早在2018年4月,由工信部、公安部、交通部三部门联合印发的《智能网联汽车道路测试管理规范(试行)》(以下简称《管理规范》)正式对外发布。《管理规范》对智能网联汽车上路测试的主体、测试驾驶人及测试车辆、测试申请及审核、测试管理、交通违法和事故处理等进行了明确规定。由此开始,全国不少城市在《管理规范》的统一指导下纷纷制定了地方版的管理规范,于是地方性的自动驾驶测试场地、开放道路、产业园区等纷纷开建。
2020年,自动驾驶产业发展机遇与挑战并存,政策频发、资本加大投入。前不久,中国汽车技术研究中心有限公司(CATARC,以下简称中汽中心)与国际自动机工程师学会联合发布了CL2级中国首个智能驾驶等级认证规则,并向中国一汽、广汽新能源、一汽奔腾三家企业的三个车型分布颁发了SAE与CATARC双冠标认证的CL2级智能行车、CL2级智能泊车认证证书。
根据SAE方面提供的智能网联汽车测试技术规范和功能认证范本可以发现,针对目前市场上L2级智能驾驶汽车的功能特点,这些认证从安全保障措施、系统功能表现和碰撞避免能力3个方面,对包括行车功能和泊车功能在内的L2级智能驾驶功能车辆的安全性和舒适性进行了综合评价,这对推动自动驾驶产业的规范化发展,提升行业技术发展水平,甚至是消费者选购车辆都具有一定的参考依据。
自动驾驶行业经历了初期的狂热,正逐步回归冷静,产业链各方现已将目光聚焦在技术和产品的落地上。从目前自动驾驶的发展路径来看,主要有两条路线:一是渐进式,即从传统的L1、L2、L3级自动驾驶技术进行迭代,更关注功能本身,主要面对私人用户;一是跨越式,即直接涉足L3+或L4级自动驾驶,主要对应无人驾驶出租车。
智能化大潮之下,传统车企纷纷加速转型,积极拥抱物联网自动驾驶新机遇。例如,东风日产。眼下,东风日产导入日产ProPILOT自动驾驶辅助系统,并结合中国复杂多变的道路状况进行本土化开发与测试。与此同时,其还与百度、腾讯、华为等互联网头部企业合作,致力于搭建具有开放性和延展性的智能化应用平台,开展跨界生态合作等。
从技术层面来看,将PC、移动端已经成熟的技术结合具体业务场景定制、按优先级顺序应用到智能网联汽车上,并选择合适的自动化工具,应用于安全驾驶、路面环境识别等流程中,也慢慢成为了行业发展的一大方向。
在跨过政策法规、技术两大难关之后,自动驾驶产业规模化落地的最后一座大山就是成本。尽管目前高等级自动驾驶(L4)的单车改造成本仍然居高不下、耗资较大,但业界对于自动驾驶成本随着技术进步进步而大幅下降的前景满怀信心。
汽车“四化”的出现,使车辆零部件的概念和范畴发生了变化。从新能源汽车的电池、电机、电控到自动驾驶所涉及的芯片、控制器、传感器、执行器等硬件,到高精地图、云控平台、网联通信、AI算法等软件,都成了产业链的重要组成部分。除了火热的路测之外,为更好的实现自动驾驶的目标,汽车部件产品升级步伐将加快,功能也将更加稳定和丰富。
当然,智能汽车已经逐渐从实验室和示范运营转向量产,新产品走向市场也是新技术落地、接受用户检验的过程。而有关部门、科研机构、科技企业的共同努力,将推动自动驾驶新业态的涌现和落地,自动驾驶相关产业也将迎来新一轮跃升机遇。
关键字:传统车企 转型 物联网 自动驾驶
引用地址:
传统车企加速实现转型,积极拥抱物联网自动驾驶新机遇
推荐阅读最新更新时间:2024-11-10 05:50
物联网再掀新浪潮 机遇与问题并存
随着互联网的不断发展,虚拟的网络已经彻底渗入人们的日常点滴,出行、交流、生活等各个方面都少不了互联网的身影。 但近年来, 物联网 这一名词的曝光率也逐渐变高,中国电信、通用电气(GE)等业界大佬最近都动作频频,纷纷加码物联网。物联网有望掀起全新浪潮。 万物互联 物联网不仅仅在家庭及消费级设备取得发展,公用设施和农业等拥有大型资产的行业也开始应用物联网系统。 物联网是在互联网概念的基础上,将其用户端延伸和扩展到任何物品与物品之间,进行信息交换和通信的一种网络概念。 随着连接设备如Nest和Sonos进入主流,物联网已经变成近20年来最热门的科技趋势之一,这方面的技术应用已经成为应用领域的关注热点。来自CBI
[物联网]
自动驾驶迈向商业化,将进入新发展阶段
疫情之下,“无人”概念意外迎来2020年的第一缕曙光。 在人们被迫“宅在家”的日子里,无人车助力疫情的相关短视频在抖音悄然“走红”,画面上,一辆印有“京东物流”Logo的无人配送小车在武汉青山区吉林街上“来去自如”,穿过建设二路路口后,最终将物资顺利运达至武汉第九医院。 京东之外,华为、高新兴、驭势科技、智行者、新石器、普渡科技等众多企业也参与到了这场助力赛当中——全民“抗疫”背景下,属于他们的无人车正在武汉乃至全国各大城市和医院中,为当地居民提供消毒、送餐、物流、测温等服务。这也标志着,无人消毒车、无人清扫车、无人配送车等车型第一次真实走进普通百姓生活中。 众多网友评论:科技改变生活。但“炒”了许久的无
[嵌入式]
AdaSky开发热成像传感器 提升自动驾驶汽车视觉性能
未来,自动驾驶汽车将主要依赖三种车载传感器:摄像头、雷达和激光雷达。然而,据外媒报道,以色列初创公司AdaSky则希望利用热成像技术。目前,世界各国军队都使用热成像技术在低能见度情况下寻找目标,而AdaSky认为,在其他传感器失效的情况下,热成像技术有助于自动驾驶汽车探测周围环境。 (图片来源:AdaSky) 热成像也称为红外线,使用光谱的一部分,探测人与物体发出的热量。AdaSky销售总监Raz Peleg表示,由于热成像不依赖可见光谱中的光,因此可以在阳光、雨水、雾或雪等天气条件下工作,而此种条件下摄像头或激光雷达可能会失灵。 低能见度对于驾驶而言非常危险。最近,美国汽车协会的一项研究发现,行人检测系统在黑暗条件
[汽车电子]
Nuro获$9.4亿融资,软银为自动驾驶谋发展
美国 自动驾驶 初创公司Nuro宣布获得软银愿景基金9.4亿美元融资,估值27亿美元。Nuro是由两位前Waymo(谷歌无人车项目)工程师朱佳俊和Dave Ferguson在2016年创办的无人配送物流企业。 随着这笔融资的完成,Nuro完成了来自软银、高榕资本、Greylock Partners、网易创始人丁磊在内等投资人超过10亿美元的融资。单笔9.4亿美元,也创下了独立自动驾驶公司的融资记录,远超过此前Zoox的5亿美元和Aurora的5.3亿美元。 进入2019年,短短的一周内,自动驾驶相继爆出了超大额的单轮融资记录,包括了Aurora的5.3亿美元和Nuro的9.4亿美元。软银自2018年投资通用Cruis
[汽车电子]
从操作系统层面,窥探IoT时代商机
随着终端发展,物联网的发展速度将进一步提升,预计未来2-3年,物联网在中国的发展将迎来突破性机遇。如智能抄表取代人工抄表、智能环境监测取代人工考察、监控摄像头节约人力耗费等等,将促使人与物的连接更为紧密。 在芯片领域,NB-IoT芯片已经商业成熟,从2017年下半年开始,华为NB-IoT芯片月出货量可达100万片,中国三大运营商也已经开始共进部署,成为创新引擎重要一部分;在操作系统领域,市面上有很多种物联网操作系统,比如Con TI ki、 TI nyOS、Nano-RK、t-Kernel等等,那么华为LiteOS相对于这些操作系统有什么优势可言?目前LiteOS针对的是哪些应用领域?为此,电子发烧友在STM32峰会上有机会与
[嵌入式]
打响自动驾驶芯片大战,英特尔能否重现PC辉煌
“寻找下一个改变世界的突破点”,这句话并非广告语, 芯片 巨头 英特尔 一直在努力着。49年风雨历程, 英特尔 才成为全球最大的 芯片 制造商,同时也是计算机、网络和通信产品的领先制造商。在 英特尔 万余件产品中,有几个重要的里程碑产品,这些产品影响了全球整个IT产业的发展,成就了无数IT界精英。但是最近,这家被国际公认的老牌 芯片 巨头,却出人意料的执行破釜沉舟的转型计划。 犹记得,近日不久,英特尔才发布新一代满足游戏玩家需求的酷睿处理器芯片,发布之后,这位曾经的PC端芯片巨头突然宣布,在未来,英特尔的重心将放在 自动驾驶 芯片上,并表示花费超2200亿元,这项举措,表明英特尔决定通过并购填补在 自动驾驶 领域的技术空
[汽车电子]
智能驾驶与智能辅助驾驶仿真与验证框架
自动驾驶车辆(AV)集成了复杂的感知和定位组件,以创建其周围世界的模型,然后用于安全导航车辆。基于机器学习(ML)的模型被普遍用于这些组件中,以从嘈杂的传感器数据中提取物体信息。对这些组件的要求主要是为了实现尽可能高的准确性。由于现代汽车部署了许多传感器(视觉、雷达和激光雷达),实时处理所有的数据导致工程师做出权衡,这可能导致在某些驾驶情况下产生次优的系统。 由于缺乏对单个组件的精确要求,模块化测试和验证也变得具有挑战性。 目前行业中,有人提出了从顶级驾驶场景仿真中推导出安全AV行为所需的抽象世界模型精度的问题。这在计算上是很昂贵的,因为世界模型可能包含许多具有多个属性的对象,而且在仿真过程中,AV在每个时间步都会提取一个
[嵌入式]
基于实车在环(ViL)的自动驾驶功能一致性评估
引言 自动驾驶功能的开发和评估在汽车行业内已经很常见了。尤其是自动泊车功能,其低速和小范围操作使得更容易用自动方式实现。但是,想要让使用者满意,这些功能必须能够顺畅地执行,至少要与人类驾驶员一样快。本文将介绍德国MdynamiX及其合作伙伴联合实现的适用于实验室开发的实车在环(ViL)方法,以支持自动驾驶功能一致性开发和评估。 ViL方法的应用 无论是部分自动化,还是全自动化,泊车功能自动化水平不断增加。尽管泊车时车速不高,但是测试自动泊车功能复杂且高成本,因为泊车场景种类众多。为了确保所有交通参与者的安全,不同车辆、不同环境、不同情况下的泊车,比如倒车入库、侧方停车,带来了诸多挑战。如果想要测试所有这些场景,测试将很复杂。比
[嵌入式]