无人驾驶的未来

作者： 刘少山、唐洁、吴双及李力耘等联合撰写。
本文节选自《第一本无人驾驶技术书》（ISBN: 未标注），该书以实用为导向，旨在帮助对无人驾驶技术（特别是人工智能在无人驾驶中的应用）感兴趣的从业者及相关人士迅速掌握无人驾驶技术基础，并致力于帮助相关人士深入理解无人驾驶技术和其实现应用。

我们可以预估一个较近的未来，在那时所有行驶的车类都将不具备驾驶功能我们将迎来一个更加安全更加清洁环保的世界. 该技术的发展将使我们的交通工具行驶的道路以及未来的世界都变得更加安全高效从而大幅降低石油燃料的消耗有效减少环境污染物排放. 在本章中我们将从无人驾驶的商业前景无人驾驶面临的技术挑战无人车行业发展以及全球化背景下的无人驾驶四个主要方面展开深入分析探讨未来无人驾驶技术的发展态势及可能面临的挑战. 最终我们将为读者呈现一个清晰的时间线图揭示在即将到来的未来二十年内无人驾驶技术的发展轨迹

无人驾驶的商业前景

无人驾驶所具有的商业潜力究竟有多大？从根本上说,无人驾驶与互联网在本质上有着相似之处:它们都通过去除了人力化这一过程,从而降低了相关的运输成本。其中,互联网降低了信息传输的成本,而无人驾驶技术则是将这一概念延伸到了实物与人之间的运输领域,进一步实现了资源的有效配置与优化。如果对比当前互联网所产生的商业影响力,我们便能够清晰地认识到,无人驾驶技术将在未来带来怎样的商业革命性变化:这或许是人类历史上第一次出现如此重大的技术变革

新的运输模式：TaaS 2.0

随着无人驾驶技术的进步，TaaS 2.0（运输即服务）正成为行业内的热门话题。这里将TaaS1.0定义为人-driven（人驱动），而无人驾驶正是TaaS 2.0时代的代表。[1]摩根士丹利公司最近的一份报告指出：实现完全无人驾驶后，拼车成本将大幅下降——每辆车的成本将从目前的1.50美元一英里降至20美分一英里。借助无人驾驶技术，在从德国工厂到中国超市的过程中，在整个运输过程中无需任何人工干预：任务调度均可在云端处理——这提供了端到端的自动化解决方案。同样借助无人驾驶技术，在首都机场至上海淮海路之间可通过提前预约服务：尽管可能需要几次拼车操作以确保最优运算效率——全程仍保持无缝连接的状态。这种运输模式的变化对传统车厂的影响是深远的：一旦私人拥有的转变为共享运输工具的目标客户群体，则传统车厂的核心客户群体也将发生转变——如同华为与中国移动的关系一样：未来汽车设计与销售模式都将发生根本性的转变——汽车厂商若要维持原有的市场优势地位，则必须做出重大变革

无人驾驶的商业发展方向

因为无人车配备了摄像头、雷达以及激光雷达等装置，并融合了人工智能技术，在初期投入较大程度上限制了一般民众难以承受高昂的成本。不过随着技术的进步与成本的降低，在特定领域或行业中可能首先服务于特定领域或行业。据分析显示，在以下可能率先采用无人驾驶技术的应用领域包括预约用车服务（如约车平台）、公共交通运营（如巴士与出租车）以及工业运输等多个方向上都具备较大的市场潜力与应用前景

公共交通

无人车可能成为未来公共交通的重要组成部分。百度计划在未来的某个时间点开始大规模商业化无人驾驶汽车的技术研发，并最先在中国的城市范围内进行测试运行。根据官方报道，在选定的具体路线网络上开展实验工作，并致力于在未来较短时间内推出此类无人驾驶技术应用产品。一些城市正考虑设立专门区域用于无人驾驶技术的研发与试验。预计在未来30至40个街区范围内不会有既有司机驾驶的汽车与无人驾驶汽车共存的情况出现，并且这些无人驾驶出租车与现有的共享出行车辆将会覆盖所有交通需求。相关的城市管理机构将在区域内实施优化方案以确保无轮车系统的顺利运行

一项研究来自于德克萨斯大学奥斯汀分校关于共享无人车（SAV）的研究表明：一辆SAV可替代大约十至十一辆传统汽车，并使运营里程提升约10%。[3]这一模式意味着基于车辆共享的按需预约或即时叫车服务将有效缓解交通拥堵问题并显著降低环境影响；因其便捷性将成为广泛受欢迎的服务

快递用车和工业应用

配送车辆与'排队'卡车将是另一个可能较快采用无人驾驶技术的领域。[4]随着在线购物与电子商务网站的蓬勃发展,快递公司因此受益匪浅。消费者在网络上订购商品（包括食品、货物和服务）后,在短短几小时内即可实现'零门槛'送达。中国电商行业在2015年的总销售额达到了惊人的590亿美元,其中许多产品承诺'当日到货'以满足消费者需求[6]。数据显示,2015年中国电商规模较2014年增长了33%[7]。在美国机动车行驶里程中,卡车占据了约5.6%的比例;然而,在交通死亡事故中这一比例却高达9.5%[8]。从经济效益的角度来看,无人驾驶技术能够为企业创造显著的价值优势[9]。目前,大型载货卡车的成本通常超过15万美元,但通过安装摄像头和感应器等设备可提高其经济性——这主要是因为在无人驾驶初期由于成本限制而难以实现大规模推广[7]

老年人和残疾人

在无轮椅乘坐能力的老年人与残障人士这两个消费群体中（...），无人车已开始大规模投入应用。受限于身体条件及视力障碍等因素的影响（...），这两类人群均需跨越出行障碍。预计到2050年时（...），美国65岁以上人口将突破8,000万（...）。与此同时（...），中国也将面临这一情况：届时中国65岁以上人口预计将占总人口33%（[9] [11]）。而在日本，则有约4成人口将在65岁及以上（[10]）。此外（...），残疾人群体同样庞大：例如在美国约有5,3百万成年人患有残疾（[11]）。其中约13%成年人面临出行障碍（[12]），而约4.6%成年人存在视力障碍（[13]）。这些数据预示着无轮椅可乘车辆巨大的市场潜力。因此，在这两类特殊群体之间存在共同特点：即他们都重视独立性，并且对无友 companion 的出行自由选择持积极态度。

无人车面临的障碍

无人车面临的挑战主要体现在技术领域与社会领域两个方面：其一，在技术层面上涉及恶劣气候条件、运行安全需求以及个人信息保护等问题；其二，在社会层面上则表现为事故追责与相关法规制定等问题。其中一些特定领域的挑战必须借助制度建设和社会行为才能得以克服；而这些问题也为无人车的技术发展及其市场推广提供了诸多方面的巨大阻碍。

恶劣天气

在恶劣天气条件下，无人车的运行受到严重影响。大雨、大雪或大气雾霾不仅遮蔽道路标示和车道标记符号，在复杂能见度环境下难以实现精准判断。Lyft公司指出，在某些特定天气状况或道路状况下，无人车的表现存在不足[12]。杜克大学的Mary Cummings教授对此特别强调道：“恶劣天气条件显著削弱了光雷达感应器的有效性能——包括分散或阻挡激光束的能力；此外还干扰了摄像头捕捉图像的能力。”这些因素导致车辆难以感知与其他车辆的距离、识别停车标识以及分辨交通信号灯和人行标志等关键信息[13]

行车安全

安心是无人车行业的重要考量因素。目前已有车辆遭受黑客攻击、系统遭到破坏的报道。无车人通过V2V通信连接到其他车辆，并依赖V2I（即车辆与基础设施之间的）连接获取信息与指令。对于这些通道及电子邮件、电话、短信、上网服务和定位数据等乘客个人电子通信的安全性进行维护至关重要。联网车辆面临的主要威胁包括但不限于：黑客攻击；人为干扰；幽灵车；以及其他恶意行为（如利用亮灯信号阻止摄像头捕捉图像；或者通过雷达干扰或操控感应器等方式）。上述所有行为都会扰乱通信系统正常运行，并可能导致人工智能计算出现错误结果。他们研究发现，“GNSS欺骗与虚假信息传播”是当前最危险（即最可能或最严重）的网络攻击手段之一[14]。（注：此处原文中括号内为参考文献编号）。驾驶员操作此类网络威胁对乘客存在风险，并可能导致严重事故的发生。网络安全专家已证实能够远程操控吉普切诺基进行攻击活动。（注：此处"吉普切诺基"为品牌名）。《连线》杂志的一篇报道指出，在这种情况下他们不仅能够破坏车辆转向灯开关控制系统的动作；还能干预刹车功能；破坏车载无线电设备并编程雨刷控制系统的运作；同时还能通过Uconnect操作系统软件轻易破坏车载控制系统功能。（注：此处"Uconnect"系指 cars' on-board connectivity system）。这一实例表明设计者必须高度重视汽车安全性问题并采取必要措施规避不必要的风险

隐私保护

无人驾驶隐私保护与安全有别于安全领域。前者侧重于防止未经授权的数据访问或泄露问题；后者则聚焦于防范企图伤害司机和乘客的行为。在无人驾驶技术的应用中；系统会持续收集大量关键数据包括但不限于用户的地理位置信息、GPS定位记录、在线购物记录（如信用卡号）以及其他联网车辆进行的各种活动等信息。这些数据可能催生新的商业模式。通过实时监控联网车辆的驾驶情况；保险公司可实现对风险状况的实时评估并采取相应措施来计算合理的保险费用。汽车制造商及无人车服务提供商则在制定隐私政策时允许多方披露行车信息以解决实际问题评估使用效果及研究市场需求等方面的信息。然而一旦这些敏感信息被不法分子获取匿名第三方可能会将其用于商业营销甚至实施违法诈骗活动从而造成消费者的经济损失

鉴于此，在重视无人驾驶技术发展的同时

基础设施不完善

基础设施不足的问题不仅阻碍了现有交通体系的发展速度，并且严重影响了无人驾驶技术的早期发展。例如，在印度...道路状况复杂多样：印度境内约有36%的道路是泥土路面，在中国这一比例约为16%左右。根据世界经济论坛发布的全球基础设施排行榜显示：印度位列第87位（远低于日本的第6位、德国第7位以及中国的46位等国家）。然而，在高速公路条件下就已面临诸多挑战：车辆行驶时需要能够在路面上预判地形并辨识清晰明确的道路分隔线。在一次横跨中国多地的测试行程中发现：各地的道路标示系统存在显著差异。Glen De Vos指出，“有些路段标有宽幅白色线条而另一些则标有窄条黄色分道线……有的标示较为清晰明确而另一些则模糊不清……此外路面标线分布不均还会导致道路状况参差不齐”。这些不足不仅影响半自动驾驶技术的表现能力更会直接威胁到全自动驾驶系统的安全运行：驾驶员若无法准确定位前方障碍物将无法做出及时反应从而导致严重事故的发生风险显著上升。“值得注意的是即使是最先进的半自动驾驶汽车仍需依赖驾驶员的操作指令完成整个行驶过程因此仅解决上述问题仍不足以推动自动驾驶技术全面商业化应用”。

频谱不足

频段不足阻碍了无人驾驶技术的广泛应用。
明确确定专用频率范围是无人驾驶技术发展的基础。
明确了特定频段后，在各种天气和交通条件下无人驾驶车辆都能够正常运行。
由于平衡联网速度与无线连接可靠性的重要性，在无人驾驶车辆中使用6GHz以下中等频谱是必要的。
然而这种频率的需求量大，在确保无人驾驶车辆可靠服务方面存在挑战。
电话中断严重影响用户体验。
美国各大车企普遍采纳了专用短程通信（DSRC）系统这一解决方案。
DSRC是一种双向、短距离无线通信协议，
能够实现车辆间的实时互动，
包括位置、速度及加速度数据，
这些信息有助于邻近车辆提前规避潜在风险。
当其他配备DSRC设备的汽车接收到相关数据时，
它们会根据实时数据计算出邻近车辆的行为轨迹，
并据此判断是否存在碰撞威胁。
值得注意的是，
联邦通信委员会于1999年规定5.9GHz波段中的75MHz频谱专供DSRC使用，
这为防碰撞技术的研发奠定了基础。
然而行业领军企业希望给这项技术及其延伸功能留出更多可用频谱空间，
以应对未来大量无人车上市带来的挑战，
并保障行业发展所需可用频谱资源数量充足。

5G通信尚未成熟

要非得实现无人驾驶的核心目标，则必须克服网络时延这一关键挑战。目前4G技术在信息传输上存在一定的时延问题，在无人驾驶车辆中这类时延可能会导致严重后果——一个刹车指令迟发半秒就可能引发严重事故。随着5G时代的到来这一挑战有望得到根本解决因为一方面5G系统会根据数据重要性自动分配带宽从而确保无人驾驶车辆能够及时准确地接收控制指令；另一方面车辆间近距离直接的数据通信效率要比绕道基站中转的方式快许多——大约是绕道基站通信效率的三倍以上这不仅能够极大缓解网络压力还能有效降低整体平均时延水平只有当这一技术难题被成功突破无人驾驶技术和未来智能网联汽车才能真正实现车与人车与车等范畴内的智能交互共享

在实际应用中,LTE-V系统的当前版本仍属于4.5G范畴,但随着5G技术的不断演进,LTE-V有望逐步过渡至真正的5G网络架构

事故追责

要实现全面发展的目标,自动驾驶行业必须解决相关法律责任问题。当前,保险公司依据驾驶者的年龄、性别以及行驶经验等信息进行细致的风险评估工作。由于大多数交通事故是由人类行为引发,保险公司基于驾驶速度过快、酒后驾车或者忽视交通标志等具体原因,认定事故的责任方。一旦发生自动或半自动驾驶车辆造成的交通事故,谁是责任方?是驾驶员本人,还是操控自动装置软件程序的设计者,抑或是制造汽车硬件的技术制造商?兰德公司的一项研究建议:将无人车纳入无过错保险行列,其原因在于:无人驾驶车辆难以受到人类失误的影响。

并且，在无人车真正进入市场之前需要经历一个逐步过渡的过程，在此期间人工驾驶汽车逐渐退出使用状态还需要数十年时间。以美国为例，在该国拥有约2.62亿辆私人汽车 fleet,其平均使用寿命约为11.5年 years [21] 。因此，在未来十年甚至更长时间内将出现新旧车型共存 complex coexistence 的局面 scenario,导致事故追责更加困难 difficulty 和复杂化 complication 。在中国境内 roads,行人、自行车、低速自行车和普通轿车等各类交通工具都处于同一 road network 中 mixed environment 中,交通状况极为复杂 complex 。由于人们普遍缺乏统一的标准 standard 来规范行车或驾车行为 behavior,在这一背景下完成无人驾驶 car 事故 incident 责任认定 assessment 将面临更为严峻的挑战 challenge 。由此可见,要实现无人驾驶汽车产业全面发展的 grand vision,该行业不仅必须清除技术障碍 technological barriers 同时也在着手解决法律责任 legal responsibility 的相关问题 issue

行车立法

当前社会大众对无人驾驶汽车的接受度仍处中等水平。根本原因在于,市场的发展离不开公众能够适应（半）自动驾驶技术,而这种新技术向传统驾驶方式转变的过程中,会引发不同群体的态度分歧。根据密歇根大学的一项最新调查显示,超过四分之一的美国人仍然坚持传统驾驶习惯,即使用全自动驾驶技术也必须配备方向盘、油门和刹车板等基本设备[23]。在被问及具体装备时,95%的人表示即使采用全自动驾驶技术也希望能保留这些基本设施,而其余受访者则表达了不同程度的担忧

新技术出现的主要挑战在于通过测试其极限性能来干扰正常运行。当高速行驶的大型设备遭遇此情况时，后果将会十分严重。无人车辆面临多重危险威胁包括：利用激光照射摄像头从而干扰导航系统；攻击电子代码；对刹车和转向进行控制；将物体放置于前方以改变运动轨迹；或发射电子信号来改变行驶路径等行为。为此建议相关部门应当尽快制定相关法律法规以应对这一问题确保此类恶意行为受到相应法律责任的约束。

无人驾驶产业

产业现状

自从无人驾驶技术进入公众视野以来,各大传统汽车企业和高科技企业在无人驾驶技术领域陆续推出相关研究进展,随后纷纷展示其在该领域的研发成果,包括半自动驾驶概念车等产物,如图1所示.对于目前尚未在无人驾驶技术上有所动作的企业而言,也已开始对这一领域进行加大投入并展开行业深度合作.由此可见,如今正是无人驾驶产业蓬勃发展的关键时期.

图1展示了部分自动驾驶汽车原型（其中第一排自左至右依次为奥迪A7、宝马328Li车型与长安汽车以及谷歌无人驾驶汽车；第二排自左至右则排列着百度无人驾驶汽车与Uber车辆 alongside 福特Fusion无人驾驶车型）。

• Uber

该公司的无人驾驶原型车整合了毫米波雷达、摄像头以及激光雷达等多种传感器，并辅以高精度地图作为支持系统。作为2016年9月公布的一项匹兹堡测试计划内容之一，《 》推出了采用该公司无人驾驶技术改装的福特Fusion车型，在确保安全的前提下，在每辆无人驾驶车上配备了两名公司员工：其中一人坐在驾驶席位上随时准备接管车辆操作；另一人则负责实时监控车辆动态状况。该公司收购了自动驾驶卡车创业公司Otto。Otto的自动驾驶卡车于10月份行驶里程达120英里（约合193公里），运送啤酒5万罐。与沃尔沃达成合作共同投资3亿美元研发下一代自动驾驶汽车。

• 谷歌

谷歌采用了与行业其它公司不同的战略方针，在未来 months内将直接推出完全无人驾驶的小型载具而不是逐步过渡到半自动化的阶段。这种新型车辆将配备多种先进的传感器系统如毫米波雷达 激光雷达以及摄像头 并在开发中大量应用高精度地图这一技术平台旨在在未来两年内实现无人驾驶技术的全面突破至那时预计该系统可覆盖超过 5 亿美元的资金投入 [24] 。截至 2016 年 11 月的数据统计显示 在其运营的 60 辆无人驾驶汽车中已累计行驶里程达 2,045,378 英里 [citation needed] 。事故报告显示 在过去的 7 年间仅发生过 17 起小事故 均未造成人员伤亡 绝大多数事故原因在于其他车辆难以预测行驶路径或者后方车辆追尾 [citation needed] 。为了避免主系统故障时潜在危险的发生 谷歌开发了冗余设计包括备用刹车系统 转向辅助装置以及实时计算模块这些功能可确保车辆在主系统失效时仍能保持安全运行 此外该系统的软件程序还可以识别并规避道路上位于非驾驶员视线范围内的摩托车 同时在绿灯亮起后自动停车约 1.5 秒以防止闯红灯行为以及避免行人过马路 [citation needed]。

目前谷歌无人驾驶项目已分离为独立的子公司Waymo，并正与本田合作以开发并实现高速公路上无人驾驶技术的实际应用。双方计划在2020年前后完成这一目标。

• 宝马 -

宝马在2015年7月上海创新日上曾在 0~210km／h 的速度下展示了其车道跟踪驾驶系统、全自动遥控泊车及防碰撞技术的可行性。基于宝马3系平台并利用百度自动驾驶技术完成了北京道路综合测试任务，在此过程中车辆完成了从百度大厦经G7公路至五环路再到奥林匹克森林公园的往返行程，并成功展示了车辆的自动变道与转向功能。而在2016年时, 宝马与英特尔以及MobilEye共同致力于开发高度自动化及完全自动化的无人驾驶解决方案,预计到2021年首款无人驾驶电动车iNext将正式下线,并将其先进的人工智能控制系统非独家授权提供给行业内的其他汽车制造商。

• 奥迪

奥迪的自动驾驶原型车配备了激光雷达、ACC自适应雷达以及超声波雷达等多种先进的传感器系统，并配备Mobileye前置3D摄像头和前置红外摄像头。这些设备通过中央驾驶辅助控制器——由TTTech与NVIDIA合作开发的Tegra K1系列处理器进行整合运作。于2016年柏林电影节期间展示的短距离城市道路试验中已经实现了非封闭城市道路环境下的初步无人驾驶功能。按照规划，在未来两年内预计将在未来两年内实现L3级别自动驾驶技术的实际应用，并于2021年底推出具备L4级智能辅助驾驶功能的新车型

• 百度

百度无人车主要搭载了激光雷达、毫米波雷达等多种先进传感器设备，并配备了摄像头、红外传感器以及惯性导航系统（Inertial Navigation System, INS），同时配备了高精度地图辅助系统（High Precision Mapping and Navigation System, HPMNS）。经过长时间的技术攻关，在2015年年底完成了城市道路及高速公路复杂路况下的全自动驾驶能力验证工作（Fully Autonomous Driving in Urban Rings and Highway Mixed Traffic Conditions）。项目进入中期后，在2016年7月正式向公众展示了一款L4级别（Level 4）的无人驾驶服务产品（Unmanned Ground Vehicle Level 4 Technology）。此前已获得相关资质认定，在美国加州州立大学开展无人车测试工作（Testing Program for Autonomous Vehicles in University of California, USA），预计将于未来几年逐步进入量产阶段（Mass Production Phase）。与此同时，在校企合作方面也取得了积极进展：百度与福特汽车公司共同出资1.5亿美元成立合资公司投入 funds into the Velodyne LiDAR 激光雷达研发项目（Velodyne LiDAR Joint Development Project）；而百度则与NVIDIA深度合作开发下一代无人驾驶汽车平台（Next Generation Autonomous Automobile Platform）

• 长安汽车

长安汽车推出了两类无人驾驶原型车——高速环境版和城区低速版。采用"传感融合+高精度地图"的技术路线的原型车上配备了多种传感器套件包括激光雷达毫米波雷达以及单目摄像头等设备。其完成了从重庆至北京的连续2000公里高速公路无人驾驶运行任务并达到了较高的自动驾驶水平。预计长安集团将于2020年推出L3级别自动驾驶车型

• 特斯拉

特斯拉首席执行官埃隆·马斯克在2016年10月末宣布，在其生产的车型中包括Model S、Model X以及即将推出的新型号Model 3。这些车辆在生产过程中采用了全新硬件配置，并具备全自动化无人驾驶技术的支持。一旦美国联邦政府批准相关技术的应用后，这些汽车将实现无人驾驶功能升级。此前特斯拉公司已承诺将在2018年前推出全自动化无人驾驶功能的汽车，并为此制定了相应的研发计划。值得注意的是，在2016年5月的一次测试驾驶中，在佛罗里达州发生了一起致命车祸事故。这起事故凸显了当前自动驾驶技术尚具较大危险性的问题所在：当时自动制动系统误将货车的白色车身识别为晴朗的天空，在卡车左转弯时未能正确识别并采取措施避免碰撞风险。最终导致事故的原因是驾驶员未操作半自动装置控制按钮而造成的严重后果[26]

• 沃尔沃

除了与Uber在美国匹兹堡的合作项目外, 沃尔沃还计划在中国推出'高级别的自动驾驶技术'. 作为其DriveMe项目的重点内容之一, 沃尔沃XC90将邀请数百名志愿者参与公开测试. 该测试活动将于2017年分别在瑞典哥德堡和英国伦敦对100辆自动驾驶汽车展开

• 尼桑

日产于2016年7月推出了ProPILOT系统——一种实现道路自动驾驶的技术。该系统预计将在欧洲、中国及美国投入运营。日产将持续升级ProPILOT的功能，并在2020年前推出一款具备完全无人驾驶能力的新车型。

• 福特

福特打算在2021年采用无人驾驶车辆进行汽车共享和打车服务。
如同谷歌的无人驾驶汽车一样, 福特的无人驾驶汽车也没有方向盘、刹车或油门等控制机构。
福特打算在2017年欧洲开展无人驾驶汽车测试工作, 并逐步扩大规模, 将测试车辆数量从目前的30辆增加到100辆。
福特于2016年对激光雷达厂商Velodyne的投资金额为1.5亿美元, 该投资由百度与之合作完成。

• 通用汽车

通用汽车2016年宣布对Lyft注资5亿美元，并决定共同开发无人驾驶车辆用于打车服务。通用汽车于2016年3月以10亿美元收购了Cruise Automation公司，并进一步提升了其在自动驾驶领域的技术实力

• 丰田汽车

丰田公司正致力于在密歇根大学建设'自动驾驶汽车研究基地'；为此目的,该公司还为该公司的原始模型实验室提供基础模型平台；同时,在模拟各种真实路况下开展低速场景下的车辆测试工作.

产业发展

目前，在无人驾驶技术领域呈现出两种发展趋势（如图2所示），其中以特斯拉、谷歌、百度等为代表的科技公司正致力于人工智能驱动的完全自动无人驾驶技术的研发（具有革命性特点）。两者在发展目标上各有侧重：传统车企通过渐进式自动驾驶技术不断提升驾驶体验（基于长期积累的整车经验及自动控制技术的核心优势），而科技类企业则直接实现了无人驾驶技术对传统驾驶方式的全面替代（借助人工智能技术整合了传感器、感知算法、计算平台等关键组件）。就盈利模式而言，则存在显著差异：传统车企仍致力于整车销售及售后市场服务（基于其长期积累的经验与行业优势），而科技类企业则聚焦于内容资源开发、平台服务构建以及共享经济模式的应用与发展

图2 各类企业在无人驾驶行业的布局

来自中信证券的研究显示，在未来五年间科技型公司将占据智能汽车市场的40%，而传统车企则将占据60%的市场份额。科技型公司无需历史"包袱"即可快速实现高自动化无人驾驶的发展，并通过这种跨越式的方式迅速崛起。在数据融合与高精地图等技术领域具有明显优势的科技型公司，则凭借这些既有的优势实现了快速发展的目标。通过布局无人驾驶技术的应用场景，在未来汽车将成为下一个"互联网入口"方面大有作为。尽管如此，在短期内科技型企业仍无法撼动传统车企占据半壁江山的地位。从辅助驾驶技术入手逐步提升的产品力方面来看，在造车成本较高的情况下传统车企仍能凭借完整的产业链体系保持竞争优势——这种体系不仅体现在产品安全可靠性上更为消费者所认可的传统品牌地位上。汽车产业的整体格局不会因科技型公司的崛起而发生根本性改变

全球化下的无人驾驶

本节旨在探讨在当今全球化的大背景下无人驾驶技术在全球各国和地区面临的财政预算、政策法规以及监管机制等具体问题，并提出相应的应对策略。

无人驾驶在中国

世界经济论坛的一项调查显示："75%的中国人愿意乘坐无人驾驶汽车" [27] 。这一观点也得到了罗兰贝格公司独立研究的支持 [28] 。另一项调查显示："96%的中国人表示愿意每天乘坐无人驾驶汽车 ，其比例远高于美国与德国（分别为58%）所达到的比例 。在整体接受程度上具有显著优势 。大规模商业化将推动无人驾驶技术在市场上的快速推广 。同时 ，由于中国目前在制定无人车相关监管规范时通常由国家层面直接制定 ，并采取自上而下的管理方式 ，这使得监管流程得以简化并确保执行的一致性 ，这也是中国成为全球率先实现无人驾驶技术领先发展的主要原因之一 。”

由此可见，在实现无人驾驶的技术发展与应用推广在当前中国面临的关键挑战在于构建覆盖全国范围内的无人驾驶法规体系框架这一制度性安排尚未完善。目前在无人驾驶技术监管方面存在体制性缺陷主要体现在职责交叉及重复现象较为严重并且导致工作执行出现碎片化问题。质检总局主要负责对无人驾驶车辆召回问题进行管理工业和信息化部则主导产业政策的制定工作交通部则参与交通行业发展规划的拟定过程公安部则全面管理包括车辆登记牌照发放以及交通安全教育在内的多项事务而国家测绘地理信息局则规定地图信息采集的相关标准与流程。此外，在环境保护资源回收利用以及商务活动金融领域亦有相应的监管部门介入为此有必要进一步明确相关部门的具体职责分工并建立更加完善的监管机制以减少工作混乱并提高执行效率

目前，中国正在进行LTE-V无线技术和频率划分的试验工作。Polar码也成为5G增强移动宽带（eMBB）场景下的控制信道编码方案。这一举措预示着中国正在全面启动基于5G技术的自动驾驶通信网络建设。该技术的发展将为无人驾驶汽车提供更加可靠的通信保障基础。

无人驾驶在欧洲

发展无人驾驶面临诸多挑战原因之一在于欧洲缺乏数量可观的本土高科技企业。
在人工智能算法开发以及网络架构设计等方面的技术创新上，则主要依赖于外部企业的支持。
像谷歌（美国）与百度（中国）等这类大型高科技企业的崛起，则得益于其强大的搜索引擎技术和快速学习机制的应用。
欲在自动驾驶领域取得实质性进展，则需要
德国汽车制造商如奥迪集团及其合作伙伴戴姆勒-克莱斯勒等均应着力培养人工智能...高精度测绘等领域的人才。

另一反面，在确保其数据保护规定的同时，欧盟还应避免过度限制车辆和行人的移动与位置信息这一关键要素，在此背景下可能会阻碍无人驾驶技术的发展所需之高精度地图绘制过程。鉴于欧盟在数据收集与分析方面采取较为严格的立场[29] ，例如，在这一领域内相关企业如谷歌等科技公司均需遵守此类规定；欧盟曾因强制令而被 penalty imposed ，迫使这些企业提供相关数据并对其数据进行约束处理[29] 。值得注意的是，《欧盟通用数据保护条例》（GDPR）已明确规定禁止此类行为；根据这一法律框架的规定[29] ，像谷歌这样的企业若违反上述规定将面临 severe penalties 。最近通过的《欧盟通用数据保护条例》（GDPR）对人工智能及机器学习应用实施了严格限制。

无人车在日韩

相较于美国与中国的 counterpart，在面对无人驾驶技术时（即无人驾驶汽车），日本与韩国的相关方（指政府机构与企业）一直表现得较为审慎。

日本政府于2015年发布了指导方针，并预定在车内安装半自动装置；并计划于2025年开始投入全自动化无人车的研发工作。与此同时，在全球范围内领先的一汽- dealership（起亚）与现代汽车集团也已宣布将在未来两年内实现全自动驾驶目标；然而这些国家的先驱已经在半自动化领域取得显著进展，并已在路上试用了半自动驾驶汽车。

无人驾驶在美国

无人驾驶在美国面临的重大挑战在于如何协调各州之间的监管差异。由于美国各州在法律授权、车辆规范以及隐私保护等方面存在差异，在许可流程、车辆标准设定以及具体的执行细则上均不一致。目前，在美国的许多州中既有汽车制造商（例如福特汽车公司与通用汽车公司）也有软件开发者，并且他们都面临着各自的法规体系与行业规范不完全吻合所带来的问题。这种状况将导致创新活动受到限制……企业必须同时满足国内或国际市场的需求

无人驾驶发展对策

制定国家政策

政府负责通过监管措施调整无人驾驶过渡的进度。
首要监管任务应是确保道路测试并明确控制与适当控制的概念。
目前围绕‘谁或什么在掌控’以及适当掌控的标准尚存疑问。
报告呼吁制定一系列国家指南以规范道路试验、司机规则、预期行为以及法律责任。

以ADAS技术为例，请参考表1所示的数据，在全球范围内各国政府均逐步强化相关法规体系，在汽车安全技术发展中已将ADAS主动安全系统作为必装设备之一加以推广。根据中国国家汽车工业协会发布的十三五规划目标，在未来五年内将推动新车配备比例达到50%以上具备辅助自动驾驶功能的产品，并使部分车型可实现基本的人工智能辅助驾驶水平。值得注意的是，在2016年12月14日之后美国交通部已正式发布新的V2V通信法规要求，在车辆生产周期内强制安装此类设备这一政策的实施无疑将加速自动驾驶技术在实际应用中的发展进程

改善高速公路基础设施

无人驾驶技术的发展面临诸多关键的技术瓶颈与挑战性问题；其中最为突出的是基础设施建设这一基础环节。因此，在高速公路上改善条件应当被视作发展无人汽车的核心策略；若无人车载摄像头无法识别车道标示，则可能导致3D高精度地图无法发挥应有的作用；此外，在视线受限的情况下缺少智能路灯将会严重影响摄像头的性能表现；另一方面而言；当前的道路信号灯系统存在不足之处；它未能充分考虑到实时车流的信息反馈机制；如果能够将交通信号灯设计得更加灵活高效；使其能够根据实时车流量自动调节红绿灯周期；那么便有可能显著缓解城市道路交叉口的拥堵状况；从而更好地与无人驾驶技术协同工作；为此政府应当加大对专用型高速公路基础设施的投资力度

允许道路测试和精准道路绘图

各国现有法规均规定驾驶员必须坐在车内且双手置于方向盘上；这明显限制了全无人驾驶汽车的发展进程。例如，在日本,现规定所有车辆必须由真人驾驶员操作,并获得特别许可方能进行道路测试.警察厅还明确指出,'所有公共道路上的道路测试都必须由有司监督员亲自操控方向盘',这一规定直接限制了无人驾驶汽车在 public roads 的测试与推广.因此,政府应当解除全国范围内的道路测试禁令,开放道路供无人驾驶汽车进行验证.道路测试作为自验证的最佳实践,其重要性不言而喻.从长远发展的角度来看,这也是保障无人驾驶汽车安全可靠的最可靠途径.经过成功试验项目的验证,公众对无人驾驶汽车的安全性与可靠性也更加充满信心.

在提升公路地图精确度方面也需采取相应措施以规避现有技术所限。为了实现全自动无人驾驶汽车的长远发展目标 必须确保地图数据的质量与可靠性。现有技术已将线路图误差控制在几厘米以内 这一水平可视为行业内的领先标准 但在安全考量下 国家对公共地图的精度设定却相对宽松 只允许不超过50米（165英尺）。这种规定直接限制了具备高精度制图能力的企业数量 进而影响了无人驾驶汽车的实际应用效果

制定技术标准

确定自动驾驶汽车的技术标准对于其发展具有关键的重要性。
如今的技术标准更多地扮演了国家贸易保护的屏障角色。
这种现象也反映了产业间竞争加剧的趋势。
就无人驾驶系统而言，
有助于实现精确的地图测绘工作，
并制定了地图绘制过程中测量精度、数据处理以及整体准确性的具体要求。
这些措施有助于进一步明确相关法规中的模糊条款。
此外，
无线通信技术和车载通信系统的标准化同样是一个重要课题。
例如，
中国政府于2016年下半年发布了《推进"互联网+"便捷交通促进智能交通发展的实施方案》，
其中明确提出：
"结合当前的技术攻关和试验应用成果，
推动制定人车路协同（V2X）国家通信系统和技术规范，
并着手规划专用无线电频段分配事宜。",
这些目标都围绕着标准化进程展开。
目前看来，
在中国无人车通信领域很可能将采用LTE-V作为主要的技术规范，
而不会沿用欧美地区的DSRC体系。

可预见的未来

无人驾驶的黎明：现在—2020年

已有无数人在无人驾驶领域投入了大量精力。经过长期的研究积累和技术进步，无人驾驶技术终于在2020年实现了突破。其中人工智能技术是无人驾驶系统的核心基础，在多个关键技术领域需要实现精准协同工作。
无人车系统是一个复杂的技术工程体系，在多个关键技术领域需要实现精准协同工作。

• 算法：算法模块主要负责从传感器采集到的原始数据中提取有价值的信息；定位系统能够确保无人车能够准确控制行驶方向；感知模块实时解析车辆周围环境信息，并为行程规划提供可靠的安全保障。
  • 客户端系统：客户端系统主要由操作系统和硬件设备构成；旨在满足实时性、可靠性、安全性及节能需求。
  • 云平台：云平台提供离线计算与存储能力；用于支持测试阶段不断更新的数据处理需求；同时具备生成高精度地图的能力以及进行大规模深度学习模型训练的能力。

混合模式的时代：2020—2040年

从2020年至2040年期间,我们将逐步过渡至混合模式时代

无人驾驶时代：始于2040年

预计到2040年时，在全球范围内所有的汽车都将实现完全无人驾驶模式切换。未来的人类驾驶将成为一种罕见的活动，并且由于缺乏足够的安全性而被视为非法行为。届时，在一个全新的交通生态系统中运行的所有车辆将以集中控制模式运行。无人驾驶自动交通运输系统将如同电力和水一样成为现代生活的基础设施之一。通过改进后的导航系统及传感器技术对路面状况及车辆老化情况进行精准检测与评估，在传统汽车上每年发生的交通事故数量已从超过百万起大幅减少至几乎零事故水平。值得注意的是，在资源的有效共享与分配方面取得了显著进展的基础上，在城市交通系统中只需要少量的传统燃油车辆即可维持正常运行状态。能源利用效率得到了极大提升的同时大量采用新能源技术的应用使得化石燃料造成的空气污染得到了大规模改善。我们对无人驾驶技术的到来充满期待。

参考资料
1] GOOGLE, UBER, AND THE EVOLUTION OF TRANSPORTATION-AS-A- SERVICE, www.stratechery.com.
[2] 2016年4月23日phys.org上的文章“Chinese Firms Accelerate in Race Toward Driverless Future”,作者 Julien Girault.
[3] Daniel Fagnant 和Kara Kockelman在2014年1月交通研究理事会第93次年会提交的文章“The Travel and Environmental Implications of Shared Autonomous Vehicles Using Agent-Based Model Scenarios”, 第1-13页.
[4] 2016年7月25采访兰德公司Karlyn Stanley.
[5] 2016年5月30日《纽约时报》文章“Beijing’s Electric Bikes, the Wheels of E-Commerce, Face Traffic Backlash”，作者 Chris Buckley.
[6] 2016年5月17日《纽约时报》文章“Want to Buy a Self-Driving Car? Trucks May Come First”，作者 John Markoff.
[7] 2016年5月17日《华尔街日报》文章“Autonomous-Driving Venture Targets Heavy Trucks”，作者 Mike Ramsey.
[8] 美国统计局2014年5月报告An Aging Nation: The Older Population in the United States”，作者 Jennifer Ortman, Victoria Velkoff和Howard Hogan。美国交通部报告“Beyond Traffic, 2045: Trends and Choices”，第11页.
[9] 布鲁金斯学会学会技术创新中心2014年报告“mHealth in China and the United States”，作者Yu Xiaohui, Han Han, Du Jiadong, Wei Liurong, Li Cheng, Zhang Xueli, Li Haihua, Huang Ying, Sun Ke, Li Na, Darrell West 和 Joshua Bleiberg。第 9页.
[10] 彭博技术2015年10月28日文章“Japan’s Carmakers Proceed With Caution on Self-Driving Cars”，作者Jie Ma.
[11] 2015年疾控中心报告“53 Million Adults in the US Live with a Disability”.
[12] 2016年7月5日采访Lyft公司Rob Grant.
[13] TR News 2014年5-6月文章“Who Is In Charge? The Promises and Pitfalls of Driverless Cars”，第 28页，作者 Mary Cummings 和Jason Ryan.
[14] 2015年4月第16卷IEEE Transactions on Intelligent Transportation Systems，第554页，作者Jonathan Petit 和 Steven Shladover.
[15] 波士顿咨询公司2014年11月报告“Make in India: Turning Vision Into Reality”，第20页，作者Arindam Bhattacharya, Arun Bruce, Anirban Mukherjee.
[16] Delphi公司的Glen De Vos 2016年3月15在参议院商业、科学和技术委员会听证会上的证词，第6页.
[17] 2016年1月24日彭博新闻“Baidu Enters the Global Race for Driverless Car Domination”.
[18] 2016年8月18日《彭博新闻周刊》文章“Uber’s First Self-Driving Fleet Arrives in Pittsburgh This Month”，作者 Max Chafkin.
[19] Sandy Lobenstein2015年11月18日在众议院监督和政府改革委员会的证词，第5页.
[20] 兰德公司2016年报告“Autonomous Vehicle Technology: A Guide for
Policymakers”，作者James Anderson, Nidhi Kalra, Karlyn Stanley, Paul Sorensen, Constantine Samaras和Oluwatobi Oluwatola, 第116页.
[21] Delphi公司的Glen De Vos 2016年3月15在参议院商业、科学和技术委员会听证会上的证词，第6页.
[22] 2016年4月3日《纽约时报》文章“China’s Companies Poised to Take Leap in
Developing a Driverless Car”，作者John Markoff 和Paul Mozur。
[23] 密歇根大学世界可持续交通研究所报告“Motorists’ Preferences for Different Levels of Vehicle Automaton: 2016”，作者Brandon Schoettle和Michael Sivak.
[24] 2016年6月21日采访谷歌George Ivanov.
[25] 2015年7月17日CBS新闻“Google Driverless Car Involved in First Injury-Causing Accident”.
[26] 《纽约时报》2016年7月12日文章“As U.S. Investigates Fatal Crash, Company Defends Autopilot System”, 作者 Bill Vlasic and Neal Boudette。2016年7月29日文章“Tesla Faults Brakes, but Not Autopilot, in Fatal Crash”, 作者 Neal Boudette.
[27] 密歇根大学世界可持续交通研究所报告“Motorists’ Preferences for Different Levels of Vehicle Automaton: 2016”，作者Brandon Schoettle和Michael Sivak。
[28] 路透社 2016年4月23日文章“China’s Roadmap to Self-Driving Cars”。《中国日报》 2016年6月22日文章“Officials Want to Open Way for Autonomous Driving”.
[29] 《纽约时报》2013年4月23日文章“Germany’s Complicated Relationship with Google Street View”，作者 Claire Miller和Kevin O’Brien.
[30] 《底特律新闻》2016年4月7日文章“Toyota to Launch Ann Arbor Autonomous Car Research Base”，作者 Michael Martinez.
[31] 《底特律新闻》2016年4月7日文章“Toyota to Launch Ann Arbor Autonomous Car Research Base”，作者 Michael Martinez.
[32] 澳大利亚国家交通委员会2016年5月报告“Regulatory Options for Automated Vehicles”，第 8-9页.
[33] 《汽车与自行车》杂志2016年5月28日文章“Japan Won’t Allow Testing of Fully Autonomous Cars On Public Roads”，作者 Sameer Contraetor.
[34] 《纽约时报》2013年4月23日文章“Germany’s Complicated Relationship with Google Street View”，作者 Claire Miller 和Kevin O’Brien.

---

编者按： 本文摘录自著作《初步无人驾驶技术指南》，无人驾驶系统是一项复杂的技术工程，在实际应用中涉及诸多复杂的技术环节。该书作为深入研究这一领域的入门资料，在内容安排上既注重理论知识的普及性讲解又兼顾专业术语的准确描述。全书共分几个章节展开论述：首先是关于无人车的基本概念及其发展现状；其次是无人车感知技术和路径规划方法；然后是无人车动力学模型建立及其控制策略；最后是无人车通信技术和环境交互机制设计等关键领域的问题分析与解决方案探讨。每一章都配有大量实例供读者参考学习。
订购链接：https://item.jd.com/12184804.html

](https://item.jd.com/12184804.html)

---