尽管面临的困难重重，但自动驾驶汽车还是在近几年得到了迅猛的发展。特别是随着2016年4月《维也纳公约》的正式到期失效，对于尚处在高速发展期自动驾驶技术而言，法律层面的最后屏障也得到了解决

如

果有朝一日未来历史学家决定撰写一本关于自动驾驶技术汽车的简史，那么2016年4月23日绝对是个值得大书特书的日期，因为就在这一天，长久以来一直束缚自动驾驶汽车的《维也纳公约》终于因为到期而正式失效。这个签署于1968年的公约曾明确规定：“任何汽车行驶时必须由双手时刻放在方向盘上的人类驾驶员驾驶。”因此，当前各大厂商推出的车道保持技术和自适应巡航系统都有一个相同的设计：一旦驾驶者的双手离开方向盘数秒，系统便会发出自动警报，如果驾驶者还不能做出相应动作，系统将自动关闭。

虽然目前距自动驾驶汽车的大量普及还有很长一段路要走，但可以肯定的是，当前技术发展的步伐早已超过了相关法律制定者的预期。而《维也纳公约》失效后，主动权又回到了各大汽车厂商所主导的技术研发者手中。值得高兴的是，短短几年的发展后，人们对于自动驾驶技术的方向和目标变得更加准确，几乎所有厂商的工程师都对未来将遇到的挑战了如指掌，而且他们将一些看上去很难攻克的技术难题进行了细化，一切都在朝着积极乐观的方向有条不紊地进展着。

为了让自动驾驶汽车可以在任何环境下精准的识别道路，研究人员必须为其安装性能优异、适用范围广的传感器。以目前的技术而言，人们发现的最好方法是为汽车装上多种传感器，然后让他们同时工作，以此弥补各自的短板。举个简单的例子：高清摄像头可以轻松地分辨出路上物体的颜色和轮廓。但当夜晚来临时，大多数摄像头受感光元件的局限会变得异常迟钝，特别是面对对向来车强烈的灯光时，甚至不能判断出该车准确的时速。

相反雷达传感器能有效可靠的测量车辆和道路其他物体当前的时速，但这种传感器对于物体和车辆的轮廓，却显得无能为力。对此，激光传感器既能分辨物体轮廓，也能测出时速。同时具备了摄像头和雷达传感器的优点，但这种售价昂贵的传感器也不完美，面对雨雪的恶劣天气，它的性能也会显著下降。

目前看来，激光传感器还很难普及开来，主要原因就是其高昂的售价。要知道，每辆谷歌自动驾驶汽车上安装的激光传感器能每秒截取130万次图象并转换成清晰准确的三维环境画面，但每个造价高达6万欧元。不过，在BMW自动驾驶技术研发部门负责人克里斯多夫·格罗特看来，这种传感器纯属华而不实。“普遍售价在100欧元左右的小型激光传感器就具备同样的性能。”他在谈及传感器技术时，无不肯定的说到。

而在特斯拉最新发布的8.0版本的Autopilot自动驾驶技术中，透过软件的升级，特斯拉将负责探测路况的传感器从车前的摄像头更改为雷达系统，而在之前的控制策略中，这一部件被当作摄像头的辅助传感器，通过这一改变，Autopilot在紧急制动响应、自动并线等功能都有了显著的提升。

另外，大批量生产也是有效降低传感器价格的途径之一。以博世为例，他们用了整整13年生产出了100万个传感器，而突破200万个却只花了一年时间。估计过不了多久，这家重要的零部件供应商的传感器月产量就能突破100万个。

此外，对于现有技术，研发人员也不断地进行着升级和改造，比如采埃孚的子公司TRW不久前就推出了一种拍照模块，配合三种焦距的透镜，这个系统除了可以像普通的摄像头一样记录道路上的标志标线，还能通过一个长焦镜头探测300米以外的物体，而另一个超广角镜头则用于观察行人和旁边车道的动态。更加令人惊奇的是，为了应对复杂多变的路况，这三种透镜可同时工作。据悉，这项新技术将于2018年正式投放市场。

除了精密的传感器，一辆运用了自动驾驶技术的汽车还必须以更加精确的卫星定位系统作为坚实的后盾，这远远超过了当前技术下卫星定位系统所能达到的精度。目前欧洲在建的伽利略定位系统误差在1米左右，但自动驾驶技术的最大允许误差仅为20厘米。

得益于传感器技术的发展，自动驾驶技术所要求的精确定位不必只依靠卫星定位系统，车上的摄像机和雷达可以分辨出道路护栏、建筑物，但这同样需要依托一个高度准确的电子地图。但目前可以提供精确地图的运行商只有3家：TOMTOM、诺基亚Here和谷歌，这三家公司在建立地图数据库方面呈现出了分庭抗礼的局面。就在前不久，BMW和其他两家德国汽车制造商总共花费了28亿欧元购买Here公司的地图数据。

此外，目前已经纳入高精度地图的城市和街道也颇为有限，所以一个艰巨的任务摆在了地图商面前：“重新丈量世界”。不过，充满智慧的研究者们将这个看似不可能完成的任务进行了分割，让地图的更新变得清晰又有条理。当前，大陆集团就正在和Here公司展开合作，开发一种分为四层的高精度地图：首层是基本信息，包括了经纬度和每个点的地理坐标，此外，地形、公路走向和道路标线等信息也包括在内。

第二层主要由各种交通标识组成，其中包括了固定和更换的路标，未来，这些交通标识牌上还将拥有汽车传感器可以辨识到的路面信息。地图的第三层是路面上固定的物体，甚至连发生事故时可用的紧急停车带也要包含在内。

第四层主要是实时更新的路况和当前的天气情况，而且这些信息需要和当前车辆行驶状态实时互动。例如下雨时，地图就需要将路面附着力降低这一信息传递给无人驾驶系统。不过要实现这种高精度地图的普及，除了需要导航供应商大量的勘探和测量，很多基础设施也必须重建，比如很多欧洲乡村道路的交通信号灯，就根本安装随流量控制时间的装置。

如果自动驾驶汽车可以在道路上大量普及，那么只要将这些车联网，他们就可以将限速标志、天气（雨刮器传感器）和路面附着力（车身稳定系统数据）等实时路况上传给后台服务器。大陆集团目前就正在建立一个可以应付大量数据的后台。这个项目的负责人于尔根·施威格尔介绍到：“未来的高精度地图不仅会分层，为了使大量数据得到梳理，开发人员把地图分割成马赛克瓷砖一样小块，每块“瓷砖”的面积是2.5x2.5公里，即便如此，每个地图单元的全部数据量也多达几十万字节。”

然而，导航地图、传感器等上述技术的发展仍不足以自动驾驶汽车得到普及，因为这些系统只能探测到车辆行驶的当前情况，旁边的车会不会突然并线、路旁的行人是否想穿过马路，对于这些瞬息万变的路况，这些技术显得手足无措。而且，如果要实现自动驾驶，这还要求系统具有一定的预判能力，以保证绝对的行驶安全。在这个领域，谷歌和特斯拉走在了其他厂商的前面。

来自博世公司的奥利弗·平克认为这个难题也可以通过将复杂的信息分为模块妥善处理，以车辆的并线为例：一旦系统决定并线时，临近车道上汽车的速度、大小和行驶方向被回传到系统中，电脑由此判定接下来车辆的动作。“我们把所有可能性简化成计算机语言中最常见的0和1，1表示不能并线，0则表示安全。”

除了安全，自动驾驶汽车的舒适性也是研究者们必须仔细考量的重要因素。像培养出一名经验丰富、可以平稳驾驶的人类一样，自动驾驶系统也需要不断地学习和调整，这就需要大量实际道路的数据收集。比如在山路遇到对向来车时，系统必须自动预留出安全距离；而如果旁边的汽车开始蛇行行驶，这表示驾驶员正在走神或打瞌睡，系统应该实时予以避让。

还有一些更加复杂的路况也是自动驾驶汽车所必须面对的，比如城市中的拥堵。对此，最初设定的“制动-刹停-再启动”的控制策略不但会影响通行效率，还会让车内的乘客备感不适，此时电脑必须像一位人类驾驶员一样，眼观六路并小心的跟紧前车，这对于目前技术构架下的自动驾驶系统来说，显然还很难。

此外，城市中众多的行人也是一大难题，传感器需要及时辨认出每个行人并判断行驶轨迹。而对于摩托车骑士来说，在他们的头盔上安装发射信号芯片或许是最好的解决方案，这可以使车辆在较远处就能预知他们的存在，BMW和其他德国汽车制造目前就正在参与这种芯片的开发。但要求每个骑士和行人都携带芯片上街，显然是不现实的。

介于目前智能手机的普及率，大陆集团提出了一个新方案：只要将手机的wifi模块稍加改良，其方位信息就可以发送到附近行驶的汽车中，但这要求汽车必须配备car-to-x系统。这项新技术通过无线网络链接与周围的设备进行信息交互，但这显然还需要时间普及。在可见的未来，汽车制造商们寄希望于每辆车可以与后台服务器实时联系，如果5G移动网络得到普及，这些设备间的互联速度将达到毫秒级。

另一个让电脑及时准确预见行人轨迹的办法是分析现实中行人与汽车事故的视频，博世公司从2011年开始就与韩国KOTMA汽车租赁联合会展开合作，这个机构提供了大量行车记录仪拍摄的汽车和行人的交通事故。

在对6800起行人和汽车的事故录像进行研究后，工程师们得到了一个令人欣喜的结果：在事故发生前的最后一秒如果能正确判断行人的头部和腿部姿势，可以避免60%可能发生的事故，由于城市中车辆行驶的速度普遍较慢，所以只要让系统在一定时间内做出动作就能避免事故。

如果一场事故已经不可避免，又该怎么办呢？是让汽车撞向行人还是对面来车，这个讨论目前最大的争议来自于伦理层面，而非技术层面。对此，博世公司的技术专家奥利弗·平克强调说：“一辆汽车为了避免碰撞行人而故意冲进对面车道是不能想象的，系统面对这种情形可能会全力制动，或者进行紧急避让——不过并不是撞向对向来车，而是驶向路旁没有建筑物也绝对安全的地带，这些都会在高精度地图上给予标示。最终，任何程序上的设定都必须符合人类主流价值观，也必须由各国司法机构准许。”