽车要求的模样。 zFAS，是德语 zentrales Fahrerassistenz-Steuergeraet 的缩写，其构造包括前方图像处理单元、全景图像处理单元、传感器融合主控单元和应用主控单元四部分。 zFAS 由奥迪和德尔福、英伟达、 TTTech、 Mobileye 合作而来 ，德尔福提供硬件， TTTech 提供软件支持（能够达到车规 ISO26262 ASIL D 的最高安全等级 ），英伟达提供 GPU， Mobileye 提供视觉芯片， 核心处理器包括： Nvidia 的 Tegra K1 包含 192 颗