报告摘要 | ADAS发展的下一步是什么?

简介: 报告摘要 | ADAS发展的下一步是什么?


前些年,自适应巡航、车道居中保持、自动紧急刹车等技术的出现,让高级驾驶辅助系统(Advanced Driver Assistance System,简称ADAS)受到关注。其通过对车辆周围环境的识别、运算与分析,可以提供减轻驾驶压力的辅助功能,或是在危险时刻紧急主动采取紧急措施,有效增加了驾驶时的舒适性和安全性。

这些年,ADAS技术也在不断向前发展。主打智能化的新势力品牌,甚至开始在自家产品中引入无人驾驶的使用场景,改称为「智能驾驶」,并将其包装成具有品牌性质的产品。

近期,针对ADAS的发展现状,全球知名产品解决方案公司捷普发布了ADAS未来发展方向报告。报告指出,ADAS可有效提高汽车的安全性和自主性,提高道路交通和燃油利用效率。同时,ADAS能塑造司机的驾驶习惯,为未来的全自动驾驶汽车做好铺垫。

但对于ADAS的未来发展,捷普认为,传感器融合是ADAS的技术重点,而业内协作则是发展关键。

安全需求——三大驱动力之首

在捷普的报告中,首先强调的是ADAS对于减少人为事故的重要性。世界卫生组织统计的数据显示,全球每年有超过100万人因交通事故死亡,超过5000万人受伤。因此,发展可以改善这种情况的ADAS技术,就显得很有必要性。

另外,捷普在报告中还引用了其在2018年对128名汽车行业决策者做过的一次调查:其中有1/3都将「安全需求」,排在设计能力、自动驾驶、消费者需求、连通性、政府监管、电气化和价格下调之前,认为这是推动行业技术创新的三大驱动力之一;有36%的决策者明确表示,ADAS是其公司汽车未来发展的关键要素。

权威机构的交通事故统计数据,也在侧面证明了这一决策的合理性。NHTSA(美国高速公路安全管理局)的公开信息显示,美国 94% 的交通事故都是由人为错误造成的。其中,最大比例是由识别错误引起的,其次是决策错误、执行错误、非执行错误和其他与人有关的错误。

这几年,随着ADAS前装率的不断提高,已经给行业带来了一些积极影响。而且,这还会随着ADAS系统能力的不断提升,进一步降低事故率。

比较有代表性的是每季度更新的特斯拉安全报告,2022年第三季度(今年1月8日公布),开启Autopilot功能的特斯拉车辆,平均每626万英里发生一起事故;未使用Autopilot、仅开启主动安全的特斯拉车辆,平均每171万英里发生一起事故,后面这个数字也显著优于NHTSA和FHWA的65.2万英里。

但由于ADAS的普及时间较短,配有ADAS的车型稀释到整个交通环境中,起到的降低事故率还比较有限。

美国美国国家安全委员会数据显示,2016年高速公路死亡率下降了1.8%,此前这一数据的上升趋势保持了多年。2017年的死亡率下降了4%,2018年下降了2%。

能力升级后,还可提升交通和燃油效率

除了安全之外,捷普在报告中还提到了ADAS对提升交通意识、降低保险费、提高燃油和基础设施使用效率等优势。但要实现这些目标,需要ADAS具备更高的能力,甚至需要真正的无人驾驶和V2X能力。

捷普负责业务开发、汽车和运输副总裁特雷弗·诺伊曼 (Trevor Neumann) 对此展望:「城市中将不再有真正意义上的停车场,因为汽车可以停在城市外围,需要时可以随时呼叫。视觉上,城市空间将更加整洁,引导人们完成驾驶的交通标志会通通消失。六车道宽的道路不再需要固定两边各三条车道,可以根据具体城市的市内交通模式和实时需求以数字方式切换。」

「编队行驶」则是这一场景的主要体现,通过联网技术和 ADAS 来引导车辆行驶,可使车辆间彼此保持一定的距离,以提高运输效率,最常用于卡车或军用车辆。

领头车辆主要负责与道路上的其他车辆进行沟通,队列中的其他卡车跟随领头车辆即可,几乎无需采取任何行动。例如,车辆可以同时加速和制动,缓解交通压力,减少「反应时间」。编队行驶的广泛应用将以科技提升道路和基础设施使用效率,实现自动化高速公路系统。

欧洲汽车制造商协会报告称,编队行驶时,领头车辆可减少8%的二氧化碳排放量,尾随车辆的二氧化碳排放量减少16%,并能提高运输效率,减少交通拥堵,优化整个道路交通。此外,由于卡车的制动受系统控制,尾随卡车的司机可以在卡车可以在行驶时处理行政任务。

推荐多传感器融合路线

关于ADAS的感知问题,捷普在报告中认同了多传感器融合的路线。其表示,单一类型的传感器无法在所有情况下安全监控汽车周围的状况,可以通过组合多种传感器建立一个「冗余监控系统」,以确保无论路况如何,车辆始终都能接到正确信息。这类系统涵盖了包括摄像头、激光雷达、雷达和驾驶员监控系统在内的各种传感器。

目前,主流车企都有自己的解决方案。有的采用以激光雷达为主、摄像头为辅的感知系统,而有的则会更专注于摄像头,再通过激光雷达或毫米波雷达辅助。

ADAS不断进步的同时,AEB自动紧急制动的普及程度和性能,也在逐步提升。以宝马集团研发的紧急制动辅助系统为例,这项技术支持向驾驶员发出碰撞警告,并在必要时自动制动,避免车辆与障碍物、行人或其他车辆发生碰撞。同时,它还具有「紧急变线」功能,通过规避操作主动支持驾驶员。

这一功能也被前沿安全专家评为近年来最重要的道路安全进步之一,并将之和安全带放在同一地位。其认为用不了多久,这项安全功能就会成为汽车的标准配置。

同时,5G和AR技术也将支持和扩展ADAS功能。虽然ADAS不依赖5G,但5G的大带宽和低时延将促进驾驶辅助系统更好地发挥作用,并拓展ADAS的应用范围。ADAS涉及到大量的数据创建和传输,这会给速度较慢的系统带来负担。5G的高速数据传输,也将为AR开辟更多可能性。未来,汽车制造商将使用AR在驾驶员的视线范围内叠加重要数据,例如速度限制和导航方向。

ADAS需要更深入的行业协作

走向无人驾驶是ADAS的发展方向。捷普认为,在当前阶段普及这套系统,可以让消费者提前适应和信任汽车做出的驾驶决策。同时,车企的技术更新、基础设施建设、法律法规和保险制度的完善,也需要在这段时间加速进行。

另外,车企和供应商也将为ADAS展开更加深入的协作。捷普整理了调查数据发现:大约2/3的受访车企表示决定自主设计ADAS系统,但其中有70%是计划在未来五年内通过外包需求来完成;有64%的车企表示将自主制造ADAS,其中约20%也计划在未来五年内将其外包。

还可以看到的是,搭载ADAS的智能汽车开发时间正在大幅缩短。英国金融服务企业IHS Markit的报告显示,美国传统汽车的平均寿命为12年左右,而持续运行的自动驾驶汽车的使用寿命只有3-4年。并且随着技术的不断迭代,汽车的车载技术很快就会过时,需要经常更新升级。

因此,汽车制造商必须提速开发和生产新车。目前,车企已经将新产品的开发周期缩短至一年,甚至更短。

但捷普相信,ADAS终将成为车辆标配。尽管在技术、基础设施和法律法规方面依然有很长的路要走,但通过行业内外的协作,已经让车企打下了迎战基础。


相关文章
|
存储 人工智能 运维
重磅发布!飞天智算平台+全球最大智算中心
阿里云宣布正式推出全栈智能计算解决方案“飞天智算平台”,并启动两座超大规模智算中心,为科研、公共服务和企业机构,提供强大的智能计算服务,可将计算资源利用率提高3倍以上,AI训练效率提升11倍,推理效率提升6倍。
9047 1
重磅发布!飞天智算平台+全球最大智算中心
|
12月前
|
弹性计算 人工智能 资源调度
DeepSeek大解读系列公开课上新!阿里云专家主讲云上智能算力、Kubernetes容器服务、DeepSeek私有化部署
智猩猩「DeepSeek大解读」系列公开课第三期即将开讲,聚焦阿里云弹性计算助力大模型训练与部署。三位专家将分别讲解智能算力支撑、Kubernetes容器服务在AI场景的应用实践、以及DeepSeek一键部署和多渠道应用集成,分享云计算如何赋能大模型发展。欲观看直播,可关注【智猩猩GenAI视频号】预约。 (239字符)
|
11月前
|
存储 运维 Kubernetes
容器数据保护:基于容器服务 Kubernetes 版(ACK)备份中心实现K8s存储卷一键备份与恢复
阿里云ACK备份中心提供一站式容器化业务灾备及迁移方案,减少数据丢失风险,确保业务稳定运行。
|
人工智能 运维 测试技术
SEMIKONG:专为半导体领域设计的大型语言模型,支持制造优化、辅助 IC 设计等半导体制造任务
SEMIKONG 是专为半导体行业定制的大型语言模型,能够优化制造过程、辅助 IC 设计,并整合专家知识,推动领域特定 AI 模型的研究与应用。
931 7
SEMIKONG:专为半导体领域设计的大型语言模型,支持制造优化、辅助 IC 设计等半导体制造任务
|
10月前
|
Kubernetes 调度 异构计算
生产环境 K8S + Deepseek 实现大模型部署 和 容器调度(图解+史上最全)
生产环境 K8S + Deepseek 实现大模型部署 和 容器调度(图解+史上最全)
生产环境 K8S + Deepseek 实现大模型部署 和 容器调度(图解+史上最全)
|
Kubernetes jenkins Linux
两大容器管理平台,Kubernetes与OpenShift有什么区别?
两大容器管理平台,Kubernetes与OpenShift有什么区别?
|
机器学习/深度学习 数据库 数据格式
深度学习之化学反应预测
基于深度学习的化学反应预测是通过深度神经网络模型来分析和预测化学反应的过程及其产物。传统的化学反应预测依赖于专家知识和实验验证,而深度学习的引入使得可以从大规模的化学数据中自动学习复杂的反应规律,提升预测的精度与效率。
605 3
|
JSON 搜索推荐 API
使用Elasticsearch进行全文搜索:技术深度解析
【5月更文挑战第16天】本文深入解析了使用Elasticsearch进行全文搜索的技术细节。Elasticsearch是一个基于Lucene的开源搜索引擎,支持全文、结构化搜索和数据分析,具备优秀的扩展性。文中介绍了其核心功能,包括全文搜索、结构化搜索、分析和可扩展性。详细步骤涉及安装配置、数据准备、创建索引、导入数据、构建查询及结果处理。Elasticsearch凭借其高效性能和灵活性,成为企业全文搜索的首选解决方案。
|
分布式计算 大数据 Java
Scala 入门指南:从零开始的大数据开发
Scala 入门指南:从零开始的大数据开发
|
SQL JSON 关系型数据库
实时计算 Flink版产品使用问题之如何处理doris数据
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。

热门文章

最新文章