汽车零部件：智能网联汽车建设正加速，特定场景商业模式已完成闭环

车路协同有效解决单车智能痛点，多因素驱动智能网联汽车加速落地 在目前智能汽车软硬件平台性能有限的背景下，无论是纯视觉方案还是多传感器融合方案，均难以获得超视距、全局化的交通信息，在实现L3级以上高阶自动驾驶仍有较大难度。而车路协同的建设可通过V2X实时传输远端信息，有效补足单车感知能力的补足。同时，国内具备优渥的5G通信基建基础，叠加国内人口道路密度大、高速等道路基础设施建设相对完善等特征，智能网联汽车落地亦具备较强经济性。近年来，在构建智慧交通体系政策的支持下，各地已纷纷开启试点区项目，未来随着自动驾驶渗透率的持续提升，国内智能网联汽车“云管端”建设有望进一步加速。 车端：OBU车端通信的核心设备，具备低时延、高兼容性等特点 车路协同系统通过“端”、“管”、“云”三方共同协作，从而实现环境感知，数据融合计算及决策控制，车端设备则更多体现“管”功能。其中OBU是车端核心设备，可借助V2X及5G通信技术实现车与车、车与人、车与云及车与路之间的全面信息交互。同时，由于车路协同对通信实时性提出更高要求，叠加路端和车端信息具有异质性特征，OBU设备具备低时延、高兼容性特点。 路端：RSU实现车路通讯，MEC为局部决策提供低时延算力支持 RSU和MEC是智能网联汽车路侧设备中实现车路信息通讯的关键设备。其中OBU帮助单车实现C-V2X技术通讯，于车端能够提供超视距、全局实时的信息；于交通端能够为智慧交通数据中心提供实时的路况信息。此外，RSU源于ETC设备的升级，因而具备相对成熟的产业链，传统ETC龙头公司金溢科技、万集科技等均已实现率先布局。MEC为移动边缘计算单元，负责向路侧和车端设备提供近端低时延的算力支持。同时，由于边缘计算平台和云平台技术、架构等同源，传统的提供综合IaaS服务的云平台巨头阿里、腾讯、百度等目前仍为该边缘云业务的主导者。 云端：云控平台是智能网联汽车中数字化交通建设的主要载体 云控系统是实现智能网联汽车的重要软件基础设施平台，承担“数据+算力中心”角色，为智慧交通和应用主体提供全局交通信息和非实时算力支持，整体架构包含边缘云、区域云和中心云三级。参与者中云服务商与传统服务相似提供基础性服务，交通平台集成商完成专业化部署和运营，其掌握数据运营自主权，更具备增长弹性。 特种车场景有望率先落地，提供整体解决方案为目前主流商业模式 城市路段、高速公路及园区、港口等特定区域由于路况简单、封闭运营等因素是目前智能网联汽车主要应用场景。而目前在落地实施的过程中，商业模式主要包括“提供完整的解决方案及后期运营服务”和“销售改装自动驾驶车和车端、路端设备”两类，从头部供应商落地案例上看，提供完整的软硬件解决方并协助进行后期平台运营为当前的主流商业模式。 相关关注标的：蘑菇车联、金溢科技、千方科技 风险提示：主机厂自动驾驶升级进度不及预期；智能网联汽车项目落地进度不及预期；车端网联化速度不及预期。 1.车路协同在技术进步与政策支持背景下正加速落地 1.1.当前处于L2+自动驾驶级别规模量产时期，2022年L2+渗透率约21.9% 国内自动驾驶被分为六个级别：其中L0-L2可实现辅助驾驶，L3开始正式进入自动驾驶。 自动驾驶是指汽车依靠激光雷达、摄像头等传感器使车辆具有环境感知能力，配合人工智能、高精度地图及全球定位等技术使车辆完成路径规划及自主决策，最终车辆可以在不受人为干预的情况下自动安全的行驶。根据工信部发布的《<汽车驾驶自动化分级>推荐性国家标准报批公示》，当前汽车的自动驾驶被划分为L0-L5六个等级： （1）L1与L2分别是部分驾驶辅助及组合驾驶辅助，在L1级别的辅助驾驶中，自动驾驶系统可以辅助驾驶员完成部分驾驶操作。车辆防抱死系统（ABS），车身电子稳定功能（ESP）等配置均在L1级别辅助驾驶中得到应用，然而在此级别中辅助驾驶功能有限，大部分功能主要是由驾驶员完成。L2在L1的基础上可以实现部分功能的自动化，但检测路况，紧急情况的判断及操作仍需驾驶员完成。L2级别辅助驾驶通常会具备ACC自适应导航，车道保持系统，自动刹车辅助系统及自动泊车系统等。 （2）L3，L4，L5分别是有条件自动驾驶，高度自动驾驶及完全自动驾驶。从L3级别的驾驶自动化开始，车辆本身可以通过激光雷达等传感器实时监测周边环境从而实现有条件的自动驾驶。L4-L5级车辆不仅可以达到协同感知，同时可以达到协同控制及协同决策，通过车辆网联化及人工智能算法逐渐成熟，车、路、云可相互协调在三层架构中实现环境感知、数据融合计算，再由车端进行实时控制，从而达到有条件自动驾驶及高度自动驾驶。 表1：自动驾驶等级划分 图1.不同自动驾驶等级之下的代表性功能 当前国内自动驾驶仍处于L2+规模化量产阶段，目前L2+渗透率约21.9%。低阶的ADAS（先进辅助驾驶系统）仍是目前自动驾驶市场的主导技术。其中，L2级的ADAS可以根据周边环境，在特定情况下实现车辆加速/减速，但其余动态驾驶需要由驾驶员完成。根据佐思汽研数据显示，截止至2022年1-4月，L2+级自动驾驶系统配置量同比增长118.4%，汽车数量达到57.4万辆，装配率达到21.9%。此外，根据前瞻产业研究院数据统计，预计到2030年国内L3级及以下自动驾驶车辆渗透率将达到70%。 图2.2025年中国L1-L3级自动驾驶渗透率将达到65% 1.2.依靠单车智能实现L5智驾难度大，车路协同有望突破技术瓶颈 1.2.1.单车智能难以实现L5级自动驾驶 汽车自动驾驶的实现包含单车智能及车路协同两大技术方案。其区别在于单车智能软硬件全部集中在车内，而车路协同则是分布在车端、路侧及云端。因此从高级别自动驾驶功能对目标/事件探测及响应、驾驶任务接管、车辆横纵向运动控制等方面的要求而言，基于当下单车智能的技术水平若需满足高阶自动驾驶功能，需要车路协同技术的辅助。 图3.单车智能和车路协同适用范围和局限性比较 基于单车智能技术难以实现L5级别的完全自动驾驶。目前单车智能是实现自动驾驶的主流方案，其在普通汽车的基础上安装毫米波雷达、激光雷达、车载摄像头等硬件设备，配备完善的软件系统及高效的算法，赋予车辆自动驾驶的能力，车辆独自收集信息并对所收集的信息进行处理并执行。而L5级自动驾驶要求车辆在不受人为干预的情况下具有决策生成的能力，与L0-L4级别中的辅助驾驶及部分自动驾驶相比，L5级别的自动驾驶系统需要更强大的具备逻辑推理学习能力。这种学习能力不同于简单的机器学习模式，需要不仅拥有基于过往驾驶经历进行特征提取并自我回测优化的能力，同时亦需要车辆拥有与交通环境交互的能力，获得更多超视距感知信息和视觉盲区的路况。尽管当前国内外已经提出了部分可以帮助高等自动驾驶汽车获取更加准确的环境感知信息的概念，例如神经网络视觉传感器、超级中央计算平台等，但仅凭当前单车智能中的传感器、算力、算法等去实现L5级完全自动驾驶仍然是望尘莫及。除此之外，单车智能技术下难以实现L5级自动驾驶的原因还有交通参与者行动轨迹无明显规律可循。在动态环境下，存在人、车、路的多方不确定性。而人与其他车辆的运动的不确定性及道路的复杂性均会导致单车智能车辆对交通认知的难度提高。 图4.现阶段单车智能对超视距感知、视觉盲区交通信息难以感知 1.2.2.车路协同有效补齐单车智能技术不足 车路协同技术基于车、路、云之间的信息实时互通，可以有效补足单车智能技术不足。车路协同则是将车内部分传感器、决策终端等均转移至路侧，通过路侧计算单元或传感器完成数据融合或决策后再通过通信技术传导至车端，由此降低高阶自动驾驶下对车端设备性能的要求。其在单车智能自动驾驶的基础之上，通过车上所搭载的设备（OBU等）及道路感知及定位系统（RSU，雷达等）实时高精度感知定位，实现车车，车路，车人之间的实时信息共享。 图5.单车智能和车路协同感知系统框架 车路协同可以将部分传感器搭载至路侧，并通过V2X通信技术实时传输信息，即可快速获得不在车辆视野范围内的信息，有效突破单车智能这一技术瓶颈。以交通信号灯为例，如果由单车智能车辆完成，则需要车辆在较远距离时识别定位到交通信号灯，并通过光学传感器识别灯色并预测灯色变化时间。同时还需要面临炫光、LED闪频、移动式红绿灯位移、前方车辆阻挡等多种外在感知障碍。而通过车路协同可以简单解决这一问题，通过路侧感知系统实现与信号灯机的实时对接，不仅可以快速获得准确可靠的信号灯当前信息，还可以获得单车智能无法感知到的倒计时等意图信息。 图6.无协同感知时车辆视线受阻，无法获得信号灯信息 1.3.C-V2X技术普及加速落地，中国的交通国情亟需发展车路协同 1.3.1.C-V2X是核心通信技术，其普及将协助车路协同快速发展 C-V2X是车路协同实现信息通信的核心技术，其普及为车路协同快速发展提供有效技术支持。V2X即车用无线通信技术，意为车与一切事物可以进行信息互换。其中V代表车辆，X代表与车辆通信的其他主体。当前的X主要包括车、人、路侧基础设施及网络。V2V是指车辆与车辆之间的通信，通过每辆车的车载终端可以实时获得周围其他车辆的位置，车速，行车情况等信息；V2I是指车辆与路侧基础设施之间的信息传输，路侧基础设施可以获得超车辆视距的信息并实时传输给车辆；V2P指的是车辆与行人/骑行者之间的实时信息传输；V2N则是车辆接入网络与云平台连接。整体而言，V2X是将人、车、路、云紧密联系在一起，不仅可以协助车辆获得比单车感知更多的信息，更有利于协助构成未来的智慧交通体系。 图7.V2X的四类交互对象 C-V2X在我国具备广泛的基站覆盖基础，叠加其在时延、传输速度和距离、传输稳定性等方面的优势，将为智能网联汽车落地和发展提供重要技术支持。在智能网联汽车通信技术中，不同于英美等采用技术程度成熟度更高的DSRC（Dedicated Short RangeCommunication，专用短程通信技术），我国选择C-V2X技术。C-V2X中的C是指蜂窝（Cellular），是基于3G/4G/5G等蜂窝网通信技术演进形成的车用无线通信技术。当前的LTE-V2X及未来将实现的5G-V2X均隶属于C-V2X的范畴。通过C-V2X的发展可以逐步实现车路协同控制、车车协同编队、远程操作等高级自动驾驶及完全自动驾驶功能。车路协同是以车载系统及路侧系统进行数据收集，通过V2X进行实时数据传输，通过云端系统进行对数据进行计算处理并下达决策，最终实现人、车、路之间的信息实时交互，从而达成智慧交通体系。根据上述，车路协同实现离不开四个核心技术的发展，智能车载技术、智能路侧技术、通信技术及云端技术。 表2：DSRC和C-V2X优劣势对比 1.3.2.中国人口道路密度使车路协同更具经济性，新基站及智能公路加快方案落地 中国人口密度及道路密度较高，以车路协同实现高等级自动驾驶具有显著经济性。车路协同需要额外投入成本至路端建设，例如在路端安装摄像头，激光雷达，毫米波雷达等传感器可有效实现以全局视角探测周围环境，最大程度减少盲区并实时传输准确数据至车端，但由此车内安装传感器的价格将被节省下来，车载设备成本大大降低。并且随着车载及路载设备在未来规模量产后成本将会进一步下降，未来可以以更加经济的成本进行智慧道路的建设。根据由清华大学智能产业研究院所撰写的《面向自动驾驶的车路协同关键技术与展望》中的推算逻辑，2021年交通运输行业发展统计公报显示，截止2021年末，全国公路总里程为528.07万公里，2021年汽车保有量为3.02亿量，可以估算出如果在每辆车的成本上节省1.75万元，便可以有100万元的资金用于投入每公里道路的建设，人口密度较大的城市分摊至每辆车上的价格也会大大降低。智能化道路基础设施具备可重复使用的特点，加之路端成本可以分摊至车端，随着未来车辆数量越来越多，相比于单车智能，车路协同的部署成本优势会进一步加强。 图8.车端能够有效分摊路端部署成本 新基建及智能公路建设助力车路协同技术快速落地。根据工业和信息化部公布的数据可见，