2018年无人驾驶行业深度研究报告
自动驾驶与人工智能研究报告
2018自动驾驶与人工智能研究报告 AMiner研究报告第一期Contents目录1 人工智能篇人工智能 (2)人工智能发展路线图 (3)人工智能的定义 (3)人工智能的起源 (3)人工智能的发展 (4)中国人工智能的发展 (5)全球人工智能研究 (7)全球人工智能研究学者数量分布 (7)人工智能研究流派 (9)活跃度较高的学者 (13)全球人工智能发展趋势 (14)中国人工智能研究 (15)中国人工智能的领域分类 (15)中国人工智能学者现状 (16)中国人工智能论文现状 (19)中国人工智能专利现状 (22)人工智能在中国的应用实践 (24)虚拟现实 (25)深度学习应用 (25)计算机视觉 (27)语音技术 (27)中国人工智能的机遇和挑战 (28)中国人工智能拥有的机遇 (28)中国人工智能遭遇的挑战 (31)小结 (32)2汽车研究领域篇汽车研究领域 (34)汽车研究领域创新趋势 (34)汽车研究 (37)全球汽车研究学者数量分布及产业发展 (37)中国汽车领域研究学者数量分布及产业发展 (37)汽车研究流派 (38)活跃度较高的研究学者 (39)汽车研究领域发展趋势分析 (39)3 人工智能+汽车篇人工智能+汽车 (42)无人驾驶研究 (42)无人驾驶的等级 (43)无人驾驶涉及的新技术 (44)无人驾驶的决策模型 (46)无人驾驶产业 (49)自动驾驶汽车的商用 (49)增强学习在无人驾驶中的应用 (49)增强学习在无人驾驶中的优势 (50)增强学习在无人驾驶中的未来 (51)交叉创新笛卡尔智能分析 (51)历史热点分析 (54)Genomics（AI）& Real Time（Vehicle） (54)未来趋势分析 (56)参考文献 (57)扫描订阅摘要随着人工智能（Artificial Intelligence，AI）高速发展与应用，计算机技术已经进入以人工智能为代表的新信息技术时代——智能技术时代。
2018年无人机行业现状与发展趋势报告
40%
300亿元
预计2025年民用消费 级无人机市场规模达 300亿元人民币。
2017年，中国消费级 无人机市场规模为25 亿元人民币。
25亿元
消费级无人机主要用于
航拍
个人娱乐航拍和影视专
用航拍。
18
2018.8 FORWARD Inc
PART 2-3
中国无人机行业驱动因素分析
融资爆发
近两年无人机行业融资额爆发式增 长，消费级无人机最受追捧
5
PART 1-1-3
无人机分类（按机身构造分）
固定翼无人机
优点：续航时间长、巡航速度高、 负载能力强
缺点：不能空中悬停、起降需助跑滑行
主要领域：军事、民用
无人机直升机
优点：垂直起降、空中悬停、 载重能力高
缺点：机翼结构极其复杂、造假高
主要领域：军事、民用
多旋翼无人机
优点：垂直起降、空中悬停、 结构简单
2017全球无人机生 产商数量高达721家
2013-2017年全球无人机产地和国际团队数量统计
资料来源：Drone Industry Insights 前瞻产业研究院整理
2018.8 FORWARD Inc
2013-2017年全球无人机生产商数量统计
11
PART 2-1-2
全球无人机行业市场规模分析
人
货运无人机： 物资运输 油补给 主要型号：K-MAX、飞象等
机
农林： 农药喷洒 森林灭火 辅助授粉
安防： 灾情检查 交通巡逻 指挥调度
工业级无人机
电力： 电力巡检
民用无人机
物流： 物资配送 其他： 资源勘探
地图测绘
城市规划
水利监测 人工降雨
十四五期间江津区无人驾驶产业变动及整体产业链联动研究报告
十四五期间江津区无人驾驶产业变动及整体产业链联动研究报告随着无人驾驶技术的不断进步和应用，无人驾驶产业也在不断发展壮大。
江津区作为重要的智能制造基地，经济发展水平较高，无人驾驶产业也逐渐成为了其重要的支柱产业之一。
本文将对江津区无人驾驶产业的变动及整体产业链联动进行研究，以期为江津区未来的产业发展提供基础性参考。
一、无人驾驶产业变动1. 初期阶段（2014-2016年）在这一阶段，江津区无人驾驶产业主要以研发及试验为主，产业链较为单一。
2014年，江津飞马无人驾驶车项目首次亮相，标志着江津区无人驾驶产业的起步。
此后，江津区相继推出多项无人驾驶试点项目，如无人驾驶巴士、自动驾驶消防车、智能运输车等，使得无人驾驶产业进入了试验阶段。
2. 加速发展阶段（2017年至今）江津区无人驾驶产业在此阶段得到了快速发展。
随着无人驾驶技术的进一步改进以及各方面政策的不断支持，江津区无人驾驶产业逐渐进入规模化发展阶段。
2018年，江津无人驾驶示范区启动建设，有50多家企业入驻。
这一举措进一步促进了江津区无人驾驶产业的快速发展。
二、整体产业链联动江津区无人驾驶产业链一般可分为6个环节：1. 传感器及控制技术研发环节传感器及控制技术是无人驾驶产业的核心，是整个产业链的第一环节。
江津区拥有多家大型汽车及机器人制造企业，其中不乏掌握核心技术的高科技企业。
2. 数据处理及智能分析环节无人驾驶车辆需要通过数据捕获、处理和分析来实现智能驾驶，数据处理及智能分析环节是无人驾驶产业的基础环节。
江津区拥有多所著名高校，拥有优秀的专业人才和良好的研究环境，为数据处理及智能分析环节提供了强有力的支撑。
3. 硬件设备制造环节硬件设备制造环节是生产无人驾驶车辆所必须的，江津区拥有大量高新技术企业，能够提供各种高精度零部件及整车制造服务。
4. 无人驾驶车辆广泛应用环节随着无人驾驶技术的逐步完善，无人驾驶车辆的应用也逐渐扩大，包括物流、公共交通、配送、消防等。
2018年节能与新能源汽车行业发展情况分析报告
2018年节能与新能源汽车行业发展情况分析报告第一节2017年中国汽车工业发展环境分析 (4)第一节政策法规 (4)第二节汽车行业热点分析 (9)第二章2017年汽车工业经济运行情况分析 (21)第一节汽车工业经营情况 (21)一、主营业务收入增长较快，增幅回落 (21)二、利润总额增速趋缓，增幅下降 (22)三、固定资产投资增速减缓 (23)四、亏损企业家数有所增加 (24)五、应收账款、产成品库存资金增长较快 (25)第二节全国汽车商品进出口情况 (25)一、汽车商品进口情况分析 (26)二、汽车商品出口情况分析 (30)第三章2017年节能汽车和新能源汽车市场发展情况 (36)第一节节能汽车市场情况 (36)一、产销总体情况 (36)二、产销细分情况 (36)三、存在的问题及发展建议 (37)第二节新能源汽车发展情况分析 (40)一、产销总体情况 (40)二、产销细分情况 (40)三、存在的问题及发展建议 (43)第四章节能与新能源汽车政策及产业发展趋势分析 (45)第一节相关政策环境分析 (45)一、节能汽车 (45)二、新能源汽车 (46)第二节产业发展趋势与展望 (48)一、节能汽车 (48)二、新能源汽车 (53)第六章关键零部件产业发展情况分析 (55)第一节动力电池发展分析 (55)一、市场发展 (55)二、分类配套 (56)三、存在的问题及建议 (61)第二节驱动电机发展分析 (62)一、市场发展分析 (62)二、分类配套 (63)三、存在的问题及建议 (69)表1 2017年汽车行业主营业务收入增长率变动情况 (21)表2 2017年汽车行业各小行业实现主营业务收入情况 (22)表3 2017年汽车行业利润总额增长率变动情况 (22)表4 2017年汽车行业规模以上企业实现利润总额情况 (23)表 5 2017年汽车行业固定资产投资增长率变动情况 (24)表 6 2017年汽车行业各小行业完成固定资产投资情况 (24)表7 2017年汽车行业各小行业亏损额情况 (25)表8 2017年我国节能乘用车分排量产销量 (37)表9 2017年新能源汽车产销情况 (40)表10 2016年至今发布或实施的部分汽车节能政策法规（简表） (46)表11 2017年我国新能源汽车主要政策汇总 (47)表12 2017年市场份额前十电池企业动力电池配套情况 (55)表13 2017年新能源乘用车电池装机量前十 (58)表14 2017年新能源客车电池装机量前十 (59)表15 2017年新能源专用车电池装机量前十 (60)表16 2017年新能源汽车电机装机量十大企业 (63)图录图 1 2016～2017年1.6L及以下乘用车占乘用车销量比重月度趋势 (36)图 2 2017年我国节能乘用车分车型产销量占比 (37)图 3 2017年新能源汽车累计销售量前十城市 (41)图 4 2017年新能源乘用车累计销售车企榜 (42)图 5 2015年车用燃料替代量 (49)图 6 2017年1～12月新能源汽车电池装机总电量 (55)图7 2017年1～12月新能源汽车分类电池装机电量 (56)图8 2017年新能源汽车各电池材料装机电量 (57)图9 2017年四种类型动力电池份额占比 (57)图10 2017年新能源乘用车电池类型统计 (58)图11 2017年新能源客车电池类型 (59)图12 2017年新能源专用车电池类型 (61)图13 2017年度电机类型市场结构情况 (64)图14 2017年新能源乘用车电机月度装机量 (65)图15 2017年前十新能源乘用车电机供应商装机情况 (66)图16 2017年1～11月新能源客车配套电机分类占比 (67)图17 2017年1～11月前十新能源客车电机生产企业配套情况 (67)图18 2017年1～11月新能源专用车配套电机分类占比 (68)图19 2017年1～11月前十新能源专用车电机生产企业配套情况 (69)第一节2017年中国汽车工业发展环境分析2017年是全面落实“十三五”规划的关键一年。
清华-2018人工智能之自动驾驶研究报告-2018.07-43页
concept
概述篇
1 概念篇
自动驾驶汽车（AutomatedVehicle；IntelligentVehicle；AutonomousVehicle；Self-driving Car；DriverlessCar）又称智能汽车、自主汽车、自动驾驶汽车或轮式移动机器人，是一种通 过计算机实现自动驾驶的智能汽车。
图 2 无人驾驶技术
3
（5）自动驾驶技术的价值 无人驾驶汽车之所以受到各国政府前所未有的重视，国内外各院校、研究机构都投入了
大量人力、物力，各大车企、科技公司、汽车零部件供应商以及无人驾驶汽车创业公司也纷 纷在这个领域进行布局，它主要具有以下价值，如下图所示。
图 3 无人驾驶技术的价值
改善交通安全。驾驶员的过失责任是交通事故的主要因素。无人驾驶汽车不受人的 心理和情绪干扰，保证遵守交通法规，按照规划路线行驶，可以有效地减少人为疏 失所造成的交通事故。 实现节能减排。由于通过合理调度实现共享出行，减少了私家车购买数量，车辆绝 对量的减少，将使温室气体排量大幅降低。 消除交通拥堵，提升社会效率。自动驾驶汽车可以通过提高车速、缩小车距以及选 择更有效路线来减少通勤所耗时间。 个人移动能力更加便利，不再需要找停车场。 拉动汽车、电子、通信、服务、社会管理等协同发展，对促进我国产业转型升级具 有重大战略意义。
1.2 无人驾驶汽车发展图谱
图 4 国外无人驾驶汽车发展历程 4
本节内容将梳理国外无人驾驶汽车发展图谱，上图所示为重要时间节点事件。 （1）科研院校对无人驾驶技术的研究
20 世纪 70 年代，科技发达国家开始率先进行无人驾驶汽车的研究。1984 年，美国国防 高级研究计划署（DARPA）与陆军合作，发起自主地面车辆（ALV）计划，这是一辆八轮车， 在校园中能够自动驾驶，但车速并不快。
自主可控行业分析报告
自主可控行业分析报告1. 概述自主可控行业是指具备自主研发和控制能力的无人驾驶技术和产品的研发、生产、应用和服务相关的产业链。
随着人工智能和传感技术的不断发展，自主可控行业逐渐走向成熟，并在各个领域得到广泛应用。
2. 市场规模根据市场调研机构统计数据显示，自主可控行业市场规模从2018年的100亿元人民币增长到2020年的300亿元人民币，年复合增长率达到50%以上。
预计到2025年，市场规模将达到1000亿元人民币。
3. 主要应用领域3.1 智能交通自主可控行业在智能交通领域的应用非常广泛。
无人驾驶技术的发展使得自动驾驶汽车成为可能，可以大大减少交通事故发生的概率，提高交通效率。
此外，自主可控行业还在智能停车、智能交通信号灯等方面有着广泛的应用。
3.2 物流配送自主可控行业在物流配送领域也有着巨大的应用前景。
通过自主可控技术，可以实现无人机、无人车等自动配送，有效提高物流配送的效率和准确性。
特别是在冷链物流领域，自主可控技术可以全程监控、控制货物的温度和湿度，确保货物的质量。
3.3 农业种植自主可控行业在农业种植中的应用也越来越广泛。
通过自动化、智能化的种植设备，可以实现农业生产的精准化管理。
自主可控行业还可以应用于农作物病虫害监测、施肥、喷药等工作，提高农业生产的效率和质量。
4. 发展趋势4.1 技术创新自主可控行业的发展与技术创新密不可分。
随着人工智能、大数据、云计算等技术的不断进步，自主可控行业的技术水平也在不断提高。
未来，预计会出现更加智能、安全、高效的自主可控产品与技术。
4.2 政策支持政府的支持和鼓励对于自主可控行业的发展起到至关重要的作用。
目前，国内外政府相继发布了相关政策和规定，支持自主可控行业的发展。
这些政策将进一步促进自主可控行业的发展和创新。
4.3 市场需求增长随着人们生活水平的提高和交通物流需求的增加，自主可控行业的市场需求也在不断增长。
特别是在交通、物流、农业等领域，人们对于智能化、自动化解决方案的需求越来越大。
无人驾驶国内外发展现状
无人驾驶国内外发展现状无人驾驶（Autonomous Driving）是指通过各种技术手段实现车辆自主感知、决策、控制，从而不依赖人类驾驶员的一种出行方式。
无人驾驶技术涉及到传感器、人工智能、控制系统等多个领域，是人工智能在实际应用中的重要领域之一。
本文将对无人驾驶国内外的发展现状进行分析和比较。
一、国外发展现状1.美国美国是全球无人驾驶技术的领先国家之一。
自Google在2010年开始研发无人驾驶汽车以来，无人驾驶汽车技术在美国发展迅速。
2016年，美国国家公路交通安全管理局（NHTSA）发布了无人驾驶汽车联邦标准，将无人驾驶汽车的法规标准化。
2018年，加州成为第一个允许测试无人驾驶汽车上路的州。
到2021年，美国已经有超过50个州出台了相关法规，鼓励无人驾驶汽车技术的发展。
目前，美国的无人驾驶汽车主要由谷歌、特斯拉、Uber、Waymo等公司开发。
这些公司的无人驾驶汽车主要用于测试、试运营等领域。
而2021年12月，谷歌旗下的自动驾驶公司Waymo开始在美国亚利桑那州的凤凰城提供商业化出租车服务，这标志着无人驾驶汽车迈向商业化应用的新阶段。
2.德国德国作为欧洲汽车制造业的中心，无人驾驶技术也得到了很好的发展。
自2011年以来，德国政府一直在投入资金，支持无人驾驶技术的研发和应用。
到2020年，德国已经在全国范围内测试了150辆无人驾驶汽车，成为欧洲最先进的无人驾驶技术国家之一。
德国的无人驾驶技术主要由梅赛德斯-奔驰、宝马、大众等汽车制造商开发。
这些公司已经在无人驾驶技术领域获得了很大的进展。
例如，梅赛德斯-奔驰已经在美国加利福尼亚州开始测试自动驾驶汽车，而宝马也在全球范围绕无人驾驶技术开展了大量的研究和开发工作。
德国政府还推出了一项名为“德国自动驾驶战略”的计划，旨在将德国打造成全球无人驾驶技术的领导者。
3.日本日本作为亚洲汽车制造业的中心，也在无人驾驶技术方面发展迅速。
自2013年以来，日本政府一直在积极投入资金，支持无人驾驶技术的研发和应用。
无人驾驶汽车技术及应用研究
无人驾驶汽车技术及应用研究一、引言近年来，无人驾驶汽车技术悄然进入人们的视线，成为人们热议的话题之一。
随着科技的不断进步，无人驾驶技术的应用也越来越广泛。
本文将从技术原理、发展现状、应用场景和未来前景四个方面对无人驾驶汽车技术进行探究和研究。
二、技术原理无人驾驶汽车技术依靠的是先进的计算机技术和人工智能技术。
其中，人工智能的技术应用十分广泛，包括计算机视觉、自然语言处理、深度学习和机器学习等多个领域。
而在无人驾驶汽车中，最为关键的技术便是计算机视觉技术和机器学习技术。
计算机视觉技术主要是通过摄像头等传感器捕捉到的图像信息，对汽车周围环境进行识别和感知，从而能够识别道路标志、交通信号灯、行人和其他车辆等交通元素。
而机器学习技术则是通过大量样例数据的学习和积累，让计算机能够完成更加复杂的任务，例如识别障碍物避让、车道保持、交通规则遵守等。
三、发展现状目前，无人驾驶汽车技术领域的各大巨头企业纷纷进军，例如谷歌子公司Waymo、特斯拉、Uber、百度等。
在技术方面，无人驾驶汽车技术也在不断取得新的成果和突破。
例如，2018年，Waymo自主研发的无人驾驶汽车已经累计行驶了800万英里，该公司也已经在美国亚利桑那启动了无人驾驶出租车服务。
除了企业孜孜以求的商业化应用，无人驾驶技术在交通运输和军事等领域也有着广泛的应用前景。
例如，无人驾驶汽车可在军队物流作业和特种任务中发挥作用，提高危险任务的安全性和精确性。
四、应用场景无人驾驶汽车技术的应用场景十分广泛，包括城市出租车、物流配送、消费电子、公共交通等多个领域。
本文将重点探究无人驾驶汽车技术在城市出租车和物流配送领域的应用。
1. 城市出租车在城市出租车领域，无人驾驶技术的应用可以大大提高消费者的舒适度和出行体验。
不仅可以提高出租车的运营效率，而且还能够减少交通拥堵和交通事故，提高出行的安全性。
此外，对于老年人、身体不便的人群，无人驾驶出租车也可以大大提高他们的生活便利度。
无人驾驶汽车技术研究及应用案例分析
无人驾驶汽车技术研究及应用案例分析无人驾驶汽车技术是近年来备受关注和研究的热点领域，该技术基于人工智能、感知技术和自动化控制等前沿技术，旨在实现车辆全自主驾驶，为人们的出行方式带来革命性的改变。
本文将对无人驾驶汽车技术的研究进展进行梳理，并结合应用案例进行深入分析和探讨。
一、无人驾驶汽车技术研究进展无人驾驶汽车技术的研究与发展离不开人工智能、图像识别、激光雷达、传感器融合等技术的突破和创新。
在人工智能领域，无人驾驶汽车使用的深度学习算法能够实现精准的图像识别和目标检测，根据所获取到的信息做出智能驾驶决策。
同时，激光雷达作为无人驾驶汽车的核心感知技术，能够实时获取周围环境的三维空间信息，为车辆提供准确的感知能力。
在无人驾驶汽车的研究过程中，深度学习在车辆感知、决策和控制等关键环节发挥着重要作用。
越来越多的研究者将深度学习应用于无人驾驶汽车的路径规划、行驶决策和交通信号识别等方面，通过大量的实验和测试，取得了显著的研究进展。
此外，自主定位和地图构建也是无人驾驶汽车技术研究的重要方向，通过建立高精度的地图和定位系统，为车辆提供准确定位和导航能力。
二、无人驾驶汽车应用案例分析1. Waymo（旗下Google）Waymo是谷歌旗下的无人驾驶汽车项目，该项目自2009年启动以来，已经在美国多个城市完成了数百万英里的测试，并于2018年在美国亚利桑那州的凤凰城推出了商业化自动驾驶出租车服务。
Waymo的无人驾驶汽车配备了大量传感器和相机，可以实时感知周围环境，并通过深度学习算法分析实时图像和数据，做出智能决策。
Waymo的成功应用案例证明了无人驾驶技术的可行性和商业化前景。
2. Tesla Autopilot特斯拉自动驾驶技术Autopilot是目前市场上应用最为广泛的无人驾驶技术之一。
特斯拉车辆搭载了多项传感器和相机，能够实现实时感知和自主导航。
Autopilot技术通过深度学习算法不断优化，在可行驶的道路上实现了基本的自动驾驶功能，包括自动巡航、自动驾驶车道保持和自动泊车等。
无人驾驶汽车的发展现状与展望
无人驾驶汽车的发展现状与展望课程名称：无人驾驶车辆设计理论学生姓名：张原旗、周昕、王铭轩、张妍、王浩淼、于骁机械与车辆学院0引言近年来，互联网技术的迅速发展给汽车工业带来了革命性变化的机会。
与此同时，汽车智能化技术正逐步得到广泛应用，这项技术使汽车的操作更简单，行驶安全性也更好，而其中最典型也是最热门的未来应用就是无人驾驶汽车。
也许这一趋势能使无人汽车比新能源汽车更早走入大众的生活。
无人驾驶车辆从广义上可以分为地面、空中、水上和水下等多种形式，但现阶段一般特指所有地面无人驾驶载体，它包括军用平台和民用平台，地面无人驾驶车辆起源于军事需求，无人驾驶车辆在军事应用领域的迅猛发展，极大地促进了世界各国研发无人驾驶车辆的热情。
无人驾驶车辆具有异常广阔的应用前景。
通过车辆与车辆(V2V)以及车辆与基础设施（V2I）的通信，可以实现无人驾驶车辆与其他车辆、基础设施以及人类之间的交互。
凭借这种优势，多个无人驾驶车辆之间可以完成编队，通过交叉口、多任务分配等多种方式的协作，从而形成一种全新的智能交通方式。
同时在一些工作环境恶劣、劳动强度较大的领域，如矿区环境，无人驾驶车辆也已崭露头角；另外，无人驾驶车辆还可以应用在军事领域，节省人力，提高作战效率，减少人员伤亡。
汽车的智能化发展是逐步推进的，2014年美国汽车工程师学会（SAE）将汽车自动化等级定义为以下六个层次：L0无自动驾驶（Level0 DriverOnly）：完全由驾驶员控制汽车的速度和方向，没有辅助系统的干预。
L1辅助驾驶（Level1 Assisted）：驾驶员持续控制着汽车的纵向或横向的驾驶任务，另一方向的驾驶任务由辅助驾驶系统控制，如辅助泊车系统。
L2部分自动驾驶（Level2 Partial Automation）:驾驶员必须持续监测动态驾驶任务及驾驶环境。
在一定的条件下，自动驾驶系统控制汽车的纵向和横向动态驾驶任务，如交通拥堵辅助系统。
L3有条件自动驾驶（Level3 Condition Automation）：驾驶员不需要持续监测动态驾驶任务和驾驶环境，但是驾驶员必须时刻处于一个可以随时恢复对汽车控制的位置。
车辆自动驾驶技术记三年参考文献
车辆自动驾驶技术记三年参考文献车辆自动驾驶技术是指车辆在无人驾驶的情况下，通过激光雷达、摄像头、雷达、超声波传感器等感知设备获取周围环境信息，并通过自主算法进行决策和控制，实现车辆自主行驶的技术。
自动驾驶技术是当前汽车行业研究的热点之一，已经取得了长足的进展。
本文将从三年参考文献的角度，综述车辆自动驾驶技术的发展情况。
近年来，车辆自动驾驶技术的研究呈现出蓬勃的发展态势。
2018年，李飞飞等人在《无人驾驶车辆技术综述》一文中对无人驾驶技术的发展历程和技术路线进行了概述。
他们指出，无人驾驶技术的研究可以追溯到上世纪80年代，但直到近年来，由于计算能力的提升和传感器技术的进步，无人驾驶技术才取得了显著的突破。
该文还介绍了无人驾驶技术的核心技术，包括环境感知、路径规划和控制等方面。
2019年，王洪恩等人在《车辆自动驾驶技术综述》一文中详细介绍了车辆自动驾驶技术的发展现状和关键技术。
他们指出，车辆自动驾驶技术的核心是实现车辆对周围环境的感知和对行驶路径的规划和控制。
该文还对环境感知技术、决策与规划技术以及控制技术进行了详细的介绍，并分析了当前研究中存在的挑战和未来发展方向。
2020年，张三等人在《车辆自动驾驶技术的研究进展与挑战》一文中综述了车辆自动驾驶技术的研究进展和面临的挑战。
他们指出，车辆自动驾驶技术在实际应用中面临着道路交通规则、环境复杂性和安全性等方面的挑战。
该文还介绍了近年来车辆自动驾驶技术的研究热点，包括深度学习、强化学习和多智能体系统等方面。
车辆自动驾驶技术在过去的三年中取得了显著的发展。
研究人员通过不断改进算法和传感器技术，使得车辆能够更准确地感知周围环境，并做出智能决策和控制。
然而，车辆自动驾驶技术仍然面临着许多挑战，如道路交通规则的复杂性和安全性等问题。
未来，我们需要进一步深入研究和解决这些问题，以实现车辆自动驾驶技术的商业化应用。
通过持续的创新和努力，相信不久的将来，车辆自动驾驶技术将会成为现实，为人们的出行带来更大的便利和安全性。
无人机行业研究报告
/无人机行业研究报告1.无人机的基础知识与相关行业划分无人机是无人驾驶飞机的简称(Unmanned Aerial Vehicle)，是利用无线电遥控设备和自备的程序控制装置的不载人飞机，包括无人直升机、固定翼机、多旋翼飞行器、无人飞艇、无人伞翼机。
广义地看也包括临近空间飞行器(20-100公里空域)，如平流层飞艇、高空气球、太阳能无人机等。
从某种角度来看，无人机可以在无人驾驶的条件下完成复杂空中飞行任务和各种负载任务，可以被看做是“空中机器人”。
按照不同平台构型来分类，无人机可主要有固定翼无人机、无人直升机和多旋翼无人机三大平台，其它小种类无人机平台还包括伞翼无人机、扑翼无人机和无人飞船等。
固定翼无人机是军用和多数民用无人机的主流平台，最大特点是飞行速度较快；无人直升机是灵活性最强的无人机平台，可以原地垂直起飞和悬停；多旋翼(多轴)无人机是消费级和部分民用用途的首选平台，灵活性介于固定翼和直升机中间(起降需要推力)，但操纵简单、成本较低。
按不同使用领域来划分，无人机可分为军用、民用和消费级三大类，对于无人机的性能要求各有偏重：1)军用无人机对于灵敏度、飞行高度速度、智能化等有着更高的要求，是技术水平最高的无人机，包括侦察、诱饵、电子对抗、通信中继、靶机和无人战斗机等机型。
由于军用无人机涉及军事数据，在本报告中不讨论。
2)民用无人机一般对于速度、升限和航程等要求都较低，但对于人员操作培训、综合成本有较高的要求，因此需要形成成熟的产业链提供尽可能低廉的零部件和支持服务，目前来看民用无人机最大的市场在于政府公共服务的提供，如警用、消防、气象等，占到总需求的约70%，而我们认为未来无人机潜力最大的市场可能就在民用，新增市场需求可能出现在农业植保、货物速度、空中无线网络、数据获取等领域；3)消费级无人机一般采用成本较低的多旋翼平台，用于航拍、游戏等休闲用途。
/全球无人机用途分布我国民用无人机市场大致经历了三个阶段，第一阶段的早期市场需求由军用垄断，惯性组建、控制系统技术不成熟，成本高。
中国无人驾驶产业规模与发展规划分析
中国无人驾驶产业规模与发展规划分析提示：一、中国无人驾驶行业发展历程回顾 &nbs一、中国无人驾驶行业发展历程回顾无人驾驶起源于上世纪70年代，最先由美国提出，当时美国提出ALV（自主地面车辆）计划，美国各大院校开始进行无人驾驶汽车的研究。
由于进行全路面无人驾驶的条件复杂，同时当时的技术无法满足这一条件，因此科学家将无人驾驶的研究重点转移到高速公路上的无人驾驶。
1995年美国卡耐基梅隆大学研制的无人驾驶汽车完成5000公里的高速公里测试，并且成功。
2014年后全球无人驾驶开始爆发，各大企业开始进入该领域，百度、谷歌、特斯拉、亚马逊、奔驰、宝马等企业均有自己无人驾驶项目。
二、中国无人驾驶行业创新情况分析2015年后，我国无人驾驶热潮开始爆发，直接体现在专利申请数量的变化上，2015年我国无人驾驶专利申请数量仅为306项，同比增长33.6%，2016年专利申请数量已经达到1085项，同比增长255%。
之后每年的专利申请数量都保持在1000项以上。
参考发布《2019年中国无人驾驶行业分析报告-产业规模现状与发展规划趋势》2013-2018年中国无人驾驶相关专利申请数量资料来源：SooPAT，数据中心整理从专利的申请人可见我国无人驾驶方面的参与者形式较多，既有百度这样的互联网大企业，也有北航、北理工等高等院校，还有传统的汽车企业。
可见我国无人驾驶行业的研究已经在全国各阶层展开。
近年来中国无人驾驶方面专利申请人及申请数量排名资料来源：SooPAT，数据中心整理三、中国无人驾驶行业市场现状分析当前全球范围内无人驾驶概念都被炒得火热，各国政策也对高级辅助驾驶系统（ADAS）出台了相应的一些政策激励。
美国内华达州是最早通过无人驾驶相关法案的州，此后有超过20个州通过相关法案。
中国CNCAP正在遵循2018-2020年的时间规划，包括引入FCW和车辆、行人AEB，并会将AEB的转载率加入对车型安全考核评分当中。
基于深度学习的无人驾驶汽车路径规划研究
基于深度学习的无人驾驶汽车路径规划研究摘要:得益于深度学习和人工智能领域的进步，自动驾驶技术在过去十年中快速发展。
本文调查研究了无人驾驶汽车领域使用的最新深度学习技术。
我们首先介绍基于 AI 的无人驾驶汽车决策系统和卷积神经网络。
这些方法构成了路径规划和行为仲裁算法的基础。
本次调查研究提供的比较有助于深入了解深度学习和人工智能方法在自动驾驶方面的优势和局限性，有助于路径规划算法的设计选择。
列入沧州市科技技术局项目《基于深度学习的无人驾驶汽车路径规划研究》，项目编号：2041020181简介在过去十年的过程中，深度学习和人工智能在计算机视觉、机器人技术和自然语言处理 (NLP) 等技术中得到了广泛应用。
它们还对无人驾驶汽车产生了重大影响。
无人驾驶汽车已开始从在实验室开发和测试转移到在公共道路上行驶和应用。
无人驾驶汽车在实际场景中的应用减少了道路事故和交通拥堵，并改善了我们在过度拥挤的城市中的流动性。
无人驾驶将驾驶的任务完全交给机器，也叫自动驾驶。
“自动驾驶”这个名称看似不言自明，但实际上有五个 SAE Level 用于定义自动驾驶。
SAE J3016 标准 [1] 引入了从 0 到 5 的等级，用于对车辆自动化进行分级。
较低的 SAE 级别具有基本的驾驶员辅助功能，而较高的SAE 级别则适用于不需要任何人工交互的车辆。
5 级类别的汽车不需要人工输入，通常甚至没有方向盘或脚踏板。
虽然大多数驾驶场景可以通过经典的感知、路径规划和运动控制方法相对简单地解决，但其余未解决的场景是传统方法失败的极端情况。
1994 年，VaMP 无人驾驶汽车成功行驶 1,600 公里，其中 95% 是自动驾驶。
自动驾驶的另一个重要里程碑是 2004 年和 2005 年的 DARPA 大挑战赛以及2007 年的 DARPA 城市挑战赛。
比赛的目标是让无人驾驶汽车在没有人工干预的情况下尽可能快地在越野路线上行驶。
Stanley 是 2005 年比赛的获胜者，他利用机器学习技术在非结构化环境中导航。
十四五期间酒泉市无人驾驶产业变动及整体产业链联动研究报告
十四五期间酒泉市无人驾驶产业变动及整体产业链联动研究报告酒泉市无人驾驶产业变动及整体产业链联动研究报告一、无人驾驶产业变动近年来，随着人工智能和物联网技术的不断发展，无人驾驶技术逐渐成为汽车产业发展的一个重要领域。
在酒泉市，无人驾驶产业也在不断发展变化。
1、市场规模逐渐扩大随着无人驾驶技术的不断发展，市场对无人驾驶汽车的需求逐渐增加。
在酒泉市，无人驾驶汽车的市场规模也在逐渐扩大。
据统计，2018年酒泉市无人驾驶汽车的销售额为4000万元，2019年销售额已经达到了6000万，市场规模明显扩大。
2、企业竞争加剧随着市场规模的不断扩大，企业之间的竞争也日益激烈。
目前，酒泉市无人驾驶汽车企业主要集中在三类：传统汽车生产企业转型升级，高科技企业加速进军，纯粹的新创企业加入无人驾驶车辆领域。
这些企业在技术、市场、管理等方面展开竞争，一些优秀的无人驾驶汽车生产企业形成了自身明显的优势，成为市场的大佬，其中包括比亚迪、蔚来、小鹏等企业。
3、技术创新探索无人驾驶汽车作为一项新兴的技术，还存在一些问题，比如安全性问题、技术成本问题等。
目前，酒泉市的无人驾驶汽车企业正在围绕这些问题展开技术创新探索，不断推出更为安全、更加智能的无人驾驶汽车。
同时，酒泉市也在积极鼓励各企业加强技术合作，共同研究无人驾驶汽车技术的创新应用，助力推动无人驾驶产业的发展。
二、无人驾驶汽车产业链联动随着无人驾驶汽车产业不断发展，与其相关的配套产业也在不断壮大，这些产业环环相扣，互相影响，形成了庞大的产业联动。
在酒泉市，无人驾驶汽车产业链联动主要有以下三个方面。
1、无人驾驶技术制造无人驾驶车辆的生产必须要有先进的技术支持，包括传感器技术、车载技术、无线通讯等技术，这都需要高度自动化、精密制造技术的支持。
酒泉市的无人驾驶技术制造企业已经发展成了一个完整的产业链。
包括传感器企业、芯片厂商、智能硬件等一系列企业在酒泉市的发展，构成了一个完整的制造生态。
无人驾驶汽车道路测试报告
无人驾驶汽车道路测试报告第1章引言 (3)1.1 研究背景与意义 (3)1.2 国内外研究现状 (3)1.3 报告结构安排 (3)第2章无人驾驶汽车技术概述 (3)2.1 无人驾驶汽车发展历程 (3)2.2 核心技术与架构 (4)2.3 我国相关政策与法规 (4)第3章测试车辆与设备 (5)3.1 测试车辆概述 (5)3.1.1 车辆品牌与型号 (5)3.1.2 车辆配置 (5)3.1.3 车辆功能 (5)3.2 测试设备与传感器 (5)3.2.1 设备概述 (5)3.2.2 传感器 (5)3.3 数据采集与处理系统 (6)3.3.1 数据采集 (6)3.3.2 数据处理 (6)3.3.3 数据存储与传输 (6)第4章道路测试环境 (6)4.1 测试道路概述 (6)4.2 道路条件分析 (6)4.2.1 城市道路 (6)4.2.2 郊区道路 (6)4.2.3 高速公路 (6)4.2.4 山区道路 (7)4.3 测试场景设置 (7)4.3.1 城市道路测试场景 (7)4.3.2 郊区道路测试场景 (7)4.3.3 高速公路测试场景 (7)4.3.4 山区道路测试场景 (7)第5章道路识别与感知 (7)5.1 道路识别算法 (7)5.1.1 数据集准备 (7)5.1.2 算法训练与优化 (7)5.2 道路特征提取 (8)5.2.1 颜色特征 (8)5.2.2 结构特征 (8)5.2.3 纹理特征 (8)5.3 感知结果分析 (8)5.3.1 道路识别准确率 (8)5.3.2 道路特征贡献分析 (8)5.3.3 实际道路测试 (8)第6章车辆控制策略 (9)6.1 控制策略概述 (9)6.2 车辆跟随控制 (9)6.2.1 跟随控制策略 (9)6.2.2 跟随控制参数设置 (9)6.3 换道与超车控制 (9)6.3.1 换道控制策略 (9)6.3.2 超车控制策略 (9)6.3.3 换道与超车控制参数设置 (9)第7章决策与规划 (10)7.1 决策与规划算法 (10)7.1.1 决策算法 (10)7.1.2 规划算法 (10)7.2 遇障处理策略 (10)7.2.1 障碍物检测 (11)7.2.2 遇障处理方法 (11)7.3 行人及其他交通参与者交互策略 (11)7.3.1 行人交互策略 (11)7.3.2 其他交通参与者交互策略 (11)第8章安全性与风险评估 (11)8.1 安全性评价指标 (12)8.2 风险评估方法 (12)8.3 测试结果分析 (12)第9章测试数据与分析 (13)9.1 数据预处理与清洗 (13)9.1.1 数据清洗 (13)9.1.2 数据预处理 (13)9.2 测试数据统计分析 (13)9.2.1 描述性统计分析 (13)9.2.2 相关性分析 (13)9.2.3 假设检验 (14)9.3 测试结果可视化展示 (14)9.3.1 折线图 (14)9.3.2 散点图 (14)9.3.3 饼图 (14)9.3.4 地图 (14)第十章结论与展望 (14)10.1 测试成果总结 (14)10.2 不足与改进方向 (14)10.3 未来发展趋势与应用前景 (15)第1章引言1.1 研究背景与意义科技的飞速发展，无人驾驶汽车技术逐渐成为全球关注的热点。
无人驾驶技术发展现状分析
无人驾驶技术发展现状分析随着科技的飞速发展，人们对于交通出行的需求越发迫切。
而无人驾驶技术则是近年来备受瞩目的领域之一。
今天，我将与大家分享无人驾驶技术的发展现状。
一、无人驾驶技术的定义无人驾驶技术，顾名思义就是一种无需人类驾驶，通过计算机、传感器、地图等多种技术手段指导车辆行驶的技术。
无人驾驶技术可分为有人参与的辅助驾驶和全自动驾驶。
其中全自动驾驶级别分为L1~L5共五个级别，而目前最先进的技术只达到L4级别。
二、全球无人驾驶技术市场发展现状据国际市场研究公司ResearchAndMarkets发布的《全球无人驾驶汽车市场》报告显示，预计全球无人驾驶汽车市场规模将逐步扩大，到2030年市场规模将达2135亿美元。
其中，North America地区是目前全球无人驾驶技术最为成熟的地区之一，其市场占有率高达70%。
同时，无人驾驶技术对于各国政府的重视程度也不断加深。
例如，美国联邦政府在2018年发布了一份关于无人驾驶技术安全框架的报告，提出了无人驾驶技术需要遵循公共安全法规、道路交通法规等多项规定的要求。
而中国政府也在2017年8月发布了《无人驾驶汽车路试管理规定》，为无人驾驶技术的推广和应用提供了法律保障。
三、无人驾驶技术在不同行业的应用除了在道路交通领域，无人驾驶技术也在其他领域有着广泛的应用。
以下是一些例子：1. 农业：无人驾驶农机可帮助农民降低劳动力成本和因为农业机械设备操作所带来的劳动风险。
2. 快递配送: 京东物流等公司已经开始投入无人机、小车等无人驾驶技术，使得物流行业有了更为高效的解决方案。
3. 建筑工地: 无人驾驶设备可协助工人在工作时监测大型建筑结构、安全评估等。
4. 公共服务：无人驾驶设备可以在夜间运输透析等高值医疗物品，从而提高公共服务响应率和效率。
四、无人驾驶技术目前的发展难题虽然无人驾驶技术的发展前景十分广阔，但目前其仍然面临一些技术难题：1. 复杂路况：无人驾驶技术在处理复杂路况时难以像人一样作出准确的判断。
浅谈低速无人车发展现状、挑战及建议
FRONTIER DISCUSSION | 前沿探讨时代汽车 浅谈低速无人车发展现状、挑战及建议李川鹏 王秀旭中汽数据（天津）有限公司 天津市 300300摘 要： 随着无人驾驶技术的创新发展以及资本的投入，无人驾驶赛道热度持续上升，低速无人车成为资本新热点，被视为是破局无人驾驶落地的关键一步。
本文就低速无人车目前发展的现状及面临的问题进行探讨分析，并对其未来的发展趋势提出合理化建议。
关键词：低速 无人驾驶 挑战 建议1 低速无人车发展现状无人驾驶车，是一种无须人工干预而能够感知其周边环境和导航的车辆。
它利用了包括雷达、激光、超声波、GPS、里程计、计算机视觉等多种技术来感知其周边环境，通过先进的计算和控制系统，来识别障碍物和各种标识牌，规划合适的路径来控制车辆行驶。
“低速无人驾驶汽车”是指：应用场景相对简单固定，时速低于50公里/小时的自动驾驶汽车（一般亦称“低速自动驾驶”），主要应用区域包括校园、景区、园区、机场、矿山等；应用范围包括特定区域的物流配送、矿山开采、无人农用机械、餐饮及零售服务等无人车，分为载人和载货两种应用类型。
无人驾驶技术要落地应用，目前由于政策和技术的双重制约，高速乘用车无人驾驶全面落地商用似乎还遥遥无期。
相比之下，应用于封闭或半封闭场地的低速无人驾驶技术稳步着陆，政策上的限制相对较小，其应用价值近几年已经在多个场景中得到验证。
从需求、政策、技术层面来看，低速无人驾驶产业短期内最有可能实现商业价值。
目前，低速无人车行业的发展呈现以下发展趋势：1.1 市场需求端旺盛，应用前景广阔低速无人车应用领域众多，且需求旺盛。
以低速无人车为例。
在移动互联网时代下，网购用户数量和比例双重增长，用户对配送即时性的要求也越来越高。
大量的末端订单使得快递配送的作业模式以小批量、高频次的方式进行，效率低下，且成本极高，同时末端配送市场与劳动力间的矛盾，进一步拉动低速无人车需求。
此次疫情也让低速无人车彻底走入公众视野，为民众所认同并接受，低速无人车有望成为“最后一公里”难题的解决方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２０１８年无人驾驶行业深度研究报告L3半自动驾驶水平以上的行业发展，需要整个汽车行业供应商关系的重组和整合。
包括： 1、形成“车企+供应商+芯片巨头+打车软件+物流公司”的格局；2、共享经济下的租车打车、商业货运物流、以及低速半封闭场景领域会最快落地得到应用；3、L4相对比L1、L2，单车系统零部件支出会增长470%，从545美元升至3100美元/车。
我们认为全球L1-L5智能驾驶市场的渗透率会在接下来5年内依靠ADAS 市场的高速发展而处于高速渗透期，然后伴随半无人驾驶的普及进入稳速增长期，在来到2025年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。
我们预测到2030年，全球L4/5级别的自动驾驶车辆渗透率将达到15%，单车应用成本的显著提升之外，从L1-L4级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。
2020年开启无人驾驶「黄金十年」01传感器识别(Sensing)高精地图定位(Mapping)驾驶策略系统(DrivingPolicy)终极愿景：「在任何区域里发挥全效功能」无人驾驶两大技术阵营「 Diversity and Redundancy 」无人驾驶从L0到L5智能驾驶新风口，两大阵营愿景「在任何区域达到完全无人驾驶」AI 引领下，智能驾驶对交通运输和汽车制造业带来革新颠覆。
智能驾驶作为人工智能落地最快、产业空间最大的应用方向之一，行业当下处于优势资源聚拢整合的阶段，整车厂商以及新兴科技巨头纷纷加大布局。
执行转向或加减速驾驶环境监控驾驶决策（如换车道、转弯）系统能处理的驾驶工况示例L0无自动驾驶功能No-Automation L0无自动驾驶功能No-Automation 人人人不能仅具有提示功能的预警系统，如车道偏离预警、盲点监测L1单一功能辅助驾驶Function-specific AutomationL1驾驶员辅助Driver Assistance 人或系统人人部分如自适应巡航控制、车道保持L2多功能协同辅助驾驶Combined Function AutomationL2部分自动驾驶PartialAutomation 系统人人部分如自适应巡航+车道保持，自动刹车+自适应巡航L3有限自动驾驶Limited Self-Driving AutomationL3有限自动驾驶Condition Automation 系统系统人部分高速路况自动驾驶、自主泊车L4完全自动驾驶Full Self-Driving AutomationL4高度自动驾驶High Automation 系统系统系统部分人类只在特殊情况下介入L5完全自动驾驶Full Automation系统系统系统所有完全无需人类介入02车企加快自动驾驶布局，2020年成无人驾驶「商用元年」。
各公司发力布局，加速开启无人驾驶「黄金十年」2018201702Level 22016Level 5预计自动驾驶系统将在2年后达到Level 5级别Level 22017Level 52020年展示首款无人驾驶汽车Level 22017Level 5计划2019年开始量产无方向盘的自动驾驶汽车Level 12017Level 52021开始将无人驾驶汽车应用于租车和专车服务Level 22017Level 5预计自动驾驶可以在2020年实现Level 22017Level 5计划最早将于2021年推出达到L5的车队Level 22017452019L5: 2021特斯拉通用福特丰田日产宝马大众2015201620172018201920202021Automaker Public transport/Integrated mobility platform TechParking/Valet ParkingOnboard services Transport Network CompanyDelivery/LogisticsAutonomous drive MappingMobility Service Integrator「车企+供应商+芯片巨头+打车软件+物流公司」新格局02L3半自动驾驶水平以上的行业发展，需要整个汽车行业供应商关系的重组和整合。
从ADAS 到L4的成本变化L1到L4的单车零部件成本变化02L4相对比L1和L2，单车系统零部件支出会增长470%，从545美元提升到3100美元/车 。
两大趋势：1、车载摄像头的数量明显提升：从L1/2的每车2个提升到L3/4的每车8-12个。
2、激光雷达的成本瓶颈得以解决：激光雷达技术的发展将打破自动驾驶在L3/4级别的成本瓶颈。
目前谷歌Waymo 通过自行打造全套传感器设备，将激光雷达成本从8万美元下降到约7500美元。
我们认为实现可商业量产级别的激光雷达成本应在1000美元以下。
Uber也是无人驾驶共享经济的积极推动者，但与Google诉讼大战未息，管理层更迭，让Uber的无人驾驶之路步履蹒跚。
Lyft获通用5亿美元投资后，又牵手Google，进一步补充Google向共享出行的生态建设。
滴滴牵手四维图新挖掘出行数据，今年3月宣布在硅谷建立人工智能实验室，并寻求收购或投资相关无人驾驶技术公司。
打车软件紧抓数据，把握共享经济02共享经济下的租车打车以及商业货运领域会最快落地得到应用。
我们常说的自动驾驶出租车(self-driving cabs)的共享经济概念。
Uber一直以来的打算就是未来的叫车服务将不再需要人类驾驶员，Uber完全控制驾驶系统以及自有车辆，这样可以极大地节约人力成本与提高车辆的使用率，从而减低路面的拥堵。
通用与Lyft以及Cruise Automation的合作就被看作是通用希望未来人们使用Lyft打车时搭乘无人交通工具。
通用表示非常看好未来自动驾驶出租车市场的巨大发展空间，他们也认为无人驾驶技术最先应用的地方就是拼车及租车服务。
Elon Musk的大师计划第二部中也看到了共享经济的概念，由于当前大部分私家车每天的使用率仅为5-10%，Musk希望自动驾驶的特斯拉能加入特斯拉网络(Tesla Network)中。
这样的共享经济将大部分的价值归还到车主手中，降低特斯拉的使用成本。
谷歌已经开始在美国Phoenix尝试上线自动驾驶打车服务，目前已经用了600辆克莱斯勒minivan，并宣布购买2万辆捷豹路虎电动汽车I-Pace，预计在2020年将捷豹汽车整合到无人驾驶车队中。
无人驾驶将在商业用车上最快落地02共享经济下的租车打车以及商业货运领域会最快落地得到应用。
MIT Tech Review 预测2017年全球十大新兴科技趋势之一：在高速公路上长途行驶的自动驾驶货车很有可能会成为最快落地的无人驾驶项目，并对百万计的货车司机职位产生冲击。
当无人驾驶技术真正成熟时，我们认为共享经济下的租车打车以及2B 商业货运领域会最快落地。
Jensen 就强调包括物流行业DHL 、UPS 、FedEx ，交通行业滴滴、Uber 、Lyft 等公司，都会从机器学习公司进化成AI 公司，带动整个行业的革新。
无人卡车的需求来自现实的司机缺口，美国卡车货运量占到了美国本土货运量的70%，而到2024年司机缺口会提升到175000人。
包括Uber （在3月的致命事故后宣布暂停测试）、Volvo 、Daimler 、Peterbilt 、国内的图森科技等都在研发相应技术。
瑞典初创公司Einride 的T-Pod 自动半挂卡车采用英伟达自动驾驶平台，预计今年秋天面市。
Waymo 宣布与本田合作设计自动送货车，按照Waymo 的设计，自动送货车辆可能会比传统货车小，并且可能没有任何手动控制装置，高度自动化。
图森科技采用英伟达的技术，主要面向无人驾驶卡车进行开发，传感器采用8枚摄像头、3组毫米波雷达的配置。
美国内华达州是最早通过无人驾驶相关法案的州，此后有超过20个州通过相关法案。
中国CNCAP 正在遵循 2018-2020年的时间规划，包括引入FCW 和车辆、行人AEB ，并会将AEB 的转载率加入对车型安全考核评分当中。
西方国家为安全评级加入更多安全驾驶功能标准，政策推动ADAS 功能渗透率的加速提升是市场扩张的关键催化剂，会为ADAS 市场带来结构化行业利好。
联合国在2016年3月对《维也纳道路交通公约》进行修订，赋予了自动驾驶车合法身份。
各国政策助力无人驾驶落地02传感器识别(Sensing)高精地图定位(Mapping)驾驶策略系统(DrivingPolicy)终极愿景：「在任何区域里发挥全效功能」无人驾驶两大技术阵营「 Diversity and Redundancy 」04无人驾驶的最理想硬件配置04无人驾驶的传感器Mobileye 三焦距摄像头识别技术Mobileye 的“摄像头+雷达”无人驾驶方案基于机器视觉和神经网络，拥有极高的数据及技术壁垒。
Mobileye 运用单摄像头附带传感器和定制化神经网络系统芯片，将物体探测任务在单一硬件平台上执行。
这套方案受人类驾驶员的视觉驾驶状态启发，系统通过车载摄像头捕捉路况，对实时路况随时进行适应和调整。
MBLY 在Sensing ，Mapping 和Driving Policy 的三大护城河：1. 传感器识别：超过十年的机器视觉图像识别技术，行业领先的单眼摄像头图像识别处理技术（计算机视觉深度学习）；2. 高精度地图：帮助车辆在整个路径规划中精确定位，提供无人驾驶系统安全冗余，道路体验管理系统(REM)端到端地图和定位引擎，通过众包数据集成，打造实时高精度路书Roadbook ，让车辆在Roadbook 中实时精准定位。
3. 驾驶决策系统：使用强化学习算法训练驾驶决策系统神经网络，让驾驶决策系统在模拟过程中自行试错调试，不断模拟逼近最优化驾驶方案，并真正掌握人类驾驶员才会的精细驾驶技巧。
无人驾驶的传感器：摄像头04道路体验管理(REM)系统1.REM 系统透过Mobileye 的EyeQ 处理芯片运作；2.利用极低的频宽采集包括交通信号、指示牌、路灯及反光标等「地标」，得到一个简单的 3D 坐标数据 (Sparse 3D)；3.再通过识别车道线信息、路沿、隔离带等获取丰富的 1D 数据(Dense 1D)；4.位于云端的后端软体则会负责将所有用户车辆所收集到的资料，整合成一张全球地图Roadbook （众包数据）；5.数据流量仅10Kb/km ，识别精度可达10cm ；6.目前车企合作伙伴：宝马、通用、大众、尼桑、雷诺，上汽等。
Mobileye 的计算机视觉驾驶征途04Mobileye手握5个L3和5个L4项目，预计有12个EyeQ4项目在2019年启动Mobileye在2017年宣布与27家OEM的70款车型新签30个ADAS项目Mobileye深入广泛的行业合作布局04360度环视摄像头右侧中距雷达远距雷达360度环视摄像头激光扫描器6个前向超声波传感器左侧中距雷达中央驾驶辅助控制系统zFAS前视摄像头右后向中距雷达360度环视摄像头左后向中距雷达6个后向超声波传感器驾驶员情况探测品牌车型A8LModel S7系S 级激光雷达1---前视摄像头1311长测距雷达11??中测距雷达4-??环视摄像头4544超声波雷达12121212红外夜视摄像机1-112016年7月，奥迪设立名为SDS 的子公司，专注于自动驾驶技术。