2019年的自动驾驶发展会是怎样的

自动驾驶汽车正迅速地发展，未来将使用域控制器、人工智能等相关技术，实现准确且明智的决策判断，以朝向全自动化驾驶发展;另外，在自动驾驶汽车产业价值链中，厂商将交叉合作开发，以降低开发成本、增进技术的扩展性;此外，借助新兴商业模式的出现，可为自动驾驶汽车产业带来更多的市场商机。以下将自动驾驶汽车之发展趋势分为服务市场与自动驾驶汽车技术两大类进行说明。

（一）运输服务

自动运输服务的商业模式将兴起，例如：叫车服务、车辆共享服务;此外，另一种新兴模式则是结合自动运输服务与传统公共运输服务的商业模式，例如：接驳服务（Shuttles）、随选服务（On-demand services）、需求反应式运输服务（Demand-Responsive Transit， DRT）。

（二）周边服务

各产业与车辆、车队合作使用数据数据，提供加值服务，将带来新商机。该服务包含GPS车辆追踪、车队管理与运营、交通流量管理、道路与停车的自动收费、车辆使用的监控与防盗、车载系统的广告与讯息服务。

（三）物流服务

物流业者、零售商与自动驾驶汽车业者合作，使物流产业生态系统的价值优化。在乡村地区，可提高货物的安全性、生产效率，以及降低成本营运;在都市地区，提供透明化的运输平台，货物具有可追溯性，以及可对运输车辆进行路线导引，并以无人载具进行最后一里运送（Last Mile Delivery）。

（四）车辆服务

在安全的条件下，借助车辆平台、软件、硬件、服务器之间的连接与合作，提供订制化的操作接口与需求服务。

（一）未来自动驾驶车辆平台

在系统或电源故障时，提供安全性。该车辆平台包含专为油电混合动力系统、纯电动动力系统设计之动力总成;采用域控制器与集中式计算方式之计算控制系统;具有冗余与备份系统的系统控制驱动器。

（二）未来融合传感器技术

透过传感器数据的实时整合，实现高效率、高准确性、高可靠性的数据数据处理，再将处理过的数据数据传送回中央微控制器（Microcontroller Unit， MCU），以利进行决策判断。

（三）数据数据的储存与计算技术

车辆与用户间的连接性、数据的数据量、数据传输的延迟性，皆为影响该技术的关键因素。借助边缘计算与云端计算，可安全快速地存取与处理数据数据，以供决策。

（四）测试验证技术

借助人工智能（Artificial Intelligence， AI）与机械学习（Machine Learning， ML）来训练自驾系统，进行道路驾驶、事件数据的纪收集与分析、试验场景的评估策划与模拟试验，使该技术的测试与验证过程，达到时间与成本的优化。