导读
科技的发展都将会体现在我们的日常生活中，尤其是汽车科技的发展正在改变着整个的汽车产业，也必将影响我们的生活。
汽车研究领域创新趋势
在汽车技术发展的 100 多年历史中，一些独具一格的发明在汽车发展史上占有突出的地位，梅塞德、福特汽车、雪铁龙、甲壳虫、迷你汽车、多用途厢式车引领了全球汽车的变革。尤其是近年来新能源汽车的发展，以及自动驾驶技术的不断取得突破，在驾驶辅助，Level2 甚至 Level3 的自动驾驶系统开始不断的在量产车中应用。人工智能技术和汽车领域的研究结合的越来越紧密。
2016 年，汽车行业的创新专利数量再次实现增长，增长率为 7%。虽然增幅不如上一年度，但除娱乐系统外的所有子领域均有增长，尤以可替代能源汽车（13%）、转向系统（10%）和导航系统（9%）增幅最大。由此可以看出，汽车业的研发重心仍然聚焦在混合动力、电动和燃料电池等更清洁、低排放的推进系统，以及以导航和转向控制为核心要素的无人驾驶汽车技术。
汽车领域创新具有全球性，该领域全球排名前十位的创新机构有五家来自亚洲，三家来自德国，两家来自美国。日本丰田汽车再次折桂，紧随其后的是去年另外三家五强公司――现代（韩国）、博世（德国）和电装（日本）。福特（美国）今年被本田（日本）所取代，未能进入五强。
中国销量排名第四的北汽集团与德国的大众汽车集团今年首次跻身汽车领域全球十大创新机构榜单，分列第十位和第六位，第八位和第九位分别是戴姆勒（德国）和通用（美国）。
在可替代能源汽车创新方面，仍是日本的丰田以绝对优势占据榜首。2012 到 2016 年间，丰田汽车在这一子领域的发明数量超过 9000 项，几乎是排名第二的博世公司 3200 项的三倍。在欧洲，可替代能源汽车子领域的前十强席位仍然只有德国和法国上榜，德国仍旧占据七席。美国则将北美十强全数揽入囊中，福特和通用汽车捍卫住了领先地位。
汽车领域最多产的十大研究机构中既有营利性企业，又有学术机构。汽车技术的科学研究主要集中在美国，占据十大最多产研究机构中的五个席位。剩下五个席位中四个归属欧洲，德国占据两席，法国、意大利分别占有一席。亚洲则只有印度理工学院入选。
通过自动驾驶技术研究领域的发展趋势图看来，Vehicle Routing、Real Time、Controller Design、Vehicle Routing Problem、Adaptive Control、Motion Control 等技术不断的取得新的突破。
全球汽车研究学者数量分布及产业发展
2016 年全球汽车产量达 9497.66 万辆，增速为 4.5%。其中，中国和美国两个单一市场产量超过千万辆。2016 年中国汽车产量为 2811.88 万辆，增长 14.5%，是全球最大汽车产销市场。随后是美国 2016 年产量为 1219.81 万辆，微增 0.8%。根据中商产业研究院整理的数据，2016 年全球主要汽车国家产量排行榜中，前五名的国家分别是中国、美国、日本、德国、印度，产量分别为 2811.88、1219.81、920.46、606.26、448.90 万量。
全球汽车领域的研究学者集中分布在中国、日本、美国和德国；其中，中日美三国在汽车方面的研究学者数量更是占据了全球的半壁江山。
在全球汽车研究发展下，我国汽车产业研究正在积极健康发展。在中国汽车研究学者数量集中分布在湖南、江苏、北京、辽宁等地。
与中国汽车领域研究学者数量分布相对应的是中国汽车产业的布局。中国汽车集团如一汽、上汽、长安、南方工业、东风、北汽等，大多是从上海、湖南、江苏、北京、辽宁等省份中发展而来。
有关汽车的研究主要以 N. Rashevesky、Siyun Chen、Ellen A. Esien、Xichun Wang、Vincent Frigant、Sibylle SchwartzeEidam、Glenn R. Carroll、Geoges Dionne、Wuwei Chen、Ren He 十人为首的流派研究构成。
这些学者的研究兴趣主要集中在 Density Dependence、Automobile Industry、Active Suspension、Automobile Engineering、Regenerative Braking、Simulation、Eye-Current Retarder 等方向。
这些学者同样都在 Citation、G-Index、H-Index、Diversity、Sociability 等方面成绩出色，但在近两年活动不多。
汽车研究领域发展趋势分析
从全局的热度来看，Cross Wedge Rolling、Active Suspension、Risk Management、Automobile Industry 等是整体关注的热点。
从数据看来，未来汽车的智能化、环保化、共享化的方向发展
智能化
ADAS 技术的发展推动了智能汽车的流行。它能帮助在汽车行驶过程中感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。
环保化
近年来，越来越多的研究学者投入于有关汽车造成的环境污染以及汽车电动化的研究。据统计，2015 年中国新能源汽车销量达 37.9 万辆，到2016 年，我国新能源汽车销量有望达到 60 万辆，预估至 2030年，新能源销量可达 2500 万辆。
共享化
据统计，汽车是我们生活中利用率最低的物品之一。汽车共享化的流行实际上是产品的效率提升，是闲置社会资源的再利用，根本上解决的是资源浪费的问题。
人工智能+汽车
人工智能在汽车领域的运用是人工智能技术的重要组成部分，包括无人车、无人公交和无人配送等。海内外各大企业争相加大人工智能在汽车领域应用的研发投入。尤其是非传统的汽车厂商，包括各大 IT 和互联网公司，以及新兴的公司，比如 Tesla，蔚来汽车等。
无人驾驶研究：
2017 年 10 月，通用汽车计划成为第一家在纽约市测试无人驾驶汽车的公司，以此确立其在无人驾驶领域的领导地位，为无人驾驶的商业化迈出了重要一步。
无人驾驶的意义无疑是重大的。据统计，仅中国每年因为车辆的交通事故而死亡的人数达 10 万多人，受伤的人数达200 多万人，而发生纠纷与冲突的人数更高达 600 多万人。其中，约 90%的事故原因来自于驾驶员的错误，比如：30%的事故是由于驾驶员醉酒，10%的事故则是驾驶员分心造成的。无人驾驶能减少由驾驶员操作失误造成的交通事故，同时也为由于身体原因不能驾驶的人驾车出行提供了可能。而且，无人驾驶也能人类从简单、重复的驾驶中解放出来，提高生产力，“延长”生命。
从系统的角度看，无人驾驶技术是一个复杂的，需要软硬件相结合的系统，其框架一般都如图 28 所示。无人车主要分为三个模块：感知模块，高精度地图模块、驾驶行为决策模块。感知模块主要是通过摄像头，激光雷达等传感器来感知周围的环境，为无人车的驾驶提供环境信息支撑。高精度地图模块则为无人车提供精确的定位与全局路径的规划。而驾驶行为决策模块则依据前两个模块提供的数据，由适当的模型来规划驾驶方案，统筹安排无人车的行驶。
无人驾驶的等级：
大多数汽车制造商已经开始承诺，到 2020 年，至少半自动驾驶汽车可以上路。无人驾驶是自动驾驶的终极阶段，美国国家公路交通安全管理局（NHTSA）和国际汽车工程师协会（SAE）制定的标准，将汽车的自动程度分为五个等级：
Level 0：无自动化；
Level 1：驾驶员辅助。单个辅助驾驶系统能根据驾驶环境信息，以特定模式或者转向，或者执行加速、减速等操作，其他操作都由人类驾驶员完成；
Level 2：一个或多个辅助驾驶系统能根据驾驶环境信息，以特定模式同时转向或者加速减速操作，其他操作都由人类驾驶员完成；
Level 3：有条件自动化。一个自动化驾驶系统，能在动态驾驶中，全面承担驾驶任务，但在系统提出接管请求时，需要人类司机作出回应；
Level 4：高度自动化。即使在系统提出接管请求时，人类司机不能回应，这类系统也能在动态驾驶中全面承担驾驶任务；
Level 5：完全自动化。自己开车，在任何道路、任何环境状况下都不需要人类司机的介入。
一般而言，无人驾驶系统一般有三大模块：
环境感知模块
无人驾驶汽车是通过传感器来感知环境信息。比如摄头、激光雷达、毫米波雷达以及工业相机是用于获取环境信息；而 GPS 等用于获取车身状态的信息。当然还需要通过算法提取出有用的信息。
行为决策模块
行为决策是指无人驾驶汽车根据路网信息、获取的交通环境信息和自身行驶状态，产生遵守交通规则的驾驶决策的过程。
运动控制模块
运动控制模块是根据规划的行驶轨迹和速度以及当前的位置、姿态和速度，产生对油门、刹车、方向盘和变速杆的控制命令。
无人驾驶的决策模型：
行为决策是指根据路网信息、获取的交通环境信息和自身行驶状态，产生遵守交通规则的驾驶决策的过程。学术界的一个解决方案是用现在很火的深度学习，来实现模仿性学习（Behavioral Cloning），但是可靠性上可能有问题，实际应中还是会有大量的规则等方式。包括：识别并躲避障碍物、从相机中识别行人、车道识别、交通标志识别、车辆的自适应巡航控制、让汽车在预定轨迹上运动。
未来趋势分析
未来三年内，AI 与汽车领域的交叉运用主要集中在Genomics、Control Methods 与 Control Strategy、Control System、Real Time 的交叉运用。Genomics（AI）& Real Time（Vehicle）将继续成为研究的重点。
无论是 Control Methods（AI）& Control Strategy（Vehicle）、Control Methods（AI）& Control System（Vehicle）还是 Genomics（AI）& Real Time（Vehicle），都使用 AI 进行汽车的数据收集与驾驶决策。未来的研究热点集中在这三个领域一定程度上说明了未来自动驾驶将热度不减。
作为行业的代表，特斯拉、Uber 和 Google 这三个力量结合在一起，推动了产品和需求的跨越式发展，整个行业进入了新的变革点。人工智能的发展为汽车的变革注入了更具想象的未来。
免责声明
中润普达大数据（http://www.infobigdata.com/）若非注明原创保护，本公号所载内容来源于互联网、微信公众号等公开渠道，不代表本公号观点，仅为交流学习所用。转载请务必注明来源、出处及作者信息，版权归属原作者和机构所有，如有侵权，请联系删除。
