北京汽车研究总院有限公司始建于2006年，是北汽集团推进“集团化2.0”建设，构建产品与技术研发能力，实现研发资源整合的关键抓手；是北京汽车自主研发事业的核心板块之一。

北汽研究总院智能网联中心专业总师林大洋以《行泊一体的高阶智能驾驶系统应用探讨》为主题展开演讲，以下是演讲内容整理：

北汽研究总院智能网联中心专业总师林大洋

报告分为四个部分，首先简单分析自动驾驶行业的背景和发展趋势，接着对自动驾驶系统技术方案做简单探讨，然后在技术方面讲一讲行泊一体的具体应用，最后是北汽智能驾驶系统的案例分享。

自动驾驶行业的背景和发展趋势

首先，智能驾驶系统载体还是汽车，人类经过了上千年的马车时代，汽车是近代欧洲机械文明发展中产生的交通工具。百年过去，汽车发生了很大的变化，智能汽车的技术变革是从工业1.0、2.0、信息化3.0，最后到工业4.0，迎来传统汽车的全面技术变革。

具体看有几个标志性事件：上世纪末1998年，部分主机厂逐步推出基于毫米波雷达开发的类似ACC自动跟车的功能。2014年，E-NCAP正式将AEB自动紧急制动纳入评分系统，两个事件都极大地推进了车载传感器和AR系统的发展。近两年来，以特斯拉为代表的主机厂推出NOA导航驾驶辅助系统，基于大算力芯片推动汽车拥有点到点的通行能力，这一标志性事件极大推进了大算力芯片、高性能传感器、高阶智能驾驶系统的落地和发展。

图片来源：北汽研究总院 林大洋

回到智能网联汽车本身，“网联”意味着车、云、路实现了信息的交互和共享。聚焦智能驾驶本身，行业内经常探讨两个概念：单车智能和车路协同，或者说车、路、云，网图一体化的不同技术方案。单车智能是当前量产车的重点，从长远来看还是有一些技术的瓶颈，比如单车算力局限性，单车传感器探测范围，都可以通过车路协同方案补充。

简单来说，单车智能还是当前乘用车前装量产的主流趋势，为了更好的推进更高级别的智能驾驶落地，车路协同也是必然的发展趋势。接下来该报告主要聚焦在单车智能的介绍上，目前有SAE和国标对于自动驾驶进行分级，大体分为L0-L5，L0-L2就是ADAS/辅助驾驶技术，L3级以上才是自动驾驶，责任主体由人变成了车，这是最核心的区别。

当前量产的自动驾驶系统大多是从L2到L3级的过渡，再向上推出了NOA，在高速NOA里可以实现高速公路以及城市快速路点到点的通行能力，但也是在L2辅助驾驶系统的范畴内。也有城市NOA功能，可以实现汽车在城区里面自主通过路口、无保护左转、过红绿灯等城市内的复杂工况。

在这些L2和NOA系统里，人仍然是驾驶的主体，这点需要强调，我们国家大家都知道在积极的引入L3级自动驾驶准入，去年工信部发布了准入的框架，大家都在积极推进在准入的框架里提出了功能安全、信息安全、仿真、测试验证等等具体要求。相信等准入正式的发布之后，大家都会很清楚怎么做L3，同时像城市NOA功能系统，现在我们都在为了应对准入做前期的准备。

行业的发展趋势是什么样的？据盖世汽车数据，2020年-2021年，L0、L1的市场占有率比较高，行业内预测2025年会以L2和L2+为主，部分L3的系统会出现在市场。根据智能网联汽车技术路线图2.0预测，L0和L1普遍还会有很高的市场占有率，共计50%左右，主要由于传统油车品牌，包括合资品牌，重点还是做阶梯性配置：同一款车最高可能支持到NOA，但是车本身还会有L0，L1的配置，特别是合资品牌在国内的市场占有量比较大。

自动驾驶系统技术方案

自动驾驶系统技术有两个不同的技术方向，第一是行泊一体，第二是行泊分离，通常行泊分离更多是低级别智能驾驶系统，它分三部分。

第一部分是毫米波雷达+前摄像头，可以实现了传统意义上的L2，比如说ACC、AEB、TJA、ICA等相关功能。第二部分是两个后部毫米波雷达，可以实现盲区监视BSD、DOW开门安全预警、变道辅助LCA等功能。第三部分是泊车系统，普遍采用泊车功能器+超声波、环视，这套系统在整个行业是比较成熟的。

也有行泊一体的系统方案，更多是面向高级别智能驾驶系统，像激光雷达、毫米波雷达、摄像头、超声波雷达、高精地图和定位设备，都会连到域控制器内，这类方案主要有两个类型的系统：第一类系统是高速NOA，基于传统的高精地图技术路线。也会存在众包地图技术路线，。未来2年内会有很多车企推出高速NOA系统，同时这套系统在泊车上普遍实现了HPA记忆泊车功能，。第二类是城市NOA，具备城市内点到点的通信能力，泊车上可以实现代客泊车，这其中也有很多的技术难点需要克服，会需要系统引入激光雷达、超大算力。

图片来源：北汽研究总院 林大洋

行泊一体的具体应用

首先，电子电气架构从传统的基于模块化的到域集中式逐步发展，向着高算力、高速网络、SOA软件架构发展。再聚焦到智能驾驶系统，它包括传感器、计算平台等部分，比如说传感器，核心是汽车的环境感知部分，激光雷达、毫米波雷达、超声波雷达都有不同特点；另一个是视觉感知部分，比较复杂，在ADAS系统更多使用的是一体机，由相机模组和处理器组成。

对前述几种传感器进行简单比较：激光雷达可以很好地监测车辆、行人、乘用车的距离；毫米波雷达的纵向能力强，速度检测非常准；摄像头类似于人眼，对于车道、车道线、红绿灯等的感知能力非常强。针对计算平台这方面，要接入以上几种不同的传感器，计算平台的接口就有非常明确的需求，要支持毫米波雷达的CAN/CANFD、激光雷达的以太网接口，还要考虑其他总线接口。此外，还要满足显示、温度、环境等诸多要求。

再介绍下非技术层面的开发流程方法论，为保证一套自动驾驶系统的量产落地，很重要的一点就是开发流程要遵循传统V模型，但是中间某些软件模块是可能简化的，可以基于敏捷开发原理去进行。从系统需求分析到架构设计，以及逐步细化到软件设计和硬件设计，以及V模型右侧的全部模块以及单元集成、整个系统的测试与验证等等，这些环节要形成闭环，这是实现量产必不可缺的要点。

方法论里面重点提一下功能安全，整个系统开发要和详尽的功能安全分析相结合，才能真正实现可量产的一体方案，此外，特别是考虑到明年应该会推出的强标，在做芯片选型、芯片内部件开发时也要提前考虑到信息安全。

北汽智能驾驶系统的案例分享

最后分享下北汽量产的自动驾驶系统，使用了3路激光雷达，6路毫米波雷达，12个超声波雷达，13颗摄像头，具备面对人/车/障碍物的高置信检测和面对道路设施的拓扑感知能力，最大环境探测距离超过200米。在域控制器和计算平台方面，搭载MDC810智能驾驶计算平台，拥有高达400 TOPS的超强算力，时智能驾驶感知、融合、定位、决策、规划、控制等任务处理的汽车“大脑”，搭载至整车最高可以实现城市NOA的功能。

（以上内容来自北汽研究总院智能网联中心专业总师林大洋于2022年9月16日由盖世汽车主办的2022第五届自动驾驶与人机共驾论坛发表的《行泊一体的高阶智能驾驶系统应用探讨》主题演讲。）