数据驱动时代“车路云一体化”加速自动驾驶商业化进程前瞻产业研究院出品目录CONTENT01 自动驾驶从“规则驱动”进入“数据驱动”时代03 “车路云一体化”加速自动驾驶商业化进程02 数据闭环能力成为自动驾驶规模化落地关键因素04 数据驱动时代，自动驾驶代表企业实践011.1 自动驾驶技术架构演变历程1.2 “规则驱动”核心要素1.3 “数据驱动”核心要素1.1.1 仍处于自动驾驶初始阶段，随着等级提升算力要求成倍提升资料来源：SAE；《汽车驾驶自动化分级》（GB/T 40429-2021）；《智能网联汽车技术路线图2.0》；前瞻产业研究院整理02243204000+完全自动驾驶L5高度自动驾驶L4有条件自动驾驶L3部分自动驾驶L2辅助驾驶L1辅助信息交互网联协同感知网联决策控制网联化智能化L1单车智能+车内交互L2单车智能+车外交互L3车队智能+网联协同智能化为主智能化为主智能化与网联化融合L4/L5车流智能+网联协同智能化与网联化深度融合当前所处发展阶段特定场景下自动驾驶2025年当前2030年2035年自动驾驶发展目标TELOPSTELOPSTOPSTOPS10x10x10x1.1.2 自动驾驶技术开始步入数据驱动时代资料来源：前瞻产业研究院整理自动驾驶行业可以被分成三个时代：1.0时代是硬件驱动，主要依靠激光雷达和人工规则的认知方式提供自动驾驶方案；2.0时代是软件驱动，特点是传感器单独输出结果，用小模型和少数据的模式提供自动驾驶方案；3.0时代是数据驱动时代，采用多模态传感器联合输出结果，用大模型大数据的模式提供自动驾驶方案。硬件驱动时代（自动驾驶1.0）软件驱动时代（自动驾驶2.0）数据驱动时代（自动驾驶3.0）里程规模：100万公里感知方式：激光雷达认知原则：人工规则里程规模：100万-1亿公里感知方式：传感器单独输出结果认知原则：人工规则应用模型：小模型小数据里程规模：1亿公里以上感知方式：多模态传感器联合输出结果认知原则：可解释的场景化驾驶常识应用模型：大模型大数据1.2.1 “规则驱动”的硬件基础雷达通过发射无线电波，检测反射信号来感知周围环境，适用于自动驾驶中的距离测量和物体检测。雷达传感器激光雷达通过激光束扫描物体，收集反射光信息，实现高精度三维成像，用于自动驾驶的实时地图构建和物体识别。激光雷达传感器摄像头捕捉二维图像，通过图像处理算法分析物体形状、颜色和运动状态，用于自动驾驶中的道路线识别和车辆检测。摄像头传感器毫米波雷达利用电磁波在毫米波段的高分辨率，实现远距离和高精度的目标检测，适用于自动驾驶的巡航控制和盲点监测。毫米波雷达传感器超声波通过发射和接收声波，测量距离和速度，适用于自动驾驶中的近距离物体检测和停车辅助功能。超声波传感器自动驾驶汽车感知更加精准，离不开车载摄像头、毫米波雷达、超声波雷达、激光雷达等感知硬件，其中，超声波雷达、毫米波雷达和激光雷达主要用于测量距离、速度和障碍物，车载摄像头主要用于图像采集和识别，感知硬件各司其职，让自动驾驶汽车可以获取更多的道路信息。1.2.2 “规则驱动”的软件基础规则驱动自动驾驶的软件基础除了底层驱动和实时操作系统外,上层应用主要包括感知层、规划层和控制层等程序。在技术上，以各类感知算法、定位算法和规控算法为核心。路径/轨迹规划行为决策横纵向解耦控制横纵向协同控制规控绝对定位定位融合定位相对定位感知融合感知直接/间接感知独立感知全球卫星定位系统GNSS，如GPS、北斗等，可以辅助车辆确定其在地球上所处位置，但其精度一般是米需级，不能满足车辆自动驾驶厘米级要求，一般要RTK差分技术辅助，才能实现厘米级定位精度。定位算法目前应用最广的方法是间接感知，即通过感知周围物体的距离、速度、形状等，构建驾驶态势图，进行规划、控制，间接作用于驾驶操作系统。感知算法规划、控制的目的，一是对车辆远动进行全局规划、行为决策、局部规划；二是精准控制车辆按规划轨迹行驶。全局路径规划、后部轨迹规划，本常用的搜索算法为A*算法；控制算法，最常用的是经典控制算法PID控制。规控算法1.3.1 软件算法大模型式演化，自动驾驶进入3.0时代能力突破与模型统一 在云端实现感知大模型和认知大模型的能力突破 车端各类小模型逐...
