加入收藏
| 文字：[ 大 中 小 ]
報(bào)告簡(jiǎn)介
報(bào)告目錄
2016年中國(guó)汽車(chē)智能駕駛產(chǎn)業(yè)深度研究分析報(bào)告
1、智能駕駛大風(fēng)起，千億藍(lán)海先占為王 4
1.1、無(wú)人駕駛技術(shù)引領(lǐng)智能駕駛走向成熟 4
1.1.1、底層軟、硬件性?xún)r(jià)比觸及臨界點(diǎn) 5
1.1.2、外力倒逼行業(yè)變革，轉(zhuǎn)型升級(jí)創(chuàng)造投資機(jī)遇 7
1.1.3、政策頂層設(shè)計(jì)跟進(jìn)，政策托底推廣門(mén)檻 8
1.2、零配件行業(yè)重構(gòu)、自主品牌迎來(lái)良機(jī) 10
1.1.3、智能駕駛，千億盛宴 11
2、科技新貴PK 傳統(tǒng)巨頭：數(shù)據(jù)制勝，算法為王 12
2.1、谷歌只能解放駕駛者，而非重構(gòu)產(chǎn)業(yè)鏈 12
2.1.1、谷歌的自上而下“跨越模式” 14
2.1.2、豐田的自下而上“漸進(jìn)模式” 16
2.2、Google 智能駕駛細(xì)談：模塊化布局，階段式研發(fā) 17
2.3、時(shí)間維度：研發(fā)三階段，初期以目標(biāo)物體識(shí)別為主 22
2.4、豐田：輔助駕駛為主，注重產(chǎn)業(yè)化 25
2.5、識(shí)別和融合算法：智能駕駛技術(shù)核心 27
2.5.1、目標(biāo)物體識(shí)別算法：精度和響應(yīng)度關(guān)乎生命 27
2.5.2、傳感器融合算法：多傳感器互補(bǔ)提升精度 33
3、ADAS：點(diǎn)石成金，現(xiàn)階段最具潛力領(lǐng)域 35
3.1、政策兜底，開(kāi)啟“泛智能化”千億級(jí)市場(chǎng) 35
3.1.1、ADAS 效果顯著，政策兜底倒逼市場(chǎng)滲透率提升 35
3.1.2、歐美日ADAS 成為標(biāo)配，自主品牌仍是藍(lán)海 36
3.1.3、2020 年ADAS 市場(chǎng)空間700 億，泛智能駕駛市場(chǎng)空間超2000 億 41
3.2、前后裝之爭(zhēng)：后裝局限，得前裝者得天下 41
3.3、技術(shù)路徑之爭(zhēng)：“攝像頭+毫米波雷達(dá)”搭配是主流 43
3.3.1、單純視覺(jué)方案：應(yīng)用場(chǎng)景受到局限 44
3.3.2、“攝像頭+毫米波雷達(dá)”：成本、精度、速度的均衡解決方案 45
3.4. 產(chǎn)業(yè)機(jī)遇：外延并購(gòu)短平快，切入前裝現(xiàn)良機(jī) 47
4、智能駕駛產(chǎn)業(yè)鏈競(jìng)爭(zhēng)格局分析 48
4.1、傳感器 49
4.2、處理器 53
4.3、通信模塊 55
4.4、算法應(yīng)用層。涉及數(shù)據(jù)、算法和遠(yuǎn)程支持 56
5、投資策略及風(fēng)險(xiǎn)提示 59
附錄：中英文詞匯對(duì)照 60
圖表目錄
圖表 1：不同應(yīng)用對(duì)于傳輸網(wǎng)絡(luò)帶寬及延遲要求 5
圖表 2：不同傳輸技術(shù)的理論下行帶寬 5
圖表 3：Hedonic 芯片價(jià)格指數(shù)直線(xiàn)下降 6
圖表 4：通用安吉星提供車(chē)載信息服務(wù) 7
圖表 5：Google、蘋(píng)果、百度、樂(lè)視互聯(lián)網(wǎng)造車(chē) 8
圖表 6：吉利博瑞、奔馳S、馬自達(dá)CX-5、寶馬5 8
圖表 7：技術(shù)路線(xiàn)圖對(duì)于DA\PA\HA\FA 四階段劃分及各階段滲透率要求 9
圖表 8：各國(guó)ADAS 相關(guān)法規(guī)政策一覽 10
圖表 9：《技術(shù)路線(xiàn)圖》中對(duì)于各模塊自主化率的規(guī)定 10
圖表 10：2014 年全球各大地區(qū)ADAS 主要功能模塊滲透率 12
圖表 11：2014-2020年我國(guó)智能駕駛市場(chǎng)空間 12
圖表 12：全球前八大無(wú)人駕駛專(zhuān)利最多的公司 13
圖表 13：Google 和豐田專(zhuān)利占比（前八大公司） 14
圖表 14：基于豐田普銳斯的Google 無(wú)人駕駛汽車(chē) 15
圖表 15：Google 汽車(chē)搭載的Velodyne 激光雷達(dá) 16
圖表 16：基于感知、認(rèn)知、決策、執(zhí)行的Google 無(wú)人駕駛系統(tǒng) 17
圖表 17：Google 專(zhuān)利模塊占比情況 19
圖表 18：Google 專(zhuān)利細(xì)分領(lǐng)域占比統(tǒng)計(jì) 19
圖表 19：通過(guò)比較特征之間的共性和差異識(shí)別物體-1 20
圖表 20：通過(guò)比較特征之間的共性和差異識(shí)別物體-2 20
圖表 21：基于激光雷達(dá)的行人手勢(shì)識(shí)別 20
圖表 22：識(shí)別障礙物改變行車(chē)路徑 21
圖表 23：激光雷達(dá)掃描效果，左為原圖，右為點(diǎn)云數(shù)據(jù)結(jié)果 22
圖表 24：時(shí)間維度Google 專(zhuān)利圖 23
圖表 25：Google 人機(jī)交互端示意圖 24
圖表 26：豐田無(wú)人駕駛專(zhuān)利統(tǒng)計(jì) 26
圖表 27：豐田旗下各車(chē)型輔助駕駛功能模塊ADAS 裝載率 26
圖表 28：不同路況目標(biāo)物體的差異化識(shí)別 27
圖表 29：目標(biāo)物體識(shí)別算法 28
圖表 30：視覺(jué)識(shí)別過(guò)程中的前處理和前景分離 29
圖表 31：視覺(jué)算法中的物體識(shí)別過(guò)程 30
圖表 32：當(dāng)誤檢率=0.1 行人/圖時(shí)，漏檢率逐年降低 31
圖表 33：誤檢率和漏檢率的反向變動(dòng)關(guān)系 31
圖表 34:現(xiàn)有算法在精度和運(yùn)算速度之間的對(duì)應(yīng)關(guān)系 32
圖表 35:2016 CES 展NVIDIA 發(fā)布汽車(chē)用平臺(tái)PX2 32
圖表 36:PX2 具體性能一覽 33
圖表 37:傳感器之間的性能差異對(duì)比 34
圖表 38:毫米波雷達(dá) 34
圖表 39:激光雷達(dá) 34
圖表 40:智能汽車(chē)發(fā)展的五階段 35
圖表 41：ADAS 各項(xiàng)功能對(duì)于降低交通事故死亡率具有重要意義 36
圖表 42：歐系車(chē)型ADAS 功能最為豐富，已為中檔車(chē)標(biāo)配 37
圖表 43：日系車(chē)型ADAS 覆蓋率最高，已為標(biāo)配 37
圖表 44：美系車(chē)型覆蓋率適中，功能以FCW\LDW\ACC 為主 38
圖表 45：自主品牌ADAS 適配車(chē)型一覽，仍是藍(lán)海 39
圖表 46：合資品牌ADAS 滲透率較高 39
圖表 47：2014-2020 年-ADAS市場(chǎng)空間 41
圖表 48：Mobileye OEM 和AM 市場(chǎng)比重 42
圖表 49：載有FCW\LDW\PCW 的Mobileye560 42
圖表 50：ADAS 主要功能模塊傳感器的配合使用情況 43
圖表 51：主要Tire-1 廠(chǎng)商ADAS 解決方案對(duì)比 44
圖表 52：Mobileye 數(shù)據(jù)積累和算法改良 44
圖表 53：Mobileye EyeQ4 系統(tǒng)架構(gòu) 46
圖表 54：技術(shù)缺口同資金、資源缺口對(duì)接 47
圖表 55：智能駕駛產(chǎn)業(yè)鏈結(jié)構(gòu) 48
圖表 56：歐美市場(chǎng)攝像頭Tire-1 供應(yīng)廠(chǎng)商及適配車(chē)型 49
圖表 57：日本市場(chǎng)攝像頭Tire-1 供應(yīng)廠(chǎng)商及適配車(chē)型 50
圖表 58：歐美市場(chǎng)雷達(dá)Tire1 供應(yīng)廠(chǎng)商及適配車(chē)型 51
圖表 59：日本市場(chǎng)雷達(dá)Tire-1 供應(yīng)廠(chǎng)商及適配車(chē)型 52
圖表 60：歐美市場(chǎng)物體識(shí)別ECU Tire-1 供應(yīng)廠(chǎng)商及適配車(chē)型 54
圖表 61：日本市場(chǎng)物體識(shí)別ECUws 供應(yīng)廠(chǎng)商及適配車(chē)型 54
圖表 62：國(guó)外智能駕駛對(duì)應(yīng)標(biāo)的公司 56
圖表 63：國(guó)內(nèi)智能駕駛產(chǎn)業(yè)鏈所屬標(biāo)的公司 57
圖表 64：附錄：中英文詞匯對(duì)照 60
|
