汽车零部件行业深度分析报告.pdf

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 徐慧雄徐慧雄 分析师分析师 SAC 执业证书编号：S1450520040002 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 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%2022-032022-072022-112023-03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 3.2.1.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.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 oPpMpRpOsOoNnPtNqRnRpP8OdN8OoMnNtRoNkPnNtQlOrQtNaQnMqNwMtOpOxNoOvM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。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.OBU 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 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 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 78.2018-2021 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。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。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（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CS75PLUS、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 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%201620202025203020352040各自动驾驶级别渗透率情况L1/2L3L4/5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 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 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 1.75 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，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1371.8142.5185.40501001502002019年2020年2021年2022年32436141548856664101002003004005006007002015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