自动驾驶产业链发展机遇分析报告.docx
- 文档编号:12589902
- 上传时间:2023-06-06
- 格式:DOCX
- 页数:46
- 大小:12.71MB
自动驾驶产业链发展机遇分析报告.docx
《自动驾驶产业链发展机遇分析报告.docx》由会员分享,可在线阅读,更多相关《自动驾驶产业链发展机遇分析报告.docx(46页珍藏版)》请在冰点文库上搜索。
自动驾驶产业链发展机遇分析报告
(此文档为word格式,可任意修改编辑!
)
2017年1月
正文目录
图表目录
一、技术突破和政策利好助力,自动驾驶行业蓬勃发展
1.1通讯及人工智能技术不断突破,为自动驾驶发展提供技术支持
车联网通讯技术的成熟和高速移动互联网技术的发展为自动驾驶奠定基础。
自动驾驶的构想来源于1939年纽约世界博览会。
当时采用无线电控制,使用电力驱动,由嵌在道路中的电磁场提供能量来源,实现“自动驾驶”。
此后,随着智能驾驶逻辑算法,视觉导航以及神经网络控制系统的研究,自动驾驶技术开始了飞跃式的发展。
车联网通讯技术(DSRC/LTE-V)的成熟和高速移动互联网(5G)的发展,为构建传感器网络,实现车云交互和车车通讯/车路通讯(V2V/V2I)奠定基础,是自动驾驶获得突破进展的重要技术保障。
此外,机器视觉、深度学习等人工智能领域的突破对自动驾驶的发展意义重大,涌现出Mobileye等一系列优秀的服务于自动驾驶的人工智能企业。
图表1自动驾驶车辆传感器众多,通讯和移动互联网奠定技术基础
激光雷达等传感器成本不断降低驱动行业快速发展。
“激光雷达+摄像头+毫米波雷达”的传感器组合成为主流的自动驾驶解决方案。
激光雷达的优势在于三维建模,探测范围广,探测精度高。
激光雷达固态化是未来趋势,固态激光雷达体积更小,系统可靠性提升,同时成本有望大幅降低。
当前使用的激光雷达普遍价格仍在8000美元之上,但激光雷达行业著名公司Velodyne已拥有在大规模量产的情况下降激光雷达价格降至500美元的能力。
图表2主流激光雷达性能指标
1.2法律法规不断完善,为自动驾驶行业保驾护航
产业催化屡超预期,倒逼政策法规加速放开。
目前市场普遍预计自动驾驶的产业化时点在2025年左右,但整车和互联网厂商的自动驾驶技术和产品发展均极为迅速。
特斯拉、谷歌等均已展开自动驾驶汽车上路测试,预计在2020-2022年推出量产车型。
当前,自动驾驶交通事故责任坚定仍是监管难题,但产业界的飞速发展有望倒逼监管层尽快商议出台相关政策法规,并交互促进、逐步引领后续产业链成熟。
美国政府对自动驾驶的测试和应用持开放态度,联邦法案、地方法案双重推进。
2016年1月,美国交通部长代表政府宣布未来十年将在资金层面上在给予40亿美元的资金支持,同时在两年内豁免整个汽车行业2500辆汽车遵循现行相关交通安全规定。
这是第一次在国家法律层面上对自动驾驶技术进行扶持与引导。
自动驾驶技术合法化,肯定了自动驾驶汽车的合法性。
目前已经有17家汽车公司被批准在加州公路上进行无人车测试。
2016年9月,美国交通部发布针对从事自动驾驶技术厂商的首份指导意见书,12月,美交通部在其官网公开招标自动驾驶汽车测试场设计项目。
图表3美国政府出台的相关政策法规或监管措施
欧盟国家重视自动驾驶,监管快速推进。
法国曾于2013年推出了《新工业法国》战略,将自动驾驶列为着重培育发展的34个部门之一;2016年2月,法国公布了自动驾驶汽车发展路线图,投资1亿欧元,利用三年时间重点研发自动驾驶汽车;8月,法国政府正式批准外国汽车制造商在公路上测试自动驾驶汽车。
2016年7月,英国商务部和运输部大臣公开表示将清除束缚自动驾驶车的法规,包括交通规则,以及驾驶员必须遵守的政策法规等。
德国在2013年就允许博世的自动驾驶技术在国内进行路试,之后又有梅赛德斯奔驰等公司相继得到政府批准,在德国高速公路、城市交通和乡间道路等多环境开展自动驾驶汽车的实地测试。
2016年7月,德国交通部长表示,该国计划立法,要求汽车制造商为旗下配备了自动驾驶模式的汽车安装黑匣子,帮助确认事故责任人。
图表4欧洲关于自动驾驶的政策监管不断完善
中国起步较晚但发展迅速,有望在顶层设计的基础上推出全国通用的标准。
2016年10月中国汽车工程学会发布450页自动驾驶技术路线图,预计2018年的下一次路线图更新中,将为V2X基础设施通信标准奠定基础,在2020至2025年期间有望制定更具体标准推动自动驾驶行业发展。
图表5中国关于自动驾驶的相关政策规定
1.3汽车制造商与科技类公司均大力布局,推动产业发展
海外汽车制造厂商占据先机,产业布局迅猛提速。
汽车制造商拥有深厚产业链资源积累,已在自动驾驶汽车行业展开广泛布局。
2016年3月,通用汽车收购无人车初创公司CruiseAutomation,2016年下半年,通用与Lyft合作生产首款纯自动驾驶车。
福特计划2025年开始公开出售自动驾驶汽车。
2016年11月28日,宝马集团宣布公司计划在未来10年时间内,通过旗下iVentures部门,研发自动驾驶相关的新汽车技术。
图表6海外汽车制造厂商在自动驾驶领域的布局
图表7海外汽车制造厂商的自动驾驶汽车
卡位人工智能,海外科技类公司竞相逐鹿。
自动驾驶是人工智能的重要应用场景之一,谷歌、苹果、英特尔等国外科技巨头凭借大数据与深度学习卡位人工智能,进军自动驾驶汽车制造。
由于传统汽车机械构造复杂、供应链体系相对封闭与稳定,这些新进入的科技巨头往往选择电动车作为突破口,互联、电动、智能融合并进。
由于自动驾驶对人工智能的视觉识别、语音交互和智能芯片等技术重度依赖,因此在人工智能行业有深入布局的科技巨头在自动驾驶产业中拥有技术优势,与汽车研发、制造商的联合将使其获得更快发展。
2016年,谷歌自动驾驶部门独立为Waymo公司,英特尔宣布与德国宝马、Mobileye合作共同开发自动驾驶汽车,产品将在2020年问世。
Uber用七亿美元价格并购了自动驾驶货车公司otto,并联合沃尔沃投资3亿美元研发自动驾驶汽车。
2016年12月,NVIDIA获批在加州测试自动驾驶车辆,成为第20家能够在加州公共道路上进行自动驾驶车辆测试的公司。
图表8国外科技巨头竞相布局自动驾驶
国内汽车制造商跃跃欲试,自动驾驶蓬勃新生。
2016年12月,长城汽车与四维图新签署了《汽车自动驾驶项目合作协议》,双方将在自动驾驶领域发挥各自优势,联合开发自动驾驶相关技术。
四维图新将向长城汽车的自动驾驶汽车提供核心导航服务、高精度地图数据和引擎。
长城汽车将向四维图新提供自动驾驶车辆用于试验路试。
双方将在包括车辆自动控制、体系结构、智能驾驶决策算法、环境感知算法在内的自动驾驶技术领域方面合作布局,推进自动驾驶技术的早日商用。
2016年6月,吉利汽车与富豪汽车在自动驾驶技术、车联网、引擎及波箱等领域达成合作协议,共同研发自动驾驶和互联网技术。
图表9国内汽车制造商积极涉足自动驾驶
以BAT为首的互联网公司加快自动驾驶布局。
2016年12月中旬,腾讯与上海国际汽车城签订合作协议,在自动驾驶、高清地图和智能网联汽车等领域进行深层次合作,共同推进自动驾驶技术发展和商业化推广应用。
2016年12月26日腾讯联合四维图新、新加坡政府投资公司GIC拟收购国外知名汽车地图导航服务商here10%的股份,开拓高精度地图业务。
阿里巴巴宣布与中国兵器工业集团公司共同推进北斗卫星导航系统在民用化市场落地。
2015年12月,XX自动驾驶汽车完成上路测试;2016年8月,XX宣布将与福特共同投资硅谷激光雷达技术厂商VelodyneLiDAR。
图表10以BAT为首的国内互联网公司加快自动驾驶布局
图表11BAT发挥各自优势,布局自动驾驶
1.4相比传统驾驶优势显著,易于被消费者接受
相比传统驾驶,自动驾驶优势显著,容易被消费者接受。
(1)改善道路拥堵的状况。
由于计算机选择路线的规划能力强、执行驾驶行为的精确性高,能够显著提升交通效率、降低拥堵。
(2)减少交通事故发生率。
自动驾驶车辆拥有道路监控功能,能够保持车与车直接的最佳距离,同时具有正向碰撞警报系统,可以减少碰撞事故发生率。
(3)释放劳动力。
麦肯锡公司估计,自动驾驶汽车每天为全球司机节省的时间总和高达10亿个小时。
摩根士丹利研究显示,自动驾驶汽车带来的生产力提升,每年可为美国经济增加5070亿美元价值。
(4)改善特殊人群的移动能力。
自动驾驶汽车可以帮助老年人、残疾人出行。
谷歌展示了这种技术的巨大潜力,比如盲人驾驶自动驾驶汽车。
(5)减少温室气体排放。
自动驾驶汽车在加速、制动以及变速等方面都进行了优化,有助于提高燃油效率、减少温室气体排放。
据麦肯锡咨询公司预测,自动驾驶汽车每年帮助减少3亿吨温室气体排放,这相当于航空业二氧化碳排放量的一半。
图表12自动驾驶驱动及阻碍因素分析
二、自动驾驶两种产业路径:
传统车厂渐进式推进,互联网厂商跨越式发展
2.1自动驾驶可划分为五个等级,目前处于初级阶段
自动驾驶按照汽车控制权及安全责任分配可分为不同等级。
不同机构对自动驾驶的分级标准大致相同,但具体级别稍有差异。
国际自动机械工程师协会(SAE)将自动驾驶技术分为0到5级,分别对应完全手动驾驶、辅助驾驶、部分模块自动化、特定条件下自动化、高度自动化以及全自动化的自动驾驶。
而美国高速公路安全管理局(NHTSA)将自动驾驶技术的发展分为L1到L4四个等级:
L1:
车辆的一个或多个功能能够实现自动化,且各项功能之间能够独立工作,能给予驾驶员危险警告。
包括夜视、行人检测、交通标志识别、车道偏离警告、盲点监测、后排平交路口交通警报等。
驾驶员可以解放双脚。
L2:
包括至少两种主要基本自动控制功能,组合功能实现自动化,遇到危险时系统会相应采取部分措施。
主要有自适应巡航、车道保持功能、紧急制动刹车等功能。
驾驶员可以解放双手。
L3:
在限定环境下可以实现自动驾驶,判断是否恢复驾驶者自主操作模式。
驾驶员可以解放双眼。
L4:
在任意条件下实现完全自动驾驶。
驾驶员可以解放大脑。
图表13自动驾驶的四个等级
自动驾驶当前处于L1-L2级,预计2025年可实现完全自动驾驶汽车的商业化。
目前L1级和L2级辅助驾驶车辆已经成熟量产,L3级综合功能自动驾驶已有充分技术储备,如丰田的公路自动驾驶辅助AHAC,特斯拉的自动巡航Autopilot,以及通用的SuperCruise。
预计L3级别汽车将于2018-2020年实现量产。
高度自动驾驶已经进入试验阶段,预计2020年可达量产水平,最终完全自动驾驶预计将于2025年实现,在此之前,高级驾驶辅助系统ADAS仍将发挥重要作用。
乐观预计2030年的新车销售中,完全自动驾驶车占比约15%,部分自动驾驶车占比约50%。
图表14自动驾驶发展路径
2.2传统车厂从ADAS向自动驾驶升级
传统汽车厂商预计将采用逐步提升的方案从ADAS最终实现自动驾驶。
传统汽车厂商已拥有半自动技术储备,辅助驾驶技术已经配置在一部分车型,同时拥有丰富的整车制造经验和完善的配套服务体系,预计将从ADAS辅助驾驶系统切入,逐步提高汽车的自动化、智能化程度来向完全自动驾驶过渡。
图表15自动驾驶发展的两种路径
宝马:
与XX和英特尔合作进军自动驾驶。
宝马进军自动驾驶领域始于2014年9月与XX的合作。
2015年年底宝马与XX合作研发的自动驾驶车辆顺利完成城市路况及高速路况混合测试,测试地点为北京,测试车型为宝马3系GT。
2016年7月宝马、以色列辅助驾驶研发公司Mobileye及英特尔宣布合作,将联合研发制造自动驾驶电动车iNext,计划于2021年推出,取代7系成为旗舰轿车。
英特尔提供芯片可以提高车辆的运算速度,Mobileye提供智能行车预警系统。
宝马表示,未来该平台研发成功后将向汽车、科技公司开放。
2017年1月5日,宝马集团、英特尔和Mobileye在CES发布会上联合宣布,约40辆宝马自动驾驶汽车将于2017年下半年开始路测,这些BMW7系列汽车将采用英特尔和Mobileye技术,从美国和欧洲开始全球路测之旅。
图表16宝马自动驾驶布局
图表17宝马7系自动驾驶测试
图表18宝马、英特尔、Mobileye合作开发自动驾驶
奔驰:
成功完成多次自动驾驶试验。
奔驰的自动驾驶实验始于2013年,公司宣布奔驰S级轿车完成自动驾驶路试,从德国曼海姆出发行驶100公里达到普福尔茨海姆。
2015年6月宣布2016款E级轿车将可以实现完全自动驾驶。
2015年1月奔驰在国际消费电子展(CES)发布F015LuxuryinMotion自动驾驶概念车,3月在美国旧金山进行路试,计划于2030年推出。
2016年7月,奔驰旗下一款名为“未来巴士(FutureBus)”的自动驾驶巴士在荷兰阿姆斯特丹进行了处女航,该车搭载了公司最新的自动驾驶系统CityPilot。
图表19奔驰自动驾驶布局
图表20戴姆勒未来巴士
图表21奔驰DAVOS的自动驾驶系统
奥迪:
重点面向竞速赛进行自动驾驶研发。
奥迪从2009年起开始研发自动驾驶技术,自动驾驶版本TTS在美国盐湖城进行测试。
随后奥迪将研究重点放在自动驾驶车辆参与竞速赛。
2014年,基于旗下高性能版本轿车RS7打造的RS7PilotedDriving在德国霍根海姆赛道成功完成测试。
截至16年,奥迪的自动驾驶技术研发更面向赛道,因此相比奔驰宝马更加强调运动性,同时奥迪也表示未来计划将自动驾驶技术应用在旗舰轿车A8中。
16年11月,奥迪与德国联邦交通部、巴伐利亚省以及相关供应链大厂合作计划DigitalMotorwayTestBed数位化道路实测平台,该计划是要在纽伦堡东部和慕尼黑北部之间的A9公路,进行一系列的piloteddriving无人自动驾驶技术测试。
图表22奥迪自动驾驶布局
特斯拉:
成熟硬件+机器学习领跑智能驾驶商用化车型。
特斯拉以电动车为核心突破口,具备了成熟硬件设计和制造能力后,大力拓展自动驾驶汽车领域。
2015年10月底,特斯拉推出的ModelS7.0版本实现了辅助驾驶,并在8.0版本中使用雷达进行环境识别,同时配备更先进的信号处理技术。
在用户数量持续增长的背景下,特斯拉可根据海量数据不断改善提升算法性能和驾驶体验,可以预见特斯拉辅助驾驶的智能程度将会有显著提升。
图表23特斯拉2010-2015年营业收入情况及增长率
图表24特斯拉自动驾驶布局
图表25特斯拉modelS
图表26特斯拉8.0辅助驾驶系统
2.3互联网公司依托数据、算法优势跨越式发展
依托数据+算法技术优势,互联网企业有望直接跨越到高等级自动驾驶。
互联网技术是自动驾驶实现的重要一环,无论是单车智能还是车辆与外界的通讯,网络互联技术都必不可少。
互联网公司拥有大量的数据资源,在软件和硬件研发上积累深厚。
互联网公司可以发挥自身优势,通过海量数据完善自动驾驶模型,通过加强人工智能的研究,提高汽车系统的深度学习能力和自主决策能力。
并且如阿里、XX等互联网企业可以凭借地图业务方面的积累布局高精度地图。
以XX为首的互联网公司积极投资激光雷达领域。
这些技术直接对应的是高等级的自动驾驶技术。
图表27中国互联网企业布局高精度地图和激光雷达
谷歌:
最早布局自动驾驶,海量数据及先进算法遥遥领先。
谷歌是最早布局自动驾驶的企业之一,谷歌自动驾驶汽车主要由谷歌公司的GoogleX实验室研发。
从2009年开始测试,到2015年,55辆谷歌自动驾驶汽车的道路测试总里程达到130万英里(约合209万公里),截止到2016年5月,谷歌自动驾驶车队在自动驾驶模式下行驶了265万公里,在人工驾驶模式下行驶了180万公里。
2016年12月,谷歌将自动驾驶汽车项目分拆成为独立公司Waymo,据Waymo官网显示,自动驾驶汽车目前掌握了相当于人类300多年的驾驶经验(总行驶里程约合322万公里),大部分是城市街道的经验。
图表28谷歌自动驾驶发展历程
高精度传感器与车载计算机为谷歌自动驾驶汽车保驾护航。
谷歌自动驾驶原型车通过车顶上的扫描器发射64束激光射线,激光碰到车辆周围的物体,又反射回来,这样就计算出了物体的距离。
另一套在底部的系统测量出车辆在三个方向上的加速度、角速度等数据,然后再结合GPS数据计算出车辆的位置,所有这些数据与车载摄像机捕获的图像一起输入计算机,软件以极高的速度处理这些数据。
车载计算机对这些数据进行分析。
车载计算机会对行人、自行车、车辆分类,然后分别对它们的行为和意图,在保证不发生任何碰撞的前提下选择最佳的行车路线到达目的地。
图表29谷歌自动汽车结构图
XX:
与整车制造商展开多层次合作。
XX于2013年正式启动自动驾驶项目,主要与第三方汽车厂商合作制造自动驾驶汽车,项目包括高精度地图,定位,感知,智能决策与控制四大模块。
2015年12月,XX自动驾驶车在国内实现了城市,环路及高速道路与混合路况的全自动驾驶。
在自动驾驶中,汽车完成了减速,变道,超车,掉头等一系列复杂的行为活动,实际上路测试阶段时速最高可达100公里。
2016年3月,XX宣布与长安汽车战略合作,共同开发智慧汽车,智慧汽车将以长安汽车为蓝本,将XX车辆私有云、手机-车机互联解决方案植入到汽车;同时XX将与长安汽车共同开发车辆语音控制技术,并实现该技术在长安车型上的量产。
2016年10月10日,福田汽车集团在北京与XX签署战略合作协议,将就车联网、大数据、智能汽车和自动驾驶展开全面合作,共同打造面向未来的智能互联网商用汽车。
图表30XX自动驾驶布局
图表31XX与长安汽车共同推出的智慧汽车
图表32福田汽车集团XX战略合作
三、自动驾驶产业链:
产业链各环节均迎来重要发展机遇
现阶段自动驾驶的核心产业链涉及感应识别、路径规划、决策、执行和网联。
感应识别指的是车辆通过摄像头、激光雷达、毫米波雷达、车身传感器等元件感应和识别车辆周围情况;路径规划指的是依靠高精度数字地图制定行车路线;决策指的是集合感应识别层所传导过来的信息,通过智能的决策芯片作出决策,并对车辆下达执行指令;执行层收到决策层的指令后,按照决策指令和配套的电子行车系统进行行车并到达目的地。
车联网V2X是自动驾驶和未来智能交通运输系统的关键技术,当环境感知系统无法做到全天候、全路况的准确感知时,V2X可以利用通信技术、卫星导航对感知系统进行协调互补。
图表33自动驾驶产业链
3.1感应识别元件是自动驾驶汽车的眼睛
主流的感应识别元件主要以摄像头和雷达为主,并辅以红外探头,到达多传感器协调合作,实现车辆周围环境全覆盖。
目前市场上主要存在传感器包括摄像头、超声波雷达、激光雷达、毫米波雷达、红外探头。
图表34感应识别元件对比
(1)车载摄像头
车载摄像头主要分为前视摄像头,侧视摄像头和后视摄像头。
前视摄像头主要应用于自适应巡航、车道偏离预警、前撞预警、行人监测等;侧视摄像头可以观察车辆两侧的情况,结合前后视摄像头,将可以实现360°全景影像系统、自动泊车等;后视摄像头主要应用于倒车可视系统、后方碰撞预防系统等。
图表35车载摄像头应用
机器视觉在自动驾驶中不可或缺。
以摄像头为代表的机器视觉传感器是自动驾驶的核心感知技术。
视觉系统不仅能够识别目标距汽车的距离,还能够识别目标的纹理和色彩,这是车载雷达所不能做到的。
成熟的视觉系统,可以实现对道路信息(包括车道、交通信号灯、交通路标等)、障碍物、行人以及车辆的精准识别,并提前给予驾驶员提示。
图表36摄像头图像识别
车载摄像头市场在ADAS的带动将维持高速增长。
随着自动驾驶技术的发展,ADAS的渗透率在逐步提高,驱动着车载摄像头的持续高增长。
据智研咨询统计,2015年我国车载镜头行业产量约1880万个,同比增长57%,并且近四年来增速都维持在40%以上。
预计在自动驾驶的高景气的情况下,车载镜头行业将维持高增速。
图表37车载镜头产能
(2)超声波雷达
超声波雷达主要是利用超声波原理,由探头发送超声波撞击障碍物后反射此声波,计算出车体与障碍物间的实际距离,然后提示给用户。
超声波雷达现在主要应用于倒车雷达,帮助驾驶员扫除倒车时产生的视野死角和视线模糊的障碍。
超声波雷达探测距离相对较短,目前多数的普通家用轿车均已装配了超声波的倒车雷达装置。
图表38超声波雷达示意
由于汽车销量的增长、单价下降和装配率上升的多重驱动,全球超声波雷达需求持续增长。
据智研咨询数据显示,2013年全球倒车雷达总需求量达到3880万套,同比增长24.6%;全球汽车产销量增长,倒车雷达单价下降、前装装配率提升,后装市场放量等多重因素是推动全球倒车雷达需求市场快速增长的重要推力。
2009年全球倒车雷达需求量市场规模为14.3亿美元,截至2013年底全球倒车雷达市场规模达到29.3亿美元。
图表39全球倒车雷达需求量
图表40全球倒车雷达市场规模
国内超声波雷达市场需求潜力巨大。
随着国内倒车雷达技术的加强、上下游产业格局整合,将会拉动国内倒车雷达的市场需求,据智研咨询数据显示,2013年国内倒车雷达市场消费量达到1225万套,预计2019年国内倒车雷达的消费量将达到2520万套。
图表41国内倒车雷达需求
(3)激光雷达
激光雷达的原理与雷达原理相似,根据激光遇到障碍后的折返时间,计算与目标的相对距离。
激光雷达的激光光束与超声波雷达的声波和毫米波雷达的电磁波相比更加聚拢,声波和电磁波在传播路径上遇到尺寸比波长小的物体时,将会发生衍射现象,因此,无法探测大量存在的小型目标,而激光雷达可以准确测量视场中物体轮廓边沿与设备间的相对距离,精度可达到厘米级别。
而用于雷达系统的激光波长一般只有微米的量级,因而它能够探测非常微小的目标,测量精度也远远高于毫米波雷达及其他车载标准雷达。
图表42激光雷达示意图
激光雷达的劣势在于价格昂贵,低成本化是大趋势。
虽然激光雷达的测量精度高,但也存在着价格昂贵等劣势,激光雷达的测量精度与其雷达线束的多少有关,线束越多,测量精度越精准,ADAS自动驾驶系统的安全性也越高。
同时线束越多,其价格也越昂贵。
激光雷达按有无机械旋转部件分类,分为机械激光雷达和固态激光雷达,固态激光雷达无需旋转部件,尺寸较小、性价比较高、测量精度相对低一些。
低成本化是激光雷达的一大趋势,目前行业有三种方式来降低整个激光雷达的成本与价格:
(1)降维,即使用低线束低成本激光雷达配合其他传感器。
(2)采用全固态激光雷达代替机械激光雷达。
(3)通过规模效益降低激光雷达的单个成本。
图表43激光雷达降低成本的方案
激光雷达市场未来5年复合增长率将保持在18.5%。
根据美国联合市场一项最新研究报告显示,截至2016全球激光雷达市场规模约为1.37亿美元,到2022年,全球激光雷达市场规模或将达到9.212亿美元,年复合增长率达18.5%。
(4)毫米波雷达
毫米波雷达指工作在毫米波波段的雷达。
采用雷达向周围发射无线电,波长在1-10mm,频率在30G-300GHz,比较常见的汽车毫米波雷达工作频率在24GHz、77GH、79GHz这三个频率附近,24GHz为中短距离测距,范围从5-70米不等,77GHz和79GHz为中长距离测距,范围从100-250米不等。
毫米波雷达通过测定和分析反射波以计算障碍物的距离、方向、角度、相对速度和大小。
利用毫米波雷达可以做到让车辆自适应巡航及跟随前车;当汽车与周围的物体可能有碰撞发生时,通过警告提醒装置告知驾驶员或车辆采取自动紧急制动避免碰撞;当碰撞不可避免时,通过对刹车、头靠、安全带等进行控制,减轻因碰撞而带来的危害。
图表44毫米波雷达工作示意
图表45毫米波雷达分类
毫米波雷达受益于自动驾驶的发展,市场持续放量。
随着各大厂商和科技巨头持续对自动驾驶的投入,自动驾驶技术保持着超快的进步速度,而ADAS作为自动驾驶的核心技术之一随之受益,毫米波雷达又是ADAS的感知
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 自动 驾驶 产业链 发展 机遇 分析 报告