本文從概述篇、技術篇、人才篇、應用篇、趨勢篇5個部分描述了自動駕駛的情況。

當今，自動駕駛技術已經成為整個汽車產業(yè)的最新發(fā)展方向。應用自動駕駛技術可以全面提升汽車駕駛的安全性、舒適性，滿足更高層次的市場需求等。自動駕駛技術得益于人工智能技術的應用及推廣，在環(huán)境感知、精準定位、決策與規(guī)劃、控制與執(zhí)行、高精地圖與車聯網V2X等方面實現了全面提升。

科研院校、汽車制造廠商、科技公司、自動駕駛汽車創(chuàng)業(yè)公司以及汽車零部件供應商在自動駕駛技術領域進行不斷地探索，尋求通過人工智能技術來獲得技術上的新突破。

本報告在此背景下，對自動駕駛汽車進行了簡單梳理，包括以下內容：

概述篇

定義

自動駕駛汽車（AutomatedVehicle；Intelligent Vehicle；Autonomous Vehicle；Self-driving Car；Driverless Car）又稱智能汽車、自主汽車、自動駕駛汽車或輪式移動機器人，是一種通過計算機實現自動駕駛的智能汽車。

在介紹自動駕駛汽車之前，我們先來了解一下SAE J3016標準。該標準于2014年由美國SAEInternational（國際汽車工程師學會）制定，內容如下圖所示。

SAE J3016標準

國外發(fā)展圖譜

小編將為大家梳理國外無人駕駛汽車發(fā)展歷程。

下圖所示為國外發(fā)展的重要時間節(jié)點事件，點擊下方鏈接可了解自動駕駛汽車發(fā)展詳情。

從20世紀70年代至今，自動駕駛汽車的發(fā)展經歷了哪些歷史性的變革？

國內發(fā)展圖譜

下圖所示為國內發(fā)展的重要時間節(jié)點事件，點擊下方鏈接可了解自動駕駛汽車發(fā)展詳情。

從20世紀70年代至今，自動駕駛汽車的發(fā)展經歷了哪些歷史性的變革？

技術篇

技術篇著重對無人駕駛技術研究中的重要技術進行介紹，如下所示。

環(huán)境感知

環(huán)境感知作為其他部分的基礎，處于自動駕駛汽車與外界環(huán)境信息交互的關鍵位置，是實現自動駕駛的前提條件，起著人類駕駛員“眼睛”“耳朵”的作用。

環(huán)境感知技術是利用攝像機、激光雷達、毫米波雷達、超聲波等車載傳感器，以及V2X和5G網絡等獲取汽車所處的交通環(huán)境信息和車輛狀態(tài)信息等多源信息，為自動駕駛汽車的決策規(guī)劃進行服務。

精準定位

自動駕駛汽車的基礎是精準導航，不僅需要獲取車輛與外界環(huán)境的相對位置關系，還需要通過車身狀態(tài)感知確定車輛的絕對位置與方位。

決策與規(guī)劃

智能汽車根據傳感器輸入的各種參數等生成期望的路徑，并將相應的控制量提供給后續(xù)的控制器。所以決策規(guī)劃是一項重要的研究內容，決定了在行駛過程中車輛能否順暢、準確地完成各種駕駛行為。

控制與執(zhí)行

自動駕駛汽車的車輛控制系統(tǒng)是自動駕駛汽車行駛的基礎，包括車輛的縱向控制和橫向控制。

縱向控制，即車輛的驅動與制動控制，是指通過對油門和制動的協調，實現對期望車速的精確跟隨。

橫向控制，即通過方向盤角度的調整以及輪胎力的控制，實現自動駕駛汽車的路徑跟蹤。

高精地圖與車聯網V2X

高精地圖擁有精確的車輛位置信息和豐富的道路元素數據信息，起到構建類似于人腦對于空間的整體記憶與認知的功能，可以幫助汽車預知路面復雜信息，如坡度、曲率、航向等，更好地規(guī)避潛在的風險，是自動駕駛汽車的核心技術之一。

V2X表示Vehicle to X，其中X表示基礎設施（Infrastructure）、車輛（Vehicle）、行人（Pedestrian）、道路（Road）等。V2X網聯通信集成了V2N、V2V、V2I和V2P共四類關健技術。

人才篇

人才篇第一部分通過AMiner大數據平臺對AMiner的自動駕駛人才庫進行數據挖掘，統(tǒng)計分析出領域內學者分布及遷徙。第二部分介紹了目前自動駕駛汽車領域的國內外代表性研究學者。

國外學者分布

AMiner以“automated vehicle”為關鍵詞，對自動駕駛領域全球top1000的學者進行計算分析，繪制了該領域學者的全球分布地圖如下。

根據上圖，我們可以得出以下結論：

從國家來看，美國是自動駕駛汽車研究學者聚集最多的國家，英國、中國緊隨其后，加拿大和意大利也聚集了很多該領域的人才。

從地區(qū)來看，西歐是自動駕駛汽車人才的集中地，而中國大陸、美國東部等地區(qū)也吸引了大量自動駕駛汽車的研究學者。

國外學者遷徙

AMiner對全球自動駕駛汽車領域最具影響力的1000人的遷徙路徑進行了統(tǒng)計分析，得出下圖所示的各國人才逆順差對比圖。

由上圖可以看出，各國自動駕駛領域人才的流失和引進是相對比較均衡的。

其中美國是自動駕駛領域人才流動大國，人才輸入和輸出都大幅領先，且從數據來看，人才流出略大于流入。英國、德國、中國和加拿大等國人才流動量落后于美國，中國人才流入量大于流出量。

自動駕駛領域全球人才遷徙動圖

國內學者分布

AMiner以“automated vehicle”為關鍵詞，對自動駕駛領域中國top1000的學者進行計算分析，繪制了該領域學者的中國分布地圖。

根據上圖，我們可以看出：

自動駕駛研究學者在中國主要集中在北京、上海和南京，其次西安、長沙、武漢和成都也聚集了部分該領域的人才。

國內代表性研究學者

自動駕駛技術領域的國內代表性研究學者包括賀漢根、李德毅、楊靜宇、鄭南寧等。

應用篇

業(yè)界普遍認為，自動駕駛技術在公共交通領域和特定場所的使用將早于在個人乘用車市場的普及。自動駕駛汽車將最先應用的行業(yè)包括公共交通、快遞運輸、服務于老年人和殘疾人，如下圖所示。

趨勢篇

歐盟的歐洲委員會當地時間5月17日公布的自動駕駛時間進度表指出，計劃到2020年在高速公路上實現自動駕駛，在城市中心區(qū)域實現低速自動駕駛；到2030年普及完全自動駕駛。

我國發(fā)布的《節(jié)能與新能源汽車技術路線圖》指出：

到2020年，輔助自動駕駛車輛市場占有率將達50％；

到2025年，高度自動駕駛車輛市場占有率將達約15％；

到2030年，完全自動駕駛車輛市場占有率將近10％。

全局熱點

通過AMiner對1968 – 2017年間自動駕駛領域論文的挖掘，我們總結出50年來，自動駕駛的領域關鍵詞主要集中在control systems (控制系統(tǒng)）、nonlinear systems（非線性系統(tǒng)）、mathematical model（數學模型）等領域。

注：每個彩色分支表示一個關鍵詞領域，其寬度表示該關鍵詞的研究熱度。

各關鍵詞在每一年份（縱軸）的位置是按照這一時間點上的熱度高低進行排序的。