车祸猛如虎，这句话在这些数据上体现的淋漓尽致。而要想提高驾驶安全，眼下有两个大方向，一个是加强交通管制，用高压政策强迫司机安全驾驶;另一个便是让汽车摆脱人的操作，这也是全球车企和科技公司目前正在做的事情。
让汽车摆脱人的操作用专业术语来说就是自动驾驶或无人驾驶。作为一种通过电脑系统实现无人驾驶的智能汽车，自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑在没有任何人类主动的操作下，自动安全地操作机动车辆。
自动驾驶的关键技术依次可以分为环境感知，行为决策，路径规划和运动控制四大部分。
感知技术
作为第一步的环境感知，就是环境信息和车内信息的采集与处理，是智能车辆自主行驶的基础和前提。获取周围环境信息，涉及到道路边界检测、车辆检测、行人检测等技术，即传感器技术，所用到的传感器一般有激光测距仪、视频摄像头、车载雷达、速度和加速度传感器等等。当然，这部分也是一台智能车辆最烧钱的部分。
但是感知技术并不是加装个上百万的雷达，搞几个高清摄像头就可以的，由于传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的精确感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键技术所在，目前国内这方面和国外的主要差距也集中在多传感器融合方面。
决策技术
完成了感知部分，接下来需要做的便是依据感知系统获取的信息来进行决策判断，确定适当工作模型，制定相应控制策略。这部分的功能类似于给车辆下达相应的任务。例如在车道保持、车道偏离预警、车距保持，障碍物警告等系统中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。
路径规划
智能车辆有了行驶任务，智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中位置的基础上，按照一定的搜索算法，找出一条可通行的路径，进而实现智能车辆的自主导航。
路径规划的方法根据智能车辆工作环境信息的完整程度，可分为两大类：
基于完整环境信息的全局路径规划方法;例如，从上海到北京有很多条路，规划处一条作为行驶路线即为全局规划。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态路径规划算法。
基于传感器实时获取环境信息的局部路径规划方法;例如，在全局规划好的上海到北京的那条路线上会有其他车辆或者障碍物，想要避过这些障碍物或者车辆，需要转向调整车道，这就是局部路径规划。局部路径规划的方法包括：人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。
运动控制
规划好了行驶路径，接下来就需要控制车辆沿着期望的轨迹行驶，这就是运动控制部分需要完成的内容。
运动控制包括横向控制和纵向控制，简单来说横向控制就是转向控制，纵向控制就是速度控制， 现在研究比较多的是横向控制，所运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和纯跟踪控制等。
通俗的讲就是，横向控制给定一个速度，通过控制转向达到车辆沿着预定轨迹行驶的目的;而纵向控制目的是为了满足车辆行驶过程中的速度要求，有时候还需要配合横向控制达到满足车辆在轨迹跟踪的同时，还需要满足安全性、稳定性和舒适性的目的。因为车辆是一个特别复杂的系统，横向、纵向和垂向都有耦合关系的存在，因此就需要对智能车辆进行横、纵向，甚至横、纵、垂向的协同控制。由于其耦合关系的复杂性，所以说智能车辆运动控制的协同控制技术，也是该部分的技术难点。
如果车企和科技公司能够让这四项技术完美的结合工作，那么汽车就可以自己行驶，交通将迎来自动驾驶时代。
