报告摘要 | ADAS发展的下一步是什么?

简介: 报告摘要 | ADAS发展的下一步是什么?


前些年,自适应巡航、车道居中保持、自动紧急刹车等技术的出现,让高级驾驶辅助系统(Advanced Driver Assistance System,简称ADAS)受到关注。其通过对车辆周围环境的识别、运算与分析,可以提供减轻驾驶压力的辅助功能,或是在危险时刻紧急主动采取紧急措施,有效增加了驾驶时的舒适性和安全性。

这些年,ADAS技术也在不断向前发展。主打智能化的新势力品牌,甚至开始在自家产品中引入无人驾驶的使用场景,改称为「智能驾驶」,并将其包装成具有品牌性质的产品。

近期,针对ADAS的发展现状,全球知名产品解决方案公司捷普发布了ADAS未来发展方向报告。报告指出,ADAS可有效提高汽车的安全性和自主性,提高道路交通和燃油利用效率。同时,ADAS能塑造司机的驾驶习惯,为未来的全自动驾驶汽车做好铺垫。

但对于ADAS的未来发展,捷普认为,传感器融合是ADAS的技术重点,而业内协作则是发展关键。

安全需求——三大驱动力之首

在捷普的报告中,首先强调的是ADAS对于减少人为事故的重要性。世界卫生组织统计的数据显示,全球每年有超过100万人因交通事故死亡,超过5000万人受伤。因此,发展可以改善这种情况的ADAS技术,就显得很有必要性。

另外,捷普在报告中还引用了其在2018年对128名汽车行业决策者做过的一次调查:其中有1/3都将「安全需求」,排在设计能力、自动驾驶、消费者需求、连通性、政府监管、电气化和价格下调之前,认为这是推动行业技术创新的三大驱动力之一;有36%的决策者明确表示,ADAS是其公司汽车未来发展的关键要素。

权威机构的交通事故统计数据,也在侧面证明了这一决策的合理性。NHTSA(美国高速公路安全管理局)的公开信息显示,美国 94% 的交通事故都是由人为错误造成的。其中,最大比例是由识别错误引起的,其次是决策错误、执行错误、非执行错误和其他与人有关的错误。

这几年,随着ADAS前装率的不断提高,已经给行业带来了一些积极影响。而且,这还会随着ADAS系统能力的不断提升,进一步降低事故率。

比较有代表性的是每季度更新的特斯拉安全报告,2022年第三季度(今年1月8日公布),开启Autopilot功能的特斯拉车辆,平均每626万英里发生一起事故;未使用Autopilot、仅开启主动安全的特斯拉车辆,平均每171万英里发生一起事故,后面这个数字也显著优于NHTSA和FHWA的65.2万英里。

但由于ADAS的普及时间较短,配有ADAS的车型稀释到整个交通环境中,起到的降低事故率还比较有限。

美国美国国家安全委员会数据显示,2016年高速公路死亡率下降了1.8%,此前这一数据的上升趋势保持了多年。2017年的死亡率下降了4%,2018年下降了2%。

能力升级后,还可提升交通和燃油效率

除了安全之外,捷普在报告中还提到了ADAS对提升交通意识、降低保险费、提高燃油和基础设施使用效率等优势。但要实现这些目标,需要ADAS具备更高的能力,甚至需要真正的无人驾驶和V2X能力。

捷普负责业务开发、汽车和运输副总裁特雷弗·诺伊曼 (Trevor Neumann) 对此展望:「城市中将不再有真正意义上的停车场,因为汽车可以停在城市外围,需要时可以随时呼叫。视觉上,城市空间将更加整洁,引导人们完成驾驶的交通标志会通通消失。六车道宽的道路不再需要固定两边各三条车道,可以根据具体城市的市内交通模式和实时需求以数字方式切换。」

「编队行驶」则是这一场景的主要体现,通过联网技术和 ADAS 来引导车辆行驶,可使车辆间彼此保持一定的距离,以提高运输效率,最常用于卡车或军用车辆。

领头车辆主要负责与道路上的其他车辆进行沟通,队列中的其他卡车跟随领头车辆即可,几乎无需采取任何行动。例如,车辆可以同时加速和制动,缓解交通压力,减少「反应时间」。编队行驶的广泛应用将以科技提升道路和基础设施使用效率,实现自动化高速公路系统。

欧洲汽车制造商协会报告称,编队行驶时,领头车辆可减少8%的二氧化碳排放量,尾随车辆的二氧化碳排放量减少16%,并能提高运输效率,减少交通拥堵,优化整个道路交通。此外,由于卡车的制动受系统控制,尾随卡车的司机可以在卡车可以在行驶时处理行政任务。

推荐多传感器融合路线

关于ADAS的感知问题,捷普在报告中认同了多传感器融合的路线。其表示,单一类型的传感器无法在所有情况下安全监控汽车周围的状况,可以通过组合多种传感器建立一个「冗余监控系统」,以确保无论路况如何,车辆始终都能接到正确信息。这类系统涵盖了包括摄像头、激光雷达、雷达和驾驶员监控系统在内的各种传感器。

目前,主流车企都有自己的解决方案。有的采用以激光雷达为主、摄像头为辅的感知系统,而有的则会更专注于摄像头,再通过激光雷达或毫米波雷达辅助。

ADAS不断进步的同时,AEB自动紧急制动的普及程度和性能,也在逐步提升。以宝马集团研发的紧急制动辅助系统为例,这项技术支持向驾驶员发出碰撞警告,并在必要时自动制动,避免车辆与障碍物、行人或其他车辆发生碰撞。同时,它还具有「紧急变线」功能,通过规避操作主动支持驾驶员。

这一功能也被前沿安全专家评为近年来最重要的道路安全进步之一,并将之和安全带放在同一地位。其认为用不了多久,这项安全功能就会成为汽车的标准配置。

同时,5G和AR技术也将支持和扩展ADAS功能。虽然ADAS不依赖5G,但5G的大带宽和低时延将促进驾驶辅助系统更好地发挥作用,并拓展ADAS的应用范围。ADAS涉及到大量的数据创建和传输,这会给速度较慢的系统带来负担。5G的高速数据传输,也将为AR开辟更多可能性。未来,汽车制造商将使用AR在驾驶员的视线范围内叠加重要数据,例如速度限制和导航方向。

ADAS需要更深入的行业协作

走向无人驾驶是ADAS的发展方向。捷普认为,在当前阶段普及这套系统,可以让消费者提前适应和信任汽车做出的驾驶决策。同时,车企的技术更新、基础设施建设、法律法规和保险制度的完善,也需要在这段时间加速进行。

另外,车企和供应商也将为ADAS展开更加深入的协作。捷普整理了调查数据发现:大约2/3的受访车企表示决定自主设计ADAS系统,但其中有70%是计划在未来五年内通过外包需求来完成;有64%的车企表示将自主制造ADAS,其中约20%也计划在未来五年内将其外包。

还可以看到的是,搭载ADAS的智能汽车开发时间正在大幅缩短。英国金融服务企业IHS Markit的报告显示,美国传统汽车的平均寿命为12年左右,而持续运行的自动驾驶汽车的使用寿命只有3-4年。并且随着技术的不断迭代,汽车的车载技术很快就会过时,需要经常更新升级。

因此,汽车制造商必须提速开发和生产新车。目前,车企已经将新产品的开发周期缩短至一年,甚至更短。

但捷普相信,ADAS终将成为车辆标配。尽管在技术、基础设施和法律法规方面依然有很长的路要走,但通过行业内外的协作,已经让车企打下了迎战基础。


相关文章
|
11天前
|
人工智能 JavaScript Ubuntu
5分钟上手龙虾AI!OpenClaw部署(阿里云+本地)+ 免费多模型配置保姆级教程(MiniMax、Claude、阿里云百炼)
OpenClaw(昵称“龙虾AI”)作为2026年热门的开源个人AI助手,由PSPDFKit创始人Peter Steinberger开发,核心优势在于“真正执行任务”——不仅能聊天互动,还能自动处理邮件、管理日程、订机票、写代码等,且所有数据本地处理,隐私完全可控。它支持接入MiniMax、Claude、GPT等多类大模型,兼容微信、Telegram、飞书等主流聊天工具,搭配100+可扩展技能,成为兼顾实用性与隐私性的AI工具首选。
17899 98
|
3天前
|
人工智能 安全 Linux
【OpenClaw保姆级图文教程】阿里云/本地部署集成模型Ollama/Qwen3.5/百炼 API 步骤流程及避坑指南
2026年,AI代理工具的部署逻辑已从“单一云端依赖”转向“云端+本地双轨模式”。OpenClaw(曾用名Clawdbot)作为开源AI代理框架,既支持对接阿里云百炼等云端免费API,也能通过Ollama部署本地大模型,完美解决两类核心需求:一是担心云端API泄露核心数据的隐私安全诉求;二是频繁调用导致token消耗过高的成本控制需求。
3346 2
|
5天前
|
人工智能 安全 API
OpenClaw“小龙虾”进阶保姆级攻略!阿里云/本地部署+百炼API配置+4种Skills安装方法
很多用户成功部署OpenClaw(昵称“小龙虾”)后,都会陷入“看似能用却不好用”的困境——默认状态下的OpenClaw更像一个聊天机器人,缺乏连接外部工具、执行实际任务的能力。而Skills(技能插件)作为OpenClaw的“动手能力核心”,正是打破这一局限的关键:装对Skills,它能帮你自动化处理流程、检索全网资源、管理平台账号,真正变身“能做事的AI管家”。
4374 6
|
6天前
|
人工智能 API 网络安全
Mac mini × OpenClaw 保姆级配置教程(附阿里云/本地部署OpenClaw配置百炼API图文指南)
Mac mini凭借小巧机身、低功耗和稳定性能,成为OpenClaw(原Clawdbot)本地部署的首选设备——既能作为家用AI节点实现7×24小时运行,又能通过本地存储保障数据隐私,搭配阿里云部署方案,可灵活满足“长期值守”与“隐私优先”的双重需求。对新手而言,无需复杂命令行操作,无需专业技术储备,按本文步骤复制粘贴代码,即可完成OpenClaw的全流程配置,同时接入阿里云百炼API,解锁更强的AI任务执行能力。
5682 1
|
7天前
|
人工智能 安全 前端开发
Team 版 OpenClaw:HiClaw 开源,5 分钟完成本地安装
HiClaw 基于 OpenClaw、Higress AI Gateway、Element IM 客户端+Tuwunel IM 服务器(均基于 Matrix 实时通信协议)、MinIO 共享文件系统打造。
7011 7
|
15天前
|
人工智能 自然语言处理 JavaScript
2026年Windows+Ollama本地部署OpenClaw保姆级教程:本地AI Agent+阿里云上快速搭建
2026年OpenClaw凭借本地部署、私有化运行的特性,成为打造个人智能体的核心工具,而Ollama作为轻量级本地大模型管理工具,能让OpenClaw摆脱对云端大模型的依赖,实现**本地推理、数据不泄露、全流程私有化**的智能体验。本文基于Windows 11系统,从硬件环境准备、Ollama安装与模型定制、OpenClaw部署配置、技能扩展到常见问题排查,打造保姆级本地部署教程,同时补充阿里云OpenClaw(Clawdbot)快速部署步骤,兼顾本地私有化需求与云端7×24小时运行需求,文中所有代码命令均可直接复制执行,确保零基础用户也能快速搭建属于自己的本地智能体。
17955 116
|
9天前
|
人工智能 JSON API
保姆级教程:OpenClaw阿里云及本地部署+模型切换流程+GLM5.0/Seedance2.0/MiniMax M2.5接入指南
2026年,GLM5.0、Seedance2.0、MiniMax M2.5等旗舰大模型相继发布,凭借出色的性能与极具竞争力的成本优势,成为AI工具的热门选择。OpenClaw作为灵活的AI Agent平台,支持无缝接入这些主流模型,通过简单配置即可实现“永久切换、快速切换、主备切换”三种模式,让不同场景下的任务执行更高效、更稳定。
5975 3

热门文章

最新文章