盖斯特咨询｜自动驾驶产业化发展关键问题解析 / 四六文摘

本报告为盖斯特原创，如需下载请关注本公众号并发送关键词自动驾驶017，未经允许不得用于其他商业用途。

本报告围绕自动驾驶产业化发展过程中的关键问题展开深度研究，试图找到自动化驾驶产业化的技术解决路径。

观点摘要

自动驾驶决策技术路线：L3、L4技术路线在感知、执行方面差别不大，主要差别在决策算法方面，是基于规则的算法还是机器学习的算法？——两种决策算法的综合使用是自动驾驶应用过程中的通常做法。

自动驾驶感知技术路线：车路协同是未来自动驾驶实现全天候共享这一最佳应用场景不可或缺的一步，以联网解决共性问题，自主解决个性问题，两者结合、互为补充，提供足够的冗余。对于车辆自身来说，多传感器融合在硬件层面并不难实现，重点和难点在算法，软硬件如何无缝协同工作也是未来自动驾驶面临的一个挑战。

自动驾驶对整车电子电气架构兼容性的要求：电子电气架构设计决定了一个整车平台10-15年生命周期内的带宽，自动驾驶技术要求整车电子电气架构设计应充分考虑到智能网联与新能源两个主要技术趋势的兼容性。

自动驾驶的应用场景的路径选择：优先选择适用于所有场景的部分自动驾驶还是适用于特殊场景的全自动驾驶需要考虑交通状况、参与者、环境等因素。

自动驾驶的功能验证方法：自动驾驶测试的复杂性在于驾驶工况复杂、非确定性算法、机器学习系统，以及虚拟和实物验证对标，构建一个确实能够客观反映驾驶场景的数据库，是推动虚拟验证和实物验证共同需要解决的问题。

以下为报告全文

盖斯特部分咨询项目介绍

盖斯特咨询｜自动驾驶产业化发展关键问题解析