隨著自動駕駛技術的不斷發展，全球主要汽車產業大國積極布局相關領域，通過項目資助、聯合研發、推廣示范等多種手段推動本國自動駕駛技術與應用的發展。我國也于上世紀80年代開始自動駕駛汽車的研制，并取得了一定的成果。

　　汽車與高科技技術密不可分，自動駕駛、車輛間通信、數據連接、智能系統等均在改變著汽車們的駕駛體驗，并逐漸成為標配。

　　自動駕駛汽車可能并不適合所有人，但汽車廠商們也在積極開發其他技術，徹底改變人們的駕駛體驗。顯然，汽車發展至今天，需要與互聯網、新型傳感器、智能設備及系統相結合，才會顛覆傳統。

　　美國汽車工程師協會（SAE）和美國高速公路安全局（NHTSA）對自動駕駛做了分級。為了讓自動駕駛的分級更加直觀，整理了這樣一張圖表：

　　從圖表中我們可以看出，我們所期望的全自動駕駛車輛其實在分級上屬于 SAE 的 4-5 級，NHTSA 的 4 級車型，是基本不需要人類做任何駕駛決策的。

　　人們對于自動駕駛最早的誤解，其實源于一些媒體的誤讀。很多媒體把 Autopilot 這一詞簡單簡單拆解為“自動”和“飛行員”兩個詞匯，并將中文意思曲解為自動駕駛。

　　然而其實 Autopilot 這個詞源于飛機、火車、輪船領域的輔助駕駛系統。維基百科也給這個詞做了明確的定義：

　　而關于我們大眾所認可的自動駕駛，或者說全自動駕駛，在維基百科中同樣也有相關的定義。我們所認可的無人駕駛車，準確的說應該叫做“Autonomous car”。

　　而這一概念的定義是：

　　這句話里面的關鍵詞其實是“constant”持續的。也就是說，Autopilot 所代表的駕駛輔助系統是不需要人類持續干預的，但是仍然需要人類做出某些干預，比如關鍵性的決策等，機器只是在一旁輔助。

　　與對駕駛輔助的定義類似，無人駕駛車概念的關鍵支持在于無需人類干涉，也就是說機器會自動感知，自動做出決策并且自動駕駛。

　　自動駕駛是如何實現的？難點在哪兒？

　　其實單純從硬件技術層面來看，自動駕駛的原理并不執行特別復雜。用最簡單的話說，找一輛車子來改裝一下（電動車比較好改一點且性能可控性更好），加幾個感測器，再塞一套開源的自動駕駛計算平臺，好，這就搞定了。

　　感測器

　　感測器是自動駕駛車的眼睛，用于收集汽車周圍的資訊。歸納來看，目前主流的自動駕駛車其實也就是使用 3 種感測器：LiDAR 光學雷達、鏡頭和傳統雷達。

　　3 種感測器各有各的優勢，早就運用在車輛倒車雷達上的傳統雷達成本相對較低，穿透性較強且不受雨塵等環境的影響，但弱點在于覆蓋范圍較小，且難以對周圍物體做出精準的判斷。LiDAR 光學雷達的優勢在于可以透過旋轉的激光射線束，構造出車輛周圍的 3D 影像圖，但缺點是由于激光的特性，容易受到雨、塵埃、霧的影響。由于光學雷達加工難度比較高、產量小，所以售價最貴。一顆 64 線光學雷達的售價就得 4、50 萬人民幣。

　　鏡頭同樣也是自動駕駛車所必備的感測器，與兩種雷達不同，鏡頭沒有任何穿透力及需要光線，用于自動駕駛的數據是透過對鏡頭的圖樣辨識得出的。不過鏡頭也是最容易受到干擾的一種自動駕駛感測器，且一旦獲得的圖像有誤差，對最終的辨識結果就會產生極大的影響。唯一的好處在于成本低，且目前視覺辨識的方案，做無人駕駛汽車可用的也比較多。

　　資料處理

　　自動駕駛車上搭載的感測器收集到的數據，都會被傳輸到車載電腦中進行分析和處理，最終做出決策。對于車載電腦的技術部分我們不必多說，因為自動駕駛汽車單純從原理上真的不算是什么“黑科技”，畢竟規劃路線、躲避障礙的功能目前很多掃地機器人和無人機都有，所以還是把關注的重心聚焦在達成自動駕駛的困難點上。

　　自動駕駛汽車需要收集汽車周圍數據，對資訊進行處理并最終做出決策，這整個過程與真人駕駛所要完成的過程幾乎毫無差異。所以訓練自動駕駛汽車的過程，其實就是個從新手到老駕駛的過程。

　　在人工智能技術的訓練上，試錯（Trial and error）是極為重要的方式之一，人工智能透過不斷的試錯與糾正得到進步。但這一方式換到了自動駕駛上卻幾乎不可行。行車時出現的事故往往是我們不能接受的，只要出了意外，輕則損失數千元，重則導致人命傷亡。自始至終，自動駕駛汽車的關鍵絕非“能否做到”，而是“能否做好”；所以目前的自動駕駛技術，大部分都是用來減低犯錯機率的。

　　然而少量的測試則隱藏著巨大的安全隱憂，根據 Google 最近的資料，他們的 58 輛無人駕駛汽車合計跑了 223 萬英里（約 338 萬公里）才犯了一點小錯，看上去出錯的機率微乎其微，但乘上一個極大的基數，出現事故的數量仍然是我們不能承受的。

　　還有一個重要的問題是，自動駕駛若是想要覆蓋更多地方，則要求收集和處理的資料就會越來越多，不同的路況會給車載電腦帶來不同的處理變數。而當人類駕駛和自動駕駛車同時行駛在路上時，不確定性就更高了，自動駕駛車做出決策的難度也會大大增加。

　　盡管目前自動駕駛技術仍然還在發展，但已經給了人一個夠美好的希望，那就是經過訓練的自動駕駛車的駕駛技巧比人類更好、更符合規定、反應更快。很多目前交通系統上存在的頑疾也可能因為自動駕駛的到來迎刃而解。

　　自動駕駛車輛的未來發展階段及趨勢預測

　　很多美國人在15歲時可能會將車輛開到荒僻的公路上，練習駕駛技術。或許在不久后，上述情況將成為歷史：我們正在加速推動無人駕駛車輛時代的到來。隨著時間的推移，你可能還會自己開車，但漸漸地你會習慣車輛的自動駕駛功能，未來十年可能完全自動駕駛車輛可能就會成為現實。車輛將會自行停車、在與其他車輛間距過近時會自動剎車，甚至可能在你困倦時接送你上下班。

　　以下為新駕駛時代的四個階段：

　　第一階段：許多新車將配備傳感器和先進的電子元件，當駕駛員在換車道或車距較近時，向駕駛員發出報警聲。

　　第二階段：在未來數年內，駕駛員依然使主要的操作者，但強化版的巡航控制和自動停車等極少數功能將由車載計算機應對完成，車輛只能在有限的范圍內替代駕駛員，該情況可能持續到2018年。

　　第三階段：從2018-2022年，我們將體驗到完全自動駕駛性能。新車將自動加速、制動及轉向，但若遇到緊急情況或系統故障，駕駛員將重新接管車輛的行駛。在這一階段，駕駛員仍需集中精力。

　　第四階段：估計該階段在2024年左右才能到來，2024年下半年出售的所有新車將具備完全自動駕駛性能，能夠自動行駛，無需人員干預。截止至2030年，預計路面上25%的車輛將實現完全自動駕駛。當然，舊款車型也將繼續上路行駛。有些人就是愿意自己駕駛車輛，到時兩種不同類型的車輛將被迫并存。

　　這一演變將改變城市規劃和物流行業。新業務服務和行業將涌現，某些老字號企業的業務模式將會面臨壓力。

　　以下是我們想到的可能出現的改變：

　　事故發生率下降：車輛事故或將成為罕見事件？據畢馬威（KPMG（微博））估計，在未來數十年內，自動駕駛車輛最終或將事故發生率降低80%。截止至2040年，平均每160萬英里（里程（參配、圖片、詢價） 數）僅有一起事故。截止至2030或2040年，可能成為罕見事件，可能不會再有獨立的車險業務。

　　車輛體積更小：車輛減少意味著輕量化，同時也意味著售價更便宜。具有安全意識的父母們覺得沒必要再開體積龐大的SUV了。由于自動駕駛車輛的造價更便宜，操作也更便捷，將形成新的企業聯盟企業。硅谷企業熟知軟件界面與車輛共享服務間的關聯性，他們渴望在未來配置機器人出租車。

　　機器人出租車：如果未來市內出租車的車費不那么貴的話，城市居民可能選擇選擇機器人出租車或是拼車，有點類似當前優步提供的服務。

　　對車廠而言，上述趨勢聽起來似乎是個壞消息？若我們對車輛的理念發生改變，從“擁有車輛”變為“采用城市出租車”，這或許意味著市面上流動的汽車數量下降，但未來若全天候配置城市出租車的話，那么其替代就變得更為頻繁。盡管美國人如今車輛的平均使用年限為11.4年，但使用頻率高的話，則需要每三年換輛新車，對車企而言，這無疑是個利好消息。

　　我們仔細思考了自動駕駛車輛的未來，也意識到車輛的智能化、功能性將越發提升，車輛的功用不僅僅是交通工具，就像智能電話并不僅僅只有通話功能一樣。憑借其提供的新服務，或將會創建新的生態系統，改變我們的城市生活，還將為困擾當今城市的歷史遺留問題提供解決方案，讓我們重新考慮各類社會、技術和倫理問題。