导图社区 自动驾驶产业链市场 - 毫米波雷达
- 183
- 21
- 0
- 举报
自动驾驶产业链市场 - 毫米波雷达
这是一篇关于自动驾驶产业链市场 - 毫米波雷达的思维导图，主要内容有：毫米波雷达技术壁垒:中；被其它传感器替代可能性:不高；毫米波雷达市场:有较确定推动力，乘用车领域初创企业或有一定机会。
编辑于2022-04-15 20:17:16- 自动驾驶
- 毫米波雷达
- 相似推荐
- 大纲
毫米波雷达投资前景
毫米波雷达技术壁垒：中
基本概念解释
毫米波：电磁波，频率高于无线电，低于可见光和红外线，10 - 200GHz；波长 1-10mm
根据辐射电磁波方式不同，毫米波雷达主要分为脉冲体制以及连续波体制两种工作体制，而FMCW调频连续波是最常用的车载毫米波雷达。
标注
常见波段
24 - 24.5GHz，大量应用于盲点监测、变道辅助，装在后保险杠内 缺点：频率较低，带宽窄250MHz
77GHz，国际上允许带宽800MHz，性能好于24GHz雷达，主要装在前保险杠，探测与前车距离及速度，主要实现紧急制动、自动跟车等安全功能
79 - 81GHz，带宽比77GHz高出3倍以上，因此高分辨率，可达5cm
工作原理
1）振荡器合成FMCW调频连续波（Frequency modulated continuous wave，该种信号频率随时间线性变化，是当前毫米波雷达的主流技术路线）并由发射天线发射出去
发射模块
2）信号被物体反射后由接收天线捕获，并与发射信号经混频器处理后形成中频信号
接受模块
3）中频信号经ADC采样转换为数字信号后传入DSP或MCU中处理，以计算物体的距离、速度、角度信息
处理模块
系统结构示意图
技术原理
基本概念理论
Chirp 信号
FMCW雷达系统所用信号的频率随时间变化呈线性升高，此类信号称为线性调频脉冲（Chirp信号）
fc—— 起始频率； B —— 带宽 Tc—— 持续时间 S —— 斜率（频率的变化率）
1T1R FMCW工作原理
1）合成器生成一个线性调频脉冲； 2）该线性调频脉冲由发射天线（TX 天线）发射； 3）物体对该线性调频脉冲的反射生成一个由接收天线（RX 天线）捕捉的反射线性调频脉冲； 4）“混频器”将 RX 和 TX 信号合并到一起，生成中频 (IF) 信号。
混频器原理
混频器是一个电子器件，将两个信号合并到一起生成一个具有新频率的信号。
测距原理
单个目标测距原理
多个目标测距原理
通过傅里叶变换，将时域信号转为频域信号，时域中的正弦波在频域中产生一个峰值，对应于正弦波信号的频率。 雷达通过接收不同物体的发射信号，并转为IF信号，利用傅里叶变换将产生一个具有不同的分离峰值的频谱，每个峰值表示在特定距离处存在物体。
距离分辨率
最远探测距离
IF信号通常经过数字化处理（LPF + ADC），才在DSP上进行进一步处理，因此，中频信号的大小取决于ADC采样频率（FS）。 ADC的采样频率限制了雷达的最远探测距离
测速原理
基本原理：多普勒效应 - 当移动台以恒定的速率沿某一方向移动时，由于传播路程差的原因，会造成相位和频率的变化，通常将这种变化称为多普勒频移。它揭示了波的属性在运动中发生变化的规律。 由于物体距离的变化 Delta R 会引起接收信号相位的变化，因此通过观测一段时间内的接收信号的相位变化，即可通过 Delta R/t 估算出此时目标的速度。
傅里叶变换FFT，变换将时域信号转换为频域； 时域中的正弦波在频域中产生一个峰值。 通常，频域中的信号为复数（即每个值都是具有振幅和相位的相量）。 具有相同频率、不同初始相位的正弦信号经过FFT变换，在相同横坐标位置处（频率相等）产生峰值，但峰值信号的相位不同，峰值的相位等于正弦波的初始相位。
估算原理
FMCW雷达发射间隔为 Tc 的两个Chirp，每个反射的Chirp脉冲通过Range-FFT进行处理。对应于每个Chirp的Range-FFT，将在同一位置出现不同相位的峰值。该相位差与物体移动的位移有关。
同一距离处多个物体的速度估算
如果速度不同的多个移动物体在测量时与雷达的距离相同，则双线性调频脉冲速度测量方法将不起作用，由于物体与雷达的距离相同，因而生成的IF信号频率将相同，经过距离FFT会产生单个峰值，该峰值表示距离相同物体的合并信号。 为测量速度，必须发射两个以上的Chirp信号。 对同一距离处多个物体的速度估算，需要发射一组N个等间隔的线性调频脉冲，称为“帧”（Frame）。 对于等距不同速的两个物体，在同一帧内，通过Range FFT 后在峰值处提取各相位，并做Doppler FFT，会产生两个具有不同的峰值，其对应的横坐标为各物体的相位差。
速度分辨率
角度估算原理
目标距离的微小变化会导致range-FFT峰值的相位变化。角度估计至少需要2个RX天线，从目标到每个天线的差分距离 [公式] 导致FFT峰值发生相位变化，该相位变化用于估计到达角。
估算准确度
同距同速角度测算
最大视场角
角度分辨率
总结
简略概括，主要技术原理是利用电磁波发送和接收之间时间差、相位差、频率差等进行计算以得到距离、速度和角度信息从而向控制系统提供判断依据
关键：频率发送和接收、调整和计算
核心硬件
射频前端MMIC
包括多种功能电路，如低噪声放大器（LNA）、功率放大器、混频器、甚至收发系统等功能。具有电路损耗小、噪声低、频带宽、动态范围大、功率大、附加效率高、抗电磁辐射能力强等特点。 相关技术由在国外半导体公司掌控，而高频的MMIC只掌握在英飞凌、飞思卡尔等极少数国外芯片厂商手中
工艺
►SiGe（锗硅）取代GaAs（砷化镓）工艺：1990年代，毫米波雷达主要采用GaAs工艺，一个GaAs雷达中至少需要配备7-8颗以上的芯片，成本昂贵，已于2009年被成本较低的SiGe替代。目前，大多数毫米波雷达前端MMIC均采用SiGe技术，SiGe集成度较高、高频特性好，基于SiGe技术的雷达芯片在稳定性、精度、探测距离等性能上具有优势。 ► 从SiGe（锗硅）向CMOS发展：SiGe MMIC大都为分立式，整体方案体积庞大，随着单车配备毫米波雷达数量增加，SiGe工艺难以胜任。CMOS相对SiGe工艺：1）集成度更高，降低雷达模块板级设计的复杂度，提升开发效率，甚至可将MMIC与MCU（微控制单元）和DSP（数字信号处理）集成，降低系统尺寸及功率。2）成本更低，根据高工汽研，CMOS相对于SiGe而言，整体造价下降40%。
竞争格局
MMIC市场集中度高，技术由国际龙头主导。国际龙头英飞凌、TI、NXP、ST、ADI等产品线较全，基本覆盖24GHz及77GHz频段，如德州仪器AWR2243是76GHz 至 81GHz 频带内运行的集成式单芯片FMCW 收发器。矽杰微、厦门意行等国内厂商仍处于追赶状态，产品以24GHz为主，加特兰、岸达科技在77GHz CMOS工艺上已实现突破
PCB板
高频PCB板集成在普通的PCB基板上实现天线的功能，需要在较小的集成空间中保持天线足够的信号强度。77Ghz雷达更高规格的高频PCB板，77GHz雷达的大范围运用将带来相应高频PCB板的巨大需求。 国内高频PCB板厂商暂无技术储备，只能根据图纸代加工，元器件仍需国外进口。沪电股份是大陆和博世的板材供应商，目前已就24GHz和77GHz高频雷达用PCB产品与国际顶尖厂商Schweizer开展合作。
工艺
发射和接收的重要部件，目前主流方案是“微带贴片天线”，即将多根天线集成在一块PCB（Printed Circuit Board，印制电路板）上，实现更小的体积、更低的成本及更高的集成度。CCL（Copper Clad Laminate，覆铜板）是制作PCB的基本材料，是由专用木浆纸或电子级玻纤布等作增强材料，浸以树脂，单面或双面覆以铜箔，经热压而成的一种产品，对PCB主要起互连导通、绝缘和支撑的作用，对电路中信号的传输速度、能量损失和特性阻抗等有很大的影响
竞争格局
目前雷达天线高频PCB板由沪电股份、Rogers（罗杰斯）、Isola、Schweizer（施瓦茨，目前沪电股份持有公司19.74%股权）等少数公司掌握。国内高频PCB板厂商暂无技术储备，只能根据图纸代加工，仍需国外进口。CCL方面，国内由于通信行业的快速进步，国内厂商在覆铜板CCL开始突破，生益科技/华正新材/南亚新材等公司在高端特种覆铜板上积极投入，目前部分高频CCL已可对标国际龙头高端产品，亦进入大客户供应链
基带信号处理芯片
“DSP+FPGA”融合或为当前主流应用。 考虑到DSP芯片在复杂算法处理上具备优势，FPGA在大数据底层算法上具备优势，“DSP+FPGA”融合在实时信号处理系统中的应用逐渐广泛。德国大陆汽车研发的4D成像毫米波雷达ARS540使用了来自赛灵思Zynq UltraScale+ MPSoC系列芯片，内部集成了FPGA芯片和大量DSP运算资源，大幅提升FFT精度，两者的结合使得ARS540水平方位角分辨率能达到1°，在测量高度方面也能力出众
► DSP（Digital Signal Processor，数字信号处理器）芯片：是一种微处理器芯片，它将外部输入的模拟信号转换为数字信号，并实时实现各种数字信号处理算法，具有低功耗、可编程化、高速、实时性等特点。
► FPGA（Field Programmable Gate Array，现场可编程门阵列）芯片：是专用集成电路中的一种半定制电路，FPGA芯片集成了大量可编程逻辑组件门并连接大量单元，能实现复杂的组合逻辑功能。
竞争格局
高端DSP及FPGA芯片均由国际公司主导：1）DSP芯片方面，市场主要由国际龙头把控，目前全球市场主要包括TI、ADI、NXP等公司
2）FPGA芯片方面，市场主要玩家有赛灵思、Altera、Microsemi以及莱迪思等。国内公司在高端DSP及FPGA芯片领域较为薄弱，但近几年随着紫光国微、安路科技等公司的崛起，国产FPGA有望实现快速增长，并逐步向汽车电子等高端领域渗透
传统毫米波与4D毫米波区别
传统毫米波缺陷
角度分辨率低。 角度分辨率与接收天线个数直接相关。接收天线个数越多，角度分辨率越高（绝对值越低），但接收天线增加的同时也会相应增加ADC、DSP等元器件的成本。受成本限制，传统毫米波雷达接收天线数量一直较少，角度分辨率提不上去，雷达处于“看得见，但看不清”的状态。
过滤静态物体。 由于不具备测高、识别能力，毫米波雷达无法判断检测到的物体在高空还是在地面（汽车是否能通过），也无法判断该物体是否能轧过（例如地面的易拉罐、窨井盖）。如果都判定为障碍物，则汽车会频繁减速刹车，严重影响驾驶体验。因此行业内采用“静态杂波滤除”，将所有静止物体信号过滤掉。但这种做法存在较大隐患，2020年6月在中国台湾发生了一起Tesla Model 3撞上已侧翻白色厢车的事故，其原因在于摄像头对白色图像识别失败的同时，毫米波雷达又过滤了静止厢车，导致特斯拉Autopilot全面失效。
4D毫米波特点
在速度、距离、角度三个维度上，加入了高度（第四个维度）
性能升级，点云更加致密，提供信息更多
子主题
4D毫米波性能增强核心
如何增加天线数量
1）标准MMIC芯片级联+MIMO
基于已经技术成熟的标准毫米波雷达芯片，前期开发难度较低，有助于缩短厂商研发周期、加快推新上市进程。
但是由于“级联+MIMO”依靠芯片堆叠而成，雷达尺寸一般较大；且多个MMIC芯片之间存在串扰，信噪比仍有待进一步提高。
2）4D成像雷达专用芯片
将天线、MMIC等进一步集成至芯片级别，更加顺应雷达小型化趋势。这条路线的代表厂商包括Arbe、Vayyar、Uhnder等初创企业
研发难度和成本有所提高。 与“级联+MIMO”方案一样，多收发通道设计在一起依然存在串扰问题。
对初创企业来说，用该路径有望与传统厂商错位竞争，构筑差异化优势
3）软件算法赋能
软件算法可直接作用在MIMO环节，虚拟出更多信号通道。Oculii傲酷雷达是这一路线的代表企业，根据公司介绍，其自研的虚拟孔径成像技术可在MIMO的基础上再虚拟出10-100倍虚拟通道。实现方式可简单概括为：调频、调相、调幅。通过调频，动态调整探测距离；通过调相，例如在360°相位中每36°切分一次，便可新增出10倍的虚拟通道；通过调幅，主动根据行车环境（如高速环境、城市环境）调整幅度大小，具备自适应能力。
软件增益配合硬件升级有望进一步推动4D成像雷达性能水平提升。软件的重要性提高有望吸引软件厂商入局雷达市场；市场主体多元化有望激发市场的竞争潜力和技术迭代。
4）超材料路线
专注于天线材料方面的革新。以Metawave为例，其WARLORD产品采用超材料天线，通过控制电压可定向操控电磁波束，提高探测精度
实验室性能较好，短期内仍较难实现商业化落地。
主要壁垒
整体工程设计能力
部分产品需求的满足对同一性能要求不一致，例： 为延伸探测范围（距离增大），需要更高的ADC采样频率、更低的调频斜率、更短的发射信号时间间隔以及更短的接收天线物理间隔； 而为提高探测分辨率，需要更宽的频率带宽、更长的观测时间以及更多的接收天线数量； 但在一些情况下，更低的调频斜率能够增加最大探测距离，但又意味着更短的调频信号带宽，从而必须牺牲距离分辨率。
核心硬件
被其它传感器替代可能性：不高
各有优势
自动驾驶安全冗余要求高
毫米波最突出优势：全天候全天时，其他传感器均无法做到
毫米波雷达市场：有较确定推动力， 乘用车领域初创企业或有一定机会
推动力
政策推动
商用车及乘用车领域硬性规定配备相关传感器逐步落地及实施，渗透率提升
车厂自身产品性能驱动，渗透率提升
传统毫米波尤其4D毫米波雷达的国产替代（弯道超车）
市场规模预期
券商测算：1）100-200亿（2家）；2）400亿左右（1家）
现有竞争格局
传统毫米波雷达
非常成熟。 全球毫米波雷达市场由国外Tier 1供应商主导。据OFweek统计，2018年博世、大陆、海拉、富士通天、电装为全球前五的厂商，合计占据68%的份额，国内主要包括华域汽车、德赛西威、华阳集团、森思泰克和华为等。（另说：98%市场由国外供应商占据）
4D毫米波雷达
国内外差距不大，几乎处于同一竞争等级
“2021量产纪元”
国产初创企业认为有弯道超车机会
自动驾驶产业链
感知层
非主要瓶颈
传感器
传感器使用路径
视觉主导
依靠强大算法，采用多小摄像头
探测角度小，远距离探测能力弱
成本适中
Tesla Model 3：8 摄像头 + 1 毫米波雷达
Mobileye：11 摄像头 + 2 高算力视觉芯片
多传感器融合
激光雷达+毫米波雷达+摄像头多传感器
全方位，远距离探测能力强
成本较高（激光雷达价格下降可带动成本降低）
传感器分类
摄像头
2025E 122亿，2030E 276亿，CAGR 17.6%
国金2021假设预测： 1. 中国乘用车产量20-22年分别为-5%/3%/3.5%，23-25年为5%，26-30年为3% 2. L2.5级别自动驾驶汽车渗透率25年为50%，30年为70% 3. 传感器单价、单车用量参考车东西、CSDN等
成本 35-50美金
单目
Mobileye
双目
博世、大陆、LG、电装、日立
多目
蔚来、Mobileye
市场空间 2025E 609亿，2030E 1900亿
雷达系统
超声波雷达
2025E 113亿，2030E 215亿，CAGR 13.8%
成本 10-20美金
同致电子、航盛电子、深圳豪恩、辉创、上富、奥迪威
博世、法雷奥、日本村田、尼塞拉、电装、三菱、松下
毫米波雷达
2025E 249亿，2030E 566亿，CAGR 17.9%
成本 150-300美金
博世、海拉、奥托立夫、德尔福
华域汽车、智波科技、森思泰克、卓泰达、隼眼科技
原理
难点
激光雷达
2025E 125亿，2030E 844亿，CAGR 46.6%
成本 8000-80000美金
Velodyne、Iboe、Quanergy、徕卡、FARO、Ocular
速腾聚创、光醒电子、北科天绘
混合固态激光雷达
2000美元以内
原理
难点
其他（红外线传感器）
成本 600-2000美金
奥托立夫、博世
保千里高德红外
传感器性能比较
RFID通信技术
组成
标签，耦合元件及芯片组成，具有唯一电子编码
阅读器/读写器，读取/写入标签信息
天线，在标签和阅读器之间传递射频信号
产品分类
无源RFID（近距离，单位小、价格便宜、寿命长、识别短不够精确）
公交卡、车辆收费管理、行驶证管理
有源RFID（远距离，体积大、价格 贵、寿命短、识别长、更精确）
智慧医院、智慧交通、智能停车
半有源RFID（综合）
车载视觉系统
感知层的硬件整合，借助机器视觉技术进行图像增强和数据处理，应用于视觉增强驾驶辅助，采用CCD、红外传感器、车速传感器、GPS、毫米波雷达等传感器获取道路信息
导航系统
GPS
北斗
惯性导航
捷联式惯性导航系统
解析式惯性导航系统
半解析式惯性导航系统
路测设备
RSU
类似于“小基站”，主要由射频模组构成
路测智能交管设施
道路交通信号控制、道路交通视频监视等
*V2X技术
移动边缘计算MEC
平台化网络节点
低延时、高算力、高存储、个性化优势
传输层
C-V2X胜出后 技术路线已基本确定
通信元器件
通信芯片
定义：处理数据中枢
代表企业
四维图新、华为、大唐、紫光、中兴
华为双模通信芯片Balong 765
大唐PC5 Mode 4 LTE-V2X自研芯片
高通、Autotalks、MTK、Alps
高通9150 LTE-V2X芯片组
市场规模
2025E 182亿，2030E 347亿，CAGR 13.8%
通信模组
通讯芯片+外围器件
代表企业
华为、移远通信、高新兴、有方科技、日海智能、高鸿、广和通
华为基于Balong765芯片的LTE-V2X商用车规级通信模组ME959
大唐基于PC5 Mode 4 LTE-V2X车规级通信模组DMD31
高通、Alps、Gemalto、Telit
移远联合高通 LTE-V2X通信模组AG15
市场规模
2025E 104亿，2030E 128亿，CAGR 4.1%
信息交互终端
OBU
定义：车载单元，采用DSRC技术，采集车况、路况、行人信息，提供与RSU及其它OBU的通讯信息交互功能
市场规模
2025E 42亿，2030E 50亿，CAGR 3.6%
RSU
定义：车辆网信息中转站，感知道路状态，执行信号灯操作，对接路测可变信息牌
市场规模
2025E 27亿，2030E 40亿，CAGR 8.3%
T-BOX（TCU）
车载用于控制与跟踪汽车的嵌入式系统，包括GPS、移动通讯外部接口电子处理单元、微控制器、移动通讯单元、存储器，有总线信号收集和服务器通信两大功能，实现汽车与TSP服务商互联，通过手机APP端发送控制指令。前装渗透率25%。
市场估摸
2025E 40亿，2030E 65亿，CAGR 10.1%
市场空间 2025E 395亿，2030E 629亿
通信技术
DSRC（美日主导）
基于wifi，较成熟
20年11月18日，美国联邦通信委员会FCC正式投票决定将5.9GHz频段（5.850-5.925GHz）划拨给wifi和C-V2X使用，其中30MHz带宽（5.895-5.925GHz）分配给C-V2X，标志着美国正式宣布放弃DSRC（IEEE802.11p）并转向C-V2X。意味着我国主推C-V2X成为全球范围内受认可的行业事实标准。
C-V2X（中国主导，未来方向）
基于3G/4G/5G等蜂窝网通信技术
长距离、更大范围的可靠通信、在技术性和先进性及后续演进方面优于DSRC
决策层
真正门槛
操作系统
自动驾驶底层支撑
智能座舱操作系统 （车载信息娱乐及 车内人机交互交互平台）
底层OS分类及特点
QNX：安全性高、不开源、开发难度大、成本高、应用生态弱
Android：应用生态强大、开源、安全及稳定性较弱
Linux：开源、定制开发灵活、安全性较高、但应用生态不完善
市场份额
全球系统标准未统一
QNX 43%
Linux（含Android）35%
WinCE 10%
其他（鸿蒙、AliOS）
智能驾驶操作系统
目前阶段：L2 -> L3
技术规范：OSEK/VDX、AUTOSAR
智能车控操作系统 （车辆自动行驶功能、 动力性运行基础）
为车载控制ECU硬件与算法提供了接口与交互平台，基于POSIX标准的操作系统，适用于自动驾驶所需的高性能计算和高带宽通信。标准化已展开。由宝马、博世、戴姆勒、通用等大型车企作为核心成员的汽车开放系统架构组织AUTOSAR建立的Adaptive平台，采用了开放式架构和代码开源方式，已成为国际主流标准架构，保障车辆安全性与一致性。
按架构分
底层操作系统
QNX、Linux、Android、鸿蒙、AliOS
中间层
上层系统
各类车场、解决方案提供商在底层OS基础上为客户定制个性化操作系统
互联网车企 - 平台 - 底层OS：百度 - Apollo - QNX、阿里 - 斑马智行 - AliOS、腾讯 - TAI - Android、苹果 - Carplay - iOS
造车新势力 - 平台 - 底层OS：特斯拉 - Version - Linux、比亚迪 - DiLink - Android、蔚来 - NOMI - Android
传统车厂 - 平台 - 底层OS：宝马 - iDrive - QNX、奥迪 - MMI - QNX、本田 - Honda Connect - Android、福特 - SYNC - QNX
操作系统芯片
市场规模
2019：全球465亿美元，YoY 11%，2020年有小幅下滑460亿美元
2019：CR4 43%，CR8 63%
2019：恩智浦14%，英飞凌11%，瑞萨电子10%，意法半导体8%，德州仪器7%，博士6%，安森美4%，微信科技3%，格局将逐步被打破，未来玩家还包括：
传统汽车半导体厂商：高通、英伟达
互联网科技公司：谷歌、亚马逊、苹果
整车企业：奥迪、宝马、特斯拉
芯片
IVI芯片
逐步升级为智能驾仓，连接增多，包括V2X、wifi、蓝牙、4G、T-BOX、高精地图等
英特尔 Apollo Lake -> 东软、哈曼、欧菲光
瑞萨 R-CAR H3 -> 均胜电子、弗吉亚
NXP iMx8 -> 博泰、航盛
高通 820A -> 德赛西威、伟世通、远特科技
全志科技 T7 -> -
自动驾驶芯片
演进路线 CPU->GPU->FPGA->ASIC
CPU：算力不足、难以满足处理视频、图片等非结构化数据需求
GPU（现主流）：同时处理大量简单计算任务，擅长云端训练，但功率较高且推理效率一般
FPGA：算力强，客户可自行变成改变用途，但功耗高、量产成本高，应用场景多为企业、军事等用户
ASIC：针对特定客户特定目的设置的专用芯片，只搭载一种算法形成一种用途，首次“开模”成本高量产成本低。功耗低体积小，符合车规级产品标准，目前应用于场景单一的消费电子、“挖矿”客户
综合考虑算力、功耗、成本等因素，国金认为长远看ASIC会成为主流自动驾驶AI芯片
车身控制MCU
其他芯片等
决策算法（核心竞争力）
是否有决策部分区分 L2->L3
典型决策规划模块
路径规划
通过搜索选择最优路径
Dijkstra算法及多种改进
A算法及多种改进
行为决策
真正实现L4、L5级别自动驾驶技术的核心瓶颈在于在复杂环境中存在感知不确定性情况的规划问题。【深度学习】是主要发展方向。所有模型效用都在探索中。
有限状态模型
决策树模型
基于知识的推理决策模型
基于价值的决策模型
运动规划
根据行为决策规划生成满足特定约束条件的轨迹，该轨迹作为控制模块输入决定车辆最终行驶路径，各算法的完备性和最优性不同。
基于搜索的算法
基于采样的规划算法
直接优化方法
参数化曲线构造法
人工市场法
高精度地图
自动驾驶和车路协同的基础设施，高精度 - 达厘米级别、高动态 - 实时性、多维度 - 车道模型、道路部件信息、道路属性信息，如GPS信号消失区域、道路施工状态。 通过云端云端地图 + 本地决策&云端决策 分析雷达、MEMS等传感器的数据，通过执行单元控制车辆。
级别对高精地图的要求
L1：精度 2 - 5m；采集 - GPS轨迹+IMU；数据 - 传统地图+ADAS；状态 - 静态地图
L2：精度 50cm - 1m；采集 - 图像提取或高精度POS；数据 - 车道模型+高精度ADAS；状态 - 静态地图+动态地图
L3：精度 10 - 30cm；采集 - 高精度POS+激光点云；数据 - HAD-Map；状态 - 静态地图+动态时间
L4+：精度 10 - 30cm；采集 - 高精度POS+激光点云；数据 - 多源数据融合；状态 - 静态地图+实时传输
最关键：统一参考坐标系
传统参考坐标系：GPS - 84坐标系或02坐标系，有具体信息但缺少实际意义上的语义信息
与出路协同关系
对V2X来说，最重要的是保证车辆间及车路间具有一定逻辑关系即车路协同
自动驾驶初期靠高精度地图实现基础车路协同功能
未来，当车路协同路测设施足够发达时，可由路测设施来感知周围环境、获取更多实时有效信息实现实时更新数字地图鲜度
商业模式
1. 赋能自动驾驶车辆
2. 通过较多传感器和路测设备获取车辆状态信息、周边环境信息的数据资源，达到车辆定位、车辆优化以及市政管理部门合作 -> 实时无人驾驶地图平台
市场规模
2025E 600亿
市场份额（2019）
百度 29.3%，四维图新（T） 21.7%，高德（A） 17.9%，意图通 14.7%，其他 16.4%
云平台
执行层
执行厂和 Tier 1擅长领域
电子驱动
电子转向
电子制动
线控技术
照明技术
油门
其他汽车零部件
388亿市场规模
平台层
https://baijiahao.baidu.com/s?id=1713108531327775775&wfr=spider&for=pc
构成
自动驾驶解决方案
车联网TSP平台
地位
车联网产业链核心地位
最核心的大数据资源，数据有积累性，可演化为商业模式
潜在利润空间最大
盈利模式：对车主依托于线上服务赚取服务费用（B2C利润）；客户数量及交互数据达到一定体量后可以与广告商、保险公司、物流公司、租车公司等拓展B2B业务
模式
车企设立自己的TSP
对与车辆相关的部分保持绝对开发控制权，其他辅助应用及内容让供应商协助完成
通常采用前装模式
一定期限内提供服务，之后客户选择是否续费，续费率是保持活跃用户的关键
TSP供应商与整车厂商紧密关系，整车厂可以获得CRM数据，可将反馈应用到车型设计和整车制造过程，典型代表是OnStar
车场与第三方供应商合作设立TSP
国内厂采用主要模式，车厂掌握核心商业资源，自主决定数据开放程度，遴选TSP合作，整车厂有较大发言权，主导业务方向，管理和控制TSP。合作方具备专业团队、运营管理经验等，理解执行整车厂需求。但这种模式下整车厂对数据提供不够彻底，深度合作受限。e.g. 丰田&九五智驾的G-book。
第三方供应商提供独立TSP
主要承担产品研发工作，是车联网各项应用服务的主要设计者和核心运营方
基本完全独立于汽车存在，车载系统与汽车功能较为脱离
两大业务出口
前装出口，为整车厂提供专门定制化解决方案，关键：能否获得更多整车品牌和配套型号的认证
后装综合服务，直接面向车主需求，通过渠道（4S，汽修店、线上/下零售渠道）销售，需要人力物力进行营销销售。在整合资源上更具灵活性，车厂节省相关研发、资源投入
e.g. 四维图新、趣架
智能座仓
智能化、高端化刚需，未来智能网联汽车主要组成部分之一
构成
硬件
座舱域控制器（DCU）（核心）
仪表盘
HUD
后座显示等HMI多屏
软件
底层嵌入式操作系统
软件服务
ADAS系统
发展趋势
上游零部件企业寻求后向一体化
下游整车厂寻求前向一体化
独立研发算法和智能硬件
新兴互联网公司与传统整车、零部件企业进行深度合作，共同推出智能座舱整体解决方案
最近又完整产品落地，HUD为选装搭载，渗透率相对较低
汽车制造企业
传统机车厂商
互联网汽车厂商
造车新势力
第三方服务
LBS服务
车辆服务
数据服务
社交服务
金融服务
保险服务