无人车概述 …
无人车，又称自动驾驶汽车、智能汽车、自主汽车、自动驾驶汽车或轮式移动机器人，是一种通过计算机实现自动驾驶的智能汽车。
目前对于自动驾驶汽车的研究有两条不同的技术路线：一条是渐进提高汽车驾驶的自动化水平；另一条是“一步到位”的无人驾驶技术发展路线。
无人车是自动驾驶的一种表现形式，它具有整个道路环境中所有与车辆安全性相关的控制功能，不需要驾驶员对车辆实施控制。
无人驾驶发展情况 …
目前来看，无人驾驶发展情况可分为国际、国内两部分。
国际无人驾驶发展情况
国内无人驾驶发展情况
无人车主要技术 …
精准定位技术
自动驾驶汽车的基础是精准导航，不仅需要获取车辆与外界环境的相对位置关系，还需要通过车身状态感知确定车辆的绝对位置与方位。主要包括惯性导航系统、轮速编码器与航迹推算、卫星导航系统、自主导航系统等定位系统。
环境感知技术
环境感知作为基础，处于自动驾驶汽车与外界环境信息交互的关键位置，利用摄像机、激光雷达、毫米波雷达、超声波等车载传感器，以及V2X和5G网络等获取汽车所处的交通环境信息和车辆状态信息等多源信息，为自动驾驶汽车的决策规划进行服务。
控制与执行技术
自动驾驶汽车的车辆控制系统是自动驾驶汽车行驶的基础，包括车辆的纵向控制和横向控制。纵向控制，即车辆的驱动与制动控决策与规划技术制，是指通过对油门和制动的协调,实现对期望车速的精确跟随横向控制，即通过方向盘角度的调整以及轮胎力的控制，实现自动驾驶汽车的路径跟踪。
决策与规划技术
自动驾驶汽车的行为决策与路径规划是指依据环境感知和导航子系统输出信息，通过一些特定的约束条件如无碰撞、安全到达终点等，规划出给定起止点之间多条可选安全路径，并在这些路径中选取一条最优的路径作为车辆行驶轨迹。
高精地图与车联网V2X技术
自动驾驶汽车的车辆控制系统是自动驾驶汽车行驶的基础，包括车辆的纵向控制和横向控制。纵向控制，即车辆的驱动与制动控制，是指通过对油门和制动的协调，实现对期望车速的精确跟随横向控制，即通过方向盘角度的调整以及轮胎力的控制，实现自动驾驶汽车的路径跟踪。
注:V2X: vehicle to everything，即车对外界的信息交换技术
无人车在快递物流领域应用情况 …
随着我国网购兴起带来物流快递行业的飞速发展，快递数量的几何式增长和配送人员之间的缺口会越来越大，算法、机器人、无人机和无人驾驶等智能制造手段将极大程度的缓解甚至解决这一矛盾。
无人车可称移动智能快递柜，每小时15公里，30个格口，每天投递近百件，一次可投递200公斤。
中国邮政：在多地也投放了无人配送车，其中南陵日均收寄业务量88件，仙桃市使用无人配送车累计配送实际业务超过300公里。中国邮政、中通等快递企业也在试验干线无人车技术,利用摄像机、激光雷达等传感器,以及V2X和5G网络等获取汽车所处的交通环境信息和车辆状态信息等多源信息，支撑干线运输无人车自动行驶。
京东：2017年"6-18"，京东首批试点运营的无人配送车在中国人民大学进行快递投递。2018年"6-18"，在京东的北京上地配送站，20余台配送机器人整齐列阵。随着调度平台命令发出，首批载有”6-18”货物订单的配送机器人依次出发，自动驶向订单配送的目的地。
苏宁：落实在南京的苏宁小店社区的“卧龙一号”，是一个深度结合物联网、云计算、AI等最新技术描绘出来的一个无人配送快递车,续航可达8小时。在智能感应方面主要采用多线激光雷达+GPS+惯导等多传感器融合定位方式，融合激光雷达拥有更加灵敏的避障反应能力；在人机交互方面卧龙一号有着更加高效的地形适应能力，可以智能提示路过的行人、车辆和障碍物，为规划出最优绕行路径提供依据。
无人车适用场景及流程 …
目前无人投递车作为低速运行的末端作业车辆，结合无人车的技术发展及实际的试运行场景，基于安全性、适用性及可拓展性的考虑，选择完全封闭或相对封闭的小区、园区、厂区、高等学府作为无人车投递场景的应用主要模式。
场景应用封闭小区：投递到户模式
场景应用封闭小区：固定点取货模式
场景应用封闭园区
场景应用封闭厂区
场景应用封闭校园
无人车的未来展望与趋势 …
5G、AI、区块链等技术的发展融合，是传统物流业智能化转型的关键方向，逐渐向"仓运配一体"的智慧物流发展。5G+V2X是无人驾驶的基础,车辆能够第一时间获取路面全部信息做出决策，并与周边联网的物产生快速联动。
随着5G技术的出现，单车智能与通信技术实现优势互补，一方面为无人驾驶的全方位信息采集提供丰富数据来源，另一方面为其智能决策提供算力支持。汽车和交通运输相关服务由此前的信息服务，向安全与效率服务以及车路协同和自动驾驶服务演进，为物流运输智能化、网联化的能力提供保障。
未来，利用5G、AI等技术，解决无人驾驶存在的盲点难点，为无人车常规化量产化提供技术支撑。自动驾驶技术发展逐步在提高，相应的法律法规等支撑政策逐步完善，无人驾驶的应用场景也将在封闭半封闭的场景中进一步拓展，基于对已有场景及业务运行模式的调研及深入探讨，无人驾驶将在更多更复杂的场景下得以成熟化运营。
