1.无人驾驶汽车简介
无人驾驶汽车又被称为自动驾驶智能汽车，指在没有人类参与的情景下，依靠车载智能系统，借助智能驾驶仪来实现无人驾驶汽车的功能。无人驾驶汽车主要利用传感器及智能软件系统感知车辆围边环境，并依据所道路、位置及障碍物信息，实时作出反应判断，实现对车辆的速度控制、转向等，以使车辆可以正常、可靠、安全地在道路上行驶。
无人驾驶技术有别于传统的汽车驾驶体验，通过智能算法与传感器替代驾驶员，在大大的提升了交通系统效率和安全性能的同时，使人们减轻了驾驶疲劳，有助于提高了社会效率。
2.无人驾驶应用现状
2.1 国内无人车发展现状
国内无人车相较于西方发展较晚，最早出现于上世纪八十年代，起初以军事用途为主，我国先后研制出ATB-1，ATB-2无人车，在环境感知和决策能力上初步的进展。进入21世纪，商用无人车的发展热潮始于2009年中国第一届无人车比赛，中科院，清华，中科大等高校参加比赛。中国无人车在国家一系列政策的支持下，发展十分迅速。
2003年，清华大学研制成功THMR-V（Tsinghua Mobile Robot-V）型无人驾驶汽车，可以在清晰车道线的结构化道路上完成巡线行驶，最高车速达100km/h。2011年7月14日，由国防科技大学自主研制的红旗HQ3无人驾驶汽车首次完成了从长沙到武汉近300公里的高速全程无人驾驶实验。2016年7月6日，北汽集团宣布与辽宁盘锦红海滩景区战略合作，将无人驾驶汽车正式推向商用。2017年7月5日，在“百度人工智能开发者大会”上，百度正式宣布“Apollo”计划——向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助其结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统，百度CEO李彦宏亲自乘坐百度阿波罗自动驾驶汽车，从百度公司到国家会议中心现场。
2.2 国外无人车发展现状
随着无人车技术得到更多的重视，许多国家投入大量资金展开研究，西方发达国家的自动驾驶技术正在飞速发展，相比之下，美国谷歌与特斯拉取得了较大的进展并在无人车行业受到广泛关注。
2009年，谷歌启动了无人驾驶汽车项目。2010年至2014年，谷歌在无人驾驶领域发展迅速，并于2014年5月推出了一款无刹车、无方向盘，只有启动键的自主无人车，一年后，谷歌在山景城对其进行路测。
2015年。谷歌决定分离自动驾驶技术成立子公司waymo，清晰化其在自动驾驶上的走向。特斯拉在无人车的实践上领先于市场，其Model x，Model s都以配备Autopilot系统。
特斯拉现已推出Autopilot2.0，已实现识别交通信号灯驾驶，力求Level 4自动驾驶。特斯拉自动驾驶2.0将增加雷达和三镜头摄像系统，无论是雷达还是摄像头都相当于人类司机的眼睛，用眼睛观看的情况以及数据需要交给大脑去分析，然后做出正确的判断与决定。特斯拉的大脑的核心是人工智能技术，特斯拉CEO也表明，未来在发展无人驾驶技术时，将会重点发展人工智能系统。
3.无人驾驶技术现状
3.1 环境感知技术
环境感知技术是无人驾驶汽车的前提和重要基础，该技术主要通过传感器获取周围环境，并结合车辆自身的状态，最终做出决策，是无人驾驶汽车稳定运行的重要保障。目前，环境感知技术主要涉及以下几个方面：
(1)雷达探测技术
雷达是一种主动式传感装置，其优势在于能够直接探测出环境深度信息，受光照的影响程度较小。缺点在于视野范围较小、价格相对昂贵，在雨雪环境中系统无法工作。无人驾驶汽车中常用的雷达主要有激光雷达、毫米波雷达、超声波雷达等。基于雷达的环境理解方法主要有可通行区域分析、帧匹配、云聚类等。
(2)车间通信技术
借助车辆间通信技术，无人驾驶车辆不仅可以通过传感器获得本车信息，还可以通过车间通信技术获得道路、其他车辆、中心调度等实时交通信息，并进一步构建更为高效准确的综合运输系统。
(3)机器视觉技术
计算机视觉系统通过摄像头感知外部环境，结合机器学习算法对周围环境进行识别与判断，机器视觉系统成本较低，可处理信息量大，但对机器学习算法的准确率要求较高。通过多台摄像机的安放，无人驾驶骑车可以从多个角度获得车辆周围环境信息，进而做出更精确的判断。
3.2 路径规划算法
该类技术一般是指是假设在没有障碍物，道路状况正常的情况下，通过算法设计及各道路当前状况，合理设计从出发地到目的地的一系列算法，为无人驾驶技术的核心技术，这类算法从决策信息角度分类，主要分为全局性路径规划及局部路径规划等两类，前者考虑到已知的全局环境信息，结合当前汽车所获得的障碍物信息，实时做出决定，这类算法主要采用近似栅格法；局部路径规划是指在较难获得全局信息的情况下，汽车仅能通过汽车自身感知器信息的融合进行决策的算法，一般仅在短时间内有效，从全局角度来看，并不一定可以达到全局最优,这类算法主要涉及多感知器信息的融合，常用算法为模糊逻辑法、人工神经网络算法、势场法、占据栅格法、空间搜索法和基于多感知器信息融合的集成学习算法。
3.3 自主避障方法
无人驾驶技术涉及的自主避障方法主要分为以下两类：一是运动障碍物检测技术，即通过感知器对汽车周边环境进行感知，检测出正在运动的障碍物，该部分技术主要结合环境感知技术进行，常用的方法主要有地图坐标差分法、实体类聚法、目标跟踪法等。
地图坐标差分法核心思想是指通过感知器获得相关数据后，根据地图上不同障碍物在不同时刻的状态来分析障碍物分布,记录物体运动信息，并基于相关算法进行运动状态预测。物体聚类法通过将感知器采集到的数据信息进行分类,并基于数据进行物体的分类，以更好关注每一个物体的运动状况。目标跟踪法指综合多个感知器的数据源，对运动状态进行合理追踪，并基于前几个时刻的信息记录，预测接下来一段时间的运动状态，进行决策。
考虑到数据精确性和设备成本等,目前多数的无人驾驶汽车所采用的大多是激光雷达为主的传感器也辅助以红外检测、声呐、光感摄像头等设备。
二是障碍物轨迹预测技术，即对对运动过程中或者基于运动预测算法所得的轨迹可能与无人驾驶汽车当前轨迹有重合可能的情况时，判断其碰撞关系，并进行决策是否需进行躲避，应如何躲避等问题。该类技术主要结合机器学习算法及控制类相关模型进行。通过人工智能技术干预决策和路径设计,保证无人驾驶车辆的安全性。
4.无人驾驶技术发展过程中遇到的问题
无人驾驶技术作为新兴技术，还存在着诸多不稳定的因素，也在发展过程中遇到过很多问题。2016年1月，特斯拉Model S于中国京港澳高速河北高速由于未采取紧急制动措施，直接撞上道路清扫车，司机当场死亡。据当事行车记录仪来看，当时光线明亮，车况良好，可能为车前雷达失灵导致。2016年5月，美国弗罗里达洲的Joshua Brown开着处于自动驾驶模式的Model S，超速撞到正在垂直横穿高速的白色拖挂卡车，驾驶员身亡。Autopilot还发生过许多交通事故，虽然后果无上述事件严重，但是仍然需引起重视。值得一提的是，在发生上述事件之前，Elon Musk对在自动驾驶技术上运用激光传感器嗤之以鼻，其认为被动光学手段加一个前向雷达足够，然而，特斯拉的系列车祸一次又一次证明了Mobileye摄像头感知器识别的局限性。因此mobileye称是特斯拉激进的权限开放和宣传导致车主的使用超出了功能极限，并停止与特斯拉的合作。
5.建议与总结
本文基于对现有无人驾驶技术的认识，对整个行业的发展提出以下建议：
5.1 随着市场规模的扩大，合作发展发展才是大趋势
据《2016年中国无人驾驶汽车市场研究报告》数据显示，2016年全球无人驾驶汽车市场规模为40亿美元左右，到2021年，无人驾驶的全球市场规模将达到70.3亿美元。但在其还在处于基础发展状态的今天，很难做到井喷式地增长，故接下来的几年，谷歌、百度此类无人驾驶企业将以技术革新作为主要重心，也会有更多的企业来抢夺这一块蛋糕。
当前的无人驾驶技术尚不成熟，问题主要表现在驾驶的稳定性和安全性，感应器和处理器反应不到位，导致错误的决策。各大公司也在不断尝试通过获取数据以减少系统的误判。笔者认为，尽管算法不同，将来的趋势将是各大公司共享数据，这样将使得各公司的深度学习飞速发展，大大降低错误决策的概率。
5.2 无人驾驶技术相关算法的革新
由近来特斯拉发生的事故，我们可以看出，事故都是未正确的识别出前方的障碍物，这要么就是感应器失灵，要么就是算法并未算出异样。尽管特斯拉未公开原因，但很明显，后者的可能性要大于前者。以深度学习为代表的工业界常使用的机器学习算法需要大量数据的训练，但无人驾驶技术所面对的环境情况多变，能否基于小样本数据进行算法设计，合理利用各联网汽车的感受器，合理针对实际情况作出驾驶判断，降低数据运算规模，提高算法性能，还十分有待革新。
5.3 面对可能会面对的产业转型，汽车周边产业需积极应对
无人车能带动一系列联动产品，如传感器市场，我国传感器市场保持较快增长：据艾凯行业研究中心《2016-2022年中国无人驾驶汽车产业发展现状及投资风险报告》现实，在产量上，2014 年车载传感器达到 9515万只，2010-14 年的年复合增速达到 22.29%。市场规模上，根据统计局数据显示，2014年我国车载传感器市场达到 128.3 亿元，2011-14 年复合增速6.81%。相关产业需加快产业升级进程，进行技术攻关，降低产品成本，提升产品质量，注重研发，积极对接汽车行业的发展。
除此之外，无人驾驶技术的兴起也会对一些行业带来巨大变革，如保险业，依托于智能系统与各种传感器的辅助，无人驾驶汽车将在一定程度上提高车辆运输的安全性，据知名咨询机构麦肯锡预测，无人驾驶汽车将减少美国九成的汽车事故，这势必会降低对保险的需求；以驾驶位谋生的职业如货车运输司机等，无人驾驶技术的成熟将会减少市场需求；对汽车制造业而言，大量自动驾驶车必定会削减人们对汽车的需求。这些行业需加速产业升级改造，提前布局，妥善应对变革。