自動駕駛軟體相關技術

A. 軟體是怎麼控制汽車自動駕駛的自動駕駛汽車需要解決哪些技術問題

自動駕駛，其實簡而言之就是一台機器人，它主要是通過高智能的水平控制汽車的運作。機器人的作用是不言而喻的，而掌握機器人的核心價值，將成為人工智慧機器的領先者。自動駕駛技術的發展離不開核心技術的創新。

3、感知感測器。

感測器可以說是汽車身上最主要的一款設置，因為如果沒有感知汽車就變成無頭蒼蠅四處亂竄。而感測器的效果好壞，同樣也影響著汽車是否能順暢進行形式。雷達感測器在汽車的運用上已經得到廣泛的運用。

當然汽車的行駛不僅包括硬體上的技術，還包括軟體上的技術。軟體的技術包括了編寫代碼以及去實現轉化更加細化的分類。從港之城到榮和城到威化城最後的控制城，層層之間是相互遞進的。

B. 自動駕駛使用的是什麼技術

【太平洋汽車網】自動駕駛本身就是一項技術，而且自動駕駛分為好幾個等級，每個等級的原理和所使用的技術又是不同的。自動駕駛需要通過以下四步才可以完成：信息收集、分析識別、行動決策、設備控制。

什麼是WaymoRobotTaxi激光雷達方案Waymo在RobotTaxi上耕耘了很長一段時間，隨著在美國向公眾開放沒有安全員的無人駕駛計程車服務，也是全球首次向公眾開放完全無人駕駛計程車。Waymo的技術核心是圍繞激光雷達的一整套系統套件。

圖2Waymo的架構從技術層面來看，自動駕駛方面的關鍵技術不僅包含汽車本身的硬體/軟體平台、系統安全平台、整車通信平台、核心演算法等基礎技術，也包括雲控平台的系統架構和核心演算法，最重要的核心器件是中央處理器、雲端域控制器等。這里不僅包括面向自動駕駛配套的集成化的主幹網加多域控制的新型電子電器架構作為基礎。針對智能駕駛控制部分，L2級及以下採用基於MCU的多ECU分布式控制方式，而L3以上則必須採用基於高性能SOC（SystemonChip）構建的域控制器的集中控制策略。以環境感知數據、GPS信息、車輛實時數據和V2X交互數據等作為輸入，基於環境感知定位、路徑決策規劃和車輛運動控制等核心控制演算法，輸出驅動、傳動、轉向和制動等執行控制指令，實現車輛的自動控制，並通過人機交互界面（如儀表）實現自動駕駛信息的人機交互。為了實現智能駕駛系統高性能和高安全性的控制需求，匯集了多項關鍵技術：包括基礎硬體/軟體平台技術、系統安全平台技術、整車通信平台技術、雲計算平台技術、核心控制演算法技術等。

圖3自動駕駛相關的核心軟體內核目前在自動駕駛領域，傳統車企和科技企業合作是一個很有意思的趨勢。例如在華為合作方面中，ARCFOX極狐的阿爾法S華為HI版是其首款落地的產品，也是圍繞自動駕駛配置激光雷達的一款車型，是面向城市道路自動駕駛能力的設計的車型，覆蓋多個場景如城區、高速、停車場的全場景點到點通行，從使用特性的設計方面，是嘗試讓用戶可以擁有從小區車庫到公司車庫的連續自動駕駛體驗的一款作品。

（圖/文/攝：太平洋汽車網問答叫獸）

C. 自動駕駛五大核心技術包括哪些

一是車聯網。在人工智慧和以“電、智、網、共享”為代表的新四化驅動下，引領車聯網從第一階段向第二階段演進。人機交互逐漸延伸到車輛、車輛與通信設施、車輛與路邊單元之間的信息交互。其中，V2X無線通信技術可以將“人-車-路-網-雲”等交通參與要素有機結合，不僅可以支持車輛獲取比自行車感知更多的信息，還可以推動技術的發展和變革。比如自動駕駛應用，也有助於支撐智慧交通體系建設，推動汽車和交通服務向新商業模式方向發展。

五是規劃決策。決策是無人駕駛體現智能性的核心的技術，相當於自動駕駛汽車的大腦，涉及汽車的安全行駛、車與路的綜合管理等多個方面。通過綜合分析環境感知系統提供的信息，及從高精度地圖路由定址的結果，規劃決策者可以對當前車輛進行速度、朝向等規劃，並產生相應的停車、跟車、換道等決策。

D. 自動駕駛包含哪些技術

【太平洋汽車網】自動駕駛車，是一種無須人工干預而能夠感知其周邊環境和導航的車輛。它利用了包括雷達、激光、超聲波、GPS、里程計、計算機視覺等多種技術來感知其周邊環境，通過先進的計算和控制系統，來識別障礙物和各種標識牌，規劃合適的路徑來控制車輛行駛。

美國汽車工程師協會（SAE，SocietyofAutomotiveEngineers），則將自動駕駛劃分為0~5共六級。

GTScreenshot_20200107_194509.pngLevel0：無自動化（NoAutomation）沒有任何自動駕駛功能或技術，人類駕駛員對汽車所有功能擁有絕對控制權。駕駛員需要負責轉向、加速、制動和觀察道路狀況。任何駕駛輔助技術，例如現有的前向碰撞預警、車道偏離預警，以及自動雨刷和自動前燈控制等，雖然有一定的智能化，但是仍需要人來控制車輛，所以都仍屬於Level0。

Level1：駕駛輔助（DriverAssistance）駕駛員仍然對行車安全負責，不過可以授權部分控制權給系統管理，某些功能可以自動進行，比如常見的自適應巡航（AdaptiveCruiseControl，ACC）、應急剎車輔助（EmergencyBrakeAssist，EBA）和車道保持（Lane-KeepSupport，LKS）。Level1的特點是只有單一功能，駕駛員無法做到手和腳同時不操作

Level2：部分自動化（PartialAutomation）人類駕駛員和汽車來分享控制權，駕駛員在某些預設環境下可以不操作汽車，即手腳同時離開控制，但駕駛員仍需要隨時待命，對駕駛安全負責，並隨時准備在短時間內接管汽車駕駛權。比如結合了ACC和LKS形成的跟車功能。Level2的核心不在於要有兩個以上的功能，而在於駕駛員可以不再作為主要操作者。

Level3：有條件自動化（ConditionalAutomation）在有限情況下實現自動控制，比如在預設的路段（如高速和人流較少的城市路段），汽車自動駕駛可以完全負責整個車輛的操控，但是當遇到緊急情況，駕駛員仍需要在某些時候接管汽車，但有足夠的預警時間，如即將進入修路的路段（Roadworkahead）。Level3將解放駕駛員，即對行車安全不再負責，不必監視道路狀況。

Level4：高度自動化（HighAutomation）自動駕駛在特定的道路條件下可以高度自動化，比如封閉的園區、高速公路、城市道路或固定的行車線路等，這這些受限的條件下，人類駕駛員可以全程不用干預。

（圖/文/攝：太平洋汽車網問答叫獸）

E. 自動駕駛四大關鍵技術是什麼

包括環境感知與感測器融合、智能網路V2X、高精度地圖、人機交互技術(HMI)等關鍵技術。以下是相關介紹:環境感知:自動駕駛的感測器系統需要收集汽車周圍的信息，然後做出決策(轉彎、變道、加減速)。環境
自動駕駛四大關鍵技術是什麼？
包括環境感知與感測器融合、智能網路V2X、高精度地圖、人機交互技術(HMI)等關鍵技術。

以下是相關介紹:

環境感知:

自動駕駛的感測器系統需要收集汽車周圍的信息，然後做出決策(轉彎、變道、加減速)。環境感知包括車輛本身的狀態、道路、行人、交通信號、交通標志、交通狀況、周圍車輛等等。

車載無線通信技術(V2X)；

車對萬物(V2X)是連接車輛與萬物的新一代信息通信技術，其中V代表車輛，X代表任何與車輛交互的物體。目前X主要包括車輛、人、路側基礎設施和網路。

高精度地圖:

高精地圖擁有精確的車輛位置信息和豐富的道路要素數據信息，可以幫助汽車預測復雜的道路信息，如坡度、曲率、航向等。與傳統方法相比，它具有更高的實時性。

人機交互技術(HMI):

人機交互技術，尤其是語音控制、手勢識別和觸摸屏技術，將在全球未來汽車市場得到廣泛應用。自動駕駛汽車人機交互大屏幕設計的最終目的是提供良好的用戶體驗，提升用戶的駕駛樂趣或駕駛過程中的操作體驗。

自動駕駛睡覺違法嗎？

司機在自動駕駛時睡覺是違法的。這樣的行為不僅是對自己生命安全的不負責任，也是對他人生命安全的不負責任。自動駕駛的相關介紹如下:

自動駕駛系統:

該系統採用先進的通信、計算機、網路和控制技術，實現對列車的實時連續控制。藉助現代通信手段，直接面向列車，可以實現列車與地面的雙向數據通信，傳輸速率高，信息量大。後續跟蹤列控中心可以及時知道前車的准確位置，使運營管理更加靈活，控制更加有效，更適合列車自動駕駛的要求。

自動駕駛系統的主要功能:

主要功能為地下車雙向信息傳輸和運營機構綜合及應急處理。列車信息傳輸通道是列車運行控制自動化系統的重要組成部分。自動控制系統車載設備完全由地面控制中心接收的行車控制命令驅動，實時監測列車實際速度和地面允許的速度命令。當列車速度超過地面限速時，車載設備會進行制動，以保證列車運行的安全性。

自動駕駛四大關鍵技術是什麼？ @2019

F. 自動駕駛的技術是什麼

【太平洋汽車網】汽車自動駕駛技術包括視頻攝像頭、雷達感測器以及激光測距器來了解周圍的交通狀況，並通過一個詳盡的地圖（通過有人駕駛汽車採集的地圖）對前方的道路進行導航。

概述自動駕駛汽車（Autonomousvehicles；Self-pilotingautomobile）又稱無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人，是一種通過電腦系統實現無人駕駛的智能汽車。在20世紀已有數十年的歷史，21世紀初呈現出接近實用化的趨勢。自動駕駛汽車依靠人工智慧、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。

能源消耗自動駕駛汽車能夠促使人們拼車，極大的減少汽車的使用，創造「明天的高速公路火車」。這些高速公路火車能減少能源消耗，增加主要道路的運力。在節約時間方面，美國交通運輸部估計，每一工作日，人們平均花費52分鍾在上下班路上。未來，人們可以以更有效率的方式使用這些時間。

技術原理汽車自動駕駛技術包括視頻攝像頭、雷達感測器以及激光測距器來了解周圍的交通狀況，並通過一個詳盡的地圖（通過有人駕駛汽車採集的地圖）對前方的道路進行導航。這一切都通過谷歌的數據中心來實現，谷歌的數據中心能處理汽車收集的有關周圍地形的大量信息。就這點而言，自動駕駛汽車相當於谷歌數據中心的遙控汽車或者智能汽車.。汽車自動駕駛技術物聯網技術應用之一。

沃爾沃根據自動化水平的高低區分了四個無人駕駛的階段：駕駛輔助、部分自動化、高度自動化、完全自動化：

1、駕駛輔助系統（DAS）：目的是為駕駛者提供協助，包括提供重要或有益的駕駛相關信息，以及在形勢開始變得危急的時候發出明確而簡潔的警告。如「車道偏離警告」（LDW）系統等。

2、部分自動化系統：在駕駛者收到警告卻未能及時採取相應行動時能夠自動進行干預的系統，如「自動緊急制動」（AEB）系統和「應急車道輔助」（ELA）系統等。

3、高度自動化系統：能夠在或長或短的時間段內代替駕駛者承擔操控車輛的職責，但是仍需駕駛者對駕駛活動進行監控的系統。

4、完全自動化系統：可無人駕駛車輛、允許車內所有乘員從事其他活動且無需進行監控的系統。

（圖/文/攝：太平洋汽車網問答叫獸）

G. 自動駕駛及關鍵技術難點

自動駕駛是汽車行業新一輪的技術革命，推動著傳統汽車行業快速轉型升級，是未來汽車的發展趨勢。自動駕駛技術有利於改善汽車交通安全、提高交通運輸效率、實現節能減排、促進產業轉型等。《中國製造2025》規劃中已將智能網聯汽車列入未來十年國家智能製造發展的重點領域，明確指出到2020年要掌握智能輔助駕駛總體技術及各項關鍵技術，到2025年要掌握自動駕駛總體技術及各項關鍵技術。本文將介紹自動駕駛等級分類標准、自動駕駛軟硬體架構圖以及自動駕駛涉及到的關鍵技術等。

美國汽車工程師協會根據汽車智能化程度將自動駕駛分為L0-L5共6個等級：其中L0為無自動化（No Automation， NA），即傳統汽車，駕駛員執行所有的操作任務，例如轉向、制動、加速、減速或泊車等；L1為駕駛輔助(Driving Assistant， DA)，即能為駕駛員提供駕駛預警或輔助等，例如對方向盤或加速減速中的一項操作提供支持，其餘由駕駛員操作；L2為部分自動化（Partial Automation，PA），車輛對方向盤和加減速中的多項操作提供駕駛，駕駛員負責其他駕駛操作；L3為條件自動化（Conditional Automation，CA），即由自動駕駛系統完成大部分駕駛操作，駕駛員需要集中注意力以備不時之需；L4為高度自動化（High Automation，HA），由車輛完成所有駕駛操作，駕駛員不需要集中注意力，但限定道路和環境條件；L5為完全自動化（Full Automation， FA），在任何道路和環境條件下，由自動駕駛系統完成所有的駕駛操作，駕駛員不需要集中注意力。

自動駕駛汽車的軟硬體架構如圖2所示，主要分為環境認知層、決策規劃層、控制層和執行層。環境認（感）知層主要通過激光雷達、毫米波雷達、超聲波雷達、車載攝像頭、夜視系統、GPS、陀螺儀等感測器獲取車輛所處環境信息和車輛狀態信息，具體來說包括：車道線檢測、紅綠燈識別、交通標識牌識別、行人檢測、車輛檢測、障礙物識別和車輛定位等；決策規劃層則分為任務規劃、行為規劃和軌跡規劃，根據設定的路線規劃、所處的環境和車輛自身狀態等規劃下一步具體行駛任務（車道保持、換道、跟車、超車、避撞等）、行為（加速、減速、轉彎、剎車等）和路徑（行駛軌跡）；控制層及執行層則基於車輛動力學系統模型對車輛驅動、制動、轉向等進行控制，使車輛跟隨所制定的行駛軌跡。

自動駕駛技術涉及較多的關鍵技術，本文主要介紹環境感知技術、高精度定位技術、決策與規劃技術和控制與執行技術。

環境感知指對於環境的場景理解能力，例如障礙物的類型、道路標志及標線、行車車輛的檢測、交通信息等數據的語言分類。定位是對感知結果的後處理，通過定位功能從而幫助車輛了解其相對於所處環境的位置。環境感知需要通過感測器獲取大量的周圍環境信息，確保對車輛周圍環境的正確理解，並基於此做出相應的規劃和決策。

自動駕駛車輛常用的環境感知感測器包括：攝像頭、激光雷達、毫米波雷達、紅外線和超聲波雷達等。攝像頭是自動駕駛車輛最常用、最簡單且最接近人眼成像原理的環境感知感測器。通過實時拍攝車輛周圍的環境，採用CV技術對所拍攝圖像進行分析，實現車輛周圍的車輛和行人檢測以及交通標志識別等功能。攝像頭的主要優點在於其解析度高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下，攝像頭的性能會迅速下降。此外攝像頭所能觀察的距離有限，不擅長於遠距離觀察。毫米波雷達也是自動駕駛車輛常用的一種感測器，毫米波雷達是指工作在毫米波段（波長1-10 mm ，頻域30-300GHz）的雷達，其基於ToF技術（Time of Flight）對目標物體進行檢測。毫米波雷達向外界連續發送毫米波信號，並接收目標返回的信號，根據信號發出與接收之間的時間差確定目標與車輛之間的距離。因此，毫米波雷達主要用於避免汽車與周圍物體發生碰撞，如盲點檢測、避障輔助、泊車輔助、自適應巡航等。毫米波雷達的抗干擾能力強，對降雨、沙塵、煙霧等離子的穿透能力要比激光和紅外強很多，可全天候工作。但其也具有信號衰減大、容易受到建築物、人體等的阻擋，傳輸距離較短，解析度不高，難以成像等不足。激光雷達也是通過ToF技術來確定目標位置與距離的。激光雷達是通過發射激光束來實現對目標的探測，其探測精度和靈敏度更高，探測范圍更廣，但激光雷達更容易受到空氣中雨雪霧霾等的干擾，其高成本也是制約其應用的主要原因。車載激光雷達按發射激光束的數量可分為單線、4線、8線、16線和64線激光雷達。可以通過下面這個表格（表1），對比主流感測器的優勢與不足。

自動駕駛環境感知通常採用「弱感知+超強智能」和「強感知+強智能」兩大技術路線。其中「弱感知+超強智能」技術是指主要依賴攝像頭與深度學習技術實現環境感知，而不依賴於激光雷達。這種技術認為人類靠一雙眼睛就可以開車，那麼車也可以靠攝像頭來看清周圍環境。如果超強智能暫時難以達到，為實現無人駕駛，那就需要增強感知能力，這就是所謂的「強感知+強智能」技術路線。相比「弱感知+超強智能」技術路線，「強感知+強智能」技術路線的最大特徵就是增加了激光雷達這個感測器，從而大幅提高感知能力。特斯拉採用「弱智能+超強智能」技術路線，而谷歌Waymo、網路Apollo、Uber、福特汽車等人工智慧企業、出行公司、傳統車企都採用「強感知+強智能」技術路線。

定位的目的是獲取自動駕駛車輛相對於外界環境的精確位置，是自動駕駛車輛必備的基礎。在復雜的地市道路行駛，定位精度要求誤差不超過10 cm。例如：只有準確知道車輛與路口的距離，才能進行更精確的預判和准備；只有準確對車輛進行定位，才能判斷車輛所處的車道。如果定位誤差較高，嚴重時會造成交通完全事故。GPS是目前最廣泛採用的定位方法，GPS精度越高，GPS感測器的價格也越昂貴。但目前商用GPS技術定位精度遠遠不夠，其精度只有米級且容易受到隧道遮擋、信號延遲等因素的干擾。為了解決這個問題，Qualcomm開發了基於視覺增強的高精度定位（VEPP）技術，該技術通過融合GNSS全球導航衛星、攝像頭、IMU慣性導航和輪速感測器等多個汽車部件的信息，通過各感測器之間的相互校準和數據融合，實現精確到車道線的全球實時定位。

決策規劃是自動駕駛的關鍵部分之一，它首先是融合多感測器信息，然後根據駕駛需求進行任務決策，接著能夠在避開存在的障礙物前提之下，通過一些特定的約束條件，規劃出兩點之間多條可以選擇的安全路徑，並在這些路徑當中選擇一條最優的路徑，作為車輛行駛軌跡，那就是規劃。按照劃分的層面不同，可以分為全局規劃和局部規劃兩種，全局規劃是由獲取到的地圖信息，規劃出一條在特定條件之下的無碰撞最優路徑。例如，從上海到北京有很多條路，規劃處一條作為行駛路線即為全局規劃。如柵格法、可視圖法、拓撲法、自由空間法、神經網路法等靜態路徑規劃演算法。局部規劃的則是根據全局的規劃，在一些局部環境信息的基礎之上，能夠避免碰撞一些未知的障礙物，最終達到目的目標點的過程。例如，在全局規劃好的上海到北京的那條路線上會有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉向調整車道，這就是局部路徑規劃。局部路徑規劃的方法包括：人工勢場法、矢量域直方圖法、虛擬力場法、遺傳演算法等動態路徑規劃演算法等。

決策規劃層是自主駕駛系統，智能性的直接體現，對車輛的行駛安全性和整車起到了決定性的作用，常見的決策規劃體系結構，有分層遞進式，反應式，以及二者混合式。

分層遞進式體系結構，就是一個串聯系統的結構，在該系統當中，智能駕駛系統的各模塊之間次序分明，上一個模塊的輸出即為下一模塊的輸入，因此又稱為感知規劃行動結構。但這種結構可靠性並不高，一旦某個模塊出現軟體或者硬體故障，整個信息流就會受到影響，整個系統很有可能發生崩潰，甚至處於癱瘓狀態。

反應式體系結構採用並聯的結構，控制層都可以直接基於感測器的輸入進行決策，因此它所產生的動作就是感測數據直接作用的一個結果，可以突出感知動作的特點，適用於完全陌生的環境。反應式體系結構中的許多行為主要涉及成為一個簡單的特殊任務，所以感覺規劃控制可以緊密的結合在一塊，佔用的儲存空間並不大，因而可以產生快速的響應，實時性比較強，同時每一層只需要負責系統的某一個行為，整個系統可以方便靈活的實現低層次到高層次的一個過渡，而且如若其中一個模塊出現了預料之外的故障，剩下的層次，仍然可以產生有意義的動作，系統的魯棒性得到了很大的提高，難點在於，由於系統執行動作的靈活性，需要特定的協調機制來解決各個控制迴路，同意執行機構爭奪之間的沖突，以便得到有意義的結果。

分層遞階式系統的一個結構和反應式體系的結構，都各自有優劣，都難以單獨的滿足行駛環境復雜多變的使用要求，所以越來越多的行業人士開始研究混合式的體系結構，將兩者的優點進行有效的結合，在全局規劃的層次上生成面向目標定義的分層式遞階行為，在局部規劃的層面上就生成面向目標搜索的反應式體系的行為。

自動駕駛的控制核心技術就是車輛的縱向控制，橫向控制，縱向控制及車輛的驅動和制動控制，而橫向控制的就是方向盤角度的調整以及輪胎力的控制，實現了縱向和橫向自動控制，就可以按給定目標和約束自動控制車運行。

車輛按照縱向控制是在行車速度方向上的控制，即車速以及本車與前後車或障礙物距離的自動控制。巡航控制和緊急制動控制都是典型的自動駕駛縱向控制案例。這類控制問題可歸結為對電機驅動、發動機、傳動和制動系統的控制。各種電機-發動機-傳動模型、汽車運行模型和剎車過程模型與不同的控制器演算法結合，構成了各種各樣的縱向控制模式。

車輛的橫向控制就是指垂直於運動方向的控制，目標是控制汽車自動保持期望的行車路線，並在不同的車速、載荷、風阻、路況下有很好的乘坐舒適和穩定。車輛橫向控制主要有兩種基本設計方法，一種是基於駕駛員模擬的方法（一種是使用用較簡單的動力學模型和駕駛員操縱規則設計控制器；另一種是用駕駛員操縱過程的數據訓練控制器獲取控制演算法）；另一種是給予汽車橫向運動力學模型的控制方法（需要建立精確的汽車橫向運動模型。典型模型如單軌模型，該模型認為汽車左右兩側特性相同）。

除上述介紹的環境感知、精準定位、決策規劃和控制執行之外，自動駕駛汽車還涉及到高精度地圖、V2X、自動駕駛汽車測試等關鍵技術。自動駕駛技術是人工智慧、高性能晶元、通信技術、感測器技術、車輛控制技術、大數據技術等多領域技術的結合體，落地技術難度大。除此之外，自動駕駛技術落地，還要建立滿足自動駕駛要求的基礎交通設施，並考慮自動駕駛方面的法律法規等。

參考文獻：

1. 張放. 極限工況下自動駕駛車輛的軌跡規劃與運動控制 [博士]: 清華大學; 2018.

2. 陳文強. 基於復雜工況的高精準可預測自動駕駛環境認知方法 [博士]: 清華大學; 2018.

3. 張欣. 無人駕駛感知輔助系統的研究與模擬實現 [碩士]: 北京交通大學; 2019.

4. 陳延真. 無人駕駛環境感知系統及障礙物檢測研究 [碩士]: 天津大學; 2018.

H. 自動駕駛使用的是什麼技術軟體控制汽車自動駕駛的原理是什麼

隨著技術的不斷發展，自動駕駛汽車也出現在了大家的面前，這是一種通過電腦系統來控制汽車行駛的一種智能汽車。自動駕駛主要是通過雷達、人工智慧、監控裝置、視覺計算以及全球定位系統來使汽車運作的一種方式。人們在使用自動駕駛裝置的時候，並不需要人為主動操作，汽車就能夠安全的啟動，這是一項非常方便的技術，是很有發展前景的。

高度自動化系統也就意味著可以在短時間內代替駕駛者去行駛車輛，但是駕駛者需要關注車子行駛的狀態。完全自動化系統，這是一個非常高的水平，車主可以干其他的事情，並不需要對車子進行監控，系統可以自行的駕駛車輛。雖然自動駕駛汽車是目前發展的一個趨勢，但是人們在行駛的過程中，仍然需要關注車子前方的情況，以免發生意外。

I. 自動駕駛汽車需要的是什麼技術

【太平洋汽車網】自動駕駛本身就是一項技術，而且自動駕駛分為好幾個等級，每個等級的原理和所使用的技術又是不同的。自動駕駛需要通過以下四步才可以完成：信息收集、分析識別、行動決策、設備控制。

Waymo的技術核心是圍繞激光雷達的一整套系統套件。

從技術層面來看，自動駕駛方面的關鍵技術不僅包含汽車本身的硬體/軟體平台、系統安全平台、整車通信平台、核心演算法等基礎技術，也包括雲控平台的系統架構和核心演算法，最重要的核心器件是中央處理器、雲端域控制器等。

這里不僅包括面向自動駕駛配套的集成化的主幹網加多域控制的新型電子電器架構作為基礎。針對智能駕駛控制部分，L2級及以下採用基於MCU的多ECU分布式控制方式，而L3以上則必須採用基於高性能SOC（SystemonChip）構建的域控制器的集中控制策略。

以環境感知數據、GPS信息、車輛實時數據和V2X交互數據等作為輸入，基於環境感知定位、路徑決策規劃和車輛運動控制等核心控制演算法，輸出驅動、傳動、轉向和制動等執行控制指令，實現車輛的自動控制，並通過人機交互界面（如儀表）實現自動駕駛信息的人機交互。

為了實現智能駕駛系統高性能和高安全性的控制需求，匯集了多項關鍵技術：包括基礎硬體/軟體平台技術、系統安全平台技術、整車通信平台技術、雲計算平台技術、核心控制演算法技術等。

（圖/文/攝：太平洋汽車網問答叫獸）