1◎无人驾驶汽车
……
？？
设想来源:如今的汽车已经装配了GPS、车道偏离警报系统、自动停车功能，所以无人驾驶汽车的面世只是一个时间上的问题。
谷歌已经获取了无人驾驶汽车技术的专利，目前谷歌正在内华达州对无人驾驶汽车进行测试。
自动汽车，也称为机器人汽车，自动驾驶汽车，或无人驾驶汽车，是一种能够感知其环境并在很少或完全没有人工输入的情况下行驶的汽车。自动驾驶汽车结合了多种传感器来感知周围环境，例如雷达，激光雷达，声纳，全球定位系统，里程计和惯性测量单元。先进的控制系统对传感信息进行解释，以识别适当的导航路径，障碍物和相关标志。长途卡车采用和实施了最前沿的自动驾驶技术。
法律定义:在哥伦比亚特区（DC）规定中：
“自动驾驶车辆”是指无需驾驶员主动操作该车辆的任何控制系统而能够在区域道路上导航并解释交通控制设备的车辆。术语“自动驾驶汽车”不包括具有主动安全系统或驾驶员辅助系统的机动车辆，包括提供电子盲点辅助，避免撞车，紧急制动，停车辅助，自适应巡航控制，车道保持辅助，车道的系统-离站警告或交通拥堵和排队帮助，除非该系统单独使用或与其他系统组合使用，否则无需技术人员的积极控制或监视，就可以驾驶装有该技术的车辆。
在同一地区法典中，认为:自动驾驶汽车可以在公共道路上行驶；该车辆具有以下能力:具有手动超驰功能，可让驾驶员随时控制自动驾驶汽车；驾驶员在操作过程中坐在车辆的控制座椅上，准备随时控制自动驾驶汽车；能够根据学区适用的交通法规，机动车法律和交通管制设备进行操作。
技术挑战:有不同的系统帮助自动驾驶汽车控制汽车。目前需要改进的系统包括汽车导航系统、定位系统、电子地图、地图匹配、全球路径规划、环境感知、激光感知、雷达感知、视觉感知、车辆控制、车速和方向感知、车辆控制方法。
无人驾驶汽车设计者面临的挑战是生产能够分析感官数据的控制系统，以便准确检测其他车辆和前方道路。现代自动驾驶汽车通常使用贝叶斯同步定位和映射(SLAM)算法，其将来自多个传感器的数据和离线地图融合到当前位置估计和地图更新中。Waymo开发了一种SLAM变体，它可以检测和跟踪其他运动物体(DATMO)，还可以处理汽车和行人等障碍物。更简单的系统可以使用路边实时定位系统(RTLS)帮助本地化的技术。典型的传感器包括激光雷达，立体视觉，全球定位系统和IMU。自动化汽车上的控制系统可以使用“传感器融合”，这是一种集成汽车上各种传感器信息的方法，以产生更一致、准确和有用的环境视图。
无人驾驶车辆需要某种形式的机器视觉来实现视觉对象识别。自动化汽车正在用深度神经网络开发，一种具有许多计算阶段或级别的深度学习体系结构，其中从激活网络的环境中模拟神经元。神经网络依赖于从现实驾驶场景中提取的大量数据，使神经网络能够“学习”如何执行最佳行动方案。
2018年5月，麻省理工学院的研究人员宣布，他们已经建造了一辆能够导航未映射道路的自动化汽车。他们计算机科学和人工智能实验室(CSAIL)的研究人员开发了一种新系统，叫做MapLite，它允许自动驾驶汽车在以前从未行驶过的道路上行驶，而不使用3D地图。该系统结合了车辆的全球定位系统位置、诸如开放街图的“稀疏拓扑地图”(即仅具有道路的2D特征)和一系列观察道路状况的传感器。大雨、冰雹或雪可能会对汽车传感器造成影响。
数字技术的本质:自动驾驶汽车作为一种数字技术，具有某些区别于其他类型技术和车辆的特征。由于这些特点，自动驾驶汽车能够更具变革性和敏捷地应对可能的变化。这些特性将基于以下主题进行解释:均匀化和去耦、连通性、可重编程和智能、数字轨迹和模块化。
均匀化和去耦:同质化来自于所有数字信息呈现相同形式的事实。在数字时代的持续发展过程中，已经制定了关于如何存储数字信息以及以何种格式存储数字信息的某些行业标准。这种均匀化的概念也涉及到自主车辆。为了让自主车辆感知周围环境，它们必须使用不同的技术，每个技术都附带自己的数字信息(例如雷达、全球定位系统、运动传感器和计算机视觉)。由于均匀化，来自这些不同技术的数字信息以均匀的方式存储。这意味着所有数字信息都以相同的形式出现，这意味着它们的差异被解耦，并且数字信息可以以车辆及其操作系统能够更好地理解并可采取相应行动的方式来传输、存储和计算。同质化也有助于指数级地提高软硬件(摩尔定律)的计算能力，这也支持自主车辆以更具成本效益的方式理解数字信息并对其产生响应，从而降低边际成本。
连通性:连通性意味着某种数字技术的用户可以轻松地与其他用户、其他应用程序甚至(其他)企业进行连接。在自动驾驶汽车的情况下，为了最有效地运行，它们必须与其他“设备”连接。自动驾驶汽车装备有通信系统，使它们能够与其他自动车辆和路边单元通信，向它们提供道路工作或交通堵塞等信息。此外，科学家们相信未来将会有计算机程序来连接和管理每一辆行驶在十字路口的自主车辆。这种连接方式必须取代交通灯和停车标志。[54]这些类型的特征驱动并进一步发展了自主车辆理解并与自主车辆市场中的其他产品和服务(如交叉路口计算机系统)合作的能力。这可能会导致一个自治车辆网络，所有这些车辆都使用相同的网络并共享该网络上可用的信息。最终，将会有更多的自主车辆使用该网络，因为信息已经通过其他自主车辆的使用得到验证。这种运动将增强网络的价值，被称为网络外部性。
可重编程:自主汽车的另一个特点是核心产品将更加重视软件及其可能性，而不是底盘和发动机。这是因为自动驾驶车辆具有驱动车辆的软件系统，这意味着通过重新编程或编辑软件进行更新可以提高车主的利益(例如，更新可以更好地区分盲人和非盲人，以便车辆在接近盲人时格外小心)。这种自动车辆可重新编程部分的一个特征是更新不仅需要来自供应商，因为通过机器学习(智能)自动车辆可以生成某些更新并相应地安装它们(例如新的导航地图或新的交叉路口计算机系统)。数字技术的这些可重编程特性和智能机器学习的可能性，给予了部分自主车辆制造商在软件上脱颖而出的机会。这也意味着自主车辆永远不会完工，因为产品可以不断改进。
数字轨迹:自动驾驶汽车装备了不同种类的传感器和雷达。如上所述，允许它们与来自其他自主车辆或路边单元的计算机连接和互操作。这意味着自主车辆在连接或互操作时会留下数字轨迹。来自这些数字轨迹的数据可用于开发新的(待定)产品或更新，以增强自主车辆的驾驶能力或安全性。
人为因素挑战:自动驾驶汽车已经在探索确定行人、骑自行车者和动物意图的困难，行为模型必须编入驾驶算法。人类道路使用者还面临着确定无人驾驶汽车意图的挑战，因为无人驾驶汽车没有驾驶员与之进行眼神交流或交换手势。 正在测试该问题的解决方案，该解决方案涉及安装在车辆外部的发光二极管标志，宣布“现在要走，不要越过”与“等待您越过”等状态。
两个人为因素的挑战对安全很重要。一种是从自动驾驶到手动驾驶的切换，由于不利或异常的道路条件，或者如果车辆能力有限，这种切换可能是必要的。突然的切换可能会让人类驾驶员在此时处于危险的无准备状态。从长远来看，驾驶实践较少的人可能技能水平较低，因此在手动模式下更危险。第二个挑战被称为“风险补偿”:由于人们认为系统更安全，而不是完全受益于所有增加的安全性，人们会从事风险更高的行为，并享受其他好处。半自动汽车已被证明存在这一问题，例如，特斯拉自动驾驶仪的用户无视道路，使用电子设备或其他活动，违反了该公司关于汽车不能完全自主的建议。在不久的将来，如果行人和骑自行车的人相信自动驾驶汽车能够避开他们，他们可能会以更危险的方式在街上行走。
为了让人们购买自动驾驶汽车并投票支持政府允许他们上路，这项技术必须被认为是安全的。自动驾驶电梯发明于1900年，但拒绝使用的人数之多延缓了几十年的采用，直到运营商罢工增加了需求，人们对广告和紧急停止按钮等功能建立了信任。
潜在优势:安全。
驾驶安全专家预测，一旦无人驾驶技术得到充分发展，由人为错误(例如延迟的反应时间、尾随、偷车和其他形式的分心或攻击性驾驶)导致的交通碰撞(和导致的伤亡和成本)应该大大减少。麦肯锡咨询公司估计，自动驾驶汽车的广泛使用可以“消除美国90%的汽车事故，防止高达1，900亿美元/每年的损失和健康费用，并拯救成千上万的生命”。
据网站“”报道，当时(2017年)，没有一位能够联络到的驾驶安全专家能够将自动驾驶系统下的驾驶列为比传统的完全手动驾驶更安全的级别，因此无法评估支持者所主张的这些益处在实践中体现的程度。可能降低安全净效应的混杂因素可能包括人与部分或全自动车辆之间的意外交互，或不同类型车辆系统之间的意外交互；每个自动化级别功能边界的复杂性(例如当车辆达到其容量极限时的移交)；复杂的相互依赖的软件系统中不可避免地出现的缺陷和影响；传感器或数据缺陷；以及恶意干预者的成功妥协。
为了帮助降低这些混淆因素的可能性，一些公司已经开始对其无人驾驶系统部分进行开源。例如，Udacity 正在开发一个开源软件堆栈，一些公司也有类似的方法。
福利:自动化汽车可以降低人工成本；减轻旅行者的驾驶和导航任务，从而用更多的休闲或工作时间来代替开车上下班的时间；并且还将解除对乘坐者驾驶时的驾驶能力、分心和发短信、醉酒、易于癫痫或其他受损的限制。对于年轻人、老年人、残疾人和低收入公民来说，自动驾驶汽车可以提供增强的机动性。方向盘的移除——连同剩余的驾驶员界面以及要求任何乘客采取面向前方的位置——将赋予驾驶室内部更大的人机工程学灵活性。大型车辆，如房车，将明显提高易用性。
交通:其他优点包括更高的限速值；更平稳的行驶；增加的道路通行能力；因为减少了对安全间隔的需求和更高的速度，从而最大限度地减少了交通拥堵。目前，根据《美公路通行能力手册》，最大的公路通行量或通行能力为每车道每小时约2200辆，其中约5％的可用道路空间被汽车占用。一项研究估计，自动驾驶汽车可以增加273%(每车道每小时大约8200辆汽车)。该研究还估计，如果100％的联网车辆使用车对车通信，则每小时可以安全地以120 km / h（75 mph）的速度行驶每小时12，000辆乘用车（从每个车道的2，200 pc / h增加545％）。彼此之间的后续间隙约为6 m（20 ft）。当前，在高速公路上，驾驶员与前方的汽车保持40至50 m（130至160 ft）的距离。高速公路通行能力的这些增加可能会对交通拥堵产生重大影响，尤其是在城市地区，甚至在某些地方甚至可以有效消除高速公路拥堵。考虑到额外的数据和驾驶行为的可预测性，当局管理交通流量的能力将会提高，此外对交警甚至路标的需求也会减少。
降低成本:更安全的驾驶有望降低车险的成本。
能源和环境影响:车辆自动化可以通过优化驾驶循环来提高汽车的燃油经济性。由于自动驾驶汽车的广泛使用，交通拥堵的减少和交通流量的改善将转化为更高的燃油效率。此外，自动驾驶汽车将能够更有效地加速和制动，这意味着更高的燃油经济性，因为减少了通常与速度低效变化相关的浪费能量。然而，车辆能效的提高并不一定意味着能耗的净减少和积极的环境转归。预计自动化车辆的便利性鼓励消费者更多地出行，这种诱导需求可能部分或完全抵消自动化带来的燃油效率提高。总体而言，汽车自动化对全球能源需求和排放的影响非常不确定，并且在很大程度上取决于消费者行为、政策干预、技术进步和汽车技术变化的综合影响。
停车位:据报道，手动驾驶的车辆只有4-5%的时间被使用，其余95-96%的时间被停放和未使用。另一方面，自动驾驶汽车在到达目的地后可以继续使用。这可以大大减少对停车位的需求。例如，在洛杉矶，14%的土地仅用于停车，相当于大约17，020，594平方米。再加上交通流量的改善可能减少对道路空间的需求，可以释放出城市地区的大量土地，这些土地可用于公园、娱乐场所、建筑物等用途；让城市更宜居。
相关影响:通过降低移动即时服务的(劳动力和其他)成本，自动化汽车可以减少个人拥有的汽车数量，代之以出租车/拼车和其他汽车共享服务。这也将极大地缩小汽车生产行业的规模，带来相应的环境和经济影响。假设提高的效率没有被增加的需求完全抵消，更高效的交通流可以释放道路空间用于其他用途，例如更好地支持行人和骑自行车的人。
车辆意识的提高可以通过报告非法乘客行为来帮助警方，但同时可能引发其他犯罪，例如故意撞上另一辆车或行人。然而，如果允许第三方广泛访问生成的大型数据集，这也可能导致大规模监控的扩展。
自动化汽车时代的客运轨道的未来尚不明朗。
潜在的限制或障碍:提高车辆自动化的预期潜在益处可能会受到可预见挑战的限制，例如责任纠纷(运营车辆的每个公司会接受自己是其“司机”，并因此对自己的汽车所做的事情负责，或者说会有人试图将这种责任转嫁给其他无法控制的人)，将现有车辆库存从非自动化转向自动化所需的时间，因此很长一段时间，人类和自动车辆共用道路，个人不得不丧失对其汽车控制的抵抗，对无人驾驶汽车实际安全性的担忧，以及对自动驾驶汽车实施法律框架和一致的全球法规。
其他障碍可能包括处理潜在危险情况和异常情况时，驾驶员的经验水平较低，道德问题:在不可避免的撞车事故中，自动驾驶汽车的软件被迫在多个有害行为之间做出选择(“电车问题”)，担心使目前被雇用为驾驶员的大量人员失业（与此同时，许多其他替代的蓝领职业可能会被自动化所破坏），这可能会增加侵入性警察和情报机构访问由传感器和模式识别AI生成的大数据集（使匿名旅行变得困难），并且可能无法充分理解语音，手势和非语言提示，从而使位置，关联和旅行被警察或其他人员监视。
自动化汽车可能面临的技术障碍有:人工智能仍然不能在混乱的市中心环境中正常运行。汽车的计算机和汽车之间的通信系统可能会受到威胁。汽车的传感和导航系统对不同类型的天气(如雪)或故意干扰(包括干扰和欺骗)的敏感性。避免大型动物需要识别和跟踪，沃尔沃开发的软件适用于驯鹿、鹿和麋鹿，但对袋鼠无效。自动驾驶汽车可能需要非常高质量的专业地图。如果地图没能及时更新，它们需要能够回到合理行为的能力。争夺汽车通信所需的无线电频谱。系统的现场可编程性要求对产品开发和组件供应链进行仔细评估。当前的道路基础设施可能需要改变，以使自动驾驶汽车发挥最佳功能。
潜在的缺点:自动驾驶汽车的广泛应用的一个直接影响是道路运输行业中与驾驶相关的工作岗位的流失。受到失业威胁的职业司机和工会可能会对反对它的普及。此外，公共交通服务和汽车修理厂可能会裁员。随着技术使得这些职业的某些方面过时，汽车保险行业同样会遭受损失。迈克尔·奥斯本和卡尔·艾森斯塔特·弗雷的一篇经常被引用的论文发现，自动驾驶汽车会使许多工作变得多余。当将车辆的位置集成到其他人可以访问的界面中时，隐私会成为一个问题。此外，通过V2V（车辆到车辆）和V2I（车辆到基础设施）协议共享信息还存在汽车被黑客入侵的风险，还有恐怖袭击的风险。自动驾驶汽车可能会装载炸药并用作汽车炸弹。
缺乏紧张的驾驶、旅途中更有效率的时间以及旅行时间和成本的潜在节省可能会成为远离城市生活的动力，因为在城市的核心地区工作，但是住在远离大城市的地方，从而增加了旅行距离和导致更多的城市蔓延，更多的燃料消耗以及城市旅行的碳足迹增加。此外，交通拥堵的风险不会减小反而可能会增加。需要适当的公共政策和法规，如分区、定价和城市设计，以避免日益郊区化和长途旅行的负面影响。
一些人认为，一旦车辆自动化达到更高的水平并变得可靠，司机将会较少关注道路。研究表明，与手动驾驶相比，自动驾驶汽车的司机在紧急情况下不得不干预时反应会比较迟钝。根据自动化车辆的能力和需要人工干预的频率，这可能会抵消其他因素带来的安全性的提高。
在对决定汽车在不可避免的碰撞中采取什么行动的软件编程时，伦理和道德推理会被考虑在内；自动驾驶汽车是否会撞上公共汽车，可能会导致车内人员死亡；或者转向别处，有可能杀死自己的乘客或附近的行人。人工智能系统的程序员(像普通人和伦理学家一样)发现很难回答的一个问题是，“汽车应该做出什么决定，对人们的生活造成‘最小’的损害？”一个建议的解决方案是在自动驾驶车辆中实施道德机器人，它从用户偏好中学习，最终根据所有者的价值观和偏好来指导自主仪器。
自动化车辆的道德规范仍在阐述中，可能会引发争议。它们还可能需要更仔细地考虑人类伦理的可变性、环境依赖性、复杂性和不确定性。不同的人类驾驶员在驾驶时会做出不同的道德决定，例如避免伤害自己，或者冒着风险保护他人。这些决定从罕见的极端情况，如自我牺牲或犯罪疏忽，到保持交通畅通但足以导致事故、道路愤怒和压力的日常决定。
人类的思维和反应时间有时可能太慢，以至于无法察觉即将到来的致命崩溃的风险，思考可用选项的道德含义，或者采取行动实施道德选择。一辆特定的自动车辆是否能够正确检测即将到来的风险，分析选项，或者从错误的选项中选择一个“好”的选项，与一个特定的人一样好还是更好，可能很难预测或评估。这一困难是因为自动车辆系统对给定道路场景中正在发生的道德问题的理解水平，从对不远的将来的连续合成物理预测流中瞬时感测到的，并且依赖于模式识别和情境智能层，对于人类检查来说可能是不透明的，因为它起源于概率机器学习，而不是简单的英语可解析规则的“人类价值”逻辑。所需的理解深度、预测能力和道德复杂性将难以实现，甚至更难测试或评估。
这一挑战的规模可能会产生其他影响。可能很少有实体能够调集满足这一需求所需的资源和人工智能能力，以及将自动车辆系统推向市场并在车辆使用寿命内保持其可操作性所需的资本，以及处理很大一部分交通事故潜在责任的法律和“政府事务”能力。这可能会导致不同系统操作员的数量的减少，并侵蚀目前相当多样化的全球车辆市场，导致少数系统供应商受到影响。
救援应急响应和军事:自主驾驶中使用的技术也确保了其他行业的生命节省。具有救援、应急响应和军事应用的自动车辆的实施已经减少了死亡人数。军事人员使用自动车辆到达地球上危险和偏远的地方，运送燃料、食物和一般物资，甚至营救人员。此外，采用自动车辆的未来影响可能导致部署人员的减少，这将导致伤害的减少，因为技术发展使自动车辆变得越来越自主。另一个未来的影响是，当自动驾驶汽车被部署为消防车或救护车时，紧急驾驶人数将会减少。一个优点可能是使用实时交通信息和其他生成的数据来确定和执行路线比人类驾驶员更有效。在这些情况下，节省的时间是非常宝贵的。
老年人残疾人和儿童:无人驾驶车辆将严重影响无法自行驾驶车辆的人员的出行选择。为了保持与社会的交往，甚至能够购买食品杂货，今天的老年人依靠看护者开车送他们到这些地方进行社会活动。除了未来老年人感受到的自由之外，对人类助手的需求也会减少。当我们还考虑到老年人健康状况的改善时，可以肯定地说，护理中心的客户数量将会减少。不仅老年人面临体能下降的困难，残疾人也将在不久的将来感受到自动驾驶汽车的好处，从而减少对护理人员的依赖。这两个行业在很大程度上都依赖非正式护理人员，他们大多是有需要的人的亲属。由于对时间的依赖减少了，非正规护理人员的雇主甚至政府将减少分配给这一事项的费用。不能自己开车的儿童和青少年也受益于自动驾驶汽车的引入。日托中心和学校能够推出自动装卸系统，从而减少了对父母和儿童保育工作者的依赖。人类驾驶行为的必要程度将会消失。由于目前的车辆在某种程度上需要人的行动，驾驶学校行业不会被中断，直到大部分自主交通被转移到新兴的主导设计。很有可能在遥远的未来，驾驶汽车将被视为奢侈品，这意味着该行业的结构建立在新进入者和新市场的基础上。