《汽车零部件行业深度分析:智能网联汽车建设正加速特定场景商业模式已完成闭环-230315(38页).pdf》由会员分享,可在线阅读,更多相关《汽车零部件行业深度分析:智能网联汽车建设正加速特定场景商业模式已完成闭环-230315(38页).pdf(38页珍藏版)》请在三个皮匠报告上搜索。
1、 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。1 20232023 年年 0303 月月 1 15 5 日日 汽车零部件汽车零部件 行业深度分析行业深度分析 智能网联汽车建设正加速,特定场景智能网联汽车建设正加速,特定场景商业模式已完成闭环商业模式已完成闭环 证券研究报告证券研究报告 投资评级投资评级 领先大市领先大市-A A 维持维持评级评级 首选股票首选股票 目标价(元)目标价(元)评级评级 行业表现行业表现 资料来源:Wind 资讯 升幅升幅%1M1M 3M3M 12M12M 相对收益相对收益 -7.5-4.6 7.8 绝对收益绝对收益 -10.7-3.0 0.9 徐慧雄
2、徐慧雄 分析师分析师 SAC 执业证书编号:S02 李泽李泽 联系人联系人 相关报告相关报告 智能汽车 2023 年度策略():座舱迈入 2.0 时代,车机域控格局或将再重塑 2022-12-12 线控底盘:实现高阶自动驾驶的必要条件,各环节将迎加速量产期 2022-10-29 车路协同有效解决单车智能痛点,车路协同有效解决单车智能痛点,多因素驱动智能网联汽车多因素驱动智能网联汽车加速落地加速落地 在目前智能汽车软硬件平台性能有限的背景下,无论是纯视觉方案还是多传感器融合方案,均难以获得超视距、全局化的交通信息,在实现 L3 级以上高阶自动驾驶仍有较大难度。而车路协同的建
3、设可通过 V2X 实时传输远端信息,有效补足单车感知能力的补足。同时,国内具备优渥的 5G 通信基建基础,叠加国内人口道路密度大、高速等道路基础设施建设相对完善等特征,智能网联汽车落地亦具备较强经济性。近年来,在构建智慧交通体系政策的支持下,各地已纷纷开启试点区项目,未来随着自动驾驶渗透率的持续提升,国内智能网联汽车“云管端”建设有望进一步加速。车端车端:OBU 车端通信的核心设备,车端通信的核心设备,具备低时延、高兼容性具备低时延、高兼容性等等特点特点 车路协同系统通过“端”、“管”、“云”三方共同协作,从而实现环境感知,数据融合计算及决策控制,车端设备则更多体现“管”功能。其中 OBU 是
4、车端核心设备,可借助 V2X 及 5G 通信技术实现车与车、车与人、车与云及车与路之间的全面信息交互。同时,由于车路协同对通信实时性提出更高要求,叠加路端和车端信息具有异质性特征,OBU 设备具备低时延、高兼容性特点。路端:路端:RSU 实现车路通讯,实现车路通讯,MEC 为为局部决策提供局部决策提供低时延低时延算力支持算力支持 RSU 和 MEC 是智能网联汽车路侧设备中实现车路信息通讯的关键设备。其中 OBU 帮助单车实现 C-V2X 技术通讯,于车端能够提供超视距、全局实时的信息;于交通端能够为智慧交通数据中心提供实时的路况信息。此外,RSU 源于 ETC 设备的升级,因而具备相对成熟的
5、产业链,传统 ETC 龙头公司金溢科技、万集科技等均已实现率先布局。MEC 为移动边缘计算单元,负责向路侧和车端设备提供近端低时延的算力支持。同时,由于边缘计算平台和云平台技术、架构等同源,传统的提供综合 IaaS 服务的云平台巨头阿里、腾讯、百度等目前仍为该边缘云业务的主导者。云端:云端:云控平台是云控平台是智能网联汽车智能网联汽车中数字化交通建设的主要载体中数字化交通建设的主要载体 云控系统是实现智能网联汽车的重要软件基础设施平台,承担“数据+算力中心”角色,为智慧交通和应用主体提供全局交通信息和非实时算力支持,整体架构包含边缘云、区域云和中心云三级。参与者中云服务商与传统服务相似提供基础
6、性服务,交通平台集成商完成专业化部署和运营,其掌握数据运营自主权,更具备增长弹性。特种车场景特种车场景有望有望率先落地,率先落地,提供整体解决方案为目前主流提供整体解决方案为目前主流商业模式商业模式 城市路段、高速公路及园区、港口等特定区域由于路况简单、封闭运营等因素是目前智能网联汽车主要应用场景。而目前在落地实施的过程中,商业模式主要包括“提供完整的解决方案及后期运营服务”和“销售改装自动驾驶车和车端、路端设备”两类,从头部供应商落地案例上看,提供完整的软硬件解决方并协助进行后期平台运营为当前的主流商业模式。相关相关关注关注标的:蘑菇车联、金溢科技、千方科技标的:蘑菇车联、金溢科技、千方科技
7、 风险提示:风险提示:主机厂自动驾驶升级进度不及预期;主机厂自动驾驶升级进度不及预期;智能网联汽车智能网联汽车项目落项目落地进度不及预期;车端网联化速度不及预期地进度不及预期;车端网联化速度不及预期。-21%-11%-1%9%19%29%39%--03汽车零部件汽车零部件沪深沪深300300行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。2 内容目录内容目录 1.车路协同在技术进步与政策支持背景下正加速落地.6 1.1.当前处于 L2+自动驾驶级别规模量产时期,2022年 L2+渗透
8、率约 21.9%.6 1.2.依靠单车智能实现 L5智驾难度大,车路协同有望突破技术瓶颈.7 1.2.1.单车智能难以实现 L5 级自动驾驶.7 1.2.2.车路协同有效补齐单车智能技术不足.8 1.3.C-V2X 技术普及加速落地,中国的交通国情亟需发展车路协同.9 1.3.1.C-V2X是核心通信技术,其普及将协助车路协同快速发展.9 1.3.2.中国人口道路密度使车路协同更具经济性,新基站及智能公路加快方案落地.10 1.3.3.中国对行车安全问题关注度高,车路协同有效解决单车智能安全隐患等问题.11 1.4.国家政策积极推动建设智能网联汽车,自动驾驶安全运输征求意见稿落地.12 2.车
9、端设备:OBU 是为核心部件,具备低时延、高兼容性特点.13 3.路侧设备:RSU 实现车路信息实时通讯,MEC 提供局部算力支持.15 3.1.RSU 是车路实时通讯的关键设备,为车端提供超视距、全局实时的信息.15 3.1.1.RSU 是车路实时通讯的关键设备.15 3.1.2.于车端,RSU 能够实时传输近端和远端的静态交通及动态路况信息.16 3.1.3.于路端,RSU 提供比传统方案更高效、多元化的交通信息.17 3.1.4.RSU 源于 ETC 设备具备产业基础,智能网联汽车东风下多方供应商跑步入场.18 3.2.MEC 为局部决策提供算力支持,解决云端处理延时问题.18 3.2.
10、1.MEC 为近源数据提供算力支持,其部署架构与云平台类似.18 3.2.2.MEC 的核心硬件为提供算力支持的主控芯片.19 3.2.3.从对车端/路端提供算力支持的角度看,MEC 能够有效平衡高算力和通信低时延要求.20 3.2.4.从对 C 端提供服务角度看,缩短数据传输路径,提高服务实时性体验.22 3.2.5.产业链:综合型云计算厂商率先切入,技术出身的创新型企业相继入局.23 4.云端部署:云控平台是数字化交通建设的主要载体.23 4.1.组成架构:中心云、区域云和边缘云是云控系统基础平台的核心架构.23 4.2.意义:云控平台是构建智能车大数据平台、实现智能网联汽车新基建及智能车
11、技术迭代的重要解决方案之一.24 4.3.功能:云控平台为智慧交通和应用主体提供交通信息和非实时算力支持.25 4.4.产业链:云服务商提供基础性服务,交通平台集成商完成专业化部署运营.25 5.商业化进程:特种车辆有望率先落地,头部厂商已完成商业闭环.26 5.1.特种车对应的路段封闭、路况简单,具备较高的落地可行性.26 5.2.城市/高速场景下 B 端客户落地难度大,主机厂/出租车设备配套意愿不高.27 5.3.方案整包为主流商业模式,企业承担“路端/云端部署总包+运营”角色.28 6.相关关注标的.29 6.1.蘑菇车联:全栈自研推出标准化产品,商业化落地形成正向循环.29 6.1.1
12、.核心软硬件自研,提供标准的车路云一体化产品及解决方案.29 6.1.1.1.6.1.1.1.全栈自研使得企业具备车路协同整套解决方案集成能力全栈自研使得企业具备车路协同整套解决方案集成能力.30 6.1.1.2.6.1.1.2.标准化产品方案,满足多场景落地真实需求标准化产品方案,满足多场景落地真实需求.30 6.1.2.签约项目超百亿元,形成数据、商业双闭环.34 pPrQWWcVfVaYqUfWMB9PcMbRpNmMnPoNeRnNsRkPnMpR8OoOwPuOpNrMMYsPrP行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报
13、告尾页。3 6.1.2.1.多区域,多场景快速落地,下好智慧交通基建的先手棋.34 6.1.2.2.多数项目处于初中期已逐步形成商业闭环,未来有望实现正向循环.34 6.2.金溢科技:高速 ETC 设备头部厂商,V2X 业务拓展有望打开成长空间.34 6.3.千方科技:传统智慧交通解决方案商,项目经验和客户积累助力智能网联汽车项目规模化落地.35 7.风险提示.36 图表目录图表目录 图 1.不同自动驾驶等级之下的代表性功能.6 图 2.2025 年中国 L1-L3级自动驾驶渗透率将达到 65%.7 图 3.单车智能和车路协同适用范围和局限性比较.7 图 4.现阶段单车智能对超视距感知、视觉盲
14、区交通信息难以感知.8 图 5.单车智能和车路协同感知系统框架.8 图 6.无协同感知时车辆视线受阻,无法获得信号灯信息.9 图 7.V2X 的四类交互对象.9 图 8.车端能够有效分摊路端部署成本.10 图 9.2019-2022 年中国 5G 基站数量(万).11 图 10.2015-2020 中国智慧公路行业市场规模(亿元).11 图 11.车路协同使得安全区域明显增加.11 图 12.车路协同领域国家级政策体系不断完善.12 图 13.端管云架构图.13 图 14.车载单元位于“端”层.14 图 15.OBU 主要结构.14 图 16.OBU 实现 V2X 信息交互.14 图 17.O
15、BU 工作流程.15 图 18.路侧系统架构.15 图 19.RSU 部署于信号灯横栏等路端上.16 图 20.通信单元是 RSU 的核心部件.16 图 21.RSU 连接关系网.16 图 22.RSU 实现车路信息通信示意图.16 图 23.多语义、异形信号灯难以识别.16 图 24.视线遮挡无法识别信号灯,易发生安全事故.16 图 25.视线遮挡或恶劣天气下,近端信号灯信息发送.17 图 26.远端交通信息实时播报.17 图 27.视线被遮挡后,仍可通过 RSU 获取闯入行人和对向车辆等实时路况信息.17 图 28.传统方案通过地磁检测方式测算交通流量等信息存在高延时、信息量小等问题.17
16、 图 29.RSU 产业链及主要参与者.18 图 30.智能网联汽车边缘云组成图.19 图 31.边缘云平台层构成.19 图 32.边缘云 V2X 应用层组成.19 图 33.百度 Apollo 路侧 MEC 设备.19 图 34.谷歌无人车边缘计算平台主要硬件.19 图 35.不同硬件平台适合的负载类型.20 图 36.Intel 酷睿处理器提供高算力支持.20 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。4 图 37.车路协同各节点业务对低时延的需求.20 图 38.MEC 与中心云配合,承担分流低延时计算任务的角色.21
17、 图 39.智能网联汽车 MEC 协同计算模型.22 图 40.MEC 部署于边缘 UPF 附近实现业务请求分流.22 图 41.MEC 产业链及图谱.23 图 42.云控系统架构及组成.24 图 43.区域云总体框架图.24 图 44.中心云总体架构图.24 图 45.云端提供数据和算力支持.25 图 46.天津西青智能网联汽车先导区车路协同云控平台.25 图 47.天津西青智能网联汽车先导区车路协同运营平台.25 图 48.云服务商和交通平台集成商为云控平台的主要参与者.26 图 49.城市/高速/特定区域智能网联汽车应用场景对比.26 图 50.特种车场景率先落地.27 图 51.蘑菇车
18、联在衡阳市提供自动驾驶接驳服务.27 图 52.蘑菇车联在衡阳市提供自动驾驶环卫服务.27 图 53.中国智能网联汽车渗透率空间亟需进一步提升.27 图 54.一二线城市单车节约成本需达到 3k 元左右.27 图 55.开放道路场景落地难度大.28 图 56.整套解决方案和部分设备商间的关系.28 图 57.整套解决方案和部分设备销售模式对比.29 图 58.百度 Apollo 的车路协同解决方案.29 图 59.蘑菇车联标准产品包.30 图 60.蘑菇车联的整体方案提供方式.30 图 61.蘑菇车联发展定位及业务方向.31 图 62.车路协同基站集成多种核心技术单元.31 图 63.车路协同
19、基站能有效实现项目大规模标准化落地.31 图 64.蘑菇数字底座.32 图 65.蘑菇云控平台.32 图 66.蘑菇交通大脑.32 图 67.高精地图.32 图 68.自动驾驶车辆的套件升级.32 图 69.汽车大脑实现技术突破.32 图 70.自动驾驶车辆(部分).33 图 71.自动驾驶车辆运营业务.33 图 72.智能运营中心.33 图 73.自动驾驶级别导航服务.33 图 74.与多地政府达成合作.34 图 75.蘑菇车联已与多地政府达成合作.34 图 76.蘑菇车联多数项目已形成商业闭环.34 图 77.2020 年中国 ETC 行业市场份额(按 OBU 销售量).35 图 78.2
20、018-2021 金溢科技不同业务板块营收占比.35 图 79.千方科技 Omni-T2.0 全域交通解决方案.35 图 80.千方科技智慧交通落地项目.36 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。5 表 1:自动驾驶等级划分.6 表 2:DSRC和 C-V2X 优劣势对比.10 表 3:2015-2022 年智能网联汽车建设相关政策梳理.12 表 4:车路协同各节点业务对低时延的需求.21 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。6 1.1.车路协
21、同车路协同在在技术进步技术进步与与政策支持政策支持背景背景下下正正加速落地加速落地 1.1.当前处于当前处于 L2+自动驾驶自动驾驶级别规模量产时期级别规模量产时期,2022 年年 L2+渗透率约渗透率约 21.9%国内国内自动驾驶被分为六个级别:其中自动驾驶被分为六个级别:其中 L0-L2 可实现辅助驾驶,可实现辅助驾驶,L3 开始正式进入自动驾驶。开始正式进入自动驾驶。自动驾驶是指汽车依靠激光雷达、摄像头等传感器使车辆具有环境感知能力,配合人工智能、高精度地图及全球定位等技术使车辆完成路径规划及自主决策,最终车辆可以在不受人为干预的情况下自动安全的行驶。根据工信部发布的推荐性国家标准报批公
22、示,当前汽车的自动驾驶被划分为 L0-L5六个等级:(1)L1 与 L2 分别是部分驾驶辅助及组合驾驶辅助,在 L1 级别的辅助驾驶中,自动驾驶系统可以辅助驾驶员完成部分驾驶操作。车辆防抱死系统(ABS),车身电子稳定功能(ESP)等配置均在 L1 级别辅助驾驶中得到应用,然而在此级别中辅助驾驶功能有限,大部分功能主要是由驾驶员完成。L2在 L1的基础上可以实现部分功能的自动化,但检测路况,紧急情况的判断及操作仍需驾驶员完成。L2 级别辅助驾驶通常会具备 ACC 自适应导航,车道保持系统,自动刹车辅助系统及自动泊车系统等。(2)L3,L4,L5 分别是有条件自动驾驶,高度自动驾驶及完全自动驾驶
23、。从 L3 级别的驾驶自动化开始,车辆本身可以通过激光雷达等传感器实时监测周边环境从而实现有条件的自动驾驶。L4-L5 级车辆不仅可以达到协同感知,同时可以达到协同控制及协同决策,通过车辆网联化及人工智能算法逐渐成熟,车、路、云可相互协调在三层架构中实现环境感知、数据融合计算,再由车端进行实时控制,从而达到有条件自动驾驶及高度自动驾驶。表表1 1:自动驾驶等级划分自动驾驶等级划分 分级分级 名称名称 设计运行条件设计运行条件 车辆横纵向运动控制车辆横纵向运动控制 目标目标/事件探测及响应事件探测及响应 驾驶时任务接管驾驶时任务接管 L0 应急辅助 有限制 驾驶员 驾驶员及系统 驾驶员 L1 部
24、分驾驶辅助 有限制 驾驶员和系统 驾驶员及系统 驾驶员 L2 组合驾驶辅助 有限制 系统 驾驶员及系统 驾驶员 L3 有条件自动驾驶 有限制 系统 系统 系统及驾驶员 L4 高度自动驾驶 有限制 系统 系统 系统 L5 完全自动驾驶 无限制 系统 系统 系统 资料来源:德勤,安信证券研究中心 图图1.1.不同自动驾驶等级之下的代表性功能不同自动驾驶等级之下的代表性功能 资料来源:安信证券研究中心整理 当前当前国内国内自动驾驶自动驾驶仍仍处于处于 L2+规模规模化化量产量产阶段阶段,目前目前 L2+渗透率约渗透率约 21.9%。低阶的 ADAS(先进辅助驾驶系统)仍是目前自动驾驶市场的主导技术。
25、其中,L2 级的 ADAS 可以根据周边环境,在特定情况下实现车辆加速/减速,但其余动态驾驶需要由驾驶员完成。根据佐思汽研数据显示,截止至 2022 年 1-4 月,L2+级自动驾驶系统配置量同比增长 118.4%,汽车数量达到 57.4 万辆,装配率达到 21.9%。此外,根据前瞻产业研究院数据统计,预计到2030年国内 L3级及以下自动驾驶车辆渗透率将达到 70%。名称功能系统控制控制方向代表车型(举例)前方碰撞预警(FCW,Forward Collision Warning)监测前方车辆,判断本车和前车间距、相对速度和位置,并及时给予驾驶员警告-长安逸动PLUS、北汽EXS车道偏离预警(
26、LDW,Lane Departure Warning)感知车道线,判断车辆与车道线间的位置,及时在出现偏离时给予驾驶员警告-长安逸动PLUS、哈弗H6自动紧急制动(AEB,Autonomous Emergency Braking)检测车辆行驶方向上的物体、行人、车辆等,在突发情况或小于安全距离时主动进行刹车制动纵向奇瑞瑞虎、蔚来ES6自适应巡航(ACC,Adaptive Cruise Control)识别前方车辆,根据实时状态、设定的速度和距离进行巡航;若前方无车则进入定速巡航油门、制动纵向吉利星瑞、长安逸动PLUS车道保持辅助(LKA,Lane Keep Assist)识别车辆相对于车道中央
27、的位置,如驾驶员偏离车道(非目的性变道),则向驾驶员发出警告或通过转向干预使车辆重新回到车道中央转向横向吉利星瑞、广汽Aion S变道辅助(LCA,Lane Change Assist)检测车辆后方区域,判断后方相邻车道上车辆的相对位置、速度、方向等,驾驶员给出变道指令后进行自动变道转向横向比亚迪汉、小鹏P7高速驾驶辅助(HWA,Highway Assist)结合ACC、LKA,可实现及时变道油门、制动、转向纵向、横向长城WEY摩卡、领克05自动泊车辅助(APA,Auto Parking Assist)辅助驾驶员完成车位的寻找,驾驶员发出泊车指令后完成泊车入位 油门、制动、转向纵向、横向长安C
28、S75PLUS、吉利星越ePro交通拥堵辅助(TJA,Traffic Jam Assist)增加转向调整功能,可在交通拥堵时为驾驶员提供一定的驾驶辅助 油门、制动、转向纵向、横向比亚迪汉、荣威RX5 MAX自动导航辅助驾驶(NGP,Navigation Guided Pilot)在驾驶员监控下基于设定的导航路线,完成从高速公路/快速路A点到B点的导航辅助驾驶油门、制动、转向纵向、横向小鹏P7领航辅助驾驶(NOP,Navigate on Pilot)结合导航、高精地图和自动辅助驾驶系统,按照导航规划的路径实现汇入高速/高架主路、巡航行驶、驶离主路等操作油门、制动、转向纵向、横向蔚来ES8自动辅助
29、导航驾驶(NOA,Navigate on Autopilot)开启导航时自动驶入、驶出高速公路匝道,并超过行驶缓慢的车辆 油门、制动、转向纵向、横向特斯拉Model 3L4自动代客泊车(AVP,Automated Valet Parking)车主下车后通过APP下达泊车指令,车辆自行行驶至车位并自主泊车;取车时通过APP下达取车指令,车辆可从停车位自动行驶至上客点油门、制动、转向纵向、横向威马W6、一汽红旗E-HS9L0L1L2L2+行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。7 图图2.2.2025 年中国年中国 L1-L3
30、 级级自动驾驶渗透率将达到自动驾驶渗透率将达到 65%资料来源:前瞻产业研究院,安信证券研究中心 1.2.依靠单车智能实现依靠单车智能实现 L5智驾难度大,智驾难度大,车路协同有望突破技术瓶颈车路协同有望突破技术瓶颈 1.2.1.单车智能难以实现单车智能难以实现 L5 级自动驾驶级自动驾驶 汽车自动驾驶的实现包含单车智能及车路协同两大技术方案。其区别在于单车智能软硬件全部集中在车内,而车路协同则是分布在车端、路侧及云端。因此从高级别自动驾驶功能对目标/事件探测及响应、驾驶任务接管、车辆横纵向运动控制等方面的要求而言,基于当下单车智能的技术水平若需满足高阶自动驾驶功能,需要车路协同技术的辅助。图
31、图3.3.单车智能和车路协同适用范围和局限性比较单车智能和车路协同适用范围和局限性比较 资料来源:清华大学智能产业研究院,安信证券研究中心 基于单车智能技术难以实现基于单车智能技术难以实现 L5 级别的完全自动驾驶。级别的完全自动驾驶。目前单车智能是实现自动驾驶的主流方案,其在普通汽车的基础上安装毫米波雷达、激光雷达、车载摄像头等硬件设备,配备完善的软件系统及高效的算法,赋予车辆自动驾驶的能力,车辆独自收集信息并对所收集的信息进行处理并执行。而 L5 级自动驾驶要求车辆在不受人为干预的情况下具有决策生成的能力,与 L0-L4 级别中的辅助驾驶及部分自动驾驶相比,L5 级别的自动驾驶系统需要更强
32、大的具备逻辑推理学习能力。这种学习能力不同于简单的机器学习模式,需要不仅拥有基于过往驾驶经历进行特征提取并自我回测优化的能力,同时亦需要车辆拥有与交通环境交互的能力,获得更多超视距感知信息和视觉盲区的路况。尽管当前国内外已经提出了部分可以帮助高等自动驾驶汽车获取更加准确的环境感知信息的概念,例如神经网络视觉传感器、超级中央计算平台等,但仅凭当前单车智能中的传感器、算力、算法等去实现 L5 级5%40%50%45%30%15%0%5%15%30%45%35%0%0%5%10%20%50%0%20%40%60%80%100%2003020352040各自动驾驶级别渗透率情况L
33、1/2L3L4/5行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。8 完全自动驾驶仍然是望尘莫及。除此之外,单车智能技术下难以实现 L5 级自动驾驶的原因还有交通参与者行动轨迹无明显规律可循。在动态环境下,存在人、车、路的多方不确定性。而人与其他车辆的运动的不确定性及道路的复杂性均会导致单车智能车辆对交通认知的难度提高。图图4.4.现阶段单车智能对现阶段单车智能对超视距感知、视觉盲区交通信息难以感知超视距感知、视觉盲区交通信息难以感知 资料来源:易车,安信证券研究中心 1.2.2.1.2.2.车路协同有效补齐单车智能技术车路协同有
34、效补齐单车智能技术不足不足 车路协同技术基于车车路协同技术基于车、路路、云之间的信息实时互通,可以有效补足单车智能技术云之间的信息实时互通,可以有效补足单车智能技术不足不足。车路协同则是将车内部分传感器、决策终端等均转移至路侧,通过路侧计算单元或传感器完成数据融合或决策后再通过通信技术传导至车端,由此降低高阶自动驾驶下对车端设备性能的要求。其在单车智能自动驾驶的基础之上,通过车上所搭载的设备(OBU 等)及道路感知及定位系统(RSU,雷达等)实时高精度感知定位,实现车车,车路,车人之间的实时信息共享。图图5.5.单车智能和车路协同感知系统框架单车智能和车路协同感知系统框架 资料来源:清华大学智
35、能产业研究院,安信证券研究中心 车路协同可以将部分传感器搭载至路侧,并通过车路协同可以将部分传感器搭载至路侧,并通过 V2X 通信技术实时传输信息,即可快速获通信技术实时传输信息,即可快速获得不在车辆视野范围内的信息,有效突破单车智能这一技术瓶颈。得不在车辆视野范围内的信息,有效突破单车智能这一技术瓶颈。以交通信号灯为例,如果由单车智能车辆完成,则需要车辆在较远距离时识别定位到交通信号灯,并通过光学传感器识别灯色并预测灯色变化时间。同时还需要面临炫光、LED 闪频、移动式红绿灯位移、前方车辆阻挡等多种外在感知障碍。而通过车路协同可以简单解决这一问题,通过路侧感知系统实现与信号灯机的实时对接,不
36、仅可以快速获得准确可靠的信号灯当前信息,还可以获得单车智能无法感知到的倒计时等意图信息。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。9 图图6.6.无协同感知时车辆视线受阻,无法获得信号灯信息无协同感知时车辆视线受阻,无法获得信号灯信息 资料来源:清华大学智能产业研究院,安信证券研究中心 1.3.C-V2X 技术普及加速落地,中国的交通国情技术普及加速落地,中国的交通国情亟需发展车路协同亟需发展车路协同 1.3.1.C-V2X 是核心通信技术,其是核心通信技术,其普及将协助车路协同快速发展普及将协助车路协同快速发展 C-V2X
37、 是车路协同实现信息通信的核心技术,其普及为车路协同快速发展提供有效技术支是车路协同实现信息通信的核心技术,其普及为车路协同快速发展提供有效技术支持。持。V2X 即车用无线通信技术,意为车与一切事物可以进行信息互换。其中 V 代表车辆,X 代表与车辆通信的其他主体。当前的 X 主要包括车、人、路侧基础设施及网络。V2V 是指车辆与车辆之间的通信,通过每辆车的车载终端可以实时获得周围其他车辆的位置,车速,行车情况等信息;V2I 是指车辆与路侧基础设施之间的信息传输,路侧基础设施可以获得超车辆视距的信息并实时传输给车辆;V2P 指的是车辆与行人/骑行者之间的实时信息传输;V2N 则是车辆接入网络与
38、云平台连接。整体而言,整体而言,V2X 是是将人将人、车车、路路、云紧密联系云紧密联系在一起,不仅可以在一起,不仅可以协助协助车辆获得比单车感知更多的信息,更有利于协助构成未来的智慧交车辆获得比单车感知更多的信息,更有利于协助构成未来的智慧交通体系。通体系。图图7.7.V2X 的四类交互对象的四类交互对象 资料来源:THALES、安信证券研究中心整理 C-V2X 在我国具备广泛的基站覆盖基础,在我国具备广泛的基站覆盖基础,叠加其在时延、传输速度和距离、传输稳定性等叠加其在时延、传输速度和距离、传输稳定性等方面的优势,将为方面的优势,将为智能网联汽车智能网联汽车落地和发展提供重要技术支持。落地和
39、发展提供重要技术支持。在智能网联汽车通信技术中,不同于英美等采用技术程度成熟度更高的 DSRC(Dedicated Short Range Communication,专用短程通信技术),我国选择 C-V2X 技术。C-V2X 中的 C 是指蜂窝(Cellular),是基于3G/4G/5G 等蜂窝网通信技术演进形成的车用无线通信技术。当前的 LTE-V2X及未来将实现的 5G-V2X均隶属于 C-V2X 的范畴。通过 C-V2X 的发展可以逐步实现车路协同控制、车车协同编队、远程操作等高级自动驾驶及完全自动驾驶功能。车路协同是以车载系统及路侧行业深度分析行业深度分析/智能网联智能网联汽车汽车
40、本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。10 系统进行数据收集,通过 V2X 进行实时数据传输,通过云端系统进行对数据进行计算处理并下达决策,最终实现人、车、路之间的信息实时交互,从而达成智慧交通体系。根据上述,车路协同实现离不开四个核心技术的发展,智能车载技术、智能路侧技术、通信技术及云端技术。表表2 2:DSRC 和和 C-V2X 优劣势对比优劣势对比 业务类别 DSRC C-V2X 时延 500 ms 100 ms 数据速率 12 Mbps,最高 27 Mbps PC5 接口 12 MbpsUu 接口 500 Mbps 适应车速 200 km/h 500 km/h 传
41、输距离 300500 m PC5 接门 500600 mUu 接门 1000 m 网络部署 需部署 RSU 现网基站 同步需求 异步 严格同步 资源感知 通过固定门限及检测前导码来判断信道是否被占用 通过功率和能量测量感知资源占用情况 资源复用 TDM TDM/FDM 资料来源:安信证券研究中心整理 1.3.2.1.3.2.中国中国人口道路密度使车路协同更具经济性,新基站及智能公路加快方案落地人口道路密度使车路协同更具经济性,新基站及智能公路加快方案落地 中国人口密度及道路密度较高,以车路协同实现高等级自动驾驶具有显著经济性。中国人口密度及道路密度较高,以车路协同实现高等级自动驾驶具有显著经济
42、性。车路协同需要额外投入成本至路端建设,例如在路端安装摄像头,激光雷达,毫米波雷达等传感器可有效实现以全局视角探测周围环境,最大程度减少盲区并实时传输准确数据至车端,但由此车内安装传感器的价格将被节省下来,车载设备成本大大降低。并且随着车载及路载设备在未来规模量产后成本将会进一步下降,未来可以以更加经济的成本进行智慧道路的建设。根据由清华大学智能产业研究院所撰写的面向自动驾驶的车路协同关键技术与展望中的推算逻辑,2021 年交通运输行业发展统计公报显示,截止 2021 年末,全国公路总里程为 528.07 万公里,2021 年汽车保有量为 3.02 亿量,可以估算出如果在每辆车的成本上节省 1
43、.75 万元,便可以有 100 万元的资金用于投入每公里道路的建设,人口密度较大的城市分摊至每辆车上的价格也会大大降低。智能化道路基础设施具备可重复使用的特点,智能化道路基础设施具备可重复使用的特点,加之路端成本可以分摊至车端,随着未来车辆数量越来越多,相比于单车智能,车路协同加之路端成本可以分摊至车端,随着未来车辆数量越来越多,相比于单车智能,车路协同的部署成本优势会进一步加强。的部署成本优势会进一步加强。图图8.8.车端能够有效分摊路端部署成本车端能够有效分摊路端部署成本 资料来源:清华大学智能产业研究院、安信证券研究中心整理 新基建及智能公路建设助力车路协同技术快速落地。新基建及智能公路
44、建设助力车路协同技术快速落地。根据工业和信息化部公布的数据可见,截止至 2022 年 6 月底,我国建设开通的 5G 基站数量超过 180 万个,在全球范围内,中国的 5G 基站数量占比达到 60%,5G 基站数量的激增带动了 V2X 的通信技术快速发展,同时其低延迟,高可靠的特点也为车路协同带来了强有力的通讯技术支持;中国的智慧公路行业规模持续增长,从 2015年的 324 亿元攀增至 2020年的 641 亿元,CAGR为 14.6%。随着智慧公路行业的不断探索,路侧设备及智能交通相关建设不断完善,可推进自动驾驶技术稳步发展。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属
45、于安信证券股份有限公司,各项声明请参见报告尾页。11 图图9.9.2019-2022 年中国年中国 5G 基站数量(万)基站数量(万)图图10.10.2015-2020 中国智慧公路行业市场规模(亿元)中国智慧公路行业市场规模(亿元)资料来源:工信部,安信证券研究中心 资料来源:亿欧智库,安信证券研究中心 1.3.3.1.3.3.中国对中国对行车行车安全问题关注度高,车路协同有效解决单车智能安全隐患安全问题关注度高,车路协同有效解决单车智能安全隐患等等问题问题 中国对中国对行车行车安全问题关注度高,安全问题关注度高,单车智能仍存在单车智能仍存在多种多种安全隐患安全隐患问题问题。当前单车智能的安
46、全问题仍然是一个较大的挑战,主要问题有四个:(1)车内软硬件系统容易出现漏洞或失灵。造成这个问题的原因是因为单车智能需要过于复杂的数据收集,处理以及下达决策的系统,某一部分产生细小失误便容易造成较大的连锁影响;(2)感知器容易收到极端天气以及遮挡的影响。在恶劣天气下,例如激光雷达会因为积水反射的原因易造成摄像画面模糊,大雾天气下摄像头无法清晰探测到周边路况以及大雪会覆盖路面上用于辅助感知的道路标识;(3)国内道路环境过于复杂,单车智能车辆难以获得全面信息。单车智能的智能决策系统搭载在车内,行为预测、决策能力易出现不足情况。并且除机动车车外,当前中国道路上通常还会有大量的非机动车及行人。非机动车
47、及行人的行动轨迹通常是难以预测的,交叉路口更是事故频发地,如果单车智能车辆无法进行及时预测及决策,极易造成交通事故。路侧路侧感知协助车路协同可获得超视距视野,云端及路端分摊车内软硬件,由此感知协助车路协同可获得超视距视野,云端及路端分摊车内软硬件,由此有望有效有望有效减减少交通事故的发生。少交通事故的发生。针对上述单车智能的四个问题,车路协同有较好的解决方案:(1)车内软硬件易失灵问题:由于车路协同将大部分感知器,智能决策系统迁移至路侧及云端,车内的少量软硬件不易造成漏洞及漏洞的连锁反应;(2)感知器易受极端天气影响问题:得益于 V2X 通信技术,车与车、车与路、车与人之间可以做到信息实时传输
48、,当大雾天气下车内摄像头可探测范围有限时,路侧的 RSU 可以协助获得车辆无法获得的道路信息并实时传输给车辆;(3)道路环境过于复杂问题:当前方大型车辆遮挡住红绿灯信息时,通过V2V/V2I 均可以获得被遮挡住的信息,可以有效防止交通事故的发生;(4)决策能力不及时问题:相较于单车智能,车路协同的决策能力将大大的提高,车路协同的决策能被转移至云端,由云端对采集的数据进行实时处理、分析、预测及下达决策,这将大大提高车路协同技术决策能力的及时性。图图11.11.车路协同使得车路协同使得安全安全区域区域明显增加明显增加 资料来源:清华大学智能产业研究院、安信证券研究中心整理 此外,此外,车路协同同时
49、可以有效缓解交通压力,促进交通效率提升。车路协同同时可以有效缓解交通压力,促进交通效率提升。通过车、路、云三边协同配合,以及数据通信技术实时接收,可以进一步的提高交通效率。例如通过传送红绿灯信息以及进行红绿灯车速引导,可以大幅度提高路口通行效率以及降低车内燃油消耗;通过发送前方道路状况提醒,可以提前得知前方道路是否正在施工或有事故发生,此类提醒一方面可以避免道路拥堵,另一方面也可以防止二次事故的发生。当在学校,景点等交通1371.8142.5185.405019年2020年2021年2022年324364400500600700
50、2015年2016年2017年2018年2019年2020年 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。12 容易出现拥堵情况的区域时,车路协同也可以更有效的疏散拥挤车流。除上述场景外,车路协同还可以做到智能停车,通过车内 OBU 与路侧 RBU 的实时通信,智能停车系统可以快速判断车辆位置,从而实现停车指引等功能,解决当前停车困难一大痛点。1.4.1.4.国家政策国家政策积极推动建设智能网联汽车,自动驾驶安全运输征求意见稿落地积极推动建设智能网联汽车,自动驾驶安全运输征求意见稿落地 近年来,国内高度重视智能汽车及智慧交通的
51、发展,从国务院至各部委相继出台并实施智近年来,国内高度重视智能汽车及智慧交通的发展,从国务院至各部委相继出台并实施智能网联汽车建设相关政策。能网联汽车建设相关政策。2015 年 5 月国务院印发中国制造 2025首次提出要建设智能网联汽车自主创新体系,以及智能网联汽车产业链与智慧交通体系。2020 年,发改委联合工信部,科技部等 11 个部委颁布的智能汽车创新发展战略明确提出在 2025 年 LTE-V2X 无线通信网络可实现区域性覆盖,5G-V2X 可实现在部分城市及高速公路开展应用。2022 年,交通部印发了数字交通“十四五”发展规划,该规划要求在“十四五”期间推动部分自动驾驶,智能航运测
52、试基地及先导应用试点工程的建设,并预测中国智慧交通市场规模到 2030 年将达到 10.6万亿元。图图12.12.车路协同领域车路协同领域国家级政策体系不断完善国家级政策体系不断完善 资料来源:中国汽车技术研究中心、安信证券研究中心整理 2022 年年 6 月月,深圳经济特区智能网联汽车管理条例深圳经济特区智能网联汽车管理条例的出台加速车路协同商业化落地的出台加速车路协同商业化落地。此次在深圳出台此条例意味着我国智能网联汽车法律迈向了新阶段,此条例系统性介绍了智能网联汽车自动驾驶的定义、市场准入、条件豁免,以及权责认定等细节,填补自动驾驶相关立法空白,并为其他城市提供经验标准,带来示范效应。2
53、022 年年 8 月月 8 日,交通运输日,交通运输部组织起草了自动驾驶汽车运输安全服务指南部组织起草了自动驾驶汽车运输安全服务指南(试行试行)(征求意见稿征求意见稿),从适用范围、基本,从适用范围、基本原则、运输经营者要求、车辆要求、人员要求、监督管理等多方面对智能网联汽车上路行原则、运输经营者要求、车辆要求、人员要求、监督管理等多方面对智能网联汽车上路行驶进行规定。驶进行规定。表表3 3:2015-2022 年年智能网联汽车建设智能网联汽车建设相关政策梳理相关政策梳理 发布年份发布年份 部门部门 文件名称文件名称 主要内容主要内容 2015年 国务院 中国制造 2025 推动智能交通工具等
54、产品的研发和产业化,建设智能网联汽车自主创新体系,以及智能网联汽车产业链与智慧交通体系 2015年 国务院 关于积极推进“互联网+”行动的指导意见 提出“互联网+”便捷交通,积极推广智能网联汽车等智能化技术应用,加快智能辅助驾驶,复杂环境感知,车载智能设备等的研发与应用 2016年 发改委,交通部 推进“互联网+”便捷交通促进智能交通发展的实施方案 要求建设智能路侧设施,加强车路协同技术应用,推动汽车自动驾驶,推进制定人车路协同(V2X)国家通信标准和设施设备接口规范 2017年 国务院“十三五”现代综合交通运输体系发展规划 开展新一代国家交通控制网、智慧公路建设试点,推动路网管理、车路协同和
55、出行信息服务的智能化;示范推广车路协同技术,推广应用智能车载设备,推进全自动驾驶车辆研发 2017年 工信部,发改委,科技部 汽车产业中长期发展规划 提出以新能源汽车和智能网联汽车为突破口引领产业转型升级。2017年 工信部 物联网发展规划(2016-2020)提出交通管理与服务智能化的建设,开展智能网联汽车新技术应用示范 2017年 工信部 促进新一代人工智能产 业发展三年行动计划 重点培育和发展智能网联汽车,推动智能产品在经济社会的集成应用 2017年 国务院 新一代人工智能国家发展规划 确立了智能网联汽车自动驾驶应用的重要地位 2018年 交通部 关于加快推进新一代国家交通控制网和智慧公
56、路试点的通知 要求在北京、河北、吉林、江苏、浙江、福建、江西、河南、广东九省市开展车路协同、高精度定位、交通控制网建设 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。13 2018年 工信部,公安部,交通部 智能网联汽车道路侧试管理规范 针对测试主体、测试驾驶人和测试车辆等都提出了严格要求,以促进我国智能网联汽车发展 2018年 工信部 智能网联汽车(智能网联汽车)产业发展三年行动计划 智能网联汽车用户渗透率达到 30%以上,新车驾驶辅助系统(L2)搭载率达到 30%以上,联网车载信息服务终端的新车装配率达到 60%以上 201
57、9年 国务院 交通强国建设纲要 加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发,形成自主可控完整的产业链 2019年 交通部 推进综合交通运输大数据发展行动纲要(20202025 年)推进第五代移动通信技术(5G)、卫星通信信息网络等在交通运输各领域的研发应用 2020年 工信部 关于推动 5G 加快发展的通知 将智能网联汽车纳入国家新型信息基础设施建设工程,促进 LTE-V2X 规模部署。建设国家级智能网联汽车先导区,开展 5G-V2X 标准研制及研发验证 2020年 发改委等 11 部委 智能汽车创新发展战略 到 2025 年,中国标准智能汽车的技术创新、产业生态、基础设施、法规标准
58、、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产,实现高度自动驾驶的智能汽车在特定环境下市场化应用。车用无线通信网络(LTE-V2X 等)实现区域覆盖,新一代车用无线通信网络(5G-V2X)在部分城市、高速公路逐步开展应用,高精度时空基准服务网络实现全覆盖 2020年 北京市政府、工 信部等共同主办 的世界智能网联 汽车大会上发布 智能网联汽车技术路线 图 2.0 计划到 2035 年,中国方案智能网联汽车技术和产业体系全面建成,网 联式高度自动驾驶智能网联汽车大规模应用。到 2025 年 L2 级和 L3级新车要达到 50%。到 2030 年要超过 70%。202
59、5 年,C-V2X终端的新车装配率将达到 50%,2030年基本普及 2020年 国务院 新能源汽车产业发展规划(2021-2035 年)加快基于蜂窝通信技术的车辆与车外其他设备间的无线通信(C-V2X)标准制定和技术升级 2021年 中共中央,国务院 国家综合立体交通网规划纲要 推进交通基础设施网与信息网融合发展,推动智能网联汽车部署和应用,强化与新型基础设施建设统筹,加强载运工具、通信、智能交通、交通管理相关标准跨行业协同 2021年 工信部,公安部,交通部 智能网联汽车道路侧试管理规范(试行)提出具有网联功能的车辆或远程控制功能的监控平台应提供网络安全风险评估及采取的风险应对措施证明 2
60、021年 工信部“十四五”信息通信行 业发展规划 到 2025 年,信息通信行业整体规模进一步壮大,其中,重点高速公路、城市道路实现蜂窝智能网联汽车(C-V2X)规模覆盖。2021年 工信部,住房和城乡建设部 关于组织开展智慧城市基础设施与智能网联汽车协同发展试点工作的通知 提出在全国范围内开展智慧城市基础设施建设,实现不同等级智能网联汽车在特定场景下的示范应用,推动建设“车城网”平台。5 月公布了第一批北京、上海、广州、武汉、长沙、无锡 6 个试点城市,12 月公布了第二批重庆、深圳、厦门、南京、济南、成都、合肥、沧州、芜湖、淄博10 个试点城市。2022年 深圳人大常委会 深圳经济特区智能
61、网联汽车管理条例 对 L3、L4、L5 级别的自动驾驶分别定义为有条件自动驾驶、高度自动驾驶、完全自动驾驶三个技术等级,对不同等级的车辆都做了明确要求 资料来源:各政府官网,安信证券研究中心 2.2.车端设备:车端设备:OBU 是是为为核心部件,核心部件,具备低时延、高兼容性特点具备低时延、高兼容性特点 车路协同系统通过“端”车路协同系统通过“端”、“管”“管”、“云”三方共同协作,从而实现环境感知“云”三方共同协作,从而实现环境感知、数据融合计算数据融合计算及决策控制。及决策控制。通过车对车,道路对车进行实时信息推送,可以协助选择最优的出行路线;通过提升路侧感知系统的计算能力并融合车辆的感知
62、信息,可以协助智能交通更有效的发展;通过路端对实时交通流量的检测及上传至云端后云端所进行的智能规划可以增强道路交通管理能力。其中“端”指的是智能车载及智能路侧,路端及车端所搭载的重要通讯信息交互工具分别是 OBU(智能车载单元)与 RSU(智能路侧单元)。图图13.13.端管云架构图端管云架构图 资料来源:CSDN,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。14 智能车载单元智能车载单元是车端核心设备,是车端核心设备,可借助可借助 V2X 及及 5G 通信技术实现车与车通信技术实现车与车、车与人车与人、车与
63、云车与云及车与路之间的全面信息交互。及车与路之间的全面信息交互。智能路侧单元的主要作用则是通过在道路上搭载激光雷达等传感器,用以收集全方位的路况信息,以弥补车端的感知盲区。用于车与车,车与路之前实时传输信息的通信模组被称为“管”。当前 5G 的普及可以使信息传输达到低延时及接入快速,大大提高了车路协同中实时信息传输的可靠性。“云”指的是实现数据的汇集、测算、分析,下达决策命令以及运营服务的平台。通过收集海量由路端及车端传输的数据并进行测算分析,可以帮助车路协同系统实现道路使用的最优化处理。图图14.14.车载单元位于“端”层车载单元位于“端”层 资料来源:CSDN,安信证券研究中心 在车路协同
64、技术下,自动驾驶功能在车路协同技术下,自动驾驶功能由由路侧路侧+单车智能协同实现单车智能协同实现,OBU 主要承担通信任务主要承担通信任务。OBU 来源于 ETC 系统中车端收发信号的装置,因此从内部结构上看,智能网联汽车用OBU 也主要包括微波收发天线、通信模组(芯片、编解码器等)、数据处理/存储芯片、外界接口等,但其在通信时采用协议和技术等有所升级,其移动网络接入能力可允许 OBU 接入云平台或智能网联汽车管理平台。C-V2X 的通信架构中有 Uu 接口及 PC5 接口两种通信方式,其中 Uu 接口是 OBU 与基站之间的接口,主要目的是为了实现与移动网络通信;而PC5 接口则是 OBU
65、之间或 OBU 与 RSU 之间的通信接口,其目的是为了实现车辆与车辆,车辆与其他设施之间的通信。车路协同对通信实时性提出更高要求,叠加路端和车端信息车路协同对通信实时性提出更高要求,叠加路端和车端信息具有异质性特征,具有异质性特征,OBU 设备应具备低时延、高兼容性特点设备应具备低时延、高兼容性特点。车路协同 OBU 产品在时延性,兼容性以及信息融合性等性能方面要求更高。其原因主要有三方面:首先在车辆行驶过程中场景众多,且路程中的随机性较大,由此要求 OBU 数据处理速度快及传输时延小;当前汽车品牌众多、车型、传感器及芯片等均有不同,由此要求 OBU 设备具备统一接口,同时可以按需求进行个性
66、化定制;OBU 接收到的数据来源非常广,数据特征差异也会较大,由此要求 OBU 具有多种信息融合能力。图图15.15.OBU 主要结构主要结构 图图16.16.OBU 实现实现 V2X 信息交互信息交互 资料来源:万集科技,前瞻产业研究院,安信证券研究中心 资料来源:CSDN,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。15 图图17.17.OBU 工作流程工作流程 资料来源:CSDN,安信证券研究中心 3.3.路侧设备:路侧设备:RSURSU 实现车路实现车路信息实时信息实时通讯,通讯,MECMEC 提供局
67、部算力支持提供局部算力支持 路侧设备是打造路侧设备是打造智能网联汽车智能网联汽车智慧化、数字化交通底座的重要基础硬件智慧化、数字化交通底座的重要基础硬件,与车端类似,其主要包括感知(摄像头、毫米波雷达、激光雷达等传感器)、通信(RSU,路侧单元)、规划(MEC,边缘计算单元)、控制(智能信号灯等)以及高精地图与辅助定位设施五大部分。路侧设备一方面能够通过全局感知和实时通讯,向单车提供超视距感知、盲区预警、驾驶意图等交通信息,补足单车智能驾驶在感知上的局限,另一方面能够实时监控路况信息,构建全局性交通数字网络,通过智能化操控交通设施,提高交通运行效率和安全性,赋能智慧交通。图图18.18.路侧系
68、统架构路侧系统架构 资料来源:长城网,安信证券研究中心 3.1.3.1.RSURSU 是是车路实时通讯车路实时通讯的关键设备的关键设备,为车端提供超视距为车端提供超视距、全局全局实时的实时的信息信息 RSU 即路侧单元即路侧单元,是,是智能网联汽车智能网联汽车路侧设备中实现车路信息通讯的关键设备路侧设备中实现车路信息通讯的关键设备。RSU 最初为ETC 系统中安装在路侧,实现车辆身份识别和电子扣分的通讯装置。在智能网联汽车中其通过 C-V2X 技术与车载单元(OBU)进行通讯,接收车辆 OBU 信息或交通部门应用服务器发布的交通信息,于车端能够提供超视距、全局实时的信息;于交通端能够为智慧交通
69、数据中心提供实时的路况信息。3.1.1.3.1.1.RSURSU 是车路实时通讯的关键设备是车路实时通讯的关键设备 RSU(Road Side Unit)路侧单元即部署于路侧)路侧单元即部署于路侧用于信号接收和发送用于信号接收和发送的通信网关的通信网关。从内部硬从内部硬件结构上看,其包含件结构上看,其包含:支持 C-V2X(蜂窝通信技术)/DSRC(专用短程通信技术)进行车路信息交互的通信模组通信模组,支持 GPS/北斗双模的定位模组定位模组,包括应用处理器(AP)在内的核心单元核心单元,内含支持协同智能交通系统(C-ITS)通信协议集,存储单元,设备输入,支持感知数据及算法模块接口,信号灯和
70、指示牌的控制连接接口,外部接口,外部输出至边缘计算节点等。OBU 车辆抵进路口 RSU 获得 OBU 车辆到达周边环境环境信息 RSU 发布信号灯配时,行人,车量位置,路况等信息 OBU 车辆获取 RSU发布的信号灯配时及建议 OBU 车辆驾驶员自主调整行驶速度通过路口 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。16 图图19.19.RSU 部署于信号灯横栏等路端上部署于信号灯横栏等路端上 图图20.20.通信单元是通信单元是 RSU 的核心部件的核心部件 资料来源:千寻位置官网,安信证券研究中心 资料来源:中国移动LTE-
71、V2X RSU 白皮书,安信证券研究中心 通信模组是通信模组是 RSU 的关键部件,其支持路端设备通过的关键部件,其支持路端设备通过 4G LTE-V2X 或或 5G NR-V2X 进行通信,进行通信,在在 4/5G 覆盖处支持蜂窝通信(覆盖处支持蜂窝通信(Uu)工作,全路段支持直连通信()工作,全路段支持直连通信(PC5)工作方式,实现与)工作方式,实现与车端的实时通讯。车端的实时通讯。从信息通讯路径上看,其一端与路侧交通设备(如信号机、传感器、标识标牌等)相连,能够获取并汇集路端近端和远端的交通信息以及感知获得的实时路况信息,另一端与车载通信单元 OBU相连,通过 V2X实现车路信息的实时
72、通讯。图图21.21.RSU 连接关系网连接关系网 图图22.22.RSU 实现车路信息通信示意图实现车路信息通信示意图 资料来源:中国移动LTE-V2X RSU 白皮书,安信证券研究中心 资料来源:IT168智能网联汽车中基于英特尔架构的激光雷达 3D 点云处理与感知融合方案,安信证券研究中心 3.1.2.3.1.2.于车端,于车端,RSURSU 能够实时传输近端和远端的能够实时传输近端和远端的静态静态交通交通及动态路况及动态路况信息信息 单车智能感知系统面临视线遮挡、恶劣天气等单车智能感知系统面临视线遮挡、恶劣天气等无法准确识别和判断无法准确识别和判断静态交通信息的难题静态交通信息的难题,
73、RSU 可实时接收并广播近端可实时接收并广播近端/远端远端的静态的静态交通信号解决交通信号解决上述上述痛点。痛点。当驾驶过程中遇到异形、多语义等难识别的信号灯时,RSU 则可通过有线或无线方式接收本地信号灯信息,并通过V2X 周期性的向近端车辆广播路况信息和信号灯信息,辅助单车做出路况预判。同时 RSU可接收交通部门发布的交通信号(如远端十字路口的视频信息),远端车辆可通过直接与RSU 互联通信或向运营商平台请求的方式,获取远端的交通信息,提高智能驾驶规划效率。图图23.23.多语义、异形信号灯难以识别多语义、异形信号灯难以识别 图图24.24.视线遮挡无法识别信号灯,易发生安全事故视线遮挡无
74、法识别信号灯,易发生安全事故 资料来源:安信证券研究中心 资料来源:清华大学智能产业研究院、百度 Apollo,面向自动驾驶的车路协同关键技术与展望,2021,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。17 图图25.25.视线遮挡或视线遮挡或恶劣天气下,近端信号灯信息发送恶劣天气下,近端信号灯信息发送 图图26.26.远端交通信息远端交通信息实时实时播报播报 资料来源:CSDN,安信证券研究中心,PC5 为终端间短距离直连通信接口 资料来源:CSDN,安信证券研究中心,Uu 为蜂窝网络覆盖下通过基站通信接
75、口 单车智能无法感知单车智能无法感知超视距的实时的动态路况信息,超视距的实时的动态路况信息,RSU 则可将路端实时感知的局部路况信则可将路端实时感知的局部路况信息通过息通过 V2X 通信直接传递给车端,有效避免紧急交通安全问题。通信直接传递给车端,有效避免紧急交通安全问题。路侧感知设备可以对局部全量交通参与者(如车辆、行人等)位置、速度、运动轨迹等实时感知,RSU 则通过 V2X将实时动态路况信息广播/组播至附近车辆,使车端提前感知超视距的实时路况信息,辅助其及时做出决策,确保道路安全和运行效率。图图27.27.视线被遮挡后,仍可通过视线被遮挡后,仍可通过 RSU 获取闯入行人和对向车辆等实时
76、路况信息获取闯入行人和对向车辆等实时路况信息 资料来源:清华大学智能产业研究院、百度 Apollo,面向自动驾驶的车路协同关键技术与展望,2021,安信证券研究中心 3.1.3.3.1.3.于于路路端,端,RSURSU 提供提供比比传统方案传统方案更高效、多元化更高效、多元化的交通信息的交通信息 RSU 能够获取车端能够获取车端 OBU 传输的与车速等车流运行传输的与车速等车流运行相关的相关的直接信息,较传统方案能够更加直接信息,较传统方案能够更加迅速直接的获取车流信息迅速直接的获取车流信息,完成实时数字化交通场景的构建。,完成实时数字化交通场景的构建。以交通流量的实时监测为例,传统方案通过地
77、磁检测方式或驾驶人移动 APP 提供的车速、定位等信息对车流密度进行估计,但 RSU 可通过 V2X直接获取车端上报的车速信息,结合传感器(激光雷达测速)感知直接对车流量和密度进行估计。图图28.28.传统方案通过地磁检测方式测算交通流量等信息存在高延时、信息量小等问题传统方案通过地磁检测方式测算交通流量等信息存在高延时、信息量小等问题 资料来源:清华大学智能产业研究院,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。18 3.1.4.RSU 源于源于 ETC 设备具备产业基础,智能网联汽车东风下多方设备具备产业
78、基础,智能网联汽车东风下多方供应商供应商跑步入场跑步入场 智能网联汽车智能网联汽车 RSU 根源于根源于 ETC 系统中负责车辆身份识别和电子扣分的通讯系统中负责车辆身份识别和电子扣分的通讯 RSU 装置,并装置,并继承了在原继承了在原 ETC 系统中通信的功能,因此具备较完善的产业链基础。系统中通信的功能,因此具备较完善的产业链基础。RSU 产业链上游主要为技术和商业模式都较成熟的通信芯片(华为、英特尔、大唐电信、紫光等)和模组(华为、大唐电信、中兴等),下游客户主要为车路协同整套解决方案提供商和政府。由于 RSU和 OBU 通过 V2X 通信协议进行信息交互,二者具有相互匹配和技术同质性的
79、特征,因此多数 RSU 终端设备生产商也同时提供车载单元。目前目前智能网联汽车智能网联汽车(尤其是基建)尚处于导入期,各路玩家跑步入场。(尤其是基建)尚处于导入期,各路玩家跑步入场。金溢科技、万集科技等传统 ETC 厂商率先入局智能网联汽车 RSU,原产业链上游的通信设备商和运营商也推出同类产品,更有交通集成商及车路协同的创业企业,自主生产车端/路端设备,服务于提供车路协同整套解决方案的商业模式。预计导入期各路玩家共存状态将维持,但由于目前多采用政府外包/合作的方式采购整套车路协同解决方案,因此具备产业链整合能力和方案集成能力的 RSU 参与者的市场份额有望进一步提升。图图29.29.RSU
80、产业链及主要参与者产业链及主要参与者 资料来源:中国信通院 IMT-2020(5G)推进组C-V2X 白皮书,安信证券研究中心 3.2.3.2.MECMEC 为局部为局部决策决策提供算力提供算力支持支持,解决云端处理解决云端处理延时延时问题问题 3.2.1.3.2.1.MECMEC 为近源数据提供算力为近源数据提供算力支持,其部署支持,其部署架构架构与云平台类似与云平台类似 MEC 即移动边缘计算即移动边缘计算,部署部署于于智能智能 RSU 或或附近附近机房机房中中,是,是为局部数据源为局部数据源能够能够实现实现融合感融合感知、协同决策知、协同决策提供提供低延时低延时算力支持的计算单元。算力支
81、持的计算单元。智能网联汽车 MEC 平台向路侧和车端设备提供数据接入和管理能力,并提供远程实时计算、信息获取等服务。与云平台部署类似,智能网联汽车 MEC 包括硬件、平台和应用层:硬件:边缘侧服务器、GPU/FPGA 加速卡设备等可以提供算力支撑的基础硬件;平台:适合智能网联汽车边缘的 IaaS、PaaS 等灵活性高、实时性强和拓展性大的应用平台底座;应用:安全类/信息类/效率类/高精地图/自动驾驶辅助五类应用。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。19 图图30.30.智能网联汽车智能网联汽车边缘云组成图边缘云组成图
82、资料来源:中国联通,联想5G+MEC+V2X 智能网联汽车解决方案白皮书,安信证券研究中心 图图31.31.边缘云平台层构成边缘云平台层构成 图图32.32.边缘云边缘云 V2X 应用层组成应用层组成 资料来源:中国联通,联想5G+MEC+V2X 智能网联汽车解决方案白皮书,安信证券研究中心 资料来源:中国联通,联想5G+MEC+V2X 智能网联汽车解决方案白皮书,安信证券研究中心 3.2.2.3.2.2.MECMEC 的核心硬件的核心硬件为提供算力支持的主控芯片为提供算力支持的主控芯片 MEC 路侧计算单元主要包括提供算力和算法支持的 CPU 和负责接收数据、传输反馈结果的I/O 板组成。边
83、缘计算平台可以执行多种不同属性的计算任务,如对图像数据进行预处理和特征提取、实现非结构化的感知融合、交通参与者的识别、定位和跟踪、路径规划等,其对 MEC的算力均具有较高的要求,因此提供算力支持的芯片是 MEC的核心硬件。图图33.33.百度百度 Apollo 路侧路侧 MEC 设备设备 图图34.34.谷歌无人车边缘计算平台主要硬件谷歌无人车边缘计算平台主要硬件 资料来源:百度 Apollo 官网,安信证券研究中心 资料来源:知乎-边缘计算社区,安信证券研究中心 不同不同硬件平台硬件平台适配适配不同的不同的功能,功能,异构硬件选择将是适用于异构硬件选择将是适用于车路协同车路协同场景场景的的特
84、征特征的最优解的最优解。CPU/GPU/DSP/ASIC/FPGA 是目前主流的为自动驾驶等场景提供算力支持的硬件平台,但由于不同计算任务在各硬件平台上运行的性能和能耗比不同,也决定了不同硬件平台的适配性。例如对于目标识别和跟踪等卷积运算,GPU 相对于 DSP/CPU 的性能更好、能耗更低,但对于产生道路矢量抽象和定位信息的特征提取算法,DSP 则表现更优。因此为提高 MEC行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。20 的性能和能耗比,降低计算时延,针对不同计算任务选择适配的硬件实现,采用异构计算的方式将是最优解。图图3
85、5.35.不同硬件平台适合的负载类型不同硬件平台适合的负载类型 图图36.36.Intel 酷睿处理器提供高算力支持酷睿处理器提供高算力支持 资料来源:知乎-边缘计算社区,安信证券研究中心 资料来源:IT168智能网联汽车中基于英特尔架构的激光雷达 3D 点云处理与感知融合方案,安信证券研究中心 3.2.3.3.2.3.从对车端从对车端/路端提供算力支持的角度看,路端提供算力支持的角度看,MECMEC 能够有效平衡高算力和通信低时延要求能够有效平衡高算力和通信低时延要求 边缘计算平衡高算力和通信低时延的要求,为路端局部决策提供了有效的算力支持边缘计算平衡高算力和通信低时延的要求,为路端局部决策
86、提供了有效的算力支持,并能,并能够有效缓解核心网络数据传输的负载够有效缓解核心网络数据传输的负载。智能网联汽车系统中,路端和车端感知信息及交互获得的数据量达到 TB 级别,且非同源数据的结构化差异,进一步提高对融合算法的要求,二者均依赖于高算力的计算单元支持。传统以云端集中式为代表的处理方式,具备较强的计算能力,但对各节点间的通信和传输能力不匹配,存在的时延无法满足车端决策和控制实时性的需求。图图37.37.车路协同各节点业务对低时延的需求车路协同各节点业务对低时延的需求 资料来源:高頔.边缘计算在车路协同中的场景应用分析,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车
87、本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。21 表表4 4:车车路协同各节点业务对低时延的需求路协同各节点业务对低时延的需求 场景需求场景需求分析分析 安全驾驶安全驾驶 驾驶效率驾驶效率 远程驾驶远程驾驶 信息服务信息服务 编队类编队类 精细化道路引精细化道路引导导 交通管理类交通管理类 时延 平时100ms,决策信息20ms 队内通信20ms,队外通信100ms 100ms 100ms 上行100ms,下行20ms 与中心平台交互时延与中心平台交互时延100ms100ms,与,与 MECMEC 交互时延交互时延20ms20ms 数据包 1600Bytes-下行速率100Mb
88、ps,上行速率20Mbps 1200Bytes 下行速率400kbps,上行速率60Mbps 下行速率下行速率500M1Gbps500M1Gbps,上行速率,上行速率200Mbps200Mbps 数据包发送频率 10Hz 35Hz 10Hz-通信范围 300m 300m -可靠性范围 99%99.999%99%99.99%99%99.9%99%99.9%上行 99.9%,下行 99.999%99%99%定位精度 1m 1m 0.5m 1m 1m1m 其他要求 广播、单薄,部分组播 协作式管理类对业务连续性需求高,交互类需求低 对平台需求、计算存储都高 计算能力弱,存储需求高 对平台需求、计算存
89、储都高 对平台和存储能力需求高对平台和存储能力需求高 时延 平时100ms,决策信息20ms 队内通信20ms,队外通信100ms 100ms 100ms 上行100ms,下行20ms 与中心平台交互时延与中心平台交互时延100ms100ms,与,与 MECMEC 交互时延交互时延20ms20ms 数据包 1600Bytes-下行速率100Mbps,上行速率20Mbps 1200Bytes 下行速率400kbps,上行速率60Mbps 下行速率下行速率500M1Gbps500M1Gbps,上行速率,上行速率200Mbps200Mbps 数据包发送频率 10Hz 35Hz 10Hz-通信范围 3
90、00m 300m -可靠性范围 99%99.999%99%99.99%99%99.9%99%99.9%上行 99.9%,下行 99.999%99%99%定位精度 1m 1m 0.5m 1m 1m1m 资料来源:高頔.边缘计算在车路协同中的场景应用分析,安信证券研究中心 移动边缘计算则能够平衡算力和通信时延要求,为路端局部决策提供重要算力基础。一方一方面在硬件上多配置算力能力较强的处理器面在硬件上多配置算力能力较强的处理器,满足,满足智能网联汽车智能网联汽车协同决策的部分需求,另一协同决策的部分需求,另一方面方面在云边协同中,在云边协同中,MEC 部署至基站侧可以达到时延部署至基站侧可以达到时延
91、5ms,满足端到端时延要求地域,满足端到端时延要求地域20ms 的实时响应场景。的实时响应场景。同时对于时延在 100ms 以内的场景中,MEC 可部署在汇聚和传输核心环节,时延达到 2242ms,覆盖用户数更高、成本也较低。但由于传输数据经 UDF(User Plane Function,用户面功能,负责 5G核心网用户面数据包的路由和转发相关功能)分流至 MEC 平台中,则能减少传输时延,实现数据流量的本地分流,能够有效缓解大量数据回传造成的网络负荷等问题,提高传输效率,进一步降低通信时延。图图38.38.MEC 与中心云配合,承担分流低延时计算任务的角色与中心云配合,承担分流低延时计算任
92、务的角色 资料来源:高頔.边缘计算在车路协同中的场景应用分析,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。22 以 MEC 协助云端计算为例,车辆将数据传输至 RSU 的 MEC 单元进行边缘计算,图中由于蓝车感知数据量过大,为平衡通信资源、计算资源和网络整体时延,其多跳转发给多个路侧 MEC进行并行协同计算,最后边缘计算的结果回传至车辆,实现数据的高效处理。图图39.39.智能网联汽车智能网联汽车 MEC 协同计算协同计算模型模型 资料来源:中兴通讯技术感知-通信-计算融合的智能智能网联汽车挑战与趋势,安信
93、证券研究中心 3.2.4.3.2.4.从对从对 C C 端提供端提供服务角度看,缩短数据传输路径,提高服务实时性体验服务角度看,缩短数据传输路径,提高服务实时性体验 MEC 部署位置靠近边缘 UPF(负责 5G 核心网用户面数据包的路由和转发相关功能),并通过本地分流功能将 C 端(行人或车端)用户获取实时交通、路况信息等的业务请求引导至MEC 上,并由 MEC 的 SaaS 层相关应用为其提供服务。具体而言,当 C 端手机或车端发出请求时,传统访问路径是“请求基站设备边缘 UPF汇聚后进入网络云主机”,而在边缘 UPF 部署 MEC 环境下,本地分流功能可将用户需求直接引导至本地分流功能可将
94、用户需求直接引导至 MEC 上进行处理,有上进行处理,有效缩短了数据传输路径,降低访问业务的时延,这对于获取实时路况信息的效缩短了数据传输路径,降低访问业务的时延,这对于获取实时路况信息的智能网联汽车智能网联汽车应用层应用层来说,将进一步提高来说,将进一步提高 C 端服务获取体验。端服务获取体验。图图40.40.MEC 部署于边缘部署于边缘 UPF 附近实现业务请求分流附近实现业务请求分流 资料来源:腾讯云,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。23 3.2.5.3.2.5.产业链:产业链:综合型云计算
95、厂商率先切入,技术出身的创新型企业相继入局综合型云计算厂商率先切入,技术出身的创新型企业相继入局 玩家以自身核心能力为锚在产业链中定位,其中由于边缘计算平台和云平台技术、架构等玩家以自身核心能力为锚在产业链中定位,其中由于边缘计算平台和云平台技术、架构等同源,传统的提供综合同源,传统的提供综合 IaaS 服务的云平台巨头阿里、腾讯、百度等加速拓展边缘云业务服务的云平台巨头阿里、腾讯、百度等加速拓展边缘云业务。如阿里推出的基于 CDN 的布局进行建设的重边缘技术 ENS(Edge Node Service)和基于Kubernetes 实现的开源 IoT 设备轻边缘底座的轻边缘技术 OpenYur
96、t 两大边缘云架构。此外此外具备计算能力积累的创新企业也纷纷入局,具备计算能力积累的创新企业也纷纷入局,如依靠自身开源技术的积累逐渐崛起的九州云,在 OpenStack 和 Kubernetes 等开源云计算平台上具备技术积累,并在 5G 边缘计算领域持续发力,为中国联通、中国移动和中国电信在边缘领域的技术合作伙伴。图图41.41.MEC 产业链及图谱产业链及图谱 资料来源:艾媒咨询2021 年中国边缘云计算行业展望报告,安信证券研究中心 4.4.云端部署:云端部署:云控平台云控平台是是数字化交通数字化交通建设建设的的主要载体主要载体 4.1.4.1.组成架构:组成架构:中心云、区域云和边缘云
97、是云控系统基础平台的核心架构中心云、区域云和边缘云是云控系统基础平台的核心架构 云控系统云控系统基于基于逻辑协同、物理分散的云控基础平台建设,逻辑协同、物理分散的云控基础平台建设,搭建实现政府管理、行业服务、搭建实现政府管理、行业服务、车辆智能化功能的车辆智能化功能的应用平台应用平台,是实现,是实现智能网联汽车智能网联汽车数据服务的重要基础设施平台。数据服务的重要基础设施平台。其中云控基础平台是云控系统的核心,基于对车端和交通部门所提供服务的特征,其整体架构设计包含边缘云、区域云和中心云三级云平台,三者服务范围的广泛性逐级扩大、实时性和要求逐级递减。如前所述,边缘云主要为临近数据源提供低时延的
98、算力支持。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。24 图图42.42.云控系统架构及组成云控系统架构及组成 资料来源:汽车安全与节能学报智能网联汽车云控系统原理及其典型应用,安信证券研究中心 区域云是边缘云汇聚点,为区域级别的交通监管及域内车辆管理等提供基础的数据采集和区域云是边缘云汇聚点,为区域级别的交通监管及域内车辆管理等提供基础的数据采集和算力支持等服务。算力支持等服务。区域云具有一定的服务范围要求,一般聚焦于为城市级别的交通统筹管理。在组成结构上,主要由轻量级的 IaaS(存储/计算/网络等云平台基础设施)、轻量
99、级的PaaS(虚拟化管理平台),路/车/云等接入网关,以及远程驾驶、辅助驾驶、安全预警、交通管理等城域 SaaS 服务。中心云中心云基于多个区域云提供多维数据的汇总,提供全局性、跨区基于多个区域云提供多维数据的汇总,提供全局性、跨区域的数据支持服务。域的数据支持服务。中心云基础设施与区域云具有相同的逻辑结构何组成架构,但物理覆盖范围更广,服务上支持地理上更广域的、数据上更广泛的全局服务,要求上对于实时性要求相对较低,但是对计算/存储数据的性能要求更高。图图43.43.区域云总体框架图区域云总体框架图 图图44.44.中心云总体架构图中心云总体架构图 资料来源:汽车安全与节能学报智能网联汽车云控
100、系统原理及其典型应用,安信证券研究中心 资料来源:汽车安全与节能学报智能网联汽车云控系统原理及其典型应用,安信证券研究中心 4.2.4.2.意义:意义:云控云控平台是构建智能车大数据平台、实现平台是构建智能车大数据平台、实现智能网联汽车智能网联汽车新基建及智新基建及智能车技术迭代的重要能车技术迭代的重要解决解决方案方案之一之一 云控平台是云控平台是国家国家实现实现智能汽车大数据智能汽车大数据平台的平台的系统化技术方案。系统化技术方案。根据中国智能汽车创新发展战略要求,国内充分利用现有设施和数据资源,统筹建设智能汽车大数据云控基础平台。云控平台技术开源开放,能够获取全局交通数字化信息,并实现数据
101、资源共享,为智能汽车大数据平台的构建提供了完整的云控技术体系与生态系统参考。云控平台是实现云控平台是实现智能网联汽车智能网联汽车的的综合技术解决方案。综合技术解决方案。云控系统能够为单车智能的感知、决策控制提供信息冗余,并为车路协同中行人、交通部门内等全量交通参与者提供全域全时自主控制的数据支持,因此是国家交通部门实现智能网联汽车的综合技术解决方案。云控平台云控平台是是实现实现智能汽车技术迭代和商业模式探索的新型基础设施建设解决方案。智能汽车技术迭代和商业模式探索的新型基础设施建设解决方案。云控系统本质上是车路协同的数字化架构,为智能汽车提供包括高精地图、全域交通信息等数据资源,能够帮助单车智
102、能在实现自动驾驶 L5 终局的道路上解决信息孤岛、完成低成本的跨越式进步。同时相较于传统的云服务方式,智能网联汽车云控平台拥有全量交通参与者的行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。25 数据,基于此延伸出的数据服务、信息服务、保险服务等对于智能网联汽车商业模式的探索都具有重要意义。4.3.4.3.功能:功能:云控平台云控平台为为智慧交通和智慧交通和应用主体提供交通信息和非实时算力支持应用主体提供交通信息和非实时算力支持 云端云端是是数字化交通数字化交通系统系统的主要载体的主要载体,向向路侧路侧 MEC 和车端和车端 OB
103、U 提供城市全局交通信息数据,提供城市全局交通信息数据,为车端提供决策冗余,并实现对为车端提供决策冗余,并实现对全局全局交通资源规划交通资源规划。一方面作为全局数据中心,集合车端、路端实时上传的路况信息并更新,维护全局城市交通信息,成为构建数字化交通底座的重要系统。另一方面作为全局计算中心,为车端和路端非实时性需求提供算力支持,同时可通过大数据分析、数字孪生等方式指挥调度车辆、调控红绿灯等交通设施,以提高交通运行效率、确保交通安全。图图45.45.云端提供数据和算力云端提供数据和算力支持支持 资料来源:CSDN,安信证券研究中心 4.4.4.4.产业链:产业链:云服务商云服务商提供基础性服务,
104、提供基础性服务,交通平台集成商交通平台集成商完成专业化完成专业化部署运营部署运营 云端部署云端部署主要以主要以基础云服务供应商基础云服务供应商和和交通交通平台集成商平台集成商合作合作共建共建,其中,其中软硬件软硬件 ICT 企业企业和云和云服务运营商共同服务运营商共同为为智能网联汽车智能网联汽车提供提供基础云平台底座服务,基础云平台底座服务,交通平台集成商则负责提供交交通平台集成商则负责提供交通平台的软件共建和运营支撑通平台的软件共建和运营支撑。其中交通平台集成商以为政府等客户提供普适或定制化服务的平台,如交通监管、园区管理、特定路线导航、物流路径追踪等平台,如天津西青智能网联汽车先导区的车路
105、协同运营平台则由云平台服务商腾讯、华为和交通平台新兴企业天安智联和极客网合作共建。图图46.46.天津西青天津西青智能网联汽车智能网联汽车先导区车路协同云控平台先导区车路协同云控平台 图图47.47.天津西青天津西青智能网联汽车智能网联汽车先导区车路协同先导区车路协同运营运营平台平台 资料来源:天津(西青)智能网联汽车先导区技术标准与实践白皮书,安信证券研究中心 资料来源:天津(西青)智能网联汽车先导区技术标准与实践白皮书,安信证券研究中心 云服务商商业模式与传统方式相似,交通平台集成商掌握数据运营自主权,具备较大增长云服务商商业模式与传统方式相似,交通平台集成商掌握数据运营自主权,具备较大增
106、长动力。动力。云服务商以提供与传统方式类似的存储、计算和网络软硬件的支持(IaaS、PaaS),而交通平台集成商则提供更贴近于客户的 SaaS 服务,并可以基于数据提供行驶习惯分析、交通数据分析、路径预测、精准保险服务等衍生数据服务,掌握数据运营自主权,具备更高的商业价值和增长弹性。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。26 图图48.48.云服务商和交通平台集成商为云控平台的主要参与者云服务商和交通平台集成商为云控平台的主要参与者 资料来源:亿欧智库,安信证券研究中心 5.5.商业化进程:特种车辆有望率先落地,头部厂商
107、已完成商业闭环商业化进程:特种车辆有望率先落地,头部厂商已完成商业闭环 智能网联汽车智能网联汽车主要应用场景包括城市路段、高速公路及园区、港口等特定区域三大场景。其主要应用场景包括城市路段、高速公路及园区、港口等特定区域三大场景。其中特定场景主要中特定场景主要为为港口、园区等港口、园区等 B 端客户端客户提供货运车、接驳车等提供货运车、接驳车等,该类场景下该类场景下路段相对封路段相对封闭、路况简单,具备较高的落地可行性,闭、路况简单,具备较高的落地可行性,并并已率先实现规模化运营。已率先实现规模化运营。城市场景主要针对有安防巡逻、环卫等特种车需求的 G端客户,落地范围相对有限,但可行性较高;对
108、主机厂类 B端客户成本仍高,难以落地。图图49.49.城市城市/高速高速/特定区域特定区域智能网联汽车智能网联汽车应用场景应用场景对比对比 资料来源:中国信通院智能网联汽车白皮书(2021),安信证券研究中心 商业模式商业模式上上主要包括主要包括提供提供“智能网联汽车智能网联汽车基建基建+自动驾驶特种车”及运营的整套解决方案和自动驾驶特种车”及运营的整套解决方案和提供改装自动驾驶车和车端、路端设备等两类,从落地案例上看提供改装自动驾驶车和车端、路端设备等两类,从落地案例上看具备系统集成能力的解决方具备系统集成能力的解决方案提供方式为主流。案提供方式为主流。5.1.5.1.特种车特种车对应的对应
109、的路段路段封闭、路况简单,具备较高的落地可行性封闭、路况简单,具备较高的落地可行性 港口货运、矿区运输、园区或机场接驳、无人环卫等特种车需求路线相对固定和封闭,路况复杂度低,对自动驾驶系统要求较低,技术难度小,商业化落地难度低、周期短、速度快,叠加于 B 端客户具备强烈的无人化降本和安全性需求,于 G 端具备新基建、建设数字化信息化交通的需求,在商业化探索中特种车率先实现落地。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。27 图图50.50.特种车场景率先落地特种车场景率先落地 资料来源:安信证券研究中心 在场景相对封闭、运行
110、区域规范整洁的机场、码头、货运场站等区域,在在场景相对封闭、运行区域规范整洁的机场、码头、货运场站等区域,在智能网联汽车智能网联汽车的的助力下无人驾驶有望率先解放人力。助力下无人驾驶有望率先解放人力。在该类场景中,运营商部署车路协同基建设施和服务系统,对区域进行数字化信息化改造,并通过装载路侧单元 RSU 和车载单元 OBU,实现V2V、V2I、V2N 等互联互通,最终实现对特种车单车的运行控制及特定区域内的协调控制与管理,优化园区等内部运行路线,有效避免车辆碰撞等交通事故发生,并、降低物流成本、提高货物运输的效率及货运服务质量。图图51.51.蘑菇车联在衡阳市提供自动驾驶接驳服务蘑菇车联在衡
111、阳市提供自动驾驶接驳服务 图图52.52.蘑菇车联在衡阳市提供蘑菇车联在衡阳市提供自动驾驶环卫自动驾驶环卫服务服务 资料来源:文旅头条,安信证券研究中心 资料来源:文旅头条,安信证券研究中心 5.2.5.2.城市城市/高速高速场景场景下下 B B 端客户落地难度大,端客户落地难度大,主机厂主机厂/出租车出租车设备配套意愿不高设备配套意愿不高 城市城市/高速场景下,高速场景下,由于当前由于当前智能网联汽车智能网联汽车基础设施尚不完善,基础设施尚不完善,智能网联汽车智能网联汽车对单车智能增对单车智能增量信息贡献量信息贡献有限;有限;叠加车载终端设备单车成本接近千元,在智能网联汽车功能可感知程度低的
112、情况下,向 C 端转嫁成本能力低(按照保有量测算,单车压缩成本达到 3k 元),将压缩车企利润空间。因此主机厂/出租车设备配套意愿不强,城市/高速场景下 B 端客户落地难度大。但封闭场景有望为开放中高速场景提供城市通用性数据和提升算法能力。图图53.53.中国中国智能网联汽车智能网联汽车渗透率空间亟需进一步提升渗透率空间亟需进一步提升 图图54.54.一二线城市单车节约成本需达到一二线城市单车节约成本需达到 3k 元左右元左右 资料来源:前瞻产业研究院,安信证券研究中心 资料来源:清华大学智能产业研究院,安信证券研究中心 10.6%12.7%16.1%19.7%21.1%0%10%20%30%
113、200202021中国车联网行业渗透率行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。28 图图55.55.开放道路场景落地难度大开放道路场景落地难度大 资料来源:中国汽车技术研究中心,安信证券研究中心 5.3.5.3.方案整包为主流商业模式,方案整包为主流商业模式,企业承担“企业承担“路端路端/云端部署云端部署总包总包+运营运营”角色”角色 当前当前智能网联汽车智能网联汽车运营商主要通过提供整套解决方案和部分路侧运营商主要通过提供整套解决方案和部分路侧/车端设备的方式参与车端设备的方式参与。以政企合作的特种
114、车项目为例,采用整套方案总包方式的运营商需提供规划设计、建设交付、后期运营等全周期的解决方案。前期需提供路端设备部署实现道路智能化改造,以及云平台的搭建为城市设计交通数字底座;后期需提供智能化改造后的特种车,后续通过自身参与或合作方式为特种车提供运营服务,因此从收入来源上看,包括前期的产品采购和承建以及后期的服务提供。采用部分设备销售方式的运营商,其运营周期随政府采购结束而结束,不参与前期的承建和后期的运营,收入来源仅为产品销售。图图56.56.整套解决方案和部分设备整套解决方案和部分设备商间的关系商间的关系 资料来源:中国汽车技术研究中心,安信证券研究中心 行业深度分析行业深度分析/智能网联
115、智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。29 图图57.57.整套解决方案和部分设备销售模式对比整套解决方案和部分设备销售模式对比 资料来源:安信证券研究中心整理 目前由于目前由于 G 端客户占比较高,且前期端客户占比较高,且前期智能网联汽车智能网联汽车道路智能化改造与传统基建流程类似,道路智能化改造与传统基建流程类似,政府政府更倾向于更倾向于与与整套方案解决商整套方案解决商合作合作方式方式参与,因此方案整包为主流的商业模式。参与,因此方案整包为主流的商业模式。21 年 11月百度 Apollo 中标苏州吴中区车路协同基础设施系统采购项目,以生态岛为核心区
116、域完成智能网联汽车部署,并实现生态岛后续的数据运营、智能交通、智慧出行、智慧文旅等运营业务。百度 Apollo 作为解决方案提供商将提供项目全流程的整包服务。图图58.58.百度百度 Apollo 的车路协同解决方案的车路协同解决方案 资料来源:百度 Apollo,安信证券研究中心 6.6.相关相关关注关注标的标的 6.1.6.1.蘑菇车联蘑菇车联:全栈自研全栈自研推出标推出标准化产品,准化产品,商业化落地形成正向循环商业化落地形成正向循环 6.1.1.6.1.1.核心软硬件自研,核心软硬件自研,提供标准的车路云一体化产品及解决方案提供标准的车路云一体化产品及解决方案 蘑菇车联成立于 2017
117、年,作为自动驾驶全栈技术与运营服务提供商,聚焦“技术+运营”两大定位,以系统化思维打造“车路云一体化”自动驾驶方案,推出自动驾驶标准化产品包,在复用程度高、成本可控的条件下,满足不同场景的车路协同的业务需求。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。30 图图59.59.蘑菇车联标准产品包蘑菇车联标准产品包 资料来源:蘑菇车联官网,安信证券研究中心 6.1.1.1.6.1.1.1.全栈自研使得企业具备车路协同整套解决方案集成能力全栈自研使得企业具备车路协同整套解决方案集成能力 蘑菇车联遵循蘑菇车联遵循软硬件一体化、软硬件一体
118、化、全栈自研的发展路径,全栈自研的发展路径,具备较强的车路协同方案集成能力。具备较强的车路协同方案集成能力。蘑菇车联自研“车路云一体化”解决方案,包括自研自动驾驶算法系统、自动驾驶智能终端设备、自动驾驶车辆、路侧设备与系统、AI 云平台及蘑菇大脑,自研自动驾驶车载基础算法平台、域控制器、高精定位、OBU(车载通信单元)、RSU(路侧通信单元)、RTK(实时差分定位)、5G-V2X(智能网联汽车)通信等关键核心技术产品,有机的形成行业领先的车路云一体化自动驾驶系统,产品上其提供包括车路协同系统的软硬件部署、自动驾驶车辆及后续运营在内的整套解决方案。图图60.60.蘑菇车联的整体方案提供方式蘑菇车
119、联的整体方案提供方式 资料来源:蘑菇车联官网,安信证券研究中心 6.1.1.2.6.1.1.2.标准化标准化产品方案产品方案,满足多场景落地真实需求满足多场景落地真实需求 蘑菇车联围绕“技术+运营”两大方向,以“车路云一体化”自动驾驶系统为核心,形成“自动驾驶基础设施、自动驾驶车辆、自动驾驶车辆运营、智能网联数据运营”等业务板块,助力大规模城市级落地。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。31 图图61.61.蘑菇车联发展定位及业务方向蘑菇车联发展定位及业务方向 资料来源:蘑菇车联官网,安信证券研究中心 (1)自动驾驶基
120、础设施业务自动驾驶基础设施业务。蘑菇车联基于车路协同技术,通过路侧的车路协同基站和配套的 AI 云系统,为 L1-L4 各级别智能网联车辆提供车路协同能力,为自动驾驶的大规模落地提供基础支撑;核心产品包括:车路协同基站、数字底座、云控平台、平行驾驶、交通大脑等。车路协同基站车路协同基站:蘑菇车联创新研发出软硬一体化的路侧标准化方案;其囊括了智能网联感知单元、计算单元、通信单元、算法单元及 MRS 管理系统等车路协同技术当中的核心元素,各单元功能的深度融合,实现对道路上各类目标(车、人、非规则目标)等的识别感知,结合目标定位信息,通过 RSU 设备 PC5 通信传递给智能网联车辆,用于辅助车辆下
121、一步的行车决策,从而帮助城市管理者实现安全、高效和环保的道路交通系统,支撑各级别自动驾驶车辆的大规模落地,实现车路协同的典型功能。图图62.62.车路协同基站集成多种核心技术单元车路协同基站集成多种核心技术单元 图图63.63.车路协同基站能有效实现项目大规模标准化落地车路协同基站能有效实现项目大规模标准化落地 资料来源:蘑菇车联官网,安信证券研究中心 资料来源:蘑菇车联官网,安信证券研究中心 蘑菇数字底座:蘑菇数字底座:蘑菇车联独立研发打造的一款高性能数据平台。它通过强大算力,把路侧基站感知、各级别网联车辆上报和第三方应用输入的全类型数据加以采集、整合、清洗、转换和结构化存储,并通过海量 A
122、I 算子对其进行融合加工和增值处理,支撑上层各种类型的智能交通商业化应用。蘑菇蘑菇云控平台:云控平台:云控平台通过对接数字底座,对全域交通进行实时监控与智能分析,根据业务需求,基于全局最优交通决策,对车辆进行远程控制和运营调度,提升自动驾驶车辆的行驶安全和管理效率。蘑菇蘑菇交通大脑:交通大脑:交通大脑是蘑菇车联打造的下一代数字化交通可视化和决策平台,是智能交通全价值链数据资产的终端应用和呈现。高精地图:高精地图:为车辆提供多要素、高度精细的车道级电子地图数据。蘑菇平行驾驶:蘑菇平行驾驶:由高舒适高性能的模拟驾舱和平行驾驶软件组成的软硬一体平行驾驶系统,可以依据实际情况,布设在城市指挥中心、运营
123、大厅、调度管理中心等场所,通过强大的云端链接驾驶能力,实现无人驾驶车辆的远程人工控制,保证更高程度的安全性。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。32 图图64.64.蘑菇数字底座蘑菇数字底座 图图65.65.蘑菇云控平台蘑菇云控平台 资料来源:蘑菇车联官网,安信证券研究中心 资料来源:蘑菇车联官网,安信证券研究中心 图图66.66.蘑菇交通大脑蘑菇交通大脑 图图67.67.高精地图高精地图 资料来源:蘑菇车联官网,安信证券研究中心 资料来源:蘑菇车联官网,安信证券研究中心 (2)自动驾驶自动驾驶车辆业务车辆业务。基于自
124、研实力和深度生态合作布局,蘑菇车联具备成熟的智能化/无人化车辆改造能力,也可对外提供全业态、全品类和全车型的 L4 级别自动驾驶车辆,支撑丰富的无人化运营需求。核心产品包括:蘑菇汽车大脑、Robotaxi、Robobus、Mini Robobus、Robosweeper、生态 OEM车辆(无人巡逻车、无人观光车)等。Robotaxi 套件套件 2.0:蘑菇车联推出的 Robotaxi 也实现自动驾驶套件迭代,将机械激光雷达升级为固态,并融入 GNSS 全球导航卫星系统,降低 1/3 的套件高度,实现轻量化装载,且外观上更流畅。蘑菇汽车大脑:蘑菇汽车大脑:2022 年 9 月蘑菇车联发布自动驾驶
125、汽车大脑,实现自研车端自动驾驶核心部件的技术突破,其集成自动驾驶计算单元、高精定位单元和车路协同通信单元三大功能模块,搭载自研智驾系统 Mogo Auto Pilot,在车路协同自动驾驶中实现软硬件一体化集成及核心技术指标上位居行业前列。图图68.68.自动驾驶车辆的套件升级自动驾驶车辆的套件升级 图图69.69.汽车大脑实现技术突破汽车大脑实现技术突破 资料来源:蘑菇车联,安信证券研究中心 资料来源:蘑菇车联,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。33 图图70.70.自动驾驶车辆(部分)自动驾驶车辆
126、(部分)自动驾驶出租车 自动驾驶小巴车 大型自动驾驶清扫车 自动驾驶牵引车 多类功能车矩阵 资料来源:蘑菇车联,安信证券研究中心 (3)自动驾驶自动驾驶车辆运营业务。车辆运营业务。基于全场景车辆的研发和生产能力,以及成熟的车队运营经验,蘑菇车联在城市开放道路、景区、园区、高速、机场等场景开展多样化的自动驾驶运营业务,为用户和业主提供自动驾驶网约车、自动驾驶公交、自动驾驶接驳/环游、无人环卫、无人巡逻、无人物流等商业化运营服务。核心产品包括:运营管理平台、mogoGO出行系统等。图图71.71.自动驾驶自动驾驶车辆运营业务车辆运营业务 图图72.72.智能运营中心智能运营中心 自动驾驶网约车服务
127、 自动驾驶公交服务 自动驾驶接驳/环游服务 资料来源:蘑菇车联,安信证券研究中心 资料来源:蘑菇车联,安信证券研究中心 (4)智能网联数据运营业务。)智能网联数据运营业务。通过自动驾驶基础设施的大规模布设,形成覆盖广阔的车路协同网络,为接入其中的各类型交通参与主体(包括各级别智能网联车辆、公共服务车辆、使用交通信息的终端 app 用户等)产出多样化增值服务。核心产品包括:车载 app,车路协同服务等 图图73.73.自动驾驶级别导航自动驾驶级别导航服务服务 资料来源:蘑菇车联,安信证券研究中心 行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参
128、见报告尾页。34 6.1.2.6.1.2.签约项目超签约项目超百百亿元亿元,形成数据、商业双闭环,形成数据、商业双闭环 6.1.2.1.多区域,多场景快速落地,下好智慧交通基建的先手棋 智能网联汽车产业链中基建环节具有强资源性、有限性和排他性特征,是未来形成数据闭环、实现可持续的数据运营,构筑企业壁垒的核心环节。目前蘑菇车联凭借其系统方案集成能力,目前已与多地政府合作,签约超百亿规模的车路协同项目。一方面印证了蘑菇车联凭借自研优势和标准化产品方案具备较强的规模化落地能力和政府客户的认可度,另一方面也助力企业在智能网联汽车基建中成功占位,逐步打造自身的壁垒,为后续形成数据闭环和可持续盈利提供强有
129、力的基建支持。图图74.74.与多地政府达成合作与多地政府达成合作 图图75.75.蘑菇车蘑菇车联已与多地政府达成合作联已与多地政府达成合作 资料来源:蘑菇车联官网,安信证券研究中心 资料来源:蘑菇车联官网,安信证券研究中心(上表为不完全统计)6.1.2.2.多数项目处于初中期已逐步形成商业闭环,未来有望实现正向循环“车路云一体化”标准化方案“车路云一体化”标准化方案签约落地签约落地,多数项目完成数字化道路等基础设施建设和自动多数项目完成数字化道路等基础设施建设和自动驾驶车辆规模化运营阶段,驾驶车辆规模化运营阶段,已产生营收已产生营收并形成商业闭环并形成商业闭环。未来未来随项目规模化复制落地以
130、及随项目规模化复制落地以及自动驾驶车辆运营阶段自动驾驶车辆运营阶段接入车辆的接入车辆的不断不断增加,增加,将积累大量的交通数据,进一步将积累大量的交通数据,进一步反哺反哺自动驾自动驾驶和智慧交通算法驶和智慧交通算法,加快,加快实现实现算法算法的升级的升级迭代,提高车路云三端能力,形成迭代,提高车路云三端能力,形成数据闭环,打数据闭环,打造造企业的核心竞争力。企业的核心竞争力。图图76.76.蘑菇车联多数项目已形成商业闭环蘑菇车联多数项目已形成商业闭环 资料来源:蘑菇车联官网,安信证券研究中心 6.2.6.2.金溢科技:金溢科技:高速高速 ETCETC 设备头部厂商,设备头部厂商,V2XV2X
131、业务拓展有望打开成长空间业务拓展有望打开成长空间 金溢科技自成立起坚持深耕高速 ETC 设备业务,在 19-20 年 ETC 加速普及的大环境下,凭借过硬的设备质量,在后装设备端积累了良好的用户口碑,并基于自身的技术积累、品牌力优势和渠道拓展能力,迅速成长为高速 ETC 设备头部厂商,根据前瞻产业研究院数据统计,公司 2020 年国内 ETC市场份额超 40%。行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。35 公司公司早期即早期即具备具备前瞻性前瞻性的战略目光,的战略目光,2013 年开始布局车路协同设备,年开始布局车路协同设
132、备,凭借其凭借其在在 ETC 技术积技术积累累和研发投入,于和研发投入,于 2017 年推出第三代车规级年推出第三代车规级 Vbox,目前已成功落地多个车路协同项目,目前已成功落地多个车路协同项目,未来随未来随智能网联汽车智能网联汽车在各地方的成功导入,在各地方的成功导入,V2X 业务有望凭借其在业务有望凭借其在 ETC 领域的龙头地位和领域的龙头地位和口碑积累,打开成长空间成为新的业绩增长点口碑积累,打开成长空间成为新的业绩增长点。产品矩阵上,公司率先推出智能网联汽车路端、车端设备及车路协同应用系统软硬件等,包括 C-V2X 路侧设备、DSRC-V2X 路侧设备、C-V2X 车载设备、DSC
133、R-V2X 车载设备、通信模块 WB-LM20B 等。落地项目上,公司车路协同等产品已参与到众多智能网联示范区工程建设和测试,如上海智能网联示范区、海南测试场、山东济南 5G 智能网联示范区、深圳宝安智能公交示范道路、广州 5G 智能网联示范区、湄洲岛智能网联汽车示范应用基地等。图图77.77.2020 年中国年中国 ETC 行业市场份额(按行业市场份额(按 OBU 销售量)销售量)图图78.78.2018-2021 金溢科技不同业务板块营收占比金溢科技不同业务板块营收占比 资料来源:前瞻产业研究院,安信证券研究中心 资料来源:金溢科技官网,安信证券研究中心 6.3.6.3.千方科技:千方科技
134、:传统智慧交通解决方案商,传统智慧交通解决方案商,项目经验和项目经验和客户客户积累助力积累助力智能网联智能网联汽车汽车项目规模化落地项目规模化落地 千方科技在传统智慧交通解决方案提供商中具备领先地位,在智慧高速、智慧路网、智慧千方科技在传统智慧交通解决方案提供商中具备领先地位,在智慧高速、智慧路网、智慧城市、交通管理等方面具备极丰富的项目经验。城市、交通管理等方面具备极丰富的项目经验。公司于 2004 年率先进入城市智慧交通领域中,并于 2005-2008 年成功拓展智慧高速领域,此后于 2010 年逐步开始布局商用车智能网联汽车业务。2017 年公司提出“一体两翼”战略,坚持全域智慧交通和物
135、联网两大业务协同发展。图图79.79.千方科技千方科技 Omni-T2.0 全域交通解决方案全域交通解决方案 资料来源:千方科技官网,安信证券研究中心 目前公司目前公司积累了较丰富的智慧交通项目落地经验、软件开发能力和客户基础积累了较丰富的智慧交通项目落地经验、软件开发能力和客户基础,已为近 2000个大型智慧交通项目服务,并成功交付了 1400 多个物联网项目,在车路协同项目上也成功。同时公司通过收购宇视科技,于 2020 年初成立 AI 研发的博观智能,完成在视频监控、机完成在视频监控、机器视觉和物联网等领域技术的补足器视觉和物联网等领域技术的补足。2020 年公司率先发布了全域智慧交通解
136、决方案 Omni-T,并于 2021 年增资具备优质前装经验和资质的联路智能交通实现了车端和路侧解决方案形成闭环,夯实自身的方案集成能力。夯实自身的方案集成能力。未来公司凭借其智慧交通项目经验和客户积累,有望在未来公司凭借其智慧交通项目经验和客户积累,有望在智能网联汽车智能网联汽车导入期获得导入期获得业绩增长。业绩增长。0%20%40%60%80%100%200020年中国ETC行业市场份额(按OBU销售量)金溢科技其他聚利科技万集科技行业深度分析行业深度分析/智能网联智能网联汽车汽车 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。36
137、 图图80.80.千方科技千方科技智慧交通落地项目智慧交通落地项目 资料来源:千方科技官网,安信证券研究中心 7.7.风险提示风险提示 (1)主机厂自动驾驶升级进度不及预期:当前仍处于 L2 级别自动驾驶渗透率加速提升的阶段,若因消费者对自动驾驶功能体验支付意愿较弱等因素影响主机厂自动驾驶等级提升节奏,将对智能网联汽车行业发展产生影响。(2)智能网联汽车项目落地进度不及预期:目前智能网联汽车项目定制化程度较高,且多以政企合作的特种场景为主,单一的合作对象及场景可能造车国内智能网联汽车项目落地进度不及预期风险。(3)车端网联化速度不及预期:智能网联汽车建设需车端与路端共同建设推进,若未来存在部分
138、主机厂因控制整车成本等因素搭载车端网联设备意愿较弱,可能产生车端网联化推进速度不及预期风险。行业深度分析行业深度分析/汽车零部件汽车零部件 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。37 行业行业评级体系评级体系 收益评级:领先大市 未来 6 个月的投资收益率领先沪深 300 指数 10%及以上;同步大市 未来 6 个月的投资收益率与沪深 300 指数的变动幅度相差-10%至 10%;落后大市 未来 6 个月的投资收益率落后沪深 300 指数 10%及以上;风险评级:A 正常风险,未来 6 个月的投资收益率的波动小于等于沪深 300 指数波动;B 较高风险,未来 6 个月的投
139、资收益率的波动大于沪深 300 指数波动;分析师声明分析师声明 本报告署名分析师声明,本人具有中国证券业协会授予的证券投资咨询执业资格,勤勉尽责、诚实守信。本人对本报告的内容和观点负责,保证信息来源合法合规、研究方法专业审慎、研究观点独立公正、分析结论具有合理依据,特此声明。本公司具备证券投资咨询业务资格的说明本公司具备证券投资咨询业务资格的说明 安信证券股份有限公司(以下简称“本公司”)经中国证券监督管理委员会核准,取得证券投资咨询业务许可。本公司及其投资咨询人员可以为证券投资人或客户提供证券投资分析、预测或者建议等直接或间接的有偿咨询服务。发布证券研究报告,是证券投资咨询业务的一种基本形式
140、,本公司可以对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析,形成证券估值、投资评级等投资分析意见,制作证券研究报告,并向本公司的客户发布。行业深度分析行业深度分析/汽车零部件汽车零部件 本报告版权属于安信证券股份有限公司,各项声明请参见报告尾页。38 免责声明免责声明 。本公司不会因为任何机构或个人接收到本报告而视其为本公司的当然客户。本报告基于已公开的资料或信息撰写,但本公司不保证该等信息及资料的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映本公司于本报告发布当日的判断,本报告中的证券或投资标的价格、价值及投资带来的收入可能会波动。在不同时期,本公司可能撰写并发布与本
141、报告所载资料、建议及推测不一致的报告。本公司不保证本报告所含信息及资料保持在最新状态,本公司将随时补充、更新和修订有关信息及资料,但不保证及时公开发布。同时,本公司有权对本报告所含信息在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改。任何有关本报告的摘要或节选都不代表本报告正式完整的观点,一切须以本公司向客户发布的本报告完整版本为准,如有需要,客户可以向本公司投资顾问进一步咨询。在法律许可的情况下,本公司及所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易,也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务,提请客户充分注意。客户
142、不应将本报告为作出其投资决策的惟一参考因素,亦不应认为本报告可以取代客户自身的投资判断与决策。在任何情况下,本报告中的信息或所表述的意见均不构成对任何人的投资建议,无论是否已经明示或暗示,本报告不能作为道义的、责任的和法律的依据或者凭证。在任何情况下,本公司亦不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。本报告版权仅为本公司所有,未经事先书面许可,任何机构和个人不得以任何形式翻版、复制、发表、转发或引用本报告的任何部分。如征得本公司同意进行引用、刊发的,需在允许的范围内使用,并注明出处为“安信证券股份有限公司研究中心”,且不得对本报告进行任何有悖原意的引用、删节和修改。本报告的
143、估值结果和分析结论是基于所预定的假设,并采用适当的估值方法和模型得出的,由于假设、估值方法和模型均存在一定的局限性,估值结果和分析结论也存在局限性,请谨慎使用。安信证券股份有限公司对本声明条款具有惟一修改权和最终解释权。安信证券研究中心安信证券研究中心 深圳市深圳市 地地 址:址:深圳市福田区福田街道福华一路深圳市福田区福田街道福华一路 1919 号安信金融大厦号安信金融大厦 3333 楼楼 邮邮 编:编:5 上海市上海市 地地 址:址:上海市虹口区东大名路上海市虹口区东大名路 638638 号国投大厦号国投大厦 3 3 层层 邮邮 编:编:200080200080 北京市北京市 地地 址:址:北京市西城区阜成门北大街北京市西城区阜成门北大街 2 2 号楼国投金融大厦号楼国投金融大厦 1515 层层 邮邮 编:编:4