無人駕駛車時代到來，你準備好了嗎？
人已閱讀 - - 作者： 李驥 02016年6月7日，中國工信部批準的國內首個“國家智能網聯汽車（上海）試點示范區”在上海嘉定投入運營，而國家也正在積極地制定無人駕駛相關技術規范，這一切都預示著，無人駕駛的時代正在悄然向我們走來。那么，什么是無人駕駛車?無人駕駛車的到來會給我們帶來哪些優勢和益處，無人駕駛車又會有哪些缺點和帶來新的問題? 其未來的發展又需要克服哪些障礙？本文將對無人駕駛車的這些方方面面做一些探討。
無人駕駛車將會比你想象的來的更早
當我們談到“無人駕駛車”或者“自動駕駛車”的時候，很多人可能腦海中出現的是科幻電視劇或者電影中車的形象，比如“霹靂游俠”或者“蝙蝠俠”中的科技感十足炫酷的汽車形象。實際上，無人駕駛車的一些基本技術已經在不知不覺中走入了我們的生活。按照美國國家高速公路交通安全部（NHTSA）對機動車操控的劃分，機動車的操控包含了以下五個層次：
層次0：機動車的運行一直掌握在司機的全部控制之中；
層次1: 一些機動車的控制功能被自動化了，比如電子穩定控制和自動剎車系統
層次2： 至少有兩個控制功能可以相互匹配自動化，比如自適應巡航控制和車道保持系統
層次3：汽車司機在一些情況下可以完全放棄控制機動車所有的關鍵安全功能。當情況變化時，機動車自己識別是否需要司機重新掌控汽車并且給予司機足夠舒適的轉換時間去這樣做。
層次4：機動車在整個行程中人工智能完全掌控所有的關鍵安全功能而司機在任何時候都不用掌控汽車。在這種情況下，機動車從頭到尾自己控制所有的汽車功能，包括停車功能，機動車可以不需要載人。
由以上分析可知，目前的科技已經使第二個層次的機動車在市場上廣泛的普及起來。而第四個層次的機動車，即無人駕駛汽車，所需要的技術在今天已經完全存在，所差的只是進一步的研發工作，主要是包括測試，耐久性，可靠性，以及成本控制等方面。按照摩根斯坦利的預測，第三個層次的機動車將在未來的三年左右就可以成型，而第四個層次的機動車（原型今天已經存在）將在這個2025年左右就可以走上商業化之路。
無人駕駛車發展階段預測
無人駕駛車的歷史與今天
世界上最早的無人駕駛車探索可以追溯到1940到50年代，由通用公司和福特公司制造的可運動的自動化車的雛形。在那之后自1960年到1980年代，在美國，日本，和歐洲有很多獨立的嘗試。這些早期的嘗試中的無人駕駛需要一些基礎設施的巨大幫助（比如有金屬導軌的特殊道路和無線電感應器來指向車的前進方向），也有一些用了早期的攝像頭，遙控傳感器，和傳動器來讓車自己控制自己-這已經和今天的半自動化車相類似了。這些早期的“無人駕駛車”可以完成在特定條件下的路試但是在真實環境中的路測卻基本沒有。
無人駕駛車由單獨的科學研究探索到大規模集中的研究階段起源一個由美國國防部高級研究項目機構（DARPA）所組織的最高挑戰賽，這項挑戰賽將一些知名高校，汽車制造商和發明家集中起來開發未來的無人駕駛車，本來是為了潛在的軍事用途，但是最終卻和民用掛鉤。這項挑戰賽分別在2004年（沙漠賽），2005年（沙漠賽道），和2007年（城市賽道）舉行，盡管參加的無人駕駛車們只有不同程度的成功（第一季挑戰賽沒有一個無人駕駛車能夠完成全部賽程且沒有贏家），但這些無人駕駛車在每一次的賽后其可靠性和無人駕駛能力上有著巨大的飛躍。挑戰賽在2007年最終取勝的是一個由斯坦福大學改裝的大眾途觀越野車(Stanley)，其獲得了兩百萬美元的獎金。這項賽事最終的結果是帶來了很多汽車制造商和其他參與者進入了無人駕駛車領域的研究，包括今天最有名的谷歌公司。
DARPA最高挑戰賽冠軍車
目前存在的無人駕駛車是利用技術裝備，包括利達系統（Lidar:是一種運用鐳射激光確定距離的技術），雷達系統，全球地理定位系統等來感知周圍環境，這些感知信息然后被中央人工智能系統處理以后來為汽車導航合適的路線規避各種障礙和遵循道路規則和路標。無人駕駛車使用一個數字地圖，而且可以根據傳感器的數據輸入來隨時更新，這樣車可以不斷適應變化的情況，以及行駛通過以前未知的區域。
在今天所廣為熟知的谷歌無人駕駛車項目，由原斯坦福大學人工智能實驗室的領軍人物賽伯斯汀所主持，他的團隊所開發的Stanley正是當時獲得DARPA最高挑戰賽的冠軍。谷歌無人駕駛車項目已經在一些不同類型的機動車上安裝無人駕駛設備，包括豐田普銳斯，奧迪TT,以及凌志RX450h, 另外，谷歌公司自己也開發了自己的訂制車。這些車大約裝備了價值15萬美元的無人駕駛設備，包括價值7萬元的利達系統，這個安裝在車頂的64位光束鐳射激光系統可以讓無人駕駛車生成一個詳細的3D周邊環境地圖，無人駕駛車人工智能利用這個實時3D地圖和已經存儲的高精度的數碼地圖結合起來產生不同類型的數據模式指揮無人駕駛車的前行。
到2016年3月為止，谷歌公司所開發的所有無人駕駛車已經在無人駕駛模式下行駛了兩百四十多萬公里，其主要路測的地方是在加州舊金山的各個不同的城市路段。在2014年以前，其路測的無人駕駛車需要一個司機和一個谷歌的工程師的陪同，司機只要旋轉方向盤或者踩剎車就可以取代人工智能的控制來操控汽車。在2014年5月，其新的無人駕駛車原型誕生，其沒有方向盤，離合器，以及剎車，已經是100%的無人駕駛狀態，不過在測試的時候還是會使用可以轉換人工操控的車型，此時測試已經只是需要一名司機全程陪同。到2015年7月為止，谷歌公司的無人駕駛車卷入了14個小型交通碰撞事故，但是谷歌公司聲稱這些事故要么是在人工駕駛狀態下發生或者是其他涉入事故的司機的責任。在2016年2月14日，其一輛無人駕駛車因為要避讓一個沙包而撞上了旁邊的公交車，谷歌公司把這次事故歸因于車的人工智能對環境的誤解，是一次學習的經驗，并且認為這樣的誤解在人類司機中每天都會發生。不過，在測試過程中還是發現無人駕駛車的一些局限性，包括由于安全因素考慮，無人駕駛車沒有在大雨或者大雪的環境下進行路試；由于其很大程度上依賴預先設定好的道路數據，無人駕駛車不遵守臨時性的交通信號燈或者在一些情況下，在沒有預先地圖設定的情況通過復雜情況的交叉口進入“非常小心”的模式從而行駛緩慢；無人駕駛車也很難辨別小的物體，包括路上的垃圾和殘留物，導致車輛進行不必要的避讓；利達技術也無法發現識別地面的坑洼處以及區分人的行為，比如當警察示意讓車停止的時候。谷歌公司預計這些問題將在2020年會被完全解決。
無人駕駛車的優勢和益處
如果無人駕駛車的時代全面到來，將會帶來一系列的優勢和益處，這主要體現在社會經濟，基礎設施，以及出行方式上面，以下就這三個方面進行一些詳細的介紹。
無人駕駛車對社會經濟帶來的影響
無人駕駛車所帶來的好處是基于假設人工智能替代了公式化和重復的駕駛工作會比人類駕駛員范更少的錯誤，這樣就會帶來一系列社會經濟的益處：
1、提升安全性
2010年全世界因為交通事故致死的案例達高達123萬，在美國一年大約有3萬到4萬人死于交通事故。絕大多數交通事故是由于司機的錯誤或者機械故障引起。司機的錯誤基本是由于缺少駕車知識，不遵守交通規則，注意力不集中，以及酒后或疲勞駕駛等等。因此，無人駕駛車在人工智能的驅動下，其能力和保持一致性在判斷和解釋周邊環境并且應用交通規則的時候會更加強大，這樣就會大量的減少交通事故的發生，特別是在路上有大多數的車都是無人車的時候。
2、降低油耗
美國是世界上最大的能源消耗國，一年機動車將消耗1430億加侖的汽油，折合5000億美元。由于無人駕駛車是依靠預測能力并且通過預計車載情況來改變車的行駛狀態，其將比人控汽車更加的有效率。今天僅僅是使用自動巡航這項功能就能夠節省15%-30%的汽油，這是因為汽車能夠知道引擎的荷載分配并且能夠逐步適應。
在未來，擁有車對車以及車對路交流能力的無人駕駛車將會對道路和交通情況有著更加透徹的理解，這樣就可以預測引擎的預計荷載從而可以讓汽車一直處于“巡航”狀態。這一功能和未來更加省油的發動機相配合，機動車每百公里油耗可以達到3升以下。在理想狀態下，未來的車都是無人駕駛車 ，那么車輛就不需要像今天這樣為了防撞而增加保護裝置，車的重量減少從而更進一步減少油耗。
3、優化交通流
車對車以及車對路的交流能力可以使無人駕駛車探測到附近交通流的情況（大小和位置），從而可以動態的根據預期的交通情況從新安排路線，這樣可以在第一時間避免制造交通堵塞。不僅如此，裝配有車對車和車對路的交流能力的無人駕駛車還可以在不需要停下的情況下通過交叉口，也可以更高的速度和更加接近的狀態來行駛。
4、增加生產力
優化的交通流可以減少乘客在路上的時間，從而極大的增強通勤者的生產力。通勤者不再需要操控機動車，從而可以把他們從大量的駕駛時間之中解脫出來。無論是乘客想用在車上的這段時間來吃喝，睡覺，看電視，工作等等，都可以減少他們通勤的壓力，而通勤壓力的減少可以讓通勤者在車上就可以完成部分工作或者在車上休息而在上班時間更加全身心的投入工作，從而得到生產力的提升。試想交通院在未來將不再需要租用人工司機的機動車，將節約一筆可觀的費用，同時在開往甲方所在地的途中，可以充分的休息或者把車作為移動工作站而增加工作效率。
5、振興經濟
如果按照預期無人駕駛車可以讓通勤者變成消費者， 那么就可以創造更多的經濟價值。比如，更多的在車上的自由時間來看電影，看電視，上網，看書，聽歌，吃飯等活動，就意味著更多的消費機會，從而意味著對經濟做出貢獻。
在無人駕駛車普及以后，將會帶來巨大的社會經濟收益，根據摩根斯丹利的預測，以美國為例，由于交通事故的減少每年可以節約4880億美元，由于汽車效率的增高帶來的油耗的減少每年可以節約1580億美元，由于交通擁堵的減少帶來的油耗減少每年可以節約110億美元，以及其他一些其他收益，最終總共一年可以節約13000億美金。
無人駕駛車的經濟量化分析
無人駕駛車對基礎設施帶來的影響
由于無人駕駛車能夠提供更高效的操控能力，更優化的交通流，那么其對道路和其他的基礎設施將會帶來深刻的影響，包括：
1、提高道路通行能力
無人駕駛車將會對道路的組織和使用帶來巨大的影響。由于無人車可以靠的更近，就可以增加道路通行能力。他們也可以共同地計算最優化的線路選擇從而互相之間同步關鍵的操控步驟，比如轉彎和并線。根據研究，無人駕駛車可以提高43%的道路通行能力（僅僅只用傳感器）到273%的道路通行能力（當使用傳感器并且和其他無人車互動時）。這樣，無人車就可以從根本上影響道路設施的規劃，當前的道路基礎設施的更好的利用就可以減緩進一步的道路拓寬和新建道路。
2、改變道路設計和交通管理模式
無人駕駛車不會徹底地改變傳統的道路設計，但是一些要素比如交通信號燈和路牌將會改變；交通管理將會通過數據共享實時進行，而不是通過路邊的設施。高速公路的進出口匝道可以有著更小的轉彎半徑以及更短的并線車道，而車道的寬度可以進一步減少。由于無人駕駛車會根據道路環境來決定其行駛速度而且可以自動探測和避免其它的道路使用者，那么交通管理設施，比如減速帶，護欄，以及行人保護裝置可以減少設置。交通信號燈可能最終會消失，因為無人駕駛車不需要它就可以進行所有必要的操控。
3、減少和提高利用停車場設施
根據研究，一般司機將會平均使用8.1分鐘的時間在市中心區尋找一個車位，造成的結果就是至多30%市中心的交通量是由于司機尋找停車位造成的。由于無人駕駛車可以根據需要把乘客在某個地點丟下或者接送，這樣可以大幅減少附近的停車需求。無人駕駛車把人放下以后可以繼續其他行程，也可以轉到更遠的停車位不緊張的地方去停車。無人駕駛車可以停的更加接近，因此新的停車場設施可以更加縮小面積，而現有停車場的停車能力可以大大增加。
無人駕駛車對出行方式帶來的影響
由于無人駕駛車根本不需要人的操控，全程范圍內完全可以由人工智能操控，因此，無人駕駛車將對人們的出行方式帶來巨大的變化:
1、無人駕駛車可以覆蓋更廣闊的人群
由于無人駕駛車不需要人類的操控，那么它就可以給更多的人群提供可利用的出行方式，而不論他們的年齡，身體情況，和駕駛資格。殘疾人將不用擔心他們的身體缺陷而不能駕駛車輛，年輕人不用擔心他們拿不到駕照而出行不便，老年人不用擔心身體和心理上的因素而對自己駕車有所顧及，受酒精影響的人群不用再擔心駕駛安全和酒駕處罰，這些人群都會發現他們有更大的出行自由，而不用僅僅是求助于其他不便的交通方式或者干脆取消行程。
2、無人駕駛車可以是公共交通的有益補充
無人駕駛車可以為中運量或者大運量交通系統提供喂給服務，在高峰期的城市外圍地區，無人駕駛車通過預先的規劃可以提供門到門的應答服務，當乘客人數達到預先所規劃的時候，無人駕駛車就可以直接前往外圍的大中運量交通系統的接駁點提供接駁服務，而無人駕駛車也不用在接駁點附近停留，可以直接返回去根據預先的計劃進行下一個應答行程，這樣就很大程度減少了接駁點附近的停車需求。而無人駕駛公共汽車的到來，就會因為減少公交司機的數量從而很大的減少公交系統的運行費用。
3、無人駕駛車將帶來車輛共享時代
私家車的概念在未來可能越來越被淡化，而共享車將成為未來的主流。以美國為例 ，在2013年美國平均每戶擁有1.8輛汽車，大部分情況下，一輛家庭會有一輛普通四門家庭轎車和一輛載重卡車，分別作為普通家庭通勤功能和運送貨物拉重使用。在無人駕駛車時代到來以后，一個普通家庭將不用再投資在兩部車上面，鄰居或者朋友之間可以幾戶共同出資購買兩部到三部不同功能用途的車輛，實現車輛功能的最大利用化。而另外一個受影響最大的企業，非出租車行業莫屬，無論是傳統出租車還是網約出租車，他們的需求量將會大大下降，當一個無人駕駛車主在進行某項活動時，他就已經設定好車輛來接他的時間，當活動結束以后，他就會發現無人駕駛車正在附近恭候他的到來。
無人駕駛車的缺點，問題和發展障礙
無人駕駛車帶來優勢和益處的同時 ，同樣也會存在一些缺點和帶來一些新的問題，雖然無人駕駛車所需要的基本技術今天已經存在，但是正如谷歌的無人駕駛車項目所揭示的那樣，還存在一些技術難關需要攻克，除了技術難關以外，還有一些非技術因素也需要考慮。因此，無人駕駛車還需要相當一段時間才能夠進入100%的無人駕駛階段和走向商業化之路。
無人駕駛車的缺點和新問題
1、無人駕駛車的技術風險
由于無人駕駛車需要一系列的高科技技術裝備為其服務，包括利達系統，雷達系統，人工智能系統等，那么為了保證無人駕駛車的安全行駛和可靠性，這些技術裝備需要滿足極高的制造，裝配，修理和維護標準，即使是這樣，也無法完全確保這些裝置在任何時候都不會出現技術故障，一旦發生技術故障，將會對乘車人和其他道路使用者帶來巨大的傷害。以筆者來看，可以考慮加入兩種或以上的“預警裝置”，當任何技術裝備可能出現故障時候，預警裝置就會提醒進入人工操縱模式，而至少兩種“預警裝置”是基于冗余設置原則，是為了確保預警裝置本身的可靠性。
2、無人駕駛車的安全和隱私問題
恐怖主義在當今世界已經是一個熱門話題，恐怖分子利用人肉或汽車炸彈去攻擊民用或軍用設施的例子屢見不鮮。當無人駕駛車普及以后，會給犯罪分子或者恐怖分子帶來更加容易的犯罪機會，他們可以利用無人駕駛車來進行炸彈和武器的運輸，也可以利用無人駕駛車來進行犯罪前的踩點和犯罪后更加方便的逃逸。另外，無人駕駛車由于是人工智能控制，更加容易被黑客所劫持來進行其他不法活動，從而對車輛擁有者帶來不必要的麻煩。最后，利用衛星定位系統的追蹤和數據共享也可能帶來隱私泄露問題。
3、無人駕駛車的社會平等問題
在上面已經談到，由于無人駕駛車的普及會造成更多的低技術工種，比如司機的失業，同時，由于汽車的安全性的提高，也會造成交通事故的減少，從而減少修車的需求而導致汽車修理技術工種的萎縮。另外，無人駕駛車會帶來另外一種不平等，即對其他交通模式的不公平的影響。比如公交出行模式的影響，由于無人駕駛車能提高道路的通行能力和減少交通堵塞，因此，除了在高峰時期大中運量公交系統能夠有足夠的優勢吸引客流的情形以外，在非高峰時期，由于無人駕駛車的方便和快捷，使得人們會更加的偏向無人駕駛車的使用，從而造成公交模式的吸引力下降。
4、無人駕駛車對規劃的影響
無人駕駛車的到來將會一定程度上對城市與交通規劃的重點和方向帶來變化。首先，無人駕駛車的普及會導致更大程度上的城市規模擴張，因為人們會更加傾向使用更加快速，有效和舒適的方式來進行更長距離的旅程。而如果過于重視對無人駕駛車的投入（基礎設施等），就會阻礙其他的傳統和經濟性更好的交通模式的發展，比如公交系統和慢行系統。如果沒有城市規劃的引導，那么這些趨勢就會進一步擴大。為了減少這些影響，也可以利用道路使用收費來進行干預，比如根據無人駕駛車的地理位置，乘車人數，一天中的時刻段，以及行駛的距離等來綜合收費，由于無人駕駛車的數據精確性，很容易對每個具體的行程來進行單獨收費，而不用像英國和新加坡那樣進行區域收費。收費可以在一定程度上調節人們向外擴張的居住意愿，也可以利用所收的費用來應用于其他傳統交通模式的進一步發展。
無人駕駛車的發展障礙
今天無人駕駛車的基本技術都已經存在，然而從基本技術的存在到無人駕駛車最終能夠實現100%的無人駕駛化，并且最終能夠大規模應用于商業化，還有一段很長的路要走，這其中包含有非技術障礙和技術障礙兩個部分。
1、非技術障礙
無人駕駛車的成本
無人駕駛車大規模市場化的一個障礙就是車本身的成本問題，前面的谷歌項目中的利達裝置就要耗費7萬美金，這還不包括其他傳感器，軟件，人工智能系統等。根據估計，當今最新的民事和軍事無人駕駛的裝置所耗費每臺車超過10萬美金，這已經是超過了絕大多數普通人的購買能力。另外，由于無人駕駛技術一般和電動車配合使用，那么電動車在大規模量產以后其價格可以介于2萬5千到5萬美金之間。因此，在近5-10年之內 ，一輛無人駕駛車的購買成本就在12萬到15萬美元之間。盡管價格在最終由于技術發展和大規模量產化會降低下來，但是中短期之內，價格仍然是無人駕駛車進入普通家庭的一個大的障礙。
無人駕駛車的道德及法律責任
另外一個障礙就是無人駕駛車的事故責任問題。一個由人操控的汽車在絕大部分情況下可以容易判定是人為操作失誤還是機械故障，但是，當一個司機對無人駕駛汽車沒有操控的時候而發生交通事故，那么這個事故的責任判定就并非那么容易，是軟件的問題，還是硬件的問題，還是汽車本身的機械問題，還是相互之間的配合出現問題？，另外，即使不是因為軟件，硬件，或者汽車本身的機械問題，也會因為其他情況帶來責任難以區分的情況。比如，如果一頭鹿跳到了車頭前，無人駕駛車是冒著撞鹿的風險還是冒著把車翻覆的風險?如果背撞物體變成了其他的車，重型卡車，摩托車，甚至是自行車或者行人又如何?如果為了避開被撞物體而撞上了其他的車情況又如何？而當時的環境比如路的潮濕程度是不是也被考慮進去作為無人駕駛車的決策依據？在這僅僅只有不到一秒的時間內，人類司機所做的任何決定不能被指責是過錯方，因為這超出了他們的控制能力，而不同的是，無人駕駛車用傳感器，可視系統，以及智能算法使他能夠做在短時間內做出決策，那么這個決策就很有可能在法庭上被質疑來確定無人駕駛車是不是過錯方。因此，在這些復雜的情況面前，包括法律法規的制定，以及保險公司針對無人車新生事物的全新政策，都需要對無人駕駛車的進一步研究，經過反復的分析和論證之后，才能出臺，而這又將是一個較漫長的過程。
無人駕駛車的大眾接受度
人們的第一觀念很有可能是不愿意把自己的生命交給一個“機器人”去決定。因此，無人駕駛車想要得到大眾的認可，需要一個長時間漸進的過程，特別是當人們聽說一個交通事故的發生中的一方是一輛無人駕駛車的時候，人們可能不會去追究到底是哪一方的責任而傾向于“感覺”無人駕駛車可能是不可靠的一方。另外一個大眾接受度的障礙是前面談到的隱私問題，因為在無人駕駛車的車對車以及車對路的數據交流中，系統是可以追蹤每一輛車的運行軌跡，且這些數據將會被存儲在中央數據庫中很長一段時間，因此，如何克服大眾的認知度和對隱私問題的擔心，是無人駕駛車大規模商業化的另外一個障礙。
2、技術障礙
無人駕駛車的基本技術，比如利達系統， 雷達系統，GPS技術等，在今天已經都存在，但是還是有以下一些關鍵的技術壁壘需要克服才能讓無人駕駛車在真實城市環境中安全運行：
融合多種感應器的數據流的能力有限
無人駕駛車使用很多種傳感器，包括利達系統, 雷達系統，照相機等，來感知周圍的環境。然而，沒有一種傳感器可以在所需要的能力中都擅長，包括近距離和遠距離的精度，噪聲免疫能力，以及探測靜止和移動的物體。因此，不同傳感器所產生的海量數據流需要被融合在一起來提供一個準確的環境模式供人工智能來做出對車的操控的判斷，而且這些都必須在實時狀態中瞬間完成。目前，這樣的融合數據的能力還需要進一步發展。
在應對動態變化的環境還存在困難
目前的無人駕駛車基本在城市中進行路測（比如前面所述谷歌無人車項目），其最高車速沒有超過每小時60公里。然而，當無人駕駛車以高速行駛時（比如在高速公路上），其所面對的環境快速動態變化。因此，無人駕駛車需要迅速的分析環境并且合適的糾正運行的路線和狀態，這個困難還會隨著復雜性的增加而增大，比如很大的交通流，不同的機動車組合（型號不同速度不一等）。這需要技術的進一步發展以及反復的不同環境的路測其可靠性，才能確保無人駕駛車對高速變化的環境的適應性。
GPS信息的局限性和不可靠性
無人駕駛車需要使用GPS信息來找出其在地圖上的位置，但是由于民用GPS的數據精確性不夠(誤差米級)，無人駕駛車只能自己糾正來得到準確的位置。比如，谷歌公司的無人駕駛車通過一些猜測算法來對車進行精確定位。另外，當有時失去GPS信號的時候，無人駕駛車需要借助于其內部的導航模塊來定位。最后，GPS的信號接收器在環境變化時也可能出現接收問題，從而導致錯誤的定位信息。因此，GPS的數據精度進一步的提高，或者內部導航模塊以及算法的進一步發展，才能讓無人駕駛車在任何時候都得到精確和可靠的定位。
環境噪音對感應器的負面影響
環境中所存在的其他電子設備所發出的電磁波噪音可以嚴重的影響無人車傳感器的工作能力。如果很多無人駕駛車在同一時間在同一街區內行駛的時候，這個問題還會更加嚴重，因為他們之間的電磁波信號會互相干擾。因此，現今的傳感技術需要進一步的成熟，能夠具備在各種環境噪音中穩定的工作能力。
與人類司機交流存在困難
通常人類司機在無信號燈交叉口需要做些配合性的決策時，都是通過眼睛或者肢體的交流來做到的。無人駕駛車不可避免得將和人類司機一起上路，那么，無人駕駛車如何和人類司機在需要互相會意的情況下來溝通，就是亟需解決的問題，因為人類司機無法和無人駕駛車以常規的形式來交流。就如前面谷歌無人車項目，就發生過警察臨時示意要無人車停下的時候，無人車無法準確識別警察意圖的情況。這需要技術進一步的成熟，才能解決人機對話的問題。
無法確保應對環境不確定因素
在真實的駕駛過程中，將會出現一些意想不到的情況。當這些意外發生的時候，無人駕駛車需要正確的處理來確保所有道路使用者的安全，比如一個逆行的機動車突然出現，一個本來被視為靜止障礙物的機動車突然啟動，磨損嚴重的路段或者交通信號裝置突然出現，以及酒駕司機的出現等。除了這些以外，還有上面談到的道德法律問題，在短暫的一瞬，無人駕駛車是選擇撞上一群在山道上的自行車騎行者，亦或是為了避開他們而從旁邊的懸崖開下去，哪一種選擇是無人駕駛車需要做的？是無人駕駛車的乘客安全性永遠比附近的行人，騎車者，或者其他司機重要么？如果不是這樣，那底線在哪里？如何讓無人駕駛車在面對這些情況時候做出“正確”的選擇，將是一個需要反復測試以及研究的問題，因為它涉及的方面不光是技術，還有法律和道德層面。
應對惡劣環境的能力不足
盡管無人駕駛車可以在光線很好的環境下安全行駛，但是正如前面谷歌無人車項目那樣，無人駕駛車尚沒有在惡劣的環境中測試。在真實的城市環境中，惡劣的氣候比如霧，雨和雪是無法避免的。目前而言，無人駕駛車的電腦可視化領域還存在非常復雜的問題需要解決，這需要算法的進步與革新。
無人駕駛車在今天來看，已經不再是科幻小說或電影里的情節，他已經存在于我們的生活，且正在快速的發展當中。那么，在不久的將來，當我們可以享受到無人駕駛車的優勢和便利之處時，需要同樣接受的是它的缺點和帶來新的問題。而無論是中國政府還是外國政府，所需要考慮的是除了無人車本身的開發研究之外，還需要開始集中研究無人駕駛車將會如何影響交通和土地開發的模式，以及如何最好的調整交通系統來使無人車的優勢和益處最大化，同時通過預先規劃來減緩其將要帶來的負面影響。
微信公眾號：MobilitySolution