什么是智能网联汽车，说说它的定义、发展以及其他方面的知识？

智能网联汽车( Intelligent and Connected Vehicle，ICV) 是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X ( 车、路、人、云等) 智能信息交换、共享，具备复杂环境感知、智能决策、协同控制等功能，可实现安全、高效、舒适、节能行驶，并最终实现替代人来操作的新一代汽车。 ^[1]

其实智能网联原本代指的是汽车技术发展的两个技术路线，即 智能汽车 和 车联网。智能汽车 ^[2] 是指通过搭载先进的电控系统，采用AI、信息通信、大数据、云计算等新技术，具备半自动或全自动驾驶功能，从简单交通运输工具向智能移动载体变化的新型汽车。 车联网 ^[3] 是借助全新的信息和通信技术，实现车内、车与X（车、路、人、云等）连接的网络体系，提高车辆的智能化和自动化，打造全新的交通服务模式，提升交通效率，改善驾乘体验，为使用者提供更安全、更便捷的综合服务。车联网的特点是网络化、汽车智能化、服务新业态。可以看出二者相辅相成，不可分割，因此将车联网和智能汽车的集合体称为智能网联汽车。

下面cao sir从智能网联汽车的发展历史、智能网联汽车中使用的关键技术、智能网联汽车的发展形势三个纬度揭开智能网联汽车的神秘面纱，以期达到窥一斑而知全豹的效果。

一、智能网联汽车的发展历史

早在上世纪20年代就有无线电公司在一辆chandler上安装了一个无线电接收设备， 通过无线电信号操控车上的马达， 进而控制方向盘、制动器、加速器等， 当时这辆车还在纽约市进行了简短的展示， 从百老汇开到了第五大道。

在1939 年纽约世博会中，工程师们就提出了未来汽车在高速公路和城市里自动驾驶的场景 ^[4]

1977年， 日本开发出了第一个基于摄像头检测导航信息的自动驾驶汽车。这辆车内配备了两个摄像头， 并用模拟计算机技术进行信号处理， 但需要高架轨道的辅助。这是所知最早开始使用视觉设备进行无人驾驶的尝试。

1989年， 卡内基梅隆大学率先使用神经网络来引导控制自动驾驶汽车， 由此发展形成了现代控制策略的基础。同一年，日本的科学家们提出了道路－汽车通信系统（Road/Automobile Communication Systems，RACS） ^[5] ，主要提供车辆和路边固定位置设备间的V2I 通信，但通信距离较短，其功能在于向行驶车辆提供可靠的导航辅助，信息分发服务和双向通信服务。

到了90年代， 越来越多的便携式计算设备、摄像头、GPS设备被运用， 来增强车辆的自动驾驶能力。

2009年谷歌开始了自己的无人驾驶汽车项目。

2011年7月14日， 红旗HQ3 首次完成了从长沙到武汉286公里的高速全程无人驾驶试验， 实测全程自主驾驶平均时速87公里。

2013年奧迪、宝马、福特、日产和沃尔沃等传统整车厂入局， 开发自动驾驶汽车、智能汽车。

2014年谷歌对外发布了“ 完全自主设计”的无人驾驶汽车，第二年谷歌第一辆原型汽车正式亮相， 并且可以正式上路测试。

2015年梅塞德斯奔驰发布超现实F015 概念无人驾驶汽车。同一年12月，百度宣布其无人驾驶车已在国内首次实现城市、环路及高速道路混合路况下的全自动驾驶。测试时，最高速度达到100 公里/小时。

2016年4月17日， 长安汽车宣布完成2000Km超级无人驾驶测试项目。至此无人驾驶进入了发展的快车道。越来越多的企业毫不犹豫的参与其中， 相关法律、法规开始陆续出台， 实测基地建立， 公众开始讨论无人驾驶、智能汽车， 与之相关的伦理、法律问题， 开始走入公众视野， 这意味应用落地的相关问题被提上了日程表， 也意味着围绕智能网联汽车的生态已经相对完善。 ^[6]

二、智能网联汽车中使用的关键技术

智能网联汽车主要是由感知系统、决策系统、执行系统和通讯系统等组成 ^[7] ，关键技术与汽车传感器、高精度地图、高性能芯片、V2X 通信、网络云平台、MEC、信息安全等密不可分。

1.传感器技术。 包括视觉传感器、超声波雷达、毫米波和激光雷达等。视觉传感器通过模拟人的眼睛，利用环视摄像头合成汽车周围近距离的环境图像，单目摄像头通过调整焦距生成远距离图像。在视觉传感器中，摄像头的优势是能识别平面事物，尤其是色彩和文字标识，比如路口红绿灯或限速指示牌，也可和其他传感器互为备用（部分传感器故障），增加准确和安全系数。超声波传感器可以通过发射超声波和反射波辨别汽车到物体的距离。毫米波和激光雷达传感器基本原理也是通过电磁波或光波遇到障碍后的反射信号，实时计算出智能汽车与障碍物的距离和相对速度，汽车车头与车尾安装的77 GHz 雷达能实时探测其他车辆的速度，并通过增加摄像头等传感器冗余度来提升安全系数。

2.高精度地图。 位置信息精度越高，车联网相关业务成功率、安全性、可靠性越高，比如网联车精准停靠业务，其精度往往需要达到厘米级。在室外无遮挡场景下，通常采用的高精定位方法包括中国北斗、美国GPS、欧洲伽利略、以及俄罗斯的GLONASS 卫星导航系统以及基于无线微蜂窝网络的AOA 和TOA 定位方法。而位置定位技术在卫星遮挡或受到干扰情况下更为复杂，为满足隧道或室内遮挡场景下定位性能要求，近几年来相关企业、高校科研机构经过不断探索研究，市场导航方法已经多元化，比如利用蓝牙、WLAN 等无线网络来实现遮挡场景下移动终端的定位技术，其定位精度可达米级，而采用超宽带技术甚至可达0.1 米级精度，但需要布放大量的基础射频器件。部分商用市场采用综合定位方法比如GPS+ 惯导、GPS+ 高精地图+ 摄像头识别算法（特征物匹配）等相关技术，精准度、复杂度与经济性之间的平衡，也是室内定位系统开发的难点。

3.高性能芯片 。高性能芯片对多路高码率图像以及各种辅助信息实时的处理运算能力决定了车辆智能网联的性能。与普通消费类电子芯片相比，车载芯片对可靠性要求高，不仅对不良率和工作环境温度要求高，并且在设计周期和供货保障期上也更加长。目前国际主流车载芯片厂商包括NXP、海思等。

4.V2X 通信技术 ^[8] 。 Vehicle to Everything是指车与车之间（V2V）、 汽车与行人（V2P）、 汽车与道路基础设施（V2I）、以及汽车借助移动网络与云端（V2N）进行信息交换的一种通信方式。其主要有2 种路线：基于Wi-Fi 改变和进化来的DSRC 通信技术与基于边缘蜂窝网络的C-V2X 通信技术。

5.云平台技术 ，云平台是基于硬件资源和软件资源的服务体系，为用户提供计算、网络和存储能力 ^[9] 。 云计算平台可以划分为3类：数据存储型云平台，数据处理云平台以及计算和数据存储处理兼顾的综合性云计算平台。云平台一般具备如下特征：硬件管理对于使用者高度抽象：使用者如果需要某些应用程序或资源时，就向“云”发出指令，很快，就会呈现结果，但用户不知道哪里的服务器和哪些主机提供的服务，隐匿相关实现细节，最终以整体的形式提供给客户。智能网联汽车其本质是大型的移动终端，利用云平台智能网联汽车决策系统稳定和安全运行提供了有利的支持。

6.多接入边缘计算 。Multi-access Edge Computing，MEC由边缘、核心和云数据中心三个部分组成 ^[10] 。MEC 是把云平台从移动核心网络内部引入到移动接入网边缘，有利于拓展和延伸计算及存储资源。MEC 第三方提供了具备延迟非常低、带宽高、实时访问性强云计算功能和在网络边缘的进行IT 服务条件。这些功能的实现和高性能的芯片以及虚拟存储技术密切相关。MEC 实现移动网络与移动应用的“零距离”，支持各类OTT（Over The Top）应用场景。

7.信息安全技术。 智能车网联化应用的基础是低时延、高可靠通信网络，它的推广将是物联网数量最大应用方向之一，因为车联网涉及到人的生命财产安全和公共安全，其所关联的数据通信安全尤为重要。智能网联信息安全包括车辆本身的应用系统安全与密钥安全，路侧单元安全，云平台安全，网络传输安全、链接设备安全等。为了全面保证智能网联汽车的信息安全，一方面强化顶层设计，通过发布指南、制定政策等手段规范行业行为，构建智能网联汽车信息安全防护体系，针对该项信息安全技术的研究与应用给予足够重视与支持，同时确定研究课题，加强各部门的合作对关键性技术进行联合攻关。另一方面，以生命周期的角度强化该项防护研究工作，将关键芯片、软件、通信协议和系统应用等的创新视为重点工作内容，全面提高汽车云平台及应用软件等的安全防护技术水平。在国家级及企业级远程监控平台中，尽快导入信息安全监控模块，对于车辆、外部链接设备等安全隐患进行实时监控和预警，压制恶意攻击在系统内部网络的扩散传播，一经发现任何环节存在恶意攻击以及漏洞问题则应第一时间进行安全防护处理，同时做好系统及技术的完善与升级，防止二次风险的产生 ^[11] 。

三、智能网联汽车的发展形势

1、国外发展形势：

a.政策法规层面 ，美国交通运输部2016 年9 月发布联邦自动驾驶汽车政策指南《联邦自动驾驶车辆政策》，持续推进自动驾驶汽车的安全监管与测试，2018 年10月发布《为未来交通做准备：自动驾驶汽车3.0》，加强自动驾驶汽车与整个交通出行体系的安全融合。欧盟2018 年5 月发布的《欧洲未来出行战略》，明确了自动驾驶及智慧出行发展战略规划，日本2019 年修订《道路运输车辆法》，明确了对自动驾驶车辆进行信息监管的权力，确立了车辆电气化委托检验制度。

b.测试示范与应用层面 ，目前美国加州是自动驾驶汽车测试应用发展最具代表性的地区，当地开放的政策使全球大部分的自动驾驶公司选择在此进行开放道路测试。截至 2018 年12 月，共有62 家企业获准在加州测试自动驾驶汽车的许可。德日等国家也出台规范允许企业，在开放道路，甚至高速公路上开展大规模测试。同时随着自动驾驶测试不断突破，其应用场景日益拓宽，应用服务呈现多样化。美国Waymo 在亚利桑那州凤凰城推出了首个商业自动乘车服务Waymo One；日本出租车巨头“日之丸交通”及初创企业ZMP 将在东京都中心区公共道路开展世界首例自动驾驶出租车载客运营。

c.产业生态层面 ，国外车企发展速度相对领先，奔驰、宝马、沃尔沃、丰田等国外主要传统汽车企业已普遍实现L2 级智能网联汽车量产, 大部分车企都计划在2019 年左右开始向市场投放L3 级量产车，并将在2021 年左右实现L4 级自动驾驶。全球自动驾驶汽车产业链已初步形成，各国企业在整个产业链上相互持股与并购的情况日益普遍，跨行业深度融合发展成为趋势。

2、国内发展形势：

a.政策层面 ，中国智能网联汽车发展已上升至国家战略层面，发展定位从原来以车联网概念的一个重要组成部分，向智能制造、智能网联等智能化集成行业转移。顶层设计上，《汽车产业中长期发展规划》、《智能汽车创新发展战略》及《车联网（智能网联汽车）产业发展行动计划》等指导性规划文件密集出台。发改委、工信部、交通部等各部委，在贯彻落实国务院对于智能网联汽车领域的战略部署之外，同样在各自所负责的产业规划、产品准入、安全监管、场景应用等领域积极主动作为。

b.产业标准体系建设 ，中国智能网联汽车标准体系建设是迎接新机遇和新挑战的重点努力方向。随着智能网联汽车产业的快速发展，原有的产业标准体系已经开始阻碍产业发展进程，新的标准体系有待建立。2018 年6 月，工业和信息化部与国家标准化管理委员会印发《国家车联网产业标准体系建设指南（总体要求）》，旨在从智能网联汽车标准体系、信息通信标准体系、智能交通相关标准体系、车辆智能管理标准体系及电子产品与服务标准体系五方面构建完整的车联网产业标准体系。同年8 月，全国汽车标准化技术委员会等多家行业组织共同编制了《智能网联汽车自动驾驶功能测试规程（试行）》，为自动驾驶汽车道路测试规程提供可量化的标准。

c.开放道路测试 ，当前我国自动驾驶开放道路测试正处于发展试行阶段。2018 年4 月，工信部、公安部及交通部出台《智能网联汽车道路测试管理规范（试行）》，确定了智能网联汽车测试管理的基本框架，在国家层面准许地方开展自动驾驶道路测试。随后地方政府开始大力推进，北京、上海、保定、重庆、深圳、长沙、长春、平潭、天津等多座城市先后出台了地方道路测试管理规定，对测试主体、测试车辆、测试员、许可方式以及测试区域等内容作出具体要求与规定。截至2019 年8 月，共有13 个城市发放了自动驾驶路测牌照179 张。其中，北京经济技术开发区、顺义区、海淀区及房山区累计开放了44 条开放测试道路，上海划定了全球首个全面支持多种通信模式V2X 测试的智能道路，福建平潭岛中西部的麒麟大道西段成为一期测试场地，礼嘉环线成为重庆首个自动驾驶开放路段，无锡成为全球首个建立城市级车路协同系统的地区。

d.示范应用推 广，随着工信部构建的“基于宽带移动互联网的智能汽车与智慧交通应用示范”项目的推动，中国积极推进智能网联汽车测试示范区的建设，已经构建形成了包括北京- 河北、上海、浙江、吉林（长春）、湖北（武汉）、江苏（无锡）、重庆、广东、湖南（长沙）等多家工信部授权的车联网示范区。研发包括车路协同、先进辅助驾驶、自动驾驶、交通大数据等新技术与新产品。同时开展实验验证、测试评估、封闭测试、应用示范等多方面功能性营运项目，为自动驾驶汽车的快速发展创造示范性条件。目前，上海、重庆、北京等城市的智能网联汽车测试示范区及封闭测试场地已完成建设并投入使用。与此同时，长沙、天津、常州、厦门等地也在结合产业发展状况，依托地区优势、特色资源，积极探索自动驾驶汽车的测试与示范。

以上可以看出智能网联汽车并不是一个新鲜的，从一百年前人们就提出了智能驾驶的宏伟愿景，中间一直没有停止过向着这个目标努力，现在已经初具规模，未来的成熟大规模应用似乎还很遥远， 但也只是转瞬，让我们拭目以待！

参考

1. ^ 中国汽车工程学会． 节能与新能源汽车技术路线图［M］． 北京: 机 械工业出版社， 2016．
2. ^ 李聪聪.面向车联网信息安全问题的安全机制研究[D].北京交通 大学,2019.
3. ^ 李克强,戴一凡,李升波,边明远.智能网联汽车(ICV)技术的发展现 状及趋势[J].汽车安全与节能学报,2017,8(01):1-14.
4. ^ Geddes N B.MAGIC MOTORWAYS[J].Random Houses,1940: 297.
5. ^ Takada K, Tanaka Y, Igarashi A, et al.Road/Automobile Communica -tion System (RACS) and its economic effect[C]// Proceeding of IEEE Vehicle Navigation & Information Systems Conference, Toronto. Canada: IEEE, 1989:15-21.
6. ^ 元卉.智能网联汽车:提速发展 市场升级[J].上海企业,2019(11):20-23.
7. ^ 李子龙.基于人工神经网络的智能汽车循迹控制研究[D].合肥工 业大学,2019.
8. ^ 滑思忠.V2X 关键技术在城市道路智能交通中的应用研究[D].长 安大学,2018.
9. ^ 宋炜炜.基于时空信息云平台的空间大数据管理和高性能计算 研究[D].昆明理工大学,2015.
10. ^ 苗莉.边缘计算环境下安全防御模型及算法研究[D].北京科技大 学,2019.
11. ^ 廖明阳，刘兴伟，马宏亮. 智能网联汽车 信息安全风控系统研究[J]. 计算机时代， 2019（10）：19-23.