重要！作为车主，必须掌握“无人驾驶”的这三个常识！
相信很多人前阵子都听说过电动汽车股票的估值怎样怎样高，为什么那么多基金大佬对这个行业趋之若鹜呢？
就连做手机的小米也要造车了，是否这些大佬都看到了我们看不到的未来？
这引起了小编的注意，毕竟我们也是干这行的嘛。经过『深入』的学习，发现——最主要原因是电动车上能加载很多影响人类未来出行的技术，并能扩展很多应用场景，从而产生巨大的经济价值。
在移动互联网的瓶颈年代，线上线下结合的智能驾驶存在着无限可能。
例如最具影响力的技术——无人驾驶，但是我们真的对它了解吗？
关于无人驾驶，弄懂这三点至关重要：
1、无人驾驶现在发展到什么阶段了？
2、无人驾驶车辆发生事故，是车主负责还是造车公司负责？
3、无人驾驶实现后，车主的生活会有怎样的变化？
这篇文章比较长，请耐心看完，因为它能帮助我们判断未来趋势，提前做好布局（搞钱）。
讲发展阶段前，咱们得搞先清楚无人驾驶汽车对于硬件和软件有什么特殊要求。
无人驾驶汽车的硬件主要由车身、线控系统、传感器、计算单元等组成。
|车身是最基础的硬件
无人驾驶汽车的车身实质上和传统汽车没有太大差别，基本都是根据现有的车型改装而成。相比之下，电动车比燃油车更适合做自动驾驶，原因有两个：
1）电车的反应时间比油车更短
普通油车采用机械控制，延迟普遍在180-200ms之间，而电车的响应延迟时间不超过20ms，油车控制延迟约为电车的10倍。显然，电车更能满足无人驾驶对车辆反应灵敏度的要求。
2）电车能量损耗更低
电车电源可以直接给无人驾驶系统供电，但油车需要先通过燃油带动发动机发电，再将电能供给无人驾驶系统，能量转换过程中存在效率损耗。
而且以后的无人驾驶车辆需要24小时在线，发动机启动供电不实际。
也就是说，要使用无人驾驶这技术一定要买电动车？
|线控系统
线控系统负责对无人驾驶汽车进行动作控制。它就好比人的神经系统，大脑发出指令后，指令通过神经系统传递给四肢，让肢体做出对应动作。
“线控”是相对于传统汽车的“机械传动”而言的，线控系统是通过电信号对汽车进行加速、刹车、变向等控制。线控系统的好处就是反应快，没有机械传动产生的延迟。
但线控系统的安全性也存在风险。
试想一下，如果哪天你的车子被黑客入侵，城市道路上演“头文字D”…
但是，我们认为这只是一个技术问题，解决并不难。
|传感器
相比于普通汽车，一台无人驾驶汽车需要配备更多的传感器，包括激光雷达、摄像机、毫米波雷达、超声波雷达、GPS、IMU等。传感器的作用是用来进行感知的，根据感知类型可分为环境感知和状态感知。
1）环境感知
环境感知顾名思义是对外界环境进行感知。传感器好比无人驾驶车的眼睛，不断获取外部环境信息，包括车子周边的路况、旁边车辆行驶状态，行人位置，交通标识等，然后将感知结果传递给计算单元。
2）状态感知
状态感知是获取车辆自身内部的状态情况，包括车辆本身的车速、位置、航向角、速度、俯仰角等信息。
一定有朋友会好奇，传感器是咋工作的呢？
篇幅有限，这里咱们就仅以'激光雷达'作为例子简单聊聊它是如何判断车子周边情况的。
激光雷达是由两个主要部件构成的：激光发射器和接收器。发射器先发射一束激光，激光遇到障碍物（其他车辆、路基、行人等）会反射回来，被激光接收器接收。接收器计算时间差，就能算出障碍物离车子的距离。
当然，激光不可能只对着一个方向一束束地发射，那样是无法实现整体感知的。所以，激光是多束同时发射，而且采用360°无死角旋转扫描。
无数个单点反射结果描绘出周边的三维图像，就称作“激光点云”。
激光雷达的优点在于它不受到光线明暗的干扰，不管是白天还是夜里，感知效果都是“杠杠的”。但缺点在于它很怕雾霾天气，雾霾颗粒会影响激光反射，让测量出现偏差。
事实上，每种传感器都有它的优势和不足，只靠一种传感器确实很难满足复杂条件下的实际需求。因此无人驾驶需要多种传感器结合使用。
|计算单元
计算单元是无人驾驶汽车的大脑，负责对传感器获取的信息经进行计算分析，做出正确的判断和决策。
目前的无人驾驶计算平台都采用的是异构平台的设计，CPU负责系统运行以及任务计算，GPU负责模型感知任务，两个处理器相辅相成一起完成复杂的任务。
我们现在智能家电里的物联网芯片也属于这类计算单元。
现在家里的电器可以相互连接和沟通，
在未来，电动车也可以实现：电动车和车主、电动车和充电站、甚至是车与车之间的沟通。
'车牌12345，我是车牌56789，你主人5：30用车？我主人6：30才用，我停里面的位置吧，你先出来。'
这时的智能停车场的中央塔台发出确认指令：'请车牌56789请按B-C-A路线到A位置，车牌12345请按A-B路线到达B位置，时速请按XX码。'
当然，某些电动车也可以设置不授权开放：'我就是不挪，我主人是付了双倍不授权停车费的。'
上述硬件技术目前已经完全能达到了，那么还在等什么呢？还有软件和法律的问题。
我们再聊聊配套的软件需求，这里以地图为例做简单说明。
|HD Road Graph
平时我们开车，只需要在地图上把起点终点设置好，选择一条最佳路线，按着路线开就好了。中途什么时候变道，什么时候该停下来等红绿灯都由人来控制。
但在无人驾驶的模式下，这样功能简单的地图似乎就不够用了。
比如下图的情况：
假如这时地图导航指示车辆要向右变道，显然右侧车道车距过近，是不能马上变道的。就算等旁边的车辆驶过以后再变道，那此时地面上还是不是虚线？又或者地图让你直行，但前面刚好是红灯，车子怎么知道呢？
所以，现在的地图还不能满足无人驾驶需求的，
必须要配合更高精度的道路地图，我们称之为高精道路图（HD Road Graph）
HD Road Graph 以厘米级精度来描述道路细节，主要包含：车道类型、车道连通性、交通标注/交通灯、人行横道、道路几何特征等。总而言之，高精地图的信息量要比普通地图大得多。
更重要的是，这么大的数据传输量，对移动网络的带宽技术发展更依赖。
光有静态的高精地图还不够，高精地图还需要与政府部门的最新交通安排有即时的同步功能。
假如某天某条路临时施工或交通管制，地图上要非常及时和准确地反映出施工的范围及交通信息的变化情况。
说到这里，大家应该知道无人驾驶对硬件和配套的软件要求有多高，所以我们的目前的技术环境暂时还无法实现完全无人驾驶，当下已经实现的是无人驾驶的前期——L2级自动驾驶。
2014年，国际自动机工程师学会(SAE International)发布了道路机动车辆自动驾驶技术分类系统，该分类根据“是否需要司机的注意力和干预”将自动驾驶分为L0-L5共6个级别，简单概括如下：
L0：系统能发出警告但不能控制车辆；
L1：司机的手需时刻准备着；
L2：司机可以解放双手；
L3：司机可以解放眼睛；
L4：司机可以解放脑；
L5：完全不需人为干预，真正的无人驾驶；
当前L2级别下，主要操作依然由司机来进行，系统只负责实现简单的辅助性功能，例如：前车碰撞预警制动、车道保持、智能巡航、自动跟车、盲区监测、拥堵辅助、智能远光灯控制等。
L2级别自动驾驶汽车早在2018年就开始量产，现在已经不是什么稀奇事情了。
未来要想实现L3-L5级自动驾驶，必须往“V2X”的方向发展。
V2X，强调“车路协同”主要包括四种关键技术：
V2N（Vehicle to Network，车与网络）
V2V（Vehicle to Vehicle，车与车）
V2I（Vehicle to Infrastructure，车与基础设施）
V2P(Vehicle to Pedestrian，车与行人)
简单来说，V2X的模式下，每个人、每台车、每个红绿灯都具备信号发送和接收的功能，大家都被网络连接在一起，所有信息都通过网络实现传输交换，
V2X技术一旦成熟，真正的无人驾驶就离我们不远了。
有同学会问，在美国不是已经有无人车上路了么，无人驾驶的美国'滴滴'也开始布局了；在北京和天津，也是有无人驾驶上路成功，汽车也能安全完成避让行人的场景。
但是我们看完上述的技术实现路径，结合路面的复杂情况，相信无人车能上现在的城市道路，还有很长一段时间。
'那个大雨的晚上，那条湿滑的公路，那个粗心大意的司机......'社会道路上的复杂性，无人驾驶车和有人驾驶车同时上路的可变性，远超人类想象。
更新性技术都是遵循：技术出现-》小范围应用-》技术升级-》中范围应用-》技术革命性变更-》才到全面应用，这一必然过程。
这个才是最重要的
但是，真正影响电动车发展和无人驾驶技术应用的，是人类社会法律和道德的软环境问题。就例如克隆人技术对人类的医疗价值是影响重大的，而且在很多年前已经在动物身上已经试验成功。
为什么技术没继续下去？就是法律和道德的制约。
一辆载有乘客的无人驾驶的车辆在公路上撞到人，怎么办？
Q1：如果无人驾驶车辆发生事故，是车主的责任还是造车公司的责任呢？
有人说：当然是造车公司的责任呀，无人驾驶情况下司机本来就不用执行任何操作。但也有人反对：虽然司机不赔，难道是机器人自己赔，因为是它开的？
再者，如果是车商赔，生产量那么大，赔得起吗？
还有其他第三方责任呢？是否地图出错引起的？还是网络信号差，感应器受遮挡，或是车子突然死机了？
最重要的是：生命没法用程序和金钱来计算。
上述问题按现在的人类价值观看，似乎是无解。无人驾驶的结局会像人造人技术那样然后就没了然后？
Q2：马路上同时有无人驾驶车和有人驾驶车，怎办？
围棋人机对战，也只是输和赢的问题，而且是在棋局规则的范围内进行机器学习。但是无人驾驶技术实现后，还有存在人的复杂性（简称为社会问题）和机器学习数学化之间的差异，相信这是很多科学家和社会学者都无法解答的。
例如在道路上，无人驾驶车一直被有人驾驶车插队，长达一个小时都除于避让状态无法动弹，车上乘客心急如焚要下车，那么机器要进行一个怎样的机器学习才能满足各种人的需求？
小编也是水平有限，想象不出来，在此也欢迎大家在评论区留言。
按照上述的例子，我们可以预见，只要有人的场景，完全无人驾驶就很难真正实现。
以下就是全篇的重点了
但是，如果是“无人场景”，无人驾驶技术我们相信就能快速落地应用，最典型的几个无人场景就是：充电站、维修站、停车场。
1）充电站
试想一下，实现无人驾驶以后，电动车也能和场地和设备交互，人类就不需要为电动车的充电期间的等待而烦恼了（大家用过扫地机器人吗？这点不用多讲了吧）。
而且车辆之间也会自觉排队，有序进出无人充电站。
我们想象一个场景：
某个晚上，一辆电动车发现自己电量过低了，明天主人还要用车呢，于是主动和指挥中心沟通，中心发出一条'无人'的行车路线，电动车自己去充电、或者更换电池、完成缴费，后来自己回家了。
整个过程，无人参与。
2）维修站
车主只需要把车子开到维修站门口，车子自己进入维修站，在不同工序车间内自行穿梭，或机器人辅助行驶，电动汽车将成为一个电子产品，就像我们现在修苹果手机那么简单，完成零件更换就行了。
汽车自己开出维修站，在获取一条授权的'无人'路线后，自己去找主人了。
3）停车场
无人驾驶将大大提高停车场的空间利用率和时间利用率。
先说空间利用率。
以后的停车库是无人进入的了，不再需要人行通道面积，车行交通面积也大幅减少。
车辆驶入停车场后，自动判断空闲车位的位置、车位大小、行使路线和'等待主人的排队时间'，选择最合适的车位停放。甚至是和其他经开放权限的车辆沟通:'喂，兄弟，挪个位置呗！'
有研究表明，自动驾驶将节省至少40%的停车用地！也就是说，同个车场在同一时间点能停放更多的车辆！
再说时间利用率。
车主下车后，车会自己去找停车位，车主需要返程时，一个指令，车会提前开出来，以后再也不用花半个小时找位、找车了！车主的上班打卡时间不再需要预留去停车场停车的时间了。私家车的使用体验更像聘请了一个专职司机那样方便，而你只需要付软件的钱。这就是文章开头所述，那些互联网大佬布局智能汽车的原因。
编外话：也有很多我们的粉丝之前留言过，无人驾驶普及后，车都在路面上走了，就不需要停车场了吧。我们看看最近一期的《广州交通发展白皮书》里面的数据，广州市区的道路面积和汽车保有量的关系，平均一台汽车配有约30平方米的道路面积，也就是说所有车都在路面的话，路面就走不动了。
而他们又说，无人驾驶后都是公共交通啊？以后大家都不需要私人交通工具了。如果真的是这样，那些互联网大佬和基金大佬就不会布局这个行业了。
最后，可以大概率断定的是，人类社会的物理空间始终无法被机器取缔，越是技术的发展，汽车存放、充电越是高度依赖物理空间。上述所有观点，是我们在宣传珠江新城一个物理空间的时候，和第一批买家交流，给到我们的启发，分享给大家。
这个珠江新城CBD中区的稀缺物理空间，现在数量还剩下一半！对未来懂的人真不多，就差你了。