在決策階段，行為預(yù)測(cè)、路徑規(guī)劃以及避障機(jī)制三者結(jié)合起來實(shí)時(shí)完成無人駕駛動(dòng)作規(guī)劃。

　　行為預(yù)測(cè)

　　車輛駕駛中的一個(gè)主要考驗(yàn)是司機(jī)如何應(yīng)對(duì)其他行駛車輛的可能行為，這種預(yù)判斷直接影響司機(jī)本人的駕駛決策，特別是在多車道環(huán)境或者交通燈變燈的情況下，司機(jī)的預(yù)測(cè)決定了下一秒行車的安全。因此，過渡到無人駕駛系統(tǒng)中，決策模塊如何根據(jù)周圍車輛的行駛狀況決策下一秒的行駛行為顯得至關(guān)重要。

　　為了預(yù)測(cè)其他車輛的行駛行為，可以使用隨機(jī)模型產(chǎn)生這些車輛的可達(dá)位置集合，并采用概率分布的方法預(yù)測(cè)每一個(gè)可達(dá)位置集的相關(guān)概率。

　　路徑規(guī)劃

　　為無人駕駛在動(dòng)態(tài)環(huán)境中進(jìn)行路徑規(guī)劃是一件非常復(fù)雜的事情，尤其如果車輛是在全速行駛的過程中，不當(dāng)?shù)穆窂揭?guī)劃有可能造成致命的傷害。路徑規(guī)劃中采取的一個(gè)方法是使用完全確定模型，它搜索所有可能的路徑并利用代價(jià)函數(shù)的方式確定最佳路徑。然后，完全確定模型對(duì)計(jì)算性能有著非常高的要求，因此很難在導(dǎo)航過程中達(dá)到實(shí)時(shí)的效果。為了避免計(jì)算復(fù)雜性并提供實(shí)時(shí)的路徑規(guī)劃，使用概率性模型成為了主要的優(yōu)化方向。

　　避障

　　安全性是無人駕駛中最為重要的考量，我們將使用至少兩層級(jí)的避障機(jī)制來保證車輛不會(huì)在行駛過程中與障礙物發(fā)生碰撞。第一層級(jí)是基于交通情況預(yù)測(cè)的前瞻層級(jí)。交通情況預(yù)測(cè)機(jī)制根據(jù)現(xiàn)有的交通狀況如擁堵、車速等，估計(jì)出碰撞發(fā)生時(shí)間與最短預(yù)測(cè)距離等參數(shù)。基于這些估計(jì)，避障機(jī)制將被啟動(dòng)以執(zhí)行本地路徑重規(guī)劃。如果前瞻層級(jí)預(yù)測(cè)失效，第二級(jí)實(shí)時(shí)反應(yīng)層將使用雷達(dá)數(shù)據(jù)再次進(jìn)行本地路徑重規(guī)劃。一旦雷達(dá)偵測(cè)到路徑前方出現(xiàn)障礙物，則立即執(zhí)行避障操作。

　　Client系統(tǒng)

　　Client系統(tǒng)整合之前提到的避障、路徑規(guī)劃等算法以滿足可靠性及實(shí)時(shí)性等要求。Client系統(tǒng)需要克服三個(gè)方面的問題：其一，系統(tǒng)必須確保捕捉到的大量傳感器數(shù)據(jù)可以及時(shí)快速地得到處理；其二，如果系統(tǒng)的某部分失效，系統(tǒng)需要有足夠的健壯性能從錯(cuò)誤中恢復(fù)；其三，系統(tǒng)必須在設(shè)計(jì)的能耗和資源限定下有效地完成所有的計(jì)算操作。

　　硬件平臺(tái)

　　現(xiàn)有的領(lǐng)先無人車駕駛產(chǎn)品的計(jì)算平臺(tái)由兩個(gè)計(jì)算盒組成，每一個(gè)裝備有Intel Xeon E5處理器以及4到8個(gè)Nvidia Tesla K80 GPU加速器。兩個(gè)計(jì)算盒執(zhí)行完全一樣的工作，第二個(gè)計(jì)算盒作為計(jì)算備份以提高整個(gè)系統(tǒng)的可靠性，一旦第一個(gè)計(jì)算盒發(fā)生故障，計(jì)算盒二可以無縫接手所有的計(jì)算工作。

　　在最極端的情況下，如果兩個(gè)計(jì)算盒都在峰值下運(yùn)行，及時(shí)功耗將高達(dá)5000W，同時(shí)也將遭遇非常嚴(yán)重的發(fā)熱問題。因此，計(jì)算盒必須配備有額外的散熱裝置，可采用多風(fēng)扇或者水冷的方案。同時(shí)，每一個(gè)計(jì)算盒的造價(jià)非常昂貴，高達(dá)2萬(wàn)-3萬(wàn)美元，致使現(xiàn)有無人車方案對(duì)普通消費(fèi)者而言無法承受。

　　現(xiàn)有無人車設(shè)計(jì)方案中存在的功耗問題、散熱問題以及造價(jià)問題使得無人駕駛進(jìn)入普羅大眾顯得遙不可及。為了探索無人駕駛系統(tǒng)在資源受限以及能耗受限時(shí)運(yùn)行的可行性，我們?cè)?a href="http://www.xmydyc.com/shop/2591/index/" title="ARM" target="_blank">ARM面向移動(dòng)市場(chǎng)的實(shí)現(xiàn)了一個(gè)簡(jiǎn)化的無人駕駛系統(tǒng)，實(shí)驗(yàn)顯示在峰值情況下能耗僅為15W。

　　無人駕駛的產(chǎn)業(yè)發(fā)展

　　宏觀來說，一個(gè)產(chǎn)業(yè)的發(fā)展應(yīng)該是至上而下的，上游產(chǎn)業(yè)的發(fā)展讓下游產(chǎn)業(yè)更加繁榮，反過來刺激上游產(chǎn)業(yè)的發(fā)展。理想來說，無人駕駛的產(chǎn)業(yè)發(fā)展應(yīng)該分為三個(gè)階段：第一階段，感知系統(tǒng)的發(fā)展，主要包括各類傳感器的融合使用及感知決策系統(tǒng)的準(zhǔn)確度提升，實(shí)現(xiàn)輔助信息的交互及部分自動(dòng)駕駛功能。第二階段，支持算法以及決策的芯片成熟，包括算法及芯片設(shè)計(jì)的發(fā)展，實(shí)現(xiàn)協(xié)同決策及自動(dòng)駕駛。第三階段，車聯(lián)網(wǎng)的發(fā)展，實(shí)現(xiàn)高精度地圖及實(shí)時(shí)路況信息的更新及通過深度學(xué)習(xí)實(shí)現(xiàn)協(xié)同感知。

　　傳感器的融合使用

　　毫米波雷達(dá)：車載毫米波雷達(dá)市場(chǎng)主要供應(yīng)商為傳統(tǒng)的汽車電子企業(yè)，如博世、大陸、 海拉等，市場(chǎng)占有率頭三位的企業(yè)占領(lǐng)了50%以上的市場(chǎng)份額。中國(guó)市場(chǎng)中高端汽車裝配的毫米波雷達(dá)傳感器依賴進(jìn)口為主，國(guó)內(nèi)自主品牌的研發(fā)生產(chǎn)能力尚需提高。毫米波雷達(dá)的核心組成部分為前端單片微波集成電路MMIC和雷達(dá)天線高頻PCB板，此兩項(xiàng)核心技術(shù)僅掌握在國(guó)外廠商手中。國(guó)內(nèi)企業(yè)總體尚處于研發(fā)階段，24GHz的產(chǎn)品已經(jīng)取得部分研發(fā)成果。

　　激光雷達(dá)：激光雷達(dá)是無人駕駛汽車硬件端的核心能力，受益于無人駕駛汽車市場(chǎng)規(guī)模的爆發(fā)，預(yù)計(jì)2030年全球激光雷達(dá)市場(chǎng)可達(dá)到360億美元的規(guī)模。相比于國(guó)外的Velodyne、Quanergy等廠商已經(jīng)具有相對(duì)成熟的產(chǎn)品，國(guó)內(nèi)公司在激光雷達(dá)生產(chǎn)研發(fā)尚處于初步成型階段。目前國(guó)內(nèi)研發(fā)生產(chǎn)激光雷達(dá)的初創(chuàng)公司數(shù)量很多，但是大多數(shù)缺乏完整的產(chǎn)業(yè)鏈及相應(yīng)的配套設(shè)備，受制于硬件成本及技術(shù)門檻較高等因素，能夠做出成型產(chǎn)品的公司往往很少。

　　攝像頭：預(yù)計(jì)2020年全球車載攝像頭的市場(chǎng)規(guī)模約為200億人民幣，模組組裝及CMOS供應(yīng)商共占據(jù)超過60%的產(chǎn)業(yè)價(jià)值，該產(chǎn)業(yè)鏈的其他環(huán)節(jié)還包括鏡頭供應(yīng)商及其他部件的供應(yīng)商。該模塊的行業(yè)技術(shù)壁壘較高，只有少數(shù)廠商具有垂直整合的能力。大部分廠商將業(yè)務(wù)集中在產(chǎn)業(yè)鏈中的少數(shù)環(huán)節(jié)，行業(yè)的集中度很高，大多數(shù)環(huán)節(jié)的前三廠商市場(chǎng)份額合計(jì)占總體一半以上：光學(xué)鏡頭主要是臺(tái)灣的大立光學(xué)、大陸的舜宇光學(xué)主導(dǎo)，CMOS傳感器及圖像處理器以歐美和日本韓國(guó)的廠商為主，大陸廠商在紅外濾光片和模組封裝有一定的優(yōu)勢(shì)（如歐菲光、水晶光電等）。通常攝像頭硬件設(shè)備和配套的算法及系統(tǒng)難以分割，硬件設(shè)備商將攝像頭提供給自動(dòng)駕駛算法公司或者汽車一級(jí)供應(yīng)商，由這些下游的公司進(jìn)行硬件、芯片及算法的合成。由于車載攝像頭對(duì)安全性及穩(wěn)定性的要求比普通的工業(yè)用攝像頭高，產(chǎn)品壁壘較高，所以攝像頭大廠相對(duì)有競(jìng)爭(zhēng)優(yōu)勢(shì)。未來的車載攝像頭廠商的競(jìng)爭(zhēng)將主要體現(xiàn)在：1. 與芯片及算法的適配性，提供整體解決方案的能力；2. 產(chǎn)品穩(wěn)定性安全性等工藝的領(lǐng)先。

　　總體上說，傳感器與配套的算法及芯片相輔相成，未來的趨勢(shì)是提供完整的一套解決方案，而不是單個(gè)零星的硬件。另外，各種類型的傳感器的功能各有優(yōu)勢(shì)，互相補(bǔ)充，汽車整車廠將融合使用各類傳感器，并通過量產(chǎn)及新技術(shù)推動(dòng)傳感器的成本下降。

　　2. 算法及芯片協(xié)同發(fā)展

　　ADAS算法及芯片技術(shù)門檻高，需要對(duì)傳感系統(tǒng)采集的數(shù)據(jù)進(jìn)行處理，完成對(duì)周圍環(huán)境及自身車況的識(shí)別及探知，市場(chǎng)集中度較高。國(guó)內(nèi)的ADAS算法公司有三種商業(yè)模式：1. 向汽車一級(jí)供應(yīng)商直接提供算法（或者外購(gòu)芯片及傳感器，提供完整的ADAS模組）；2. 建立生產(chǎn)線，提供自產(chǎn)的完整ADAS模組給一級(jí)供應(yīng)商或后裝市場(chǎng)；3. 將自身研發(fā)的芯片與算法綁定出售。 由于可以通過算法升級(jí)實(shí)現(xiàn)更多功能，且企業(yè)內(nèi)部的自身成本與建立傳感器生產(chǎn)線相比非常低（主要是人工的成本），所以產(chǎn)業(yè)鏈中的算法環(huán)節(jié)可以帶來30%以上的產(chǎn)品溢價(jià)

　　3. 高精度地圖及車聯(lián)網(wǎng)的發(fā)展

　　高精度地圖參與者主要有圖商（如HERE、四維圖新）、無人駕駛科技公司（如Google、特斯拉等）、ADAS方案提供商（如Mobileye、前向啟創(chuàng)）和傳統(tǒng)車企（如通用、大眾）等四類。其中除了圖商的高精度地圖是為地圖的標(biāo)準(zhǔn)化準(zhǔn)備外，其他參與者繪制的高精度地圖都是為了各自環(huán)節(jié)中的特定需求定制的，標(biāo)準(zhǔn)化程度較低。地圖行業(yè)的進(jìn)入壁壘較高，主要由于地圖繪制的牌照數(shù)量少，數(shù)據(jù)庫(kù)建設(shè)周期長(zhǎng)，投入資金大，而且需要大量依賴長(zhǎng)期積累起來的實(shí)施技術(shù)。另一方面，該行業(yè)的規(guī)模經(jīng)濟(jì)效應(yīng)明顯，一旦建立起市場(chǎng)份額則利潤(rùn)非常可觀。

　　車聯(lián)網(wǎng)市場(chǎng)的參與方可大致分為四種: 車聯(lián)網(wǎng)服務(wù)提供商、設(shè)備供應(yīng)商、增值服務(wù)提供商以及電信運(yùn)營(yíng)商。1. 車聯(lián)網(wǎng)服務(wù)提供商居于產(chǎn)業(yè)鏈核心，地位類似于智能手機(jī)的操作平臺(tái)，是傳統(tǒng)整車廠和高科技行業(yè)巨頭競(jìng)爭(zhēng)的主戰(zhàn)場(chǎng)。傳統(tǒng)整車廠利用捆綁銷售的方式，通過在旗下產(chǎn)品搭載自家品牌的車聯(lián)網(wǎng)系統(tǒng)，完成用戶的原始積累。科技公司則通過與車企在地圖、車聯(lián)網(wǎng)方案、自動(dòng)駕駛等領(lǐng)域的合作進(jìn)入車聯(lián)網(wǎng)生態(tài)系統(tǒng)。2. 設(shè)備供應(yīng)商是整個(gè)車聯(lián)網(wǎng)產(chǎn)業(yè)鏈實(shí)現(xiàn)的硬件基礎(chǔ)。目前該領(lǐng)域尚未形成巨頭競(jìng)爭(zhēng)的格局，留給創(chuàng)業(yè)公司發(fā)展的空間較大。縱向一體化或者專攻高利潤(rùn)市場(chǎng)將有助于盡快確立競(jìng)爭(zhēng)地位。3. 增值服務(wù)提供商與智能手機(jī)App應(yīng)用的價(jià)值類似，市場(chǎng)空間十分巨大，但目前尚處于初級(jí)的服務(wù)模式當(dāng)中，參與者魚龍混雜，競(jìng)爭(zhēng)的關(guān)鍵點(diǎn)在于精準(zhǔn)理解用戶需求，提高用戶體驗(yàn)。4. 電信運(yùn)營(yíng)商主要將用戶請(qǐng)求及處理結(jié)果在車聯(lián)網(wǎng)中傳遞并收取通信費(fèi)用。國(guó)內(nèi)三大電信運(yùn)營(yíng)在通信市場(chǎng)處于絕對(duì)的寡頭地位。