BEV的案例
2月歐洲xEV汽車綜述-PHEV強于BEV
圖5 2月主要的歐洲國家預估48V和HEV的比例
如前所說的，在南歐的國家，HEV的單車銷量確實是BEV的10倍，FIAT 500系列的中混在南歐的快速上量，比BEV要更受歡迎。在歐洲導入A00級別的BEV實際難度并不小。
圖6 2月西班牙BEV、PHEV 和HEV銷量排名對比
小結：跟蹤歐洲的數據，主要是看當前最嚴格的CO2排放控制市場的走向，目前一堆歐洲車企宣布的全部純電化，確實是在當前這個減排的政治環境下必然的產物。
BEV圖像處理對自動駕駛系統的性能優化
本文以BEV圖像處理原理說明其在自動駕駛感知能力上能解決的場景應用，相信在機器視覺這一領域，BEV的研究成果也可以很好的應用在自動駕駛研究過程中。
Anatomy of a battery electric vehicle (BEV)
Battery Electric Vehicles (BEVs), compared to classic internal combustion engine (ICE) vehicles, are fairly simple and easy to operate. The simplest powertrain architecture consists in a high voltage battery, an electric motor with power electronics controller and a single speed gearbox. BEVs are also called pure electric vehicles, in order to distinguish them from Hybrid Electric Vehicles (HEVs), which have a hybrid powertrain (internal combustion engine plus electric motor).
In a BEV the propulsion is based exclusively on the electric energy stored in the high voltage battery.
Image: Nissan Leaf anatomy
Credit: Nissan
Battery electric vehicle are increasing their market share because they are the most viable way towards a clean and efficient transport system.
展開 康謀方案 | BEV感知技術：多相機數據采集與高精度時間同步方案
BEV（Bird's-Eye-View，鳥瞰圖）感知技術，以其獨特的視角和強大的數據處理能力，正成為自動駕駛領域的一大研究熱點。
一、BEV感知技術概述
BEV感知技術，是一種從鳥瞰圖視角（俯視圖）出發的環境感知方法。與傳統的正視圖相比，BEV視角具有尺度變化小、視角遮擋少的顯著優勢，有助于網絡對目標特征的一致性表達。基于這樣的優勢，可以更有效的對車輛周圍環境進行感知。
圖1：BEV 感知圖
因此，在自動駕駛感知任務中，BEV感知算法通常包括分類、檢測、分割、跟蹤、預測、計劃和控制等多個子任務，共同構建起一個完整的感知框架。
BEV感知算法的數據輸入主要有圖像和點云兩種形式。根據數據源不同，BEV算法主要分為BEV Camera（純視覺）、BEV LiDAR（基于激光雷達）和BEV Fusion（多模態融合）三類。其中，圖像數據具有紋理豐富、成本低的優勢，此外，基于圖像的任務、基礎模型相對成熟和完善，比較容易擴展到 BEV 感知算法中。
為了更好的訓練BEV Camera感知算法，往往需要先搭建一個高質量的數據集。而搭建一套BEV感知數據采集系統，通常包括以下幾個關鍵環節：
1. 硬件選型與集成：選合適的攝像頭和計算采集平臺，集成穩定系統。
2. 數據采集：在實際環境中采集圖像數據，覆蓋不同場景、光照和天氣。
3. 時間同步：確保不同傳感器數據時間精確同步，是后續算法訓練的必要前提。
4. 系統調試和部署：調試系統確保組件協同工作，部署到實際應用環境。
因此，在實際搭建過程中，常會遇到技術復雜性高、成本投入大、數據質量與時間同步實現難、系統穩定性與可靠性要求高等挑戰。針對這些問題，康謀推出一套BEV Camera數據采集方案，能高效搭建高質量的BEV感知數據集，加速算法研發和訓練。
展開 
Transformer在BEV、2D/3D檢測上的應用、量化與加速！
編碼器將BEV特征擴展為
矩陣，長度為Channel，用作Transformer中的Query。這些特征是使用相機本征矩陣從多視圖相機的2D特征導出的。為了保留2D空間信息，位置嵌入被添加到查詢中，然后作為編碼器的輸入（圖4（b））。為了更快地收斂，Encoder迭代以前的BEV特性，并將當前Query作為自我關注的輸入。此外，車輛的位置姿態信息在前框架和后框架的像素級別上匹配（圖4（d））。
在感知任務中，CNN Head被Transformer塊取代，以使用查詢生成障礙物的3D邊界框，以及2D/3D車道線和局部地圖（圖4（a）、（c）、（e）、（f））。
3D障礙感知任務有兩種類型的查詢：
顯式
隱式
顯式查詢依賴于BEV特征（圖4（e）），而隱式查詢直接使用多視圖相機的2D特征（圖4（a））。隱式查詢減少了編碼器的計算需求。
為了進一步減少Transformer上的計算負載，可以在使用CNN架構從相機透視圖轉換為2D/3D BEV后查詢轉換后的BEV特征（圖4（c））。車道和局部地圖任務主要利用BEV特征進行查詢，將車道和局部圖的物理關鍵點作為查詢目標，并將其特征（xyz，屬性）作為向量。
與障礙物任務相比，道路信息查詢需要對BEV特征進行更高程度的網格細化；然而，BEV特征所需的距離范圍較低。車輛同時關注周圍的道路信息（通常為60米x 30米）和障礙物（通常為100米x 100米），以及高速場景中的遠處障礙物。
展開 賦能 BEV 感知課題！高校科研多傳感器時間同步方案
<h2><strong>1）引言</strong></h2><p>在<strong>高校自動駕駛實驗室</strong>里，團隊可能常以 <strong>BEV（Bird’s-Eye View）感知架構</strong>為研究主線。旨在通過相機陣列和激光雷達的數據，在空間上重建統一的車周環境，為下游檢測、分割提供高精度“語義地圖”。然而，一旦相機間的時間同步存在<strong>幾十毫秒及以上的誤差</strong>，BEV 投影的理想模型便可能<strong>失效</strong>，引發一系列典型的問題：</p><p>1、多相機拼接的鳥瞰圖在特征層面出現<strong>撕裂</strong>，導致Transformer或者卷積融合網絡在訓練階段<strong>難以收斂</strong>，損失曲線持續振蕩。</p><p>2、采集到的數據因固有延遲而與真實世界的<strong>時序錯位</strong>，當反投影到激光雷達或 IMU 坐標系時，產生明顯<strong>重影現象</strong>，外參標定<strong>不可重復</strong>。</p><p>3、時延隨實驗次序號<strong>隨機漂移</strong>，致使在離線評估中構建的數據時序關系，無法反映實車運行的真實時序狀態，最終導致科研結論<strong>缺乏可重復性</strong>。</p><p>這些消耗巨量算力與人力的痛點，其根源往往不在于算法本身，而在于數據基石存在缺陷 —— 即傳感器間<strong>缺乏統一可信的時間基準</strong>，導致時序準確性無法保障。</p><p>由此可知，對高校自動駕駛實驗室來說，<strong>穩定的時序精度</strong>是BEV感知科研的關鍵，團隊亟需適配多源異構傳感器的高精度時間同步方案，解決數據撕裂、實驗不可復現等痛點。
展開 解析比亞迪在BEV和PHEV中電池選用規格的不同
比亞迪不同車型純電動續航的分解
目前來看電芯，比亞迪成熟的有幾款：
● BEV電芯
包括原有的135Ah（1C）和元Plus上使用的150Ah（1C）電芯。
● PHEV電芯
主要覆蓋26Ah、40Ah和47.7Ah三種，目前來說40Ah的結構似乎有點問題。這個在朋友圈里面看到很多起的事故，待官方有說法了我們再來解析。
比亞迪選擇這個電壓體系，我覺得還是挺有意思的，最大的好處是可以用同一顆電芯來配置不同的能量，這算是刀片電池最大的精髓了。不同的電壓對應能量，可以衍生出相似設計下不同的梯度來（見表2），這基本和圓柱的思路一模一樣。
▲表2. 電池的選用表格
▲圖6. 兩種不同的PHEV電芯組成的刀片厚模組
從能量密度來看，目前BEV普遍分為140 Wh/kg和150Wh/kg兩個檔次，PHEV由于不要求能量密度，整體的分布如下表3所示：
▲表3. 能量密度的表格
小結：比亞迪的電池，從電芯來看是非常簡單的，組合出來的Pack主要是圍繞電壓在調整能量。由于之前IGBT的耐壓限制，這種打法到其他車企上就不太能操作，也限制了比亞迪電池往其他車企的使用。
展開 4月的全球動力電池市場有哪些特點
想想看多少電池企業擴大產能來填補這個坑，回到圖3來看，美國的BEV目前3萬臺月產的水平，歐洲的BEV月產7-8萬臺水平，等他們各自往15-25萬走的時候（對應月產20GWh的需求），電池產業鏈確實也是能就近建立起來的
低壓用電模式變化之后的BEV里面12V鋰電化
特斯拉目前來看是第一個大規模量產BEV車型采用12V鋰離子電池車企（豐田的Vitz量比較少），而且比較有可能會從Model S/X 上進一步推廣到Model 3&Y上，加大使用。
圖3 EV上用鋰電池還是很少
這里還有一個需要提及的，國內在這個領域比較積極的是比亞迪，早期他們在秦PHEV的早期版本上用過12V鋰電池，不過中國消費者好像不太關注這個。在DM-i的設計中，這個低成本的PHEV設計也用到了LFP電池，這個可能也是比亞迪在往12V鋰電市場邁進的一個拉量的過程。這個還有一個好處是可以提升一些高功率使用的效率，采用鋰電在混動上效果可能比較好，配合DCDC在輸出供電的綜合效益上有加成。
圖4 DM-i上的12V鋰電
小結：目前來看12V鋰電在原有的純電動汽車上也會逐步流行起來，特別是如今12V電源需求的功率越來越高，持續時間越來越長，車子還要老被系統后臺喚醒。
展開 比較豐田和本田的電氣化目標
豐田的工作中心，目前還沒有完全從FCV轉到BEV來，2021年的配置按照燃料電池是BEV的50%來配置的，這是一個非常有意思的想法。按照2025年歐洲15萬臺來估算，豐田在中國可能的計劃也就是在這個比例上下浮動，按照到時候200萬估計，10%的比例也就是20萬臺BEV，全球2025年大概在50萬的規模。
圖3 豐田從2020年到2025年
說來說去，豐田在美國和日本市場這兩個占了一半的根基，其實缺乏往純電快速轉向的動力，在日本賣多了BEV電力還是個問題。日本是唯一在這幾年充電設施不多反少的國家。因此豐田雖然組織了龐大的電動汽車聯盟（日本鈴木、斯巴魯以及豐田集團的大發工業、日野汽車和馬自達），這些合作本質的問題都是不想花錢做大規模的BEV投入，現在從2018年來復盤看，沒有實質的支撐。
第二部分 本田的目標
本田比豐田要更激進一些，2030年的目標是翻倍的，不過總體來看2035和2040年都是很久遠的，首先近在眼前的2025年怎么走，其實本田沒給出答案來。反正和豐田一樣，2030年本田也沒看到在日本能把BEV和FCV賣過20%的可能性。這里算一下大概在2030年按照200萬的BEV目標來設定的。
圖4 本田的2030和2040電動化計劃
我覺得這事情，本田在歐洲是沒有存在感的，10萬的規模其實可有可無；在北美的150萬臺，短期內也沒有太大的壓力，但是這個比重在456萬里面占了1/3，所以選擇和通用汽車戰略綁定合作BEV；而在中國只能獨走，2020年本田中國累計銷量162.69萬輛（2020年自然年全球479萬輛），這方面還是非常需要單獨來做BEV的。
展開 捷豹路虎削減1/4的產能是怎么回事？
備注：按照這個規劃，路虎的BEV是要在MLA后期出來
圖8 JLR各個平臺的比例規劃
所以這里比較有意思了，JLR削減產能是在2025年開始，隨著BEV導入，整體不需要那么多的產能，而2021和2022年的需求下降是基于目前的市場需求變化來的。圖9 JLR的產能削減
小結：這一輪汽車的電氣化和智能化，真的會讓一堆老牌車企面臨生死考驗，隨著BEV的比例提高，原有的豪華品牌是否還能在BEV時代賣出去，光靠品牌可能不太夠
9月歐洲新能源汽車銷量概覽
Q1：364877臺，其中BEV為16.8萬臺，PHEV為19.7萬臺
Q2：459320臺，其中BEV為23.7萬臺，PHEV為22.15萬臺
Q3：426319臺，其中BEV為24.3萬臺，PHEV為18.2萬臺
圖3 主要歐洲國家前三季度的新能源汽車情況
2）PHEV和BEV的情況
最容易感受到芯片的影響，還是體現在BEV和PHEV的差異。如下圖所示，歐洲主要國家BEV的銷量，從整體來看還是非常穩定的，9月份主要國家的BEV的銷量都有一定幅度的上升。
圖4 主要歐洲國家的BEV銷量情況
PHEV其實所需要的芯片是非常多的，兩套動力系統的方案在當前情況下顯得很不利，所以從增量來看，9月基本是持平的。特別是和之前3月份的高點相比，能看出來之前氣勢如虹的增長，到了第三季度顯得后勁不足。
圖5 主要歐洲國家的PHEV銷量情況
當然這幾個國家BEV和PHEV總量還是比較均衡：純電動銷量為64.9萬臺，PHEV的銷量為60.12萬臺；Q3的BEV銷量在增長幅度上有很明顯的領先——第三季度為24.3萬臺，大幅度領先PHEV18.2萬臺。
圖6 2021年Q1-Q3歐洲主要國家BEV和PHEV對比
二、特斯拉在歐洲的銷量
特斯拉在歐洲還是非常牛的——根據這些主要國家的銷量來看，9月已經達到25485臺，因此Q3之前Trey的估計肯定保守了，季度銷量應該會超過5萬臺，預估5.2萬臺左右。
德國 當月銷量7903臺，1-9月累計25970臺。
法國 Model 3的銷量為2833臺，累計銷量為18501臺；Model Y目前沒數據。
展開 歐洲4月新能源汽車銷量統計
圖2 主要歐洲國家4月份的新能源銷量數據
表1 歐洲主要國家新能源汽車數據表格
2）BEV和PHEV對比
4月份目前大部分國家BEV和PHEV都比較均衡（Q1來看PHEV比BEV多），PHEV目前比BEV略多一些；還是目前車企推什么消費者賣什么，比如瑞典這塊都是沃爾沃在推動PHEV和BEV的銷售，隨著企業策略BEV上的分量重一些，瑞典的純電也起來了。
在這里，可能后續的數據也會更能說明問題一些，意大利的純電動汽車也呈現出小型化和低價化的狀態（考慮補貼因素），FIAT 500E 4月份銷量最多為1,062，其次是Smart Fortwo微型汽車以601輛排名第二，歐洲的新能源汽車供給增加以后也呈現出碎片化的特征。
圖3 3月份PHEV和BEV銷量對比
3）季度整體滲透率
目前柴油車在全歐洲范圍內在被快速的消化掉市場份額，大部分國家如果算上HEV，電氣化率普遍都超過了30%，德國現在穩定的把新能源汽車的銷量拉高到了20%以上，正如IEA所說的那樣，由現金激勵驅動新能源汽車銷量在這些國家目前維持在一個相對高位。
圖4 主要國家的3月的分品類市場份額
4）混動的數據
廣義的混合動力（包含FIAT的中混）在歐洲繼續保持較高的滲透速率，從絕對數量來看，這里供應沒有瓶頸。從2021年往前看的2-3年，這個品類會繼續保持非常高的銷售。
圖5 4月歐洲主要國家混動和新能源汽車之間的對照
第二部分 具體車型情況
最近蔚來宣布了挪威戰略，現在在挪威賣乘用車的中國車企主要有小鵬、上汽名爵，兩家的銷量ZS EV還相對好一些，前4個月超過了1000臺。隨著車型供給的增加，歐洲的電動汽車銷售也出現了和中國相似的情況，隨著Model類型提高，單品的量開始下降。
展開 2021年歐洲12月和全年新能源汽車市場情況
▲圖3.主要國家的整體銷量情況
這些數據能反應出來，12月份，這些國家的滲透率拉高到了挺嚇人的數字，其中主要的國家的BEV都超過了20%，PHEV稍低一些也都在10%-20%左右了。這一輪由于芯片引發的減產，扎扎實實給了油車非常大的打擊，就是HEV在沒補貼的情況下，也達到了一個新的高度。
▲圖4.12月份主要歐洲國家不同類型的車型滲透率情況
從絕對數字來看，這是分車型的情況，BEV的漲勢還是特別喜人的。
●德國
BEV：355961 臺，PHEV：325449臺，總計68.1萬臺。
●挪威
BEV：113745臺，PHEV：38781臺，總計15.2萬臺。
●瑞典
BEV：57422 臺，PHEV：77719 臺，總計13.5萬臺。
●法國
BEV：162099臺，PHEV：141019臺，總計30.3萬臺。
●意大利
BEV：67437臺，PHEV：69717臺，總計13.7萬臺。
●英國
BEV：190727臺，PHEV：114526臺 ，總計30.5萬臺。
●西班牙
BEV：24731臺，PHEV：42917臺，總計6.76萬臺。
七國合計178.2萬臺，預估整體歐洲大概在215萬臺新能源汽車左右。
展開 歐洲5月新能源汽車銷量更新
圖2 主要歐洲國家1-5月份的新能源銷量數據
2）BEV和PHEV對比
5月份7個主要國家的純電和插電的情況都大約在7萬臺左右，挪威BEV是多于PHEV的，瑞典、西班牙和意大利還處在PHEV多于BEV的階段。
圖3 5月份PHEV和BEV銷量對比
從數據來看，這個趨勢估計能延續到2021年一整年，目前車企在市場上還是提供PHEV的產品譜系更全面一些，還處在補貼過渡階段。2021年，主要的7個國家的BEV和PHEV分別為29萬臺和33萬臺。這些國家的具體數據為 德國 115296 132257、法國 51592 55226、挪威 34880 17142、瑞典 13927 37390、西班牙 6704 14346、意大利 23327 30871和英國 54051 46040
圖4 2021年1-5月的情況
3）季度整體滲透率
如果把市場的總體規模和季度滲透率放在一起來看，我們可以看到歐洲比較大的汽車市場都已經開始把滲透率往有穩定的提升，德國目前BEV+PHEV保持在20+%的滲透率，法國和英國都接近20%，意大利和西班牙開始往10%走。小的市場，比如挪威的成功基本上是后期北歐汽車市場的翻版，由于基數小很容易把滲透率快速拉升。
備注：目前中國的限購城市，就往這種小市場的方向快速轉變
圖4 主要國家的5月的分品類市場份額
4）混動的數據
和BEV和PHEV相比，HEV(含48V)目前的增量在大的汽車市場（德國、法國、意大利、西班牙和英國）處在一個較高的數據狀態。由于它們不占用補貼，所以這種轉變在歐洲是永久性的。基本上所有車企把車型從ICE導向HEV和48V之后就沒辦法回頭了。
展開 