雷锋网按：在无人驾驶真正走向普通用户之前，商用驾驶简单而重复的操作环境，或许将成为率先实现无人交通的新窗口。2016年，无人驾驶商业化遇到了法律与技术的剧烈冲突，甚至有人付出血的代价，而急于控制人力成本的商业驾驶，却在无人化的道路上惊喜不断。明年，你接触到的第一辆无人车也许不是买来的，而是门口的公交车，或者是从优步上召来的出租车。
2016年12月，当坚持了4年的谷歌无人车项目正式更名为“Waymo”并宣布与传统车企合作时，外界对此的评价出现了从未有过的两极分化：悲观者认为这是经历了两次人才流失之后的不战而退；乐观者认为这是谷歌无人驾驶走向商业化的一步，是以退为进。
有人认为业界领先者的地位并没有让这家巨头商业化的进程加快，始终“在路上”的小车子，除了被开罚单和擦碰到公交车，几乎没有多少出现在公众眼前的机会。
也有人认为，这是无人驾驶技术走向另一个“安卓”的一步，在更多场景下“实战”的驾驶系统，累积的数据将成为质变的基础。
分歧如此之大，无人驾驶似乎正在云端，也似乎正在地狱。雷锋网(公众号：雷锋网)盘点2016年的这一现象时，发现了一个近乎绕口令的规律：无人驾驶商业化正饱受质疑，公众对于买一辆无人车的需求没有被激起。真实的环境复杂十分复杂，无人的私家车更具危险性，几乎引起多数政府的警觉。
而对于商业驾驶，例如公交、运输、出租车行业来说，相对简单的驾驶路线或者完全封闭的环境，让无人化变得顺理成章。体验一辆“无人车”也成为公众乐于尝试甚至政府乐于宣传的科技项目，大公司面对这个节省大量人力的机会也极为乐观。
这就是“无人驾驶商业化”和“商业驾驶无人化”的冰火两重天，2016年多数的行业争论，多数观点的两极分化，几乎都来自于此。雷锋网认为，后者将会最先实现，并成为前者的催化剂。
能看清商业驾驶的无人化，才能看清无人驾驶商业化的最终模样。
无人出租车：相对简单的使用场景
在共享经济降低管理成本之后，大公司几乎毫无例外的把目光投向降低人力成本。相对单一的使用场景（接单、送人、结单），让出租车成为2016年无人化最迅速的一个行业。
8月18日优步推出无人驾驶汽车载客服务,在美国匹兹堡上路试运行。当天4辆车型为福特Fusion的无人驾驶汽车亮相街头。试运行当天,4辆无人驾驶汽车按正常程序接单,约到无人驾驶汽车的乘客,将免费体验无人驾驶汽车载客服务。
尽管依靠汽车自动驾驶,但为保险起见,每辆无人驾驶汽车上配有两名工程师,以确保车辆运行无碍。他们其中一人坐在驾驶座上,准备在棘手的路段随时控制车辆,另外一人则监控汽车的动态。
匹兹堡道路较为复杂,到处是狭窄和陡峭的街道,还有不少隧道和超过40座桥梁。但根据美联社报道,在试运行载客前,优步无人驾驶汽车在匹兹堡上路测试的时间不到两年。今年春季,优步员工首先乘坐这些无人驾驶汽车上下班,为载客服务作准备。
而在优步公布无人驾驶计划之后一周左右，新加坡的无人出租车项目nuTonomy投入测试。宣传影片中，参加车辆测试的新加坡市民对此不吝赞美。一些市民表示，对于顾客帮助很大，很期待这个科技快点面世。也有市民表示，一开始有一些紧张，但在车辆行驶的时候觉得很舒服，和有人开车并没有什么区别。不会开车的人可以从这项技术中获得帮助。
从外观上看，这批无人驾驶汽车车身较小，仅能容纳两到三人乘坐，每辆汽车装有六套激光雷达检测系统，车顶和仪表盘上分别装有摄像头，用来扫描障碍和检测红绿灯变化。目前，首批投入运营的无人驾驶出租车共有6辆，在2016年底前增至12辆，未来还将继续增加。
在优步和nuTonomy“刷屏”的时候，中国企业的步伐也早已迈进了这个领域。滴滴收购优步中国之前，滴滴出行CEO程维就曾表示：“互联网的下半场是人工智能。很庆幸，我们有世界上最难的题目，用来打造交通的AI。”
滴滴出行CTO张博公布的无人车计划的主要负责人是滴滴研究院的何晓飞院长，作为人工智能科学家，他曾担任雅虎研究科学家。在接受媒体采访时，CEO程维也表示，他与前英特尔中国研究院院长、驭势科技创始人吴甘沙进行了接触。驭势科技是一家位于北京的研发无人驾驶技术的初创公司。这家公司之前放出过一段视频：搭载其无人驾驶技术的低速无人车在园区行驶。
中国企业更早的尝试其实在武汉。4月，武汉一家叫做“光庭科技”的公司就已经推出开放道路的无人驾驶出租车，用户可以通过手机预约和乘坐。在武汉示范的路段全长约14公里，沿途均为社会道路，包括行人通过、正在施工改建和拥堵的复杂环境。前期投入的10辆车上仍然配备了司机来保证安全性。
除了减少人力成本的诱惑，“出镜”频繁的出租车可以成为科技形象的最佳展示，曾有消息称，国内的另外几家出行公司也在硅谷或者国内研发中心设立了无人驾驶部门。
虽然也会遇到政策和舆论的压力，例如12月以来优步在美国受到的监管和约束，但相比私家车，出租车的使用场景更加“公共”和单一。接单、送人、结单的重复流程，让数据积累的难度降低很多，处于公众“监督”下的出租车，也更能让人产生信赖。
无人出租车在2016年的爆发式登场只会是更大规模投放的开始。2017年，在私家车无人化争论的关键时刻，这些游走在大街小巷的出租车们，也许能成为无人驾驶最好的广告牌。
无人货车：相对准确的运输时效
在普通乘客接触到的无人驾驶不同，物流行业对这一领域的钻研甚至要早于多数科技企业。在2005年的时候，零售业巨头沃尔玛就提出了将卡车运行效率提高一倍的目标，2014年，沃尔玛展示了联合Peterbilt和Capstone Turbine共同展示了名为“WAVE”超级卡车。对于6500辆卡车、55000辆拖车以及7000名司机的巨型车队来讲，每一次效率提升都将带来可观的回报。
同时，物流行业的劳动力相对密集，从亚马逊仓库员工纠结的工作时间，再到沃尔玛司机工会5500万美元的劳资纠纷，减少或者替代人工也将成为运输乃至物流行业的新主题。
2016年8月19日，Uber完成对Otto公司的收购，Otto由两名前谷歌员工安东尼·莱文达沃斯基（Anthony Levandowski）和里奥·罗恩（Lior Ron）于2016年1月创办。罗恩曾经是谷歌地图和摩托罗拉的项目高管，莱文达沃斯基是谷歌研发自动驾驶汽车的功臣之一。
罗恩在接受采访时表示：“货物运输是经济成长的重要基础。人们身边的所有物品，在生产过程中几乎都有经过卡车运输的环节。可能还是很多次。全美国的货物运输有超过70%是通过卡车在公路上完成。我们的物流网络很完善，不过有一点是紧缺的，供不应求的——卡车司机。而自动驾驶技术能很好地满足这个缺口。”
11月， Otto用无人驾驶卡车把 5 万瓶百威啤酒从科罗拉多州柯林斯堡市运送到了距离120英里外的科泉市。这也是全球首次无人驾驶卡车的货运实践。
与硅谷科技公司的行动迅速相比，传统车企更注重政策和产业的协调。4月，戴姆勒进行了一次从德国斯图加特到荷兰鹿特丹的自动驾驶卡车测试，该项目将作为2016年欧盟European Truck Platooning Challenge项目的一部分。
除了像Otto一样通过无人化节省人力，戴姆勒的这次实验还展现出自动编队超越人工驾驶的优势：三辆卡车之间的间距只有15米，由车队通信保持安行驶。这个间隔可以减少阻力降低15%的油耗，同时二氧化碳的排放也降低了10%。这种高效的卡车运输队列不仅对环境有好处，同时对于运输公司来说也能节省不少成本。
在戴姆勒的测试中，领队卡车发送数据到后面的卡车只需要0.1秒的时间，而相比之下，人类驾驶员对于紧急状况的反应时间为1.4秒。另外卡车要比普通汽车占据路面资源更多，因此这项技术可以大幅减少高速公里的追尾事故发生，并且不易造成交通堵塞。
与无人出租车一样，中国公司对于物流无人化的探索也在2016年达到新的高度。除了阿里和京东的无人化仓库，包括无人机和自动运货小车在内的终端设备也开始出现。运输过程的无人化也将成为下一个热点。
根据中物联统计数据显示，目前中国道路运输费用每年支出3.3万亿元，可交易的公路货运市场总体规模在2.6万亿左右。
9月，一家叫做“图森科技”的中国公司宣布，该公司在自动驾驶算法公开排行榜KITTI和Cityscapes评测数据集上获得了九个世界第一。
这是KITTI和Cityscapes评测数据集上第一次有一家公司“霸榜”。而图森科技的竞争者，都是百度、三星、英伟达、斯坦福、中科院、多伦多大学、NEC实验室、加州大学圣迭戈分校等这些名企名校及科研机构。和这些巨头们相比，图森只是一个刚成立一年的创业公司。
图森目前正在和北奔研究院、北京理工大学进行合作，联合研发军用重型汽车的自动驾驶技术。北奔主要提供整车平台以及相关试验资源，北理工为自动驾驶车辆的研发提供运动控制技术，图森负责计算机视觉和深度学习算法部分，提供以摄像头为主、配合毫米波雷达和视觉芯片的、经济型自动驾驶解决方案。
从技术难度而言，货运是一个更快落地的方向：路线单一，基本都是高速路段，路况复杂程度远远低于城区，数据好收集等等都是货运的优点。
“货运是个万亿级的市场，中国有两千多万的运营车辆，从市场容量来看，这是一个天花板极高的市场。而且自动驾驶减少货运公司雇佣成本，让他们也愿意和我们合作。”据CEO陈默透露，已经有物流公司打算和图森合作试点。
10月，福田汽车集团在北京与百度签署战略合作协议，将在车联网、大数据、智能汽车和无人驾驶领域展开全面合作，共同打造面向未来的智能互联网商用汽车。
福田的无人驾驶电动卡车在驾驶舱前风挡玻璃上端安装了两套摄像头，前保险杠下端安装了三维激光雷达，前后保险杠、驾驶舱和货箱两端共设定8至10组超声波传感器，融合百度高精度地图来实现车辆定位。车辆搭载“iFoton”车联网云平台，可实现与外部信息的实时联通，核心的自动驾驶技术为福田自主研发。
虽然目前对于无人驾驶的争论还在进行，但商业领域的无人化似乎压力不大，更大的阻力可能来自现有的从业者或者既得利益群体。以美国的卡车司机为例，在司机领取“高薪”的同时，运输公司付出的福利诸如保险、养老、伤亡等成本比较高昂，双方的矛盾可能在无人卡车的催化下更加激烈。
也许就像伦敦无人地铁实行时司机们的罢工一样，“与机器赛跑”会在这个领域成为话题，即使最终不会改变机器胜过人的结局，对政策制定和社会舆论的影响也不可小觑。
无人巴士：相对固定的运行路线
2016年，与历经坎坷的私家车无人化相比，发展更顺利的还有无人巴士的实用化。无人巴士几乎汇集了无人出租和货车的全部优势，乘客的使用场景更简单，更重要的是运行路线也更固定，几乎是一个完美的测试平台。
1月，世界首款无人巴士在荷兰正式上路，据路透社称，这款名为WePod的电动汽车可搭载6名乘客，设计运营路线长度25公里。Wepod项目是法国机动车制造商 EasyMile和欧盟运输计划Citymobil2 合作的产物。Citymobil2 此前已经在芬兰利用类似的无人驾驶交通工具运输了超过 19000人。
2月，据英国每日电讯报报道，首款将在英国首都伦敦公路上行驶的无人驾驶巴士曝光。这种载客巴士主要是对希思罗机场的电动巴士进行改造完成的，是“格林威治自动运输环境（GATEway）”项目的一部分，这个项目的拨款达800万英镑，其主要目标就是测试无人驾驶汽车，以证明它们将是英国最有效的运输选择之一。
GATEway项目技术主管尼克·里德（Nick Reed）说：“如果这些测试取得成功，我们认为这些经典巴士将成为世界上各大城市中最令人熟悉的标志。”希思罗机场大巴目前在商业停车场与5号航站楼之间运行，每年可运送150万乘客，节省大约100吨二氧化碳排量。
7月，奔驰旗下无人驾驶大巴从荷兰阿姆斯特丹史基浦机场驶向附近城市哈勒姆，完成了长度为20公里的道路测试，最高时速达到70km/h。
该无人驾驶大巴的设计来源于奔驰Citaro大巴，外观和内饰融入了大量现代风格设计元素。该车的无人驾驶技术来自戴姆勒Highway Pilot自动驾驶卡车，并针对城市道路环境进行了改进和优化，实现对交通信号、行人以及其他障碍物的识别，完成转向、通过十字路口和行人区域等多种操作，并可通过车载导航系统完成进出站、报站等动作而无需人工操作。
在中国本土，也有类似宇通这样的传统客车厂进行了无人巴士的测试运行。9月，宇通在郑州进行了首次无人巴士实测。
进行自动驾驶试验的宇通大型客车从河南省连接郑州市与开封市的城际快速路——郑开大道城铁贾鲁河站出发，在完全开放的道路环境下，途经26个信号灯路口，自主完成了跟车行驶、自主换道、邻道超车、路口自动辨识红绿灯通行、定点停靠等一系列试验科目，行驶32.6公里，最高时速68公里，顺利到达指定的终点,全程无人工干预。
据了解，此次上路试运行的自动驾驶大客车，是由包括中国工程院院士李德毅所在的总参61所等与国内客车业领军企业宇通客车联合研发推出的，整车研发耗时3年。
宇通客车副总工程师汤望说：“宇通自主驾驶客车实现分为三个阶段：基本运动控制、最简路况行驶、赛道环境行驶，现正在开展第一阶段的技术研究。目前已实现部分辅助驾驶技术的应用和批量推广。”
与出租车和货车的无人化相比，无人巴士的推动方主要是各国政府，带有公益性质。由于中国目前较大城市的政府更关心地铁建设，公交车的无人化并不积极，也有大学或者科研机构进行过无人化的“摆渡车”运营，仅限于在封闭园区道路，时速较低，路况复杂度也距离实用化较远。
商业驾驶的无人化，带动无人驾驶商业化
从业界早期预测的2020年到最新的观点2017年，无人驾驶的到来似乎比预想更快。2016年底，从美国开始的各项政策完善，也让舆论的导向更趋于理性，对新技术的习惯性畏惧，正在慢慢消解。
回到这个绕口令一般的观点，雷锋网认为，2016年公众对于无人驾驶的关注度前所未有地高，也许是受益于特斯拉和谷歌等厂商的推动。对于传统道路环境向智能交通转变，商用场景下的出租车、货车、巴士，也许才是从技术上推动这一进程的幕后英雄。
2017年，激进的如特斯拉和英伟达组合，将努力实现私家车完全自动化；保守的如德系和日系车企，也将实现无人驾驶的目标提前2年左右。虽然改变往往诞生在不为人知的角落，但当它最终到来的时候，必将是全面的协同和爆发。
PS：2016
年即将结束。当我们回望这一年，无论艰难还是幸运，这年仿佛过得飞快。「2016
影响因子」是雷锋网在高速运转的科技行当里，在不断发生和被人忘记的事件中，试图在各个领域筛选出那些我们认为可能对当下和未来产生深远影响的因素。2016
影响因子，就是 2016 年值得记录的人、事、公司和技术。
本文是2016影响因子之「无人驾驶商用化」。欢迎向我们推荐 2016 年在交通出行领域值得记录的其他因子（微信：eriseds）。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/108378.html