部分场景工况下实现l4级无人驾驶（L4级自动驾驶技术及应用场景行业研究报告）

引言：

自动驾驶是指让汽车自己拥有环境感知、路径规划并且自主实现车辆控制的技术，也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。未来随着车载技术的进一步成熟以及新技术的应用，L4级自动驾驶将会最终进入乘用车平台和城市道路环境，自动驾驶汽车在城市环境下最好的应用场景是共享出行领域，预计这将会彻底改变消费者的拥/用车习惯，对传统私家车市场形成巨大冲击，轿车厂商因此会转型布局出行服务市场。

本篇报告我们将主要论述L4级自动驾驶系统技术、成本和商业化应用场景。

自动驾驶的定义和技术分层

从L4级自动驾驶开始实现系统对驾驶员的替代

自动驾驶是指让汽车自己拥有环境感知、路径规划并且自主实现车辆控制的技术，也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。美国汽车工程师协会（SAE）根据系统对于车辆操控任务的把控程度，将自动驾驶技术分为L0-L5，系统在L1~L3级主要起辅助功能；当到达L4级，车辆驾驶将全部交给系统，而L4、L5的区别在于特定场景和全场景应用。本篇报告我们将主要论述L4级自动驾驶系统技术、成本和商业化应用场景。

自动驾驶产业链

自动驾驶创造机会吸引行业外企业共同参与技术体系研发

自动驾驶涉及到极为复杂的多产业融合，除了传统整车制造以外还涉及到了大量新兴技术，如：人工智能、大数据、物联网等，由于传统厂商难以短时间内形成相关技术研发能力，因此这给予了行业外相关技术企业进入这一巨大新兴市场的绝佳机会。

除了新型高精度传感器（Lidar）等Tier2厂商外，人工智能创业公司着手开发自动驾驶算法以及针对特定或通用场景的整套系统解决方案；而互联网企业基于其在数据、资金、行业所拥有的强大综合实力，希望为未来出行领域开发L4、L5平台级自动驾驶系统；传统厂商OEMs、Tier1s也看到了自动驾驶巨大的商业机会，除了通过开发ADAS模块，使其现有产品逐渐获得L1~L3级自动驾驶能力以外，其也通过自建，整体收购的形式组建自己的自动驾驶研发团队，目标是开发适应未来的完全无人驾驶产品。

L4级自动驾驶技术及成本分析自动驾驶整体技术实现层级：感知层、决策层、执行层

L4级自动驾驶系统实现在特定区域内对车辆操作的完全接管，系统需要实现：对周围障碍物的感知、车辆定位以及路径规划（2W1H），实现这些功能需要构建感知层、决策层、执行层这三个层面的技术架构，这三个技术层级分别代表着L4自动驾驶系统的眼和耳、大脑以及手脚。基于当前技术发展情况，我们在本部分主要讨论车辆内部所采用的一些传感器和计算单元。除了本地的传感器和处理器外，系统通过与外部车辆、设施进行信息交互，以及在高精度地图等辅助下可以获得更好的环境感知能力。

自动驾驶环境感知传感器

感知层需要对多种传感器进行融合以实现冗余

感知层主要是为自动驾驶系统获取外部行驶道路环境数据并帮助系统进行车辆定位，当前无人驾驶系统中代表性的传感器有激光雷达、摄像头、毫米波雷达、超声波雷达、GNSS/IMU等，由于其工作原理、技术特性各不相同决定其适用的应用场景各异，所以当前大部分车辆都是采用多种传感器相融合的方式以应对各种可能发生的情况，保证系统冗余。

自动驾驶计算决策层

IC公司和Tier1大力投资研发布局该领域

目前自动驾驶厂商传感器搭配基本趋同，而决定L4级自动驾驶落地的时间快慢更多的是取决于系统的决策环节，包括相关算法和计算平台。我们知道传感器每秒钟都会产生大量数据，计算平台需要有能力在极短时间内对大量的数据进行处理、分析并给车辆执行层下达操作指令以保证自动驾驶车辆的安全行驶。

自动驾驶专用计算平台需要能够融合多种专用芯片和处理器，技术门槛极高，当前各大科技公司、Tier1都在布局该领域的技术研发，尤其是专业芯片环节具有极高的技术门槛，如Intel收购Altera（FPGA）、Movidius（视觉处理芯片）和Mobileye。目前由于产量少、造价高昂，当前一台计算平台的售价都在几万元甚至是十几万元，随着未来量产，成本有望降至万元以下。

当前L4级自动驾驶系统硬件成本高昂

随着产业链成熟和产量提升硬件成本有望实现大幅下降

目前大体上实现L4自动驾驶的硬件设备一般包含：6~12台摄像头、3~12台毫米波雷达、5台以内的激光雷达以及1~2台GNSS/IMU和1~2台计算平台（不同方案会选择不同侧重的传感器）。当前一整套L4级自动驾驶系统硬件成本还比较昂贵，整体基本在50万元左右甚至更高，而未来随着资本、研发的不断投入，自动驾驶产品逐渐落地、配套产业链逐渐成熟，预计整套系统硬件成本会在1~2年左右降至10~20万元，并最终有望控制在10万元以内。

L4级自动驾驶商业化应用场景分析

初期高投入换取后续人工费用降低和运营效率的提升

L4级自动驾驶技术是指在确定的区域范围内实现系统对车辆的完全接管，在考虑适合L4级自动驾驶的商业化应用场景时，我们应该综合考虑以下因素：当前系统还不够聪明，难以应对过于复杂的道路环境；当前L4级自动驾驶硬件成本依然高昂，甚至比车辆自身成本还高，虽然未来成本有望下降，但依然会达到10万元左右，过高的成本导致其可能并不适合应用于私家车；L4级自动驾驶系统最大的优势就在于对驾驶员的完全替代，在考虑人力成本愈发高昂的当下，这可以节省大量的人力成本；系统在运营时间、运营效率等方面的表现都要优于人类驾驶员。因此在考虑L4级自动驾驶应用场景的时候需要综合考虑多方面因素。

港区物流运输场景

我国港口经营面临由注重吞吐量转向提高服务质量

港口是贸易往来中的重要节点，90%的进出口物资是通过海运并经港口实现的。目前全球前20大集装箱港口中中国占其中一半，前10大集装箱港口中有7个来自中国。随着集装箱船舶大型化、经营联盟化、班轮公司集中度急速提升这一趋势，对大型枢纽港提升码头服务能级、效率和质量、进一步优化资源配置、降低口岸综合成本等都提出了更高的要求；此外港口管理还面临廉价劳动力供给下降，随着工人健康意识的提升，新一代的劳务人员对于传统的工作模式变得难以适应，在未来港口将会面临着用工荒和用人成本大幅上升的情况。

港口的发展模式正在从传统的单纯注重通过能力和吞吐量，转为口岸效率、服务质量、综合物流、科技创新和可持续发展等方面的的全面竞争，港口管理集团在未来的发展过程中可通过引入无人岸桥、自动驾驶内集卡等设备以上发展目标。

L4级自动驾驶在港口自动化改造方案中比AGV更有竞争力

目前国内多个港口探索通过自动化改造提升集装箱运输效率和服务质量，如上海港洋山四期全自动化港口，7个集装箱泊位，共集成了26台岸桥、120台轨道吊和超过130台AGV，设计目标将实现集装箱吞吐630万TEU/年，自动化改造提升了港口的工作效率，同时为港口节省了极大的人力成本。其中，洋山四期采用AGV代替了内集卡（内集卡主要是负责在岸桥（岸边起重机）和场桥（堆场起重机）之间的运输任务）。但AGV价格昂贵，且前期需要对车量运行区域预埋导航设备，如需路线更改，则需要重新铺装导航设备；相比之下由于L4自动驾驶卡车是基于成熟卡车平台建造，成本相对低廉，且由于其导航方式不需要对港区进行基建改造，相比起AGV方案有投入少、运行灵活、适用面广等优点。

细分市场空间有限但实现难度较小

截至2017年末，全国共拥有生产码头27578个，万吨级及以上泊位2366个。在万吨及以上泊位中，集装箱泊位共328个。以洋山港四期为例，其共有7个集装箱泊位，配置有130台AGV，若我们假设同样数量L4自动驾驶内集卡运输效能等同于AGV的话，则按该比例我们可以推算得出，全国现有集装箱码头数量若全部进行内集卡自动化升级改造则需要6091台内集卡，若每台的改装费用为20万元，则改装市场空间为12.18亿元。

在码头场景应用自动驾驶卡车难度较小，原因在于：码头场景相对封闭，运行区域规范整洁，适合于L4自动驾驶系统运行；虽然内集卡自动化升级需要一定成本，而国内的干线枢纽港出于在未来行业竞争中能够处于有利的竞争地位，有动力去对港口设施进行信息化、自动化升级改造；此外，自动驾驶内集卡可以节省8元/TEU的人力运输成本，并使得利润提升3.4倍。

干线物流运输场景

中国公路物流运输行业集中度较低行业未来面临整合

中国公路运输总量占整体物流总量的70~80%，地位及其重要，但物流成本占GDP总量的16%，远高于欧美发达国家10%的水平。中国物流行业存在着小、散、杂等特点，90%的承运商单位都是中小运营商，个体车队占63%，行业集中度低、竞争激烈、行业利润率低。

未来随着政策趋严导致的行业门槛提升以及当市场达到一定的饱和度时，行业将会进入整合并将淘汰效率低的小企业，集中度进一步提升，在未来行业竞争中行业龙头企业胜出的关键因素是要能够满足客户多元化需求，为客户提供透明、高效、标准化、低成本的服务。

L4级自动驾驶技术助力综合物流龙头企业降低运营成本

人工费用及运输成本费用是物流运输公司最主要的成本，如国内公路物流上市公司标的“德邦股份”2017年年报显示人工费用和运输费用分别占公司营业成本的45.12%和37.51%。尤其是人工费用，随着未来中国人口红利逐渐消失，社会劳动力成本进一步上升，将会对物流公司的利润水平造成巨大的压力。

L4级自动驾驶技术可以有效降低公路物流公司对于卡车司机的需求——尤其是在干线运输环节，根据我们的调研，业内人士认为人工成本因为自动驾驶技术的引入可以下降2/3，此外，预计自动驾驶技术在固定线路上可以实现最有效率的驾驶方式，并极大地降低交通事故的发生概率，因此燃油费用和保险费用也会因此相应下调，最终由于引入自动驾驶系统整体利润率可实现近3倍的增长。

干线运输行业规模庞大，但技术渗透尚需解决行业问题

中国有近1500万辆公路货运车辆和3000万名货车司机，而当前自动驾驶技术比较适用于干线运输这一细分场景，主要原因在于干线运输行驶场景主要为高速公路，高速公路相比起城市主干道来说，行人、骑车人数量较少，复杂的道路路口、交通指示灯等设施相对较少，系统对道路上车辆行驶轨迹更好进行预测。因此，在测算市场规模上我们主要关注重型卡车（干线运输）领域， 国内重卡保有量近600万辆，按比例推算对应司机数量应该在1200万名左右。假设每辆车的改装成本在20万元，则这是一个近1.2万亿的存量市场。

虽然干线物流运输拥有较大的市场空间，但是行业中所遗留的一些历史问题阻碍了自动驾驶技术的推行，如甩挂模式推行困难，单车在运货到站后到再装满货物离站往往需要等待1~2天；此外，自动驾驶汽车能否正式上路运行最终还要通过政府相关部门的审批。

其他应用场景

当前L4级自动驾驶落地城市一般道路应用场景困难较大

目前自动驾驶汽车进入城市一般道路应用场景难度还是比较大，即使是目前技术最领先的Waymo（MPD数据排名第一），在其测试的凤凰城地区也经常会有当地居民抱怨Waymo测试车在道路上的表现过于呆板。

如果想要自动驾驶汽车在城市场景应用，可以选择某些低速、固定线路的应用场景，如：固定区域低速场景：最后一公里低速物流车、道路清洁车等市政车辆；在开放道路固定线路上行驶的公交车，其类似于轨道交通车辆，运行线路固定，道路情况虽然比较复杂，但是车速不快，还可以采取在车辆外安装LED信息告示板主动向车辆周边的行人和车辆告知自动驾驶车辆的下一步动作而避免可能发生的事故。此外，载客相比起之前我们重点分析的载货场景，还需要考虑乘客的搭乘体验，这对车辆控制算法有更严格的要求，因此技术难度更大。

行业未来发展展望汽车将朝向电子化方向发展

伴随电子化率提升汽车价值核心从硬件转向软件

随着自动驾驶技术的发展，汽车计算单元将会由分布式转为集中式设计，自动驾驶系统将会整合更多的传感器、处理器、芯片、通讯模块等电子元器件并进行统一的数据处理，整车成本中电子元器件占比将会被大幅提升。

此外，当前普通汽车中软件设计相较于3C产品比较落后而且在车辆全生命周期中无法得到任何的线上更新，手机、电脑的产品更迭周期在12~24个月，汽车产品的更迭周期却是3~5年，而未来随着汽车电子化、智能化、联网化发展，人们在汽车上将会获得如使用手机或笔记本电脑一般的使用体验，通过OTA技术，车辆可以通过线上实现数据和系统的更新和迭代。因此，未来汽车产品的核心价值将会从传统的硬件更多转向软件。

汽车行业结构变革

传统汽车厂商加大对上下游投资布局避免发展成为代工厂

伴随着自动驾驶技术的发展，当L4级自动驾驶逐渐渗透进入乘用车平台时，相关新兴技术的引入和商业化应用场景的变化将会造成整体汽车行业产业结构的剧变，正如我们之前分析的，汽车的硬件制造将会被大大削弱，而且自动驾驶在未来有可能会颠覆人们的出行模式和汽车属性。

实际当前各大汽车巨头已经注意到了行业变化趋势并开始提前布局以应对未来的行业变化，我们当前能够看到汽车整车厂商主要布局下游共享出行行业和上游核心技术厂商以及地图数据厂商。此外，除了传统汽车厂商以外，半导体巨头也看好该领域并通过自研或收购汽车电子（芯片）提前布局进入汽车行业。

自动驾驶未来将会改变人们的出行方式

自动驾驶助力共享出行改变城市居民“拥/用”车习惯

在城市化发展进程中，随着越来越多的人口涌入城市，城市边界逐渐扩张，人们对于车辆的需求也逐年扩张，目前全国有1.6亿人有驾驶照却没有自己的私家车，而拥车一族也有车辆使用率低、交通拥堵、停车困难等问题。

共享化出行是被普遍看好的可以解决以上问题的最好办法，但传统的网约车存在着司机管理困难，人工成本高昂，政策监管等问题，而分时租赁取车以及归还地点固定，若取车点分布较少则使用不方便，相反则面临着高昂的停车场租用费。

自动驾驶车辆是天然的共享出行平台，虽然其初始投入高，但作为自动化共享出行工具，其既可以解决司机管理、人力成本高昂等问题，同时其还可以通过后台配单自动驶往临近的叫车人，同时结合网约车的便利性和分时租赁的经济性。

智能自动驾驶车辆同时结合了网约车便利性和分时租赁经济性特点，既解决了网约车司机的管理和人力成本问题，又解决了分时租赁取、归还车辆不方便的问题；密歇根交通研究院测算一辆共享自动驾驶汽车可以替代9.34辆传统汽车，这将大幅降低汽车密度并解决交通拥堵问题，同时为城市节省大量的停车场用地资源。

,