驾驶自动化涵盖了汽车、交通、互联网、电子、测绘等多个行业。融合了5G通信、人工智能、物联网、先进机器人、大数据、云计算、智能制造等多项颠覆性技术。对未来科技和人类社会产生重大影响。这是汽车工业发展的一个重要阶段。

  在智能交通和智能汽车发展的背景下，汽车能够得到更多的外部信息。以模型预测控制为代表的先进操控方法和以深度学习、强化学习为代表的人工智能新技术将受到广泛关注。随着云计算的逐渐成熟和车辆边缘计算能力的显著提升，在真实的车辆控制管理系统中在线实现复杂的高级算法成为可能。这些技术的发展不仅增强了上层驾驶决策和规划的能力，而且成为车辆转向、制动和驾驶的新系统/功能。

  1.设备问题：随着车辆的增加，系统规模会急剧扩大，对应的点会无限增加，设备维护任务艰巨。

  2.系统可靠性：ITS关系到一个城市整个交通的运行，情况复杂，设备众多。在复杂的信息交换背景下，需要尽可能保证总系统的平稳运行，但是系统往往会出现错误、数据丢失等故障，给维护带来非常大的麻烦。

  3.通信质量：整个交通系统，包括信号灯控制，需要实时发送数据。只有通过及时的信息交流，系统才能发挥最大的效率。

  4.可能存在伪造、网络攻击、信息泄露、容忍度等安全问题。在发送、传输、收集和整理信息的过程中，要解决哪些问题。

  从汽车驾驶任务来看，无论是新能源汽车还是传统内燃机汽车，载人汽车还是无人驾驶汽车，汽车驾驶的主要任务都没改变，即从起点行驶到终点，大多数表现在转向、油门、制动、档位的操作上。

  在汽车驾驶自动化的发展中，感知层面的自动化是增强和替代驾驶员眼睛、耳朵和大脑的感知功能，进而辅助或替代驾驶员对环境的理解，如增加车辆感知的摄像头和雷达、V2X和GPS等。

  决策和规划层面的自动化，就是增强和取代驾驶员大脑的决策和规划功能。比如在自适应巡航中，车辆的辅助驾驶控制器识别前车或障碍物的位置、速度和加速度，实现驾驶和制动的决策和规划。其他辅助驾驶功能，如自动泊车、自动超车等。都是在特定场景下代替或增强驾驶员的决策。

  执行层面的提升大多数表现在转向、制动、驾驶、换挡控制管理系统功能和性能的提升。

  事实上，驾驶员的感知、决策和执行的增强和替代程度也是驾驶自动化分级的基础。替代和增强程度越高，自动化程度越高。