自動駕駛屬于什么行業領域（自動駕駛涉及的專業）
今天給各位分享自動駕駛屬于什么行業領域的知識，其中也會對自動駕駛涉及的專業進行解釋，如果能碰巧解決你現在面臨的問題，別忘了關注本站，現在開始吧！
本文目錄一覽：
LK分享｜自動駕駛的先啟之地-物流運輸行業
很多時候我們講自動駕駛，大家都緊緊盯住的是乘用車行業，但其實乘用車行業確是自動駕駛商業落地和成本最高的地方，第一，最復雜多變的應用場景，人，車，城市道路的復雜。第二，復雜多變的客戶需求，不希望被車駕駛而是駕駛車輛，需要考慮更多舒適，能耗，安全之間的關系。所以其實這是自動駕駛最難的一塊場景-開放式場景自動駕駛場景，場地情況路線復雜不變，突發情況和異常物體非常常見。而封閉式的場景其實在工業和物流領域確又相當的成熟，成熟到沒有人叫他自動駕駛而叫機器人。
于是目前有一塊資本技術以及人才都火熱的場景-半封閉式場景自動駕駛場景，場地情況路線相對單一通常為交通工具，無動物或者人類，無突發情況和異常物體場景非常少，移動駕駛物體有一定規律。他在實際中的場景就是高速道路點對點物流倉儲。對于物流倉儲他的目的非常明確準時從A送達B。
今天我們通過相關資料了解，為什么是卡車物流自動駕駛會先商業落地，當前國內外有幾大自動駕駛玩家團隊以及背后資本和自動駕駛技術以及商業落地方案。
1、 為什么是卡車物流自動駕駛
市場巨大-全球4萬億美元的卡車物流，高于電子商務，甚至快超 汽車 制造業總值2倍。中美均為8000億美元。
根據圖森的數據，全球卡車貨運市場是4萬億美元的總量，美國市場貨運是8000億，而大家都蜂擁而上的電子商務3.5萬億，其中做的好的亞馬遜年收入是3480億美元，目前各家IT 企業都競相進入的 汽車 行業是2.8萬億，其中特斯拉新勢力年收入是280億美元。
從智加 科技 Plus的數據也可看出，中美市場的貨運總值差不多和圖森的數據是一致大概8000億美元。中美的差異是中國高速貨運的總值小于美國 18個百分點。當然這也反應了當前的現狀，國內貨運最后一公里的場景比北美多。
所以這個市場是巨大的，特別是在中美幅員遼闊，經濟活躍的國家。
客戶接受度高-降低運營成本38%，降低燃油費用，減少人力成本還更加安全減少90%安全風險。
物流運輸行業屬于B2B的生意，對于B2B的生意，其實客戶重視的重點是成本。成本包括了一次性投資成本和運營成本。顯然一次性投資成本會要增加，但是運營成本會減少。
根據圖森美國分析，在美國卡車物流的運營成本主要的兩大塊是司機成本占將近39%，燃油以及保養成本占53%。
顯然中國的成本還會包含高速過橋過路費，另外中國人力成本應該是偏少的，之前看過相關新聞美國卡車司機的工資年薪8.5-12萬美金，合人人民幣50萬左右。當然數據僅供參考但也凸顯卡車司機費用。但其實目前國內卡車司機費用不低但真的辛苦。
根據智加Plus 的數據，通過采用自動駕駛的卡車物流可以節省燃油10-20%而且這個數據是經過和順豐物流以及美國一家公司的驗證。
所以智加最后通過總體數據算出物流卡車的自動駕駛能給行業帶來38%的運營成本的降低。
技術成熟度-自動駕駛場景相對簡單，對于技術方案，熟悉我們之前專題文章（#自動駕駛）自動駕駛算法以及產業方案都相對成熟。目前更多的是對于場景復雜度的訓練學習。但對于物流運輸行業的場景就相對簡單，卡車物流運輸是從倉儲到倉儲一般采用高速運輸再到工業園區的倉儲。特別是高速，典型的半封閉的交通環境，沒有行人，動物以及復雜轉彎場景。
2、 當前幾大自動駕駛玩家
目前，資本市場比較追捧，產品已經上市或者已經測試推廣中的有以下公司：
當前卡車物流自動駕駛玩家主要集中在美國市場和中國。美國相對更多，主要原因是美國物流交通基礎設施更發達和簡單有規律，而且美國人工成本相對于中國市場更高。但在我們開頭的文章也講到，主要是兩家市場足夠大。
中國創始者以及資本在卡車物流駕駛相當活躍，其中在美國市場的圖森和智加 科技 創始人都為中國人或者華人其背后的資本也可以看到中國資本，另外國內市場的贏徹就不用說了。
圖森Tusimple主要或者初始資金來自于SUN dream，新浪，復合資本composite。
智加 科技 Plus的主要或者初始資金來自于滿幫，國泰君安，金沙創投，HS Investments。
贏徹的主要或者初始資金來自于普洛斯、G7、蔚來資本。
美國的EMBARK,Aurora兩家都有來自于紅衫資本（紅衫資本為國際資本，中國紅衫資本為沈南鵬和紅衫資本合作）的投資。
3、 卡車物流自動駕駛技術概覽
技術方案-激光雷達，攝像頭，高精地圖一個也不少
自動駕駛技術方案在我們之前文章自動駕駛的三種解決方案提過，三種主要方案，基于視覺主導，基于激光雷達主導，基于車聯網主導。目前卡車自動駕駛行業更多的是采用視覺和激光雷達融合方案。所以對于傳感器都會采用激光雷達，攝像頭以及毫米波雷達，配合高精地圖或者視覺地圖一個也不少的方案。
通過視覺AI方案進行物體的識別，通過雷達方案在地圖中進行邊界的確定。
對于卡車自動駕駛目前毫無懸念沒有說不采用激光雷達方案的，主要原因有卡車重量大，剎車距離長應用場景主要是高速封閉道路那么必須要有能夠長達公里級別的預測，而對于視覺當前很難。而當前乘用車對于激光雷達的采用主要是成本問題，但對于卡車而言本來卡車的價格就相當高，動輒百萬人民幣，所以即使是當前的激光雷達價格也能接受何況將來的成本下降。
所以當前卡車物流自動駕駛底層技術邏輯是一致的，激光雷達，視覺攝像頭，毫米波雷達，高精地圖一個也不少，采用視覺AI進行物體識別，激光雷達進行地圖定位。采用算法芯片進行感知融合，計劃對整車釋放控制信號。
其中技術的差異化會體現在激光雷達等感知傳感器的選型，算法的差異。來面對復雜的天氣情況確保高度的穩健性。例如Aurora宣稱其優勢可以使用Uber創建的大數據地圖，其fistlight激光雷達不畏懼陽光更快更遠的距離。其實技術差異性較小。
其自動駕駛配置以及落地路線圖，遵循和乘用車自動駕駛一致，先從輔助駕駛的車道保持，類似于NAP的超車，匯入車道，跟停，再到夜間駕駛，到不同天氣工況最后到全域自動駕駛。
根據現有資料，當前五家自動駕駛卡車雄心壯志是在2025年前把卡車物流自動駕駛L4落地。
4、 卡車自動駕駛商業模式
但是目前卡車物流自動駕駛商業模式有一定的差異化，
以中國創始人以及資本代表的-車輛改裝定制方案，通過和頭部主機廠合作進行深度定制和改裝。用戶購買自動駕駛車隊，或者第三方車隊購買自動駕駛卡車整車，提供服務給終端用戶，其中圖森的商業模式也承擔第三方車隊角色。
以美資創始人以及資本代表的-通用安裝接口方案，通過定義通用的傳感器以及系統加裝在原有 汽車 上。Aurora投資自動駕駛相關設施費用安裝到第三方車隊上，第三方車隊自有車輛，終端用戶按公里繳費。
5、 總結
對于卡車物流自動駕駛從客戶接受度，技術成熟度都是當前自動駕駛商業落地比較好的落腳點，當然乘用車自動駕駛NAP就是一個先列，也就是基于點到點通過高架或者高速。但是他的客戶接受度比不上卡車物流行業，客戶當前更多是把他當成玩的方式，但卡車物流是真正從成本和管理上給用戶帶來利潤。所以目前幾家都宣稱在2025年前實現L4的高速物流自動駕駛。
由于自動駕駛的底層原理一樣，視覺AI，AI處理器 等物理零部件支持下的傳感器數據處理，行動規劃，再到執行。顯然卡車物流的自動駕駛會促進乘用車自動駕駛的發展，從產業供應鏈雷達等成本，到技術方案的優化和大數據的分析，例如Aurora不但發展卡車物理自動駕駛同時也進入乘用車自動駕駛，所以未來不乏這些公司會進入乘用車自動駕駛方案。
主要參考文章
1、圖森tusimple投資者報告1和2
2、圖森tusimple招股說明書
3、智加 科技 Plus投資者報告
4、EMBARK投資者報告
5、Aurora投資者報告
轉載自網絡，文中觀點僅供分享交流，不代表本號立場，如涉及版權等問題，請您告知，我們將及時處理。
自動駕駛是屬于人工智能嗎
對，當然屬于人工智能，而且還屬于高級人工智能領域。自動駕駛汽車（Autonomousvehicles；Self-drivingautomobile）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。
首先得明確，自動駕駛是效果，人工智能是技術和手段。目前來看，要實現自動駕駛這個功能，走人工智能這條路是對的。
自動駕駛并不是一個獨立的技術，而是很多技術的合成。這其中包括了全息道路系統，路況分析系統，物體識別和移動趨勢判斷系統等很多技術。
在這些子系統逐步完善后，要嘗試分析這些系統提供的信息，進行計算，做出駕駛決策，這是整個自動駕駛技術的核心，而這個環節就需要人工智能登場了。
初期是要通過模擬人類的思考方式來做出決策，而伴隨5G技術的普及和車聯網覆蓋面的逐步提升，越來越多車輛的自動駕駛信息和司機駕駛信息將以格式化的數據入湖，通過比對自動駕駛信息和司機駕駛信息在決策結果上的不一致，自動調整算法，使得自動駕駛系統所作出的決策越來越符合一個真實司機所作出選擇。
目前來看，這是實現自動駕駛的合理技術方案，如果擯棄了這個思路，自動駕駛可能很難實際投入使用。
（圖/文/攝： 問答叫獸） 問界M5 傳祺GS8 AION V 瑪奇朵DHT PHEV 拿鐵DHT 高合HiPhi X @2019
自動駕駛即將來臨，最先應用在哪些行業？
目前的自動駕駛技術在一些場景中已經有了一些應用。例如，在我們看到的新聞中，某公園用無人車接送等，事實上，這種自動駕駛車是可以投入這種公園的應用，因為它有規定的行駛路線，在行駛過程中有規定的環境，有規定的停車時間。另外，在高速公路上自動駕駛，如果前面有車，瞄準的方式也可以實現與前面車的固定距離。這種高速公路模式的自動駕駛也是比較成熟的技術。很多車輛在高速條件下平穩巡航，其實是類似的事情。
從上面可以看到，自動駕駛技術的情況下，場景相對固定，有參考對象，有準確的地圖，突發情況少，自動駕駛技術已經得到了比較好的應用。甚至在目前的輔助駕駛系統中，也有視覺上看到紅燈和車道線，幫助他們剎車，幫助他們不要闖紅燈的技術等。(阿爾伯特愛因斯坦，北上廣深)。
想要自動駕駛技術普及的困難主要在于在任何場景下的適應性。例如，在比較混亂的道路上沒有準確的地圖，信號燈已經壞了，下一條車道也不明顯。對自動駕駛系統的輸入特別少，不知道該怎么行動。這種場面不多，但車輛行為出現一些差池，就是車毀壞人的情況。所以自動駕駛技術首先在比較固定的場景和簡單的應用程序中落地。全方位代替人的自動駕駛技術可能需要很長時間，更多的是輔助駕駛技術的落地，成為人們的新輔助。
在日劇城市化的世界，自動駕駛技術能提高交通流暢度、降低事故發生概率、提升生活品質。汽車作為傳統交通模式中的一員，是我們未能充分利用的資產，一般人每天只開1-2小時，而未來交通模式由按需出行的電動自動駕駛車輛組成，汽車作為服務工具應用于我們想要它出現的任何地方，升級換代自動汽車有助于加速模式轉變，不久的將來，我們會親眼目睹如此有效的模式誕生，從“擁有硬件”向“享受由硬件所產生的效用”所轉化。
自動駕駛屬于什么行業領域的介紹就聊到這里吧，感謝你花時間閱讀本站內容，更多關于自動駕駛涉及的專業、自動駕駛屬于什么行業領域的信息別忘了在本站進行查找喔。
