2023智能驾驶行业深度报告：发展现状、市场空间、产业链及相关公司深度梳理

化慧博智能投研www.hibor.com.cn行业深度研究报告专业的提资所究大最据平句2023年11月27日3.智能驾驶系统的核心模块与功能智能驾驶系统可分为感知(Perception),预测(Prediction)，,规划(Planning),控制(Control)几个主要模块。图1、智能驾驶系统的主要模块PerceptionPredictionControMonitorHMIHD MapLocaliaonCANBusKey:Data LinesControl lines资料来源：上海人工智能实验室，兴业证券经济与金融研究院整理感知模块(Perception)主要负责车周信息感知和目标检测。感知模块输入各类传感器的数据，输出车道线，行人，车辆等的位置和轨迹等信息。感知算法的核心是融合各类传感器的信息，精准识别物体的类别与位置（需要2D还原为3D)。预测模块(Prediction)主要负责预测车周物体的运动，评估障碍物下一时刻可能的动作。预测模块输入车周物体和车辆自身的位置与速度等信息，输出物体运动轨迹的预测。决策规划模块(Planning)主要负责计算车辆下一时刻的运动路径，向控制模块输出指令。规划与决策在开发环节往往结合在一起，包括三个层次：l)全局路径规划(Route Planning)，结合目的地和地图信息生成全局路径。2)行为决策层(Behavioral Layer),结合感知模块的环境信息做具体行为决策。3)运动规划(Motion Planning),结合行为决策和约束条件形成运动轨迹。控制模块(Control)主要负责精准控制车辆按规划轨迹行驶。控制模块根据决策规划的路线，生成具体的加速、转向和制动指令，控制驱动系统，转向系统，制动系统和悬架系统。4.Transformer模型加速智能驾驶能力的提升智能驾驶的本质是通过训练使车辆具有人类的驾驶能力，用神经网络模型替代基于规则的算法，可提升模型表现。1)过去，一些智能驾驶的方案中感知，预测等模块采用了CNN和RNN等AI模型：2)现在，在Transformer模型引入CV领域和智能驾驶领域后，智驾能力的提升明显加速。例如，在感知模块，基于BEV+Transformer做特征融合，相较于传统的CNN模型具有更好的全局感知能力：在预测模块，有研究表明基于Transformer的多模态轨迹预测相较于传统的RNN等神经网络也有更好的效果：在规划模块，基于AI模型的算法相比于基于大量规则的算法也更加简洁高效。3)未来，基于3/39