滴滴或年底推出无人驾驶出租车，可行性如何？
技术成熟度：这是第一道坎，也是最大的一道坎。
滴滴作为平台，它自己不直接造车，它更像是撮合者。所以，它要推出的无人驾驶出租车，很大概率是跟车企或者专门的自动驾驶技术公司合作。
L4/L5级自动驾驶： 我们一般说的“无人驾驶”，在行业里对应的是L4或L5级别。L4意思是车辆在限定场景下（比如城市特定区域、高速公路）可以实现完全自动驾驶，不需要人类介入。L5则是更高阶，可以在任何条件下都自动驾驶。
目前行业水平： 现在市面上能看到的无人驾驶测试，很多是L4级别，而且通常是在特定区域、天气好的情况下进行。真要在城市里，遇到突发情况——比如行人突然冲出来、不按规矩变道的电动车、施工路段、恶劣天气（大雨、大雾、冰雪）——这些对现有的算法和传感器来说，都是巨大的挑战。
“年底推出”意味着什么？ 如果滴滴真的能在年底推出，那说明它们合作的这批车辆，在技术上已经相当过关了，至少在他们选定的测试区域内，能够相对安全地运行。但这并不代表它能应对所有复杂情况，也可能初期只是一个“有安全员在”的半封闭测试，或者只在少数友好环境下运行。
法规和政策：这条路，没人敢拍着胸脯说一路畅通。
无人驾驶是个新生事物，相关法律法规的完善程度，很大程度上决定了它能走多远。
中国目前的情况： 中国在无人驾驶测试方面是比较积极的，很多城市都划定了测试区域，发放了测试牌照。但“载人营运”，也就是真正让乘客付费乘坐无人驾驶出租车，这个环节的审批流程和标准，目前还在探索和完善中。
责任认定： 万一发生事故，责任怎么算？是乘客的责任？车辆制造商的责任？自动驾驶系统的责任？还是滴滴平台的责任？这些都需要明确的法律界定。如果年底能推出，说明滴滴可能已经和相关部门达成了某种程度的默契，或者是在一个非常受控的、能明确责任的试点区域内进行。
安全员的问题： 即使是L4级别，初期也很可能需要配备安全员。这个“年底推出”到底是不是完全无人，还是“有安全员监控，但车辆能自己开”？这点很重要。完全取消安全员，法规上的障碍会更大。
商业模式和成本：这笔账，怎么算都得划算。
技术和法规解决了，钱的问题也得考虑。
高昂的硬件成本： 目前，配备高精度激光雷达、摄像头、毫米波雷达等一系列传感器的自动驾驶汽车，成本非常高。这直接导致了车辆本身的采购成本很高。
维护和运营成本： 自动驾驶车辆的系统需要定期校准、更新，并且需要专门的技术团队来维护。这又是一笔不小的开销。
收费标准： 如果初期车辆成本高，滴滴会如何定价？是比现在的人工驾驶贵很多，还是为了推广初期价格会比较亲民？如果价格过高，消费者接受度可能不高。如果价格太低，滴滴自己的盈利压力就很大。
市场接受度： 乘客是否愿意坐没有司机的车？尤其是第一次乘坐的乘客，心理上的不安全感是存在的。滴滴需要投入大量的市场教育和推广工作。
滴滴自身的考量：为什么是“年底”？
滴滴选择这个时间点推出，背后肯定有它的战略布局。
竞争压力： 百度Apollo、华为、小马智行等都在自动驾驶领域投入巨大，滴滴作为出行巨头，不能落后。
技术优势： 滴滴拥有海量的出行数据，这是训练和优化自动驾驶算法的宝贵资源。他们可能已经找到了突破口。
盈利模式探索： 随着网约车司机成本的上升和平台利润空间的压缩，无人驾驶被视为未来降低成本、提升效率、实现盈利增长的重要途径。
政策窗口期： 可能滴滴认为，年底是政策或技术成熟度的一个“窗口期”，适合尝试。
可行性评估：
综合来看，“滴滴年底推出无人驾驶出租车” 是有一定可行性的，但实现的形式和规模，以及“顺利”程度，还需要打一个大大的问号。
可能性大的形式：
限定区域试运营： 最有可能的是，会在某个或几个技术相对成熟、法规允许的城市/区域，以试点、小规模的形式推出。例如，在某个科技园区、大学城，或者特定路线。
配备安全员： 为了应对突发情况和满足法规要求，初期很可能还是会配备一名安全员，他们可以随时接管车辆。
特定车型/合作模式： 滴滴可能会选择已经经过大量测试、并且在自动驾驶领域有一定积累的车企或技术公司进行合作，使用他们成熟的自动驾驶解决方案。
挑战依然巨大：
大规模普及： 要做到像现在这样，覆盖全国、全天候、全场景的无人驾驶出租车服务，那至少还需要数年甚至更长时间的积累。
公众信任： 建立公众对无人驾驶出租车的信任，需要时间和成功的案例。
技术瓶颈： 复杂路况、极端天气下的安全性和可靠性，仍然是需要持续攻克的难关。
总而言之，滴滴年底推出无人驾驶出租车，更像是在为未来大规模商业化铺路，进行一次重要的技术和市场验证。 这绝对是一个值得关注的里程碑事件，但我们也不能过于乐观地认为它马上就能改变所有人的出行方式。这是一个循序渐进的过程，技术、法规、市场，三者缺一不可。
网友意见
短期内只是噱头而已，商业化还很远。
一来市政管理系统不足以让无人车商业化运营，部分试点街道可以行驶无人车，但打车的人只在这个区域上下的可能性太小。
二来无人车的成本还降不下来，大规模使用还是要等城市超脑与高数据通信（个人看法是要等到6G才行，5G依然有间断和延迟，这是城市交通决不能出现的）建立起来后才行。
不过现在很多港口和物流转运中心，无人车倒是很常见了，封闭环境下无人车的应用市场已经成熟。
我始终觉得，无人驾驶这个应该让货车先实现，一来无人驾驶自己不会违章什么超载超速超限疲劳驾驶通通不存在，二来大部分人也不敢怼大车什么加塞堵车大部分也没有，只要标识清晰，搞起来更几乎完美啊。还减少了交通隐患，也就不会有货车压翻高架这种事了
如果再加上特斯拉那种电动货车就更好了
人在魔都，刚下班车，准备搬砖.....
15年大三进入课题组开始学习智能车，入门水平的菜鸡强答一波。
题目中提到的今年底用户可在上海特定区域（开放测试区？毕竟刚拿到测试牌照）打到滴滴无人驾驶出租车。预计自动驾驶车辆将达 30 辆，订单距离可超过 10 公里，应该还是有监督员监督的无人驾驶出租车，实际上就是demo。
个人浅薄之见：滴滴在年底推出无人驾驶出租车的demo车不难，但大规模使用和推广目前还不太现实。这不是针对滴滴，而是说目前的无人驾驶技术在不限场景的情况下都做不到大规模的商用。
高赞诸葛童鞋已经从滴滴公司的智驾团队情况、组织架构、测试拍照和行业情况分析了无人驾驶出租车的可行性。我从近几年智能驾驶技术学习和研究的亲身经历来浅谈智能驾驶落地在技术方面、伦理方面的问题。
1.智能驾驶汽车的发展情况
先偏一波题，还记得当年第一次摸到毫米波雷达、mobileye和激光雷达的激动，还记得当年团队亲手改装的demo车，完成第一次路跑的喜悦。如今，即使是初创的公司，招几个有开发经验的工程师开发一款能跑的demo车、测试车已经不难。就像某峡谷早期可能只有铂金以上才的瑞文才可以光速QA，而如今满峡谷都能遇到几个。
这几年，依赖传感器、高性能处理器和算法方面的进步，自动驾驶技术在深度上不断进步，低级的自动驾驶技术，也就是目前常说的高级辅助驾驶在广度上也一直在普及。人们对自动驾驶的接收程度越来越高，特别是在开放测试路段，自动驾驶汽车屡见不显。
但即使到今天，无人驾驶汽车实际应用的算法很多还是参考2000年甚至是90年代的论文，都是早期工业上应用很经典的算法，仅仅从算法创新的角度，可以说是“吃老本”。当然，这并不意味着无人驾驶汽车没有技术上的突破，只是想表明无人驾驶技术是技术，而不是基础科学，无人驾驶技术的发展将是一个“研发——测试——研发”长期发展过程。
谈及智能车技术，就不得不提自动驾驶技术的分级。这张图大家应该已经见过很多次，但是到智能驾驶确实绕不开。借用某教授对level 4级通俗的理解：L1我自己开、L2帮我开两下、L3我盯着你开、L4你开我不开。三级的自动驾驶就已可以算的上人们理解中的“自动驾驶”了，在绝大数情况下（也可以理解为适配过的场景下）自动驾驶系统可以实现可靠的自动驾驶，人工只需要在决策出现困难或者异常时才需要进行干预。这个等级的自动驾驶汽车上如果出现因自动驾驶系统出现事故是由汽车制造商（无人驾驶技术服务商）来负责。
那么目前国内外自动驾驶汽车发展到哪个阶段？
大家普遍认同Google的子公司Waymo是智能汽车发展的领头羊。在2018年底，Waymo在美国亚利桑那州凤凰城率先推出无人出租车服务Waymo one，这也是无人出租车在全球范围内首次实现商业化落地。2019年9月才开始测试无监督员的自动驾驶出租车。也就是说目前Waymo仍是处于4级自动驾驶的阶段。
而实验室阶段的测试车或者说各厂在各大智能驾驶大会上秀肌肉用的概念车可以达到Lv4的就多了。比如最近在2019世界智能网联大会上展出的BMW X7、上汽的marvel X等
Waymo自动驾驶出租车 https://www.zhihu.com/video/1172095635741413376而量产车型中目前处于level 3级的只有Audi A8L自动驾驶，但实际上这个level 3级还很稚嫩，仅仅适用于交通拥堵的低速情况，脱离拥堵后如果驾驶员不接管会自动减速靠边停车，还达不到我们想象中的自动驾驶。而较为出名的Tesla“autopilt”系统实际上只是接近Level3的level 2级别的驾驶辅助系统。其他各个整车厂搭载ACC（自适应巡航系统）、LKA（车道保持系统）、AEB（自动刹车辅助系统）都是在Level 2阶段的自动驾驶汽车。也就是说目前，市场上大家可以买到的自动驾驶汽车通常都是Level 2级的，都需要大家时刻关注行驶信息，随时准备接管驾驶权。下图为部分国内外汽车智能驾驶系统的方案。
2.智能汽车技术简述
智能汽车实际上就是设计和训练初一个虚拟的驾驶员来代替人类驾驶员，根据人类的认知、判断和执行，将智能汽车的结构进行功能划分，其大体结构可如图所示。
近几年随着高精度定位技术，图像识别技术，雷达测距、识别与跟着等技术的发展，智能汽车的环境感知能力得到了极大的提升。特别是人工智能技术的发展，机器视觉的应用在智能汽车上越来越广，能识别的目标个数和种类得到了的显著的增长，识别速度和识别准确率也不断提高。相应的生产成本也得到了显著的下降，特别是激光雷达和高精度的惯导系统，早几年这一套系统的成本就接近百万，而现在国产化以后十多万也可以组一套“低配版”。当然目前的量产车上目前还没有上这些设备，主要还是使用相机+毫米波雷达+超声波雷达。总的来说，近几年智能车的环境感知能力得到了极大提高，但是在应对无人驾驶中各复杂场景的要求，仍需进一步发展。
信息融合与决策系统则取决于芯片性能和算法，算法工程师应该深有体会，很多算法本身很好用，但是用到移动端以后由于性能吃紧需要对算法进行阉割和优化。控制算法一般都是基于经典的PID、模型预测、模糊算法等进行开发，在单个系统的控制性能上鲁棒性、稳定性较好。由于人工神经网络的“黑盒”特性，在控制系统上应用较少。Waymo在控制系统使用深度循环神经网络进行驾驶员的训练。目前遇到的问题驾驶风格的调整、路口通行或换道时犹豫、缺乏与人类驾驶员的互动、频繁制动、频繁被超车、加塞以及在复杂场景下的可靠性问题。这些问题的解决依赖测试的大数据，也依赖V2X通信。
至于底层的控制执行问题，基于线控技术的开发的线控底盘以及能够满足转向、挡位和驱动的控制，其相应速度和性能基本能够满足智能汽车的使用。在控制的精确度、响应速度、耐久性、鲁棒性还需要进一步发展。
智能汽车本身面临复杂环境感知、实时规划决策和线控底盘的技术，除此之外还有很多非车端的基础关键技术，如智能汽车的“三横三纵”图所示，V2X通信、云控系统、调度机制、高精度地图、可靠性及测试标准、实车车路协同测试等问题也十分关键。近几年，封闭和开放测试区在各地开花，相关的测试标准和法规都在起草和试行阶段，百度、四维图新、千寻都在高精度地图方面着力，为智能汽车做配套。
为什么近几年智能网联汽车的概念比智能汽车更火，其实从某种程度上来说就是智能汽车的发展遇到了瓶颈，在车端继续提升系统的可靠性、鲁棒性十分困难，而通过网联来完成车辆的调度和信息交互，从而是实现无人驾驶和智慧交通比单单从车端入手更有效。借着5G万物互联的东风，道路信息的结构化和数据化，打破车与人、车与路、车与车之见也会时空的隔膜实现信息互通，最终实现智慧出行。
3.伦理道德与立法问题
菲力帕·芙特提出了著名的电车问题，其大致内容：假设你看到一辆刹车坏了的有轨电车，即将撞上前方轨道上的五个人，而旁边的备用轨道上只有一个人，如果你什么都不做，五个人会被撞死。你手边有一个按钮，按下按钮，车会驶入备用轨道，只撞死一个人。你是否应该牺牲这一个人的生命而拯救另外五个人？
假设你在开车，由于你打了个盹，车即将要撞到前方的高级轿车，你是选择打方向盘避开还是直接撞上去？
如果旁边有个面包车，你是选择撞面包车避开前方的高级轿车，还是撞高级轿车避开面包车？
如果面包车是违规在紧急停车道违规行驶的，你如何选择？
如果高级轿车里面有孕妇，你如何选择？
如果高级轿车换成幼儿园校车，你如何选择？
我们知道，即使是无人驾驶汽车，在某些极端情况下也有可能会发生事故（刹车失灵或者其他极端情况），在面临不得不撞的时候，这个时候算法如何设计才可以避免道德伦理问题。
特别是汽车无人驾驶系统事故的责任归属是整车厂，有可能是由保险公司来赔付，会不会要求损失最小来进行逻辑上的选择。
当然，虽然在智能驾驶落地之前还有许许多多技术和伦理道德上的问题，Lv4级的自动驾驶还在小规模测试阶段，但依旧相信智能驾驶会一步步改变我们的生活，提高我们的出行体验，最终达成“零事故”的目标。
类似的话题
-
滴滴年底推出无人驾驶出租车，这事儿，听着是真让人激动，也让人琢磨。毕竟，谁不想体验一把“司机会消失”的出行呢？但具体能不能成，以及能不能顺利铺开，这水可深着呢。技术成熟度：这是第一道坎，也是最大的一道坎。滴滴作为平台，它自己不直接造车，它更像是撮合者。所以，它要推出的无人驾驶出租车，很大概率是跟车企............. -
这确实是一个非常有意思的话题，足以让人展开很多讨论。滴滴在一年内超越了Uber中国五年的订单量，这不仅仅是一个数字上的对比，更是中国出行市场格局剧变的缩影。从滴滴的角度来看，这是一个里程碑式的胜利，它证明了几个关键点： 对中国市场的深刻理解和本土化运营的成功。 滴滴从一开始就深度植根于中国用户的.............
-
滴滴 2018 年巨亏 109 亿，司机补贴 113 亿：一场关于增长与可持续性的博弈2018 年对于滴滴而言，绝对是充满挑战和反思的一年。当我们看到那份令人咋舌的财报——亏损 109 亿元，而司机补贴却高达 113 亿元时，这不仅仅是一组冰冷的数字，它背后折射出的是滴滴在扩张过程中所面临的严峻考验.............
-
这件事说来话长，背后牵扯到的可不只是一个简单的“谁更强”的问题，而是掺杂了社会观念、职业认知、家庭期望，甚至还有点“价值攀比”的意味。咱们掰开了揉碎了聊聊，看看为什么会发生这种让人哭笑不得的局面。首先，我们得承认，80万年薪在大多数人眼里，已经是相当不错的收入了，尤其是在互联网行业，这更是很多普通人.............
-
关于2019年滴滴顺风车在特定时间段（晚上八点后）拒载女性乘客的新闻，这无疑是一件触动了社会敏感神经的事件。它不仅仅是关于一个出行平台的服务政策调整，更映射出当下社会在安全、便利以及性别权益之间存在的复杂张力。事件的背景：安全焦虑下的无奈之举？要理解这件事，我们得回到当时的社会环境。在滴滴顺风车业务.............
-
自 2017 年初以来，我们能明显感受到在“滴滴出行”这个平台上打车越来越不容易，价格也似乎水涨船高。这背后并非单一因素在起作用，而是多种力量交织影响下的结果，就像一个复杂的生态系统在悄然演变。首先，从供给端来看，2017 年是一个重要的节点。在此之前，滴滴经历了与快的的合并，以及对 Uber 中国.............
-
在乘坐出租车或滴滴发生车祸时，乘客是否需要承担责任，这是一个很多人都会遇到的问题。说实话，这个问题有点复杂，不是一个简单的“是”或“否”就能回答的。咱们就来详细捋一捋。首先，我们要明确一点：绝大多数情况下，作为普通乘客，你因为遵守交通规则、系好安全带等基本行为，而主动造成车祸的可能性非常小。 出租车.............
-
.......
-
.......
-
这起令人发指的一滴滴司机驾车撞向乘客致死的事件，无疑触及了社会公众对出行安全最敏感的神经。当生命在一次本应安全抵达的行程中戛然而止，我们必须深刻反思，并严肃追究相关方的责任，更要亡羊补牢，杜绝类似悲剧重演。司机与平台可能承担的法律责任首先，从法律层面来看，这起事件中，肇事司机无疑是直接的加害者，其行.............
-
.......
-
.......
-
.......
-
这招儿，说实话，听上去有点“野路子”，但细琢磨一下，确实能聊出不少门道来。要是不考虑漏水那档子事儿，光说让水蒸发散热这回事儿，理论上是可行的，但实践起来嘛，就得看具体怎么操作了，而且这方法离“完美”还差得远。咱先说说为啥水蒸发能带走热量。这事儿得从水的“汽化热”说起。任何液体变成气体，都需要吸收周围.............
-
这个问题问得很有意思，也触及到了物质运动的本质。当一滴墨水滴入清水中，最终均匀弥散，这确实是两种物理现象在起作用，但要说哪个“为主”，我们需要先弄清楚它们各自扮演的角色。首先，我们得明白，墨水滴进去的时候，并不是一开始就均匀分布在水里的。它有一个从集中的墨水团，逐渐“散开”的过程。这个散开，最根本的.............
-
滴滴宣布启动纽交所退市（或重新退市）的消息引发了广泛关注，这一事件背后涉及复杂的法律、商业和地缘政治因素。以下从多个角度详细分析其意义和值得关注的要点： 一、事件背景与时间线1. 滴滴的上市与退市历史： 2019年：滴滴在纽交所上市，成为中美科技企业合作的标志性案例。 2021年：因美国.............
-
关于“滴滴倒闭就会好吗”这一问题，需要从多个角度进行分析。首先，滴滴作为中国最大的网约车平台之一，目前并未面临“倒闭”的现实风险，但确实经历了多次危机事件，这些事件对其业务模式、市场地位和全球扩张策略产生了深远影响。以下从多个维度详细探讨这一问题： 1. 滴滴的现状：危机与韧性并存 （1）核心业务：.............
-
滴滴出行因数据安全问题被下架事件是中国互联网行业近年来最受关注的监管案例之一，这一事件不仅对滴滴自身造成重大影响，也对中国互联网行业的生态、企业合规意识以及政策监管框架产生了深远的影响和警示。以下是详细分析： 一、事件背景与核心问题2021年7月，中国国家网信办依据《网络安全法》《数据安全法》等法律.............
-
滴滴和快的合并后估值近千亿人民币，这在当时的出行服务领域是一个非常巨大的数字，甚至在全球范围内也是令人瞩目的。要分析其上涨空间，我们需要从多个维度进行深入探讨。一、 滴滴出行的核心价值与增长驱动力滴滴合并了快的之后，几乎垄断了中国主流的网约车市场，这为其后续发展奠定了坚实的基础。其核心价值和上涨空间.............
-
最近关于滴滴女员工在饭局上遭遇侵犯，却未得到公司妥善处理的事件，确实引发了广泛关注和讨论。这不仅仅是滴滴一家公司的问题，更折射出互联网大厂在处理职场性骚扰和性别歧视方面存在的普遍性困境。事件的脉络和“没有结果”的背后从公开的信息来看，事件的大致脉络是这样的：一位滴滴的女员工在与客户的商务饭局上，遭遇.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有