加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2016年中國汽車智能駕駛產(chǎn)業(yè)深度研究分析報告
1、智能駕駛大風(fēng)起，千億藍海先占為王 4
1.1、無人駕駛技術(shù)引領(lǐng)智能駕駛走向成熟 4
1.1.1、底層軟、硬件性價比觸及臨界點 5
1.1.2、外力倒逼行業(yè)變革，轉(zhuǎn)型升級創(chuàng)造投資機遇 7
1.1.3、政策頂層設(shè)計跟進，政策托底推廣門檻 8
1.2、零配件行業(yè)重構(gòu)、自主品牌迎來良機 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“漸進模式” 16
2.2、Google 智能駕駛細談：模塊化布局，階段式研發(fā) 17
2.3、時間維度：研發(fā)三階段，初期以目標物體識別為主 22
2.4、豐田：輔助駕駛為主，注重產(chǎn)業(yè)化 25
2.5、識別和融合算法：智能駕駛技術(shù)核心 27
2.5.1、目標物體識別算法：精度和響應(yīng)度關(guān)乎生命 27
2.5.2、傳感器融合算法：多傳感器互補提升精度 33
3、ADAS：點石成金，現(xiàn)階段最具潛力領(lǐng)域 35
3.1、政策兜底，開啟“泛智能化”千億級市場 35
3.1.1、ADAS 效果顯著，政策兜底倒逼市場滲透率提升 35
3.1.2、歐美日ADAS 成為標配，自主品牌仍是藍海 36
3.1.3、2020 年ADAS 市場空間700 億，泛智能駕駛市場空間超2000 億 41
3.2、前后裝之爭：后裝局限，得前裝者得天下 41
3.3、技術(shù)路徑之爭：“攝像頭+毫米波雷達”搭配是主流 43
3.3.1、單純視覺方案：應(yīng)用場景受到局限 44
3.3.2、“攝像頭+毫米波雷達”：成本、精度、速度的均衡解決方案 45
3.4. 產(chǎn)業(yè)機遇：外延并購短平快，切入前裝現(xiàn)良機 47
4、智能駕駛產(chǎn)業(yè)鏈競爭格局分析 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)、算法和遠程支持 56
5、投資策略及風(fēng)險提示 59
附錄：中英文詞匯對照 60
圖表目錄
圖表 1：不同應(yīng)用對于傳輸網(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 芯片價格指數(shù)直線下降 6
圖表 4：通用安吉星提供車載信息服務(wù) 7
圖表 5：Google、蘋果、百度、樂視互聯(lián)網(wǎng)造車 8
圖表 6：吉利博瑞、奔馳S、馬自達CX-5、寶馬5 8
圖表 7：技術(shù)路線圖對于DA\PA\HA\FA 四階段劃分及各階段滲透率要求 9
圖表 8：各國ADAS 相關(guān)法規(guī)政策一覽 10
圖表 9：《技術(shù)路線圖》中對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年我國智能駕駛市場空間 12
圖表 12：全球前八大無人駕駛專利最多的公司 13
圖表 13：Google 和豐田專利占比（前八大公司） 14
圖表 14：基于豐田普銳斯的Google 無人駕駛汽車 15
圖表 15：Google 汽車搭載的Velodyne 激光雷達 16
圖表 16：基于感知、認知、決策、執(zhí)行的Google 無人駕駛系統(tǒng) 17
圖表 17：Google 專利模塊占比情況 19
圖表 18：Google 專利細分領(lǐng)域占比統(tǒng)計 19
圖表 19：通過比較特征之間的共性和差異識別物體-1 20
圖表 20：通過比較特征之間的共性和差異識別物體-2 20
圖表 21：基于激光雷達的行人手勢識別 20
圖表 22：識別障礙物改變行車路徑 21
圖表 23：激光雷達掃描效果，左為原圖，右為點云數(shù)據(jù)結(jié)果 22
圖表 24：時間維度Google 專利圖 23
圖表 25：Google 人機交互端示意圖 24
圖表 26：豐田無人駕駛專利統(tǒng)計 26
圖表 27：豐田旗下各車型輔助駕駛功能模塊ADAS 裝載率 26
圖表 28：不同路況目標物體的差異化識別 27
圖表 29：目標物體識別算法 28
圖表 30：視覺識別過程中的前處理和前景分離 29
圖表 31：視覺算法中的物體識別過程 30
圖表 32：當(dāng)誤檢率=0.1 行人/圖時，漏檢率逐年降低 31
圖表 33：誤檢率和漏檢率的反向變動關(guān)系 31
圖表 34:現(xiàn)有算法在精度和運算速度之間的對應(yīng)關(guān)系 32
圖表 35:2016 CES 展NVIDIA 發(fā)布汽車用平臺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比 34
圖表 38:毫米波雷達 34
圖表 39:激光雷達 34
圖表 40:智能汽車發(fā)展的五階段 35
圖表 41：ADAS 各項功能對于降低交通事故死亡率具有重要意義 36
圖表 42：歐系車型ADAS 功能最為豐富，已為中檔車標配 37
圖表 43：日系車型ADAS 覆蓋率最高，已為標配 37
圖表 44：美系車型覆蓋率適中，功能以FCW\LDW\ACC 為主 38
圖表 45：自主品牌ADAS 適配車型一覽，仍是藍海 39
圖表 46：合資品牌ADAS 滲透率較高 39
圖表 47：2014-2020 年-ADAS市場空間 41
圖表 48：Mobileye OEM 和AM 市場比重 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 廠商ADAS 解決方案對比 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：歐美市場攝像頭Tire-1 供應(yīng)廠商及適配車型 49
圖表 57：日本市場攝像頭Tire-1 供應(yīng)廠商及適配車型 50
圖表 58：歐美市場雷達Tire1 供應(yīng)廠商及適配車型 51
圖表 59：日本市場雷達Tire-1 供應(yīng)廠商及適配車型 52
圖表 60：歐美市場物體識別ECU Tire-1 供應(yīng)廠商及適配車型 54
圖表 61：日本市場物體識別ECUws 供應(yīng)廠商及適配車型 54
圖表 62：國外智能駕駛對應(yīng)標的公司 56
圖表 63：國內(nèi)智能駕駛產(chǎn)業(yè)鏈所屬標的公司 57
圖表 64：附錄：中英文詞匯對照 60
|
