世界衛生組織在2017年5月份提供的數據顯示，全球每年因道路交通事故死亡的人數約125萬，相當于每天在全球范圍內有3500人將會因交通事故喪生。媒體記者從全國安全生產工作會議獲悉，我國在2016年共發生交通事故6萬起，死亡人數達到了4.1萬。

車禍猛如虎，這句話在這些數據上體現的淋漓盡致。而要想提高駕駛安全，眼下有兩個大方向，一個是加強交通管制，用高壓政策強迫司機安全駕駛;另一個便是讓汽車擺脫人的操作，這也是全球車企和科技公司目前正在做的事情。

讓汽車擺脫人的操作用專業術語來說就是自動駕駛或無人駕駛。作為一種通過電腦系統實現無人駕駛的智能汽車，自動駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦在沒有任何人類主動的操作下，自動安全地操作機動車輛。

自動駕駛的關鍵技術依次可以分為環境感知，行為決策，路徑規劃和運動控制四大部分。

感知技術

作為第一步的環境感知，就是環境信息和車內信息的采集與處理，是智能車輛自主行駛的基礎和前提。獲取周圍環境信息，涉及到道路邊界檢測、車輛檢測、行人檢測等技術，即傳感器技術，所用到的傳感器一般有激光測距儀、視頻攝像頭、車載雷達、速度和加速度傳感器等等。當然，這部分也是一臺智能車輛最燒錢的部分。

但是感知技術并不是加裝個上百萬的雷達，搞幾個高清攝像頭就可以的，由于傳感器在設計的時候有各自的局限性，單個傳感器滿足不了各種工況下的精確感知，想要車輛在各種環境下平穩運行，就需要運用到多傳感器融合技術，該技術也是環境感知這一大類技術的關鍵技術所在，目前國內這方面和國外的主要差距也集中在多傳感器融合方面。

決策技術

完成了感知部分，接下來需要做的便是依據感知系統獲取的信息來進行決策判斷，確定適當工作模型，制定相應控制策略。這部分的功能類似于給車輛下達相應的任務。例如在車道保持、車道偏離預警、車距保持，障礙物警告等系統中，需要預測本車與其他車輛、車道、行人等在未來一段時間內的狀態，先進的決策理論包括模糊推理、強化學習、神經網絡和貝葉斯網絡技術等。

路徑規劃

智能車輛有了行駛任務，智能車輛的路徑規劃就是在進行環境信息感知并確定車輛在環境中位置的基礎上，按照一定的搜索算法，找出一條可通行的路徑，進而實現智能車輛的自主導航。

路徑規劃的方法根據智能車輛工作環境信息的完整程度，可分為兩大類：

基于完整環境信息的全局路徑規劃方法;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、神經網絡法等靜態路徑規劃算法。

基于傳感器實時獲取環境信息的局部路徑規劃方法;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、遺傳算法等動態路徑規劃算法等。

運動控制

規劃好了行駛路徑，接下來就需要控制車輛沿著期望的軌跡行駛，這就是運動控制部分需要完成的內容。

運動控制包括橫向控制和縱向控制，簡單來說橫向控制就是轉向控制，縱向控制就是速度控制， 現在研究比較多的是橫向控制，所運用的方法主要包括滑膜控制、模糊控制、神經網絡控制、最優控制、自適應控制和純跟蹤控制等。

通俗的講就是，橫向控制給定一個速度，通過控制轉向達到車輛沿著預定軌跡行駛的目的;而縱向控制目的是為了滿足車輛行駛過程中的速度要求，有時候還需要配合橫向控制達到滿足車輛在軌跡跟蹤的同時，還需要滿足安全性、穩定性和舒適性的目的。因為車輛是一個特別復雜的系統，橫向、縱向和垂向都有耦合關系的存在，因此就需要對智能車輛進行橫、縱向，甚至橫、縱、垂向的協同控制。由于其耦合關系的復雜性，所以說智能車輛運動控制的協同控制技術，也是該部分的技術難點。

如果車企和科技公司能夠讓這四項技術完美的結合工作，那么汽車就可以自己行駛，交通將迎來自動駕駛時代。