发现汽车网
首页 >> 自动驾驶 >> 正文

自动驾驶的技术方向,自动驾驶技术前景怎么样啊?

日期:2019-12-02 18:42:43 来源:互联网 编辑:小道 阅读人数:952

1,自动驾驶技术前景怎么样啊?

自动驾驶技术前景怎么样啊?

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。是集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。

无人驾驶可减少90%的交通事故;医院急诊室每年会因此减少数百万病人;降低80%以上的传统保费;能将通勤所耗时间以及能源消耗减少90%;能使汽车数量减少90%;每年能够帮助减少3亿吨汽车二氧化碳排放量。无人驾驶汽车是全球产业风口,是影响3个十万亿市场(汽车,出行,社会效益)的革命性产业,是汽车、人工智能与通信跨界融合的产物,也是未来智慧城市最重要的组成部份。

2,自动驾驶等级分几个?

自动驾驶等级分几个?

分六级。

L0:

车辆完全由驾驶员掌控,驾驶员拥有绝对控制权,且车上不存在任何的自动驾驶技术,

L1:

驾驶员依然需要去驾驶车辆,只不过出现了像ACC自适应巡航等安全系统,对驾驶员的驾驶起到一个辅助的作用,手不得离开方向盘,眼不得离开周围路况。

L2:

来到L2这个级别,自动驾驶技术就可短暂接管一些驾驶任务,眼和手可短暂获得休息,但是仍需做好随时接管驾驶任务的准备,时刻准备着,因为还不足以应对变化的交通路况。

L3:

来到L3这个级别,在某种意义上就可以算作自动驾驶,也可以把这个级别称为真正自动驾驶的开端。驾驶员可以将手离开方向盘,脚离开踏板,车辆几乎可以独立完成全部的驾驶操作。理论上可以刷刷微博玩玩手机啥的,但驾驶员还是要有意识的去随时接管驾驶任务。

L4:

第4等级可以说是真正意义上的自动驾驶,不需要驾驶员随时接管,也不需要驾驶员的干预,你只需要坐在驾驶席上做自己想做的事,剩下的一切交给技术就好了。

L5:

这是自动驾驶的终极目标——无人驾驶。到那时,或许就没有驾驶员这个称谓了,你可以在车上干你想干的一切,只需要说出你的目的地,你便能安全到达!

上图很直观的显示出了每个级别中人所能干的事儿,从最上面的绿色箭头可以看出,总体趋势是由人作为主体向车作为主体进化。

3,东风日产的自动驾驶技术成熟吗?可靠吗

东风日产的自动驾驶技术成熟吗?可靠吗

你好,日产目前在售车型中好像没有带自动驾驶的技术吧,不排除未来会有这个配置,不过我觉得自动驾驶技术还不成熟,方向盘还是把握在自己手里有安全感。

4,自动驾驶汽车的技术原理是什么?

自动驾驶汽车的技术原理是什么?

一般来说,自动变速器的挡位分为P、R、N、D、2、1或L等。P(Parking):用作停车之用,它是利用机械装置去锁紧汽车的。转动部分,使汽车不能移动。当汽车需要在一固定位置上停留一段较长时间,或在停靠之后离开车辆前,应该拉好手制动及将拨杆推进“P”的位置上。要注意的是:车辆一定要在完全停止时才可使用P挡,要不然自动变速器的机械部分会受到损坏。另外,自动变速轿车上装置空挡启动开关,使得汽车只能在“P”或“N”挡才能启动发动机,以避免在其他挡位上误启动时使汽车突然前窜。R(Reverse):倒挡,车辆倒后之用。通常要按下拨杆上的保险按钮,才可将拨杆移至“R”挡。要注意的是:当车辆尚未完全停定时,绝对不可以强行转至“R”挡,否则变速器会受到严重损坏。N(Neutral):空挡。将拨杆置于“N”挡上,发动机与变速器之间的动力已经切断分离。如短暂停留可将拨杆置于此挡并拉出手制动杆,右脚可移离刹车踏板稍作休息。D(Drive):前进挡,用在一般道路行驶。由于各国车型有不同的设计;所以“D”挡一般包括从1挡至高挡或者2挡至高挡,并会因车速及负荷的变化而自动换挡。将拨杆放置在“D”挡上,驾车者控制车速快慢只要控制好油门踏板就可以了。

一、需要的条件:

1、交通标志规范化、统一化,电脑可以清晰识别。现在全国交通标志是完全统一的,圈圈叉叉,蓝底白底,各代表什么意思都清晰简单,任何司机一看就能识别。但问题是,这些标志十分不规范,同一个简单的“单行道”交通标志,有的画的硕大无比,有的又画得十分苗条,有的蓝色近乎墨黑,有的蓝色则又近乎银白。作为人,一眼看去就知道是单行道,但是电脑哪里能清楚区分,要是把“单行道”误认为“直行”标志,那麻烦就大了。而几乎任何一个标志都存在这类问题。要让汽车完全自动驾驶,对这个问题就不能有任何含糊。问题的解决之道有二,一是对全国的交通标志进行彻底的清理,使之规范、统一,二是对汽车电脑的识别系统进行超级优化,使之能够准确识别而不出错误。还有一种特殊的交通标志即交警指挥,他们左右手和手臂都是标志,每个交警都不一样,他们的指挥也自然各各不同。要想让电脑可以清晰识别其指挥,最佳的办法是交警指挥时,手中有一些特殊但统一的标志,或者干脆掌握着一个微型模拟电脑。

2、GPS导航的极度精确。现在GPS导航不是什么新鲜东西,但是其精确度非常糟糕,往往走过路口十几米了,导航仪才说,“前方50米路口左转”。对于人来说,马上就能判断导航不准确,跟实际情况不符。但作为自动驾驶中的汽车,它必须完全按照导航仪行进,即令有1米的判断误差,也极可能酿成重大的交通事故。其导航精度,误差只能允许在1厘米之内。这只能有赖于新一代卫星技术的提高,在未来50年内,实现平民化的精确的导航应该不是什么大难题,毕竟,几年之前,从地球上发射一枚导弹击中轨道上的卫星就已不是问题,从美国发射一枚洲际导弹打到印度某人家里也不是什么难题。现在只是需要把这种技术降低成本,实现普及。而卫星的精确导航,实际上不过是依赖计算机的高速运算罢了。

3、无所不在的数字自动化。现在的数字自动化已处处可见,很多手机都有语音识别功能,你只需要喊一声“阿玲”,手机就开始自动拨打“阿玲”的号码,这是微不足道的技术。在50年后,数字自动化也许无处不在,你喊一声“开门”,房门识别出你的声音便自动打开;你说一声“开灯”,灯打开了;你说“开电脑”,电脑开了。而你说“开车”,房间内部的通讯装置就将指令传达到车库里的汽车——无论车库有多远都无所谓了。汽车开到车库闸口,自动停下来刷缴费卡,然后再开到你的面前。它识别出你之后并打开车门。这种细枝末节的技术,如果有工厂愿意投入资金研发生产,2010年就可以变成现实。

4、汽车对道路上的人和物体的识别与判断。我们不能指望几十年之后人人遵守交通规则,马路上干净得只剩下来往的汽车,这种景象再过五百年可能也实现不了。路上有一只猫经过,或者有一只死鱼躺在那里,或者一个塑料娃娃被遗弃在路边,或者一个小孩骑自行车准备横穿马路。对于人来说,上面的情况或者直接开过去,或者停车,或者慢行,都能在一秒之内做出判断,但对于电脑来说,上面四件事物是非常难以区分的。小孩过不过来,猫过不过去,电脑都不好判断。但这也并非难题,汽车可以通过数学函数进行计算,算出汽车以何种速度行进不会撞上上述任何有着一定速度的事物。这需要设计极其准确的函数,还需要计算机反应极其敏捷,在几微妙里就可以判断形势、纳入计算,并得出汽车速度、方向的结论。

5、自动驾驶汽车大规模进入市场。所有条件都具备时,还必须有自动驾驶汽车出现。这种汽车的本质是一台会行走的电脑。现在的自动档汽车,档位、离合实现了自动化,对于自动驾驶汽车,还需要方向盘自动化、刹车自动化、油门自动化。五者都实现自动化时,就是一部全自动汽车。方向盘可以由GPS导航仪控制,一直行驶在规定路线即可。刹车、油门是同样的加减速技术,与汽车对道路上情况判断能力,属于同样的技术。目前飞机实现了自动驾驶,因为空中基本没有障碍物,这和陆地不同。火星着陆器也实现了完全自动驾驶,但其行动速度极其缓慢,判断一个普通的石块,也需要耗费它十几分钟的运算。汽车自动驾驶,需要电脑运行速度、智能水平起码比现在提高两倍。

5,什么才是制约自动驾驶发展的最大问题?

什么才是制约自动驾驶发展的最大问题?

“大爆炸”将至:什么才是制约自动驾驶发展的最大问题?

自动驾驶时代即将来临

2018年是自动驾驶的大年。在经历了这两年来无人车视频和各种新闻的不断预热,自动驾驶初创公司如雨后春笋一般成长起来,互利网巨头和传统车企都不甘落后纷纷宣布了路测和落地时间表。近日美国研究机构布鲁金斯研究院发表的一份研究报告指出,全球厂商已经在自动驾驶领域投资800亿美元。如果加上那些秘而不宣的自动驾驶研发计划,投资总额应远远超过这个数字。

多方赛跑的结果就是自动驾驶车辆上路的时间节点越来越明晰,这个距离近得令人惊讶。从10月中旬开始,谷歌旗下的Waymo就已经开始在美国亚利桑那州的公开道路上运营L4级别的全自动驾驶汽车,整个汽车上没有司机监控,完全由自动驾驶系统操控。

谷歌的中国对手百度,则宣布了明年量产L4级别的无人驾驶微循环车。这款车可在特定场景运营,也能应对各项实际的突发路况。

许多初创公司将明年视作一个重要节点。王劲创办的景驰科技就表示,明年第一季度要在国内开展无人车路测。另外有消息称,明年中国可能发布首张无人驾驶路测牌照,对于各个研究机构而言,这都是一个十足的利好消息。

自动驾驶不是一个新鲜的概念了,但其中的分级还未被大众广泛了解。SAE International(国际汽车工程师协会)从驾驶员的参与程度上来定义,将自动驾驶从L0到L5分成了6级。其中,L5是所有场景下的全自动驾驶,L4是有设计适用范围的无人车,也就是特定场景中的全自动驾驶。L2与L3则分别是辅助驾驶和半自动驾驶。

出于研究周期与商业化前景的平衡,目前绝大多数研发团队的目标还是在L3到L4,处于从需要驾驶员协助的半自动驾驶到固定路线的无人驾驶之间。

两条路线:谷歌与特斯拉

从车辆诞生时起,人们就有了让它自动行驶的构想,但真正成为现实,则是源于上个世纪80年代机器人技术的突破。进入21世纪后,随着计算机、地图、传感及汽车电子等相关技术的飞速发展,无人驾驶技术的研究迎来了爆发期。

DARPA Grand Chanllenge,中文译做DARPA无人驾驶技术挑战赛,是该领域影响最大的赛事之一,从中不仅走出了包括塞巴斯蒂安·特龙(Sebastian Thrun)等业界名人,也刺激了包括激光雷达企业Velodyne在内的一系列相关产业公司的发展。

在2007年的DARPA决赛中,谷歌创始人拉里·佩奇(Larry Page)搭乘公务机来到了现场。他渴望为谷歌寻找到新的创新方向,而无人驾驶就是他看中的第一个项目。两年后谷歌无人车研发启动,他先后引入了2005年、2007年的DARPA挑战赛冠军团队中的许多研究人员,包括特龙和克里斯·厄姆森(Chris Urmson),他们先后成为了该项目的第一个和第二个领导者。谷歌的这个举动,拉开了互联网企业进军自动驾驶领域的序幕。

回看当年,之所以谷歌的无人驾驶研究能够在一众车企中脱颖而出,2008年的经济危机应该是关键——当时美国许多车企被迫削减了研究经费,比如通用汽车是卡耐基梅隆大学的主要企业赞助商,而它在2009年申请了破产保护。而另外一个重要原因则是汽车制造商的判断失误,这些CEO们普遍认为这个技术可能会在2030—2040年间发展,谷歌的率先发力给自己争取到了一个好位置。

谷歌在山景城路测的无人驾驶原型车

在2010年代的前五年,谷歌几乎成为了无人车黑科技的代言人。但是随着谷歌自身商业化进程的滞步不前,后来者也开始迎头赶上,这其中最重要的事件,就是特斯拉自动辅助驾驶车型的量产。

特斯拉与谷歌不同。谷歌选择了一步到位直接研发L4级别完全自动驾驶技术,特斯拉则采取循序渐进的方式,先从L2级别的辅助驾驶做起。去年10月,马斯克宣布,所有正在生产的特斯拉都将拥有完全意义上的无人驾驶功能,包括Model S、Model X和Model 3,但这只是硬件层面上的含义。在系统层面上,目前特斯拉给车主提供的“增强版自动辅助驾驶”选装包,仍属于L2-L3级别,未来待特斯拉的L4技术研发落地后,后续的选装包将继续推送给车主,以达到L4级别的自动驾驶。

2016年5月,特斯拉的这一策略遭到了严重打击。美国俄亥俄州一个名叫Joshua Brown的特斯拉车主,在行驶过程中过于放松,把辅助驾驶的L2当成完全自动驾驶L4来用,在行车途中睡着,最终撞上重型卡车导致车毁人亡。这一事故引起了人们对于L2技术的怀疑,德国政府甚至要求特斯拉在该技术的相关宣传中撤除“Autopilot”(自动驾驶)这一具有误导性的单词。

上个月在媒体代表参观Waymo(2016年底谷歌无人车项目拆分后的公司)时,CEO约翰·科拉菲克( John Krafcik)告诉媒体,谷歌已经完全抛弃辅助自动驾驶,因为驾驶员会在自动驾驶过程中丧失情景感知能力,危险来临时也很难接管汽车。

在中国:百度先发制人,腾讯加入战局

谷歌无人车在加州进行路测的时候,作为中国的搜索巨头,百度也不甘落后,开始了深度学习和自动驾驶的研究。

这一研发项目始于2013年7月,直到一年后,百度才对外证实已经启动“百度无人驾驶汽车”研发计划。

2015年12月,百度在中关村软件园国际会议中心正式宣布成立自动驾驶事业部,并计划3年内实现自动驾驶汽车的商用化,5年内实现量产。与此同时,宝马与百度合作,以BMW 3系GT为基础研发的自动驾驶汽车辆在没有驾驶员干预的情况下,成功在北京五环进行实地路测。

在2016年的百度世界大会上,当时的百度高级副总裁、自动驾驶事业部负责人王劲宣布,百度获得了美国加州政府颁发的全球第15张无人车上路测试牌,此时的百度无人车开始成为了中国自动驾驶研究的名片。

随着王劲、余凯、彭军、佟显乔等百度系研发人员离职创立自己的自动驾驶公司,不断涌起的自动驾驶热潮中,百度研发团队也终于在2017年开始了全面商业化的努力。

2016年11月,百度无人车亮相乌镇世界互联网大会

2017年3月,百度宣布对自动驾驶事业部(L4)、智能汽车事业部(L3)、车联网业务进行整合,成立专门的智能驾驶事业群组(IDG),由百度集团总裁和首席运营官陆奇兼任总经理。4月“阿波罗计划”发布,百度宣布将向合作伙伴提供一个开放、完整、安全的软件平台,帮助他们结合车辆和硬件系统,快速搭建一套属于自己完整的自动驾驶系统。

这一计划为百度招揽了一大批产业链上的合作者,自动驾驶研究的商业化终于看见了曙光。运营上,百度选择与首汽约车合作,明年将有L3级别的智能驾驶车队在部分城市展开运营。在无人车的生产上,百度与金龙汽车合作生产的无人驾驶小巴车“阿波龙”,也将于明年7月份实现量产。这辆车既没有方向盘也没有驾驶位,是一辆真正的无人驾驶汽车。

从实际操作中看,百度同时走了L3和L4两条路线:一方面,L3的辅助驾驶系统能够与大多数汽车主机厂合作,快速实现智能汽车的商业化;另一方面,完全无人驾驶汽车必然是未来汽车研发的终极方向,已经储备了大量技术的百度在这方面也破局优势。虽然与谷歌只走一条路的战略不同,但双路线并存的战略也说明,百度并没有通过L3技术升级的方式,去实现完全自动驾驶。

坚持两条线都要走的战略似乎是中国公司的技术特点。中国的另一家互联网巨头腾讯,在自动驾驶的研发中也持此态度。

腾讯起步比百度晚了3年。上个月,腾讯自动驾驶实验室总监苏奎峰在腾讯的全球合作伙伴大会上公开承认了自动驾驶研发项目的存在,并公布了现在的一些进展。苏奎峰说,目前腾讯更关注在高速公路的半封闭环境下的L3解决方案,同时也会针对L4/5核心技术,在进行算法研究和数据上的积累。

自动驾驶面临的最大问题

自动驾驶面临太多的技术难题。传感设备,比如摄像头、激光雷达、雷达等需要变得更加高效,尤其是在恶劣气象条件下如何提高传感器的分辨效率,对于硬件和算法都提出了不小的挑战。

单车成本也是一大问题。为确保安全性,多系统冗余设计必不可少。对于消费级的无人车,业界普遍认为多传感器融合是基本保证。现在激光雷达价格偏高,车辆价格对于大多数消费者而言还是太高。

但是技术和成本的问题都是显性问题,随着算法的演进和车辆的量产,都将能逐步解决。在自动驾驶的普及过程中涉及到的社会成本才是其面临的最大问题。

社会成本要从物理层面和法律层面两方面来考虑。在物理层面上,基础设施建设需要大量升级。此前德国政府曾做出计划,为发展自动驾驶德国境内的每条高速公路均将可实现车辆与道路基础设施的无线通讯功能。此外,通过安装在路边的传感器以及无线设备还可以实现车辆间的通讯,这些均是自动驾驶汽车所需要的驾驶环境。

在无人驾驶时代,V2X能力,即车辆与车辆、车辆与基站、车辆与行人等之间的交互能力也至关重要。这对车联网的建设、IOT的普及和5G无线网络等提出了极高要求。这些也是社会需要付出的综合成本。

自动驾驶时代的V2X场景

除了无线通讯设备外,道路本身的平坦程度、车道线的可识别程度等都是一辆自动驾驶汽车能否安全行驶的关键。如果说在城市中心区域的主干道,这些问题尚且容易解决的话,在次干道、支路甚至于郊区和乡村公路,想要达到自动驾驶、甚至于无人驾驶的条件绝非易事。

在这些看得见的成本之外,“看不见的成本”在无形中制约者自动驾驶的发展。从一辆自动驾驶车辆走下生产线到走上城市道路,现行的交通法律显然远远不能满足需要。

今年7月6日,在百度AI开发者大会的现场直播中,李彦宏乘坐的百度研发自动驾驶车辆在“众目睽睽”之下违规,实线变道并且未打转向灯。之后,北京交管部门给百度开了自动驾驶第一张罚单。

对于百度而言,获得这张罚单还说得过去,毕竟车是自己的,系统是自己研发的,驾驶座上的人也是百度智能汽车事业部总经理顾维灏。但是如果是交付给用户的车辆,这张罚单应该开给谁呢?是交付车辆的汽车主机厂,还是研发整个自动驾驶系统的开发商,亦或是没有驾驶行为却拥有车辆的用户?

1949年版的《日内瓦道路交通公约》要求驾驶员“应当时刻能够控制其车辆”,而针对鲁莽驾驶的规定则通常要求“有意识地、有目的地操纵车辆”,这一规定在完全自动驾驶时代应当如何适用?

斯坦福大学的法学教授布莱恩特·沃克·史密斯(Bryant Walker Smith)曾撰写过一份文档,提出了在自动驾驶情境下如何调整法律的建议,包括把“驾驶员”这一术语改为包括不具备常规意义上的眼睛或者耳朵的计算机等等。修改法律的困难之处在于,法律能够要求人类规范自己的行为,但现在它无法要求一个人工智能系统去做什么事,除非法律的制定者能够清楚了解这个人工智能系统能做什么事不能做什么事,在纷繁的技术面具下去判定这些责任究竟是属于谁——可以想见的是,随着自动驾驶时代到来,现有的交通法规也将会迎来一场大变革

6,大火的自动驾驶汽车都涉及了哪些技术?

大火的自动驾驶汽车都涉及了哪些技术?

智能车(Intelligent vehicle)是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。下边就先给自动驾驶技术做一个总的分类,如下图所示,自动驾驶的关键技术依次可以分为环境感知,行为决策,路径规划和运动控制四大部分。

感知技术

自动驾驶的第一步就是环境信息和车内信息的采集与处理,是智能车辆自主行驶的基础和前提。获取周围的环境信息。这方面涉及到道路边界检测、车辆检测、行人检测等技术,即上面各位所说的传感器技术,所用到的传感器一般都会有激光测距仪、视频摄像头、车载雷达、速度和加速度传感器……这部分也是一台智能车辆最烧钱的部分,现在国内各大高校里动辄上百万甚至几百万的试验车,都是基于普通的轿车开发的,车子本身并不十分贵。但是感知技术并不是说我有钱加装个上百万的雷达,搞几个高清摄像头就可以的,由于各个传感器在设计的时候有各自的局限性,单个传感器满足不了各种工况下的精确感知,想要车辆在各种环境下平稳运行,就需要运用到多传感器融合技术,该技术也是环境感知这一大类技术的关键技术所在,目前国内这方面和国外的主要差距也集中在多传感器融合方面。

决策技术

在辅助驾驶或者自动驾驶技术中,完成了感知部分,接下来需要做的是,依据上一步感知系统获取的信息来进行决策判断,确定适当工作模型,制定相应控制策略。这部分的功能类似于给车辆下达相应的任务。例如在车道保持、车道偏离预警、车距保持,障碍物警告等系统中,需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态,先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。

路径规划

智能车辆有了行驶任务,智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中位置的基础上,按照一定的搜索算法,找出一条可通行的路径,进而实现智能车辆的自主导航。

路径规划的方法根据智能车辆工作环境信息的完整程度,可分为两大类:

基于完整环境信息的全局路径规划方法;例如,从上海到北京有很多条路,规划处一条作为行驶路线即为全局规划。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态路径规划算法。

基于传感器实时获取环境信息的局部路径规划方法;例如,在全局规划好的上海到北京的那条路线上会有其他车辆或者障碍物,想要避过这些障碍物或者车辆,需要转向调整车道,这就是局部路径规划。局部路径规划的方法包括:人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。

运动控制

规划好了行驶路径,接下来就需要控制车辆沿着期望的轨迹行驶,这就是运动控制部分需要完成的内容。运动控制包括横向控制和纵向控制,简单来说横向控制就是转向控制,纵向控制就是速度控制, 现在研究比较多的是横向控制,所运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和纯跟踪控制等。通俗的讲就是,横向控制为给定一个速度,通过控制转向达到车辆沿着预定轨迹行驶的目的;而纵向控制目的是为了满足车辆行驶过程中的速度要求,有时候还需要配合横向控制达到满足车辆在轨迹跟踪的同时,还需要满足安全性、稳定性和舒适性的目的。因为车辆是一个特别复杂的系统,横向、纵向和垂向都有耦合关系的存在,因此就需要对智能车辆进行横、纵向,甚至横、纵、垂向的协同控制。由于其耦合关系的复杂性,所以说智能车辆运动控制的协同控制技术,也是该部分的技术难点。

本文相关词条概念解析:

驾驶

驾驶,指操纵车船或飞机等使行驶。语出清魏源《圣武记》卷十四:“今即实估实造,而停泊不常驾驶,风浪无从练习,非若夷船之日涉重洋,则亦不过数年而舱朽柁蔽矣。”

车辆

车辆指陆地轮式、链式和轨道式运输工具的总称,包括火车、汽车、人力车和畜力车等几大类。车辆、船、飞机都是交通工具。车辆是“车”与车的单位“辆”的总称。所谓车,是指陆地上用轮子转动的交通工具;所谓辆,来源于古代对车的计量方法。那时的车一般是两个车轮,故车一乘即称一两,后来才写作辆。由此可见,车辆的本义是指本身没有动力的车,用马来牵引叫马车,用人来拉或推叫人力车。随着科学技术的发展,又有了用蒸汽机来牵引的汽车等等。

网友评论