隨著車輛保有量逐年增加，以及城市規模不斷擴大，導致城市交通擁堵問題愈發突出。
在人工智能興起且技術漸趨成熟之后，人們開始將解決這一問題的希望投向自動駕駛領域，
研究顯示，普及自動駕駛應用可顯著提高城市交通效率[1]。此外，自動駕駛領域在資本市場備受青睞，在過去一段時間內獲得大量融資[2]，
但受制于諸多因素，自動駕駛遲遲無法實現大規模商業化落地，
或許，以半自動駕駛電車為載體，可加快自動駕駛的商業化落地步伐，
自動駕駛商業化落地的四座大山
在介紹半自動駕駛電車之前，我們需要了解，自動駕駛商業化為何面臨難題。
具體而言，安全、法律、倫理道德以及模型與數據的迭代優化已然成為四座大山，阻礙著自動駕駛行業發展。
首先，安全問題產生的根源在于技術受限，
從技術層面看，目前全世界范圍內仍無法實現“絕對安全”的自動駕駛，
資料顯示，全球每年因交通事故死亡的人數達百萬人以上，平均每半分鐘約1人因為交通事故喪生，
盡管成熟的自動駕駛技術可減少交通事故發生的次數，但目前自動駕駛技術的開發通常由單個企業獨立進行。
在此情況下，即使自動駕駛技術造成傷亡的人數較少，仍將對該企業造成巨大的輿論壓力[3]，
來自新聞輿論的壓力，一定程度上使得比人類駕駛員安全性更高的自動駕駛技術，懸浮于高空難以落地。
其次，難以厘清事故責任。
如果高速行駛的自動駕駛汽車發生交通事故，將對車主和行人造成不可逆的傷害，而這也將引出難以厘清的責任，[4][5]
當前，具備輔助駕駛功能的主流車型在行駛過程中，通常將對駕駛員進行多次提示：即便開啟輔助駕駛功能，也必須將雙手放置于方向盤上，并時刻注意道路情況。
然而，“同一個任務交給兩個人負責，等于沒人負責”。駕駛任務同時交給駕駛員和系統，也將出現相似的情況。
Google曾對其子公司Waymo進行研究調查，結果顯示：在開啟自動駕駛功能后，安全員對道路突發情況的反應時間遠遠大于其獨自駕駛時的所需耗時。
這種情況的發生是容易理解的：車輛自動、安全、無故障地運行數個小時后，人們將較難集中精力并及時關注道路突發情況，
自動駕駛汽車在行駛中，倫理道德問題不可避免，最為經典的倫理道德問題莫過于“電車難題”[6]。
“電車難題”指，自動駕駛汽車在突發情況下只能做出二選一的選擇時，選擇撞向5名不遵守交通規則的行人，還是撞向1名遵守交通規則的行人？
當自動駕駛汽車給出答案后，設定該決策邏輯的自動駕駛公司需要承擔怎樣的責任？
此外，如果決策代碼因出現Bug而致人死亡，那么負責編寫該代碼的程式員在此類事故中是否需要承擔責任？如果需要，責任將如何劃分？
最后，自動駕駛汽車在道路實測后，模型與數據的迭代優化也是難題。
當前，大數據時代，深度學習、人工智能漸次落地，為人們的生產生活提供了便利，其中，深度學習和人工智能發展的重要基石之一為大量高質量的數據。
自動駕駛也不例外，只有擁有大量實測道路圖像、激光雷達點云等高質量數據，自動駕駛才能進一步迭代優化算法模型。
然而，對于自動駕駛相關公司而言，數據和模型之間的關系如同雞生蛋，蛋生雞：自動駕駛車輛不進行路測意味著沒有路測數據，進而無法迭代優化算法模型；然而，缺少優良的算法模型，自動駕駛汽車將無法上路。
當前，大陸自動駕駛公司們擁有的自動駕駛測試車輛仍然較少，難以提供大量路測數據，
而擁有輔助駕駛功能的新能源汽車公司如特斯拉、蔚來汽車和小鵬汽車等，可通過數以萬計的已售出汽車獲得豐富、實時的路測數據，
然而，消費者擁有對攝像頭、激光雷達、車輛運行軌跡等數據的所有權。新能源汽車公司利用已銷售的汽車獲取路測數據，在法律上不具備合理性，涉嫌侵犯用戶隱私。
而在起步階段，如何獲取實時、大量、高質量的路測數據，是眾多自動駕駛公司亟需脫離的困境。
以上種種問題，需要人們深入思考研究。
半自動駕駛電車
以上問題，或許可通過另一種形態的交通工具解決——半自動駕駛電車，
何謂半自動駕駛電車？在一段路程中，一半路程為自動駕駛，另外一半路程由人類駕駛。
具體而言，當半自動駕駛電車無人乘坐時，其為自動駕駛狀態。在此種狀態下，半自動駕駛電車可根據需求實時調度至乘客附近，或在小區、捷運、公交站附近等待乘客，
當半自動駕駛電車運載乘客時，只能由乘客手動駕駛。抵達目的地后，車輛將再次進入空載狀態，如此循環，周而復始，
理想狀態下，每輛半自動駕駛電車自投放市場，即進入無休止接送乘客狀態，直到車輛報廢。相對于私家車平均每天不到10%的使用時間，該小車使用效率極高。
半自動駕駛運行示意圖
半自動駕駛電車與共享單車同樣承擔著解決“最后一公里”難題的任務，
相對于后者，半自動駕駛電車可自主運行，不會因閑置導致城市各地區大量堆積，可避免因此產生新的城市環境治理問題。
假如一輛半自動駕駛電車每小時可服務4位乘客，每天運營12小時，一輛半自動駕駛電車每天可以服務48位乘客，且不占據停車空間。
相對于共享單車，半自動駕駛電車或將達到“以一當十”的效果。人們將逐漸形成起點→半自動駕駛電車→公交/捷運→半自動駕駛電車→目的地的交通方式，
半自動駕駛與公交系統構成的新交通方式
安全性方面，半自動駕駛車輛低速運行可使得其面臨更小的安全問題。同時，半自動駕駛電車只有在無乘客的情況下自行調度，造成人員傷亡的可能性將進一步降低，
即便半自動駕駛電車出現交通事故，法律方面也將更容易劃分責任：乘客自主駕駛時，根據電動腳踏車管理的相關規范進行定責，追究駕駛員的責任；處于空載狀態時，則追究該電車廠商的責任。以此方式，可較好規避法律和倫理道德方面的問題。
電車的低速運行特點，使得該電車難以遇到危及生命的“電車難題”場景，
迄今為止，盡管人們圍繞“電車難題”爭論不休，且交通事故依舊每天發生，但人們仍然選擇開車上路，
這側面證明著，半自動駕駛電車也無需完全解決“電車難題”，或許，半自動駕駛電車只需在統計意義上比人類優秀駕駛員的表現更安全，即可投入運營。
半自動駕駛電車，一般由某個企業研發并投放市場，供人們付費共享使用。
這一特性使得半自動駕駛電車的所有權歸開發企業所有，車輛在運行中產生的的一切數據所有權將歸屬于開發企業，天然具備合法性。
通過大量的實測數據，開發企業可以進一步的優化算法模型，應對自動駕駛中產生的長尾效應，[7]
商業化模式
目前，自動駕駛得以實現主要源于包括激光雷達、攝像頭和毫米波雷達等傳感器的支持，其中，目前激光雷達的成本依然昂貴。
然而，低速運行的半自動駕駛車輛對相關傳感器和算力的要求較低，成本也將隨之下降，
通勤接駁，意味著人們乘坐半自動駕駛車的時間較短，結構設計可盡可能簡潔。
譬如，去除車頂、車門、車座靠背和扶手等，僅留下車輛運行必需的設備，車身可設計得盡可能小巧，如設計為單座結構，
此外，為保證行駛安全，車速可參考GB 24155-2020中電動腳踏車的標準，不超過25km/h[8]。車輛的低速特性，僅需對駕駛員的年齡進行限制即可，無需對駕照進行要求，為保證隨時服務，該車可采用換電模式，在電量不足時可自主運行至換電站完成補電。
隨著生產鏈優化和技術的進步，此類小車的成本或將低至3萬元左右。
正如上文所述，假設每輛小車每小時可以服務4位乘客，每天運營時間為12小時。在每一小時中，10分鐘為運行狀態，5分鐘為調度狀態。
每年運營350天，其中15天用于檢修，假設單次付費1元，該車一年總營收將達到16800元。
為便于計算，本文假設其中6800元用于運維成本，則每輛小車每年可獲得1萬元的利潤，
綜上，投資3萬元成本，每年可獲得1萬元的利潤，該商業模式的盈利是具備可行性的，
基于青年接受速度快的特點，且大學部新校區較多建立在遠離市區的偏遠地帶，不易產生交通事故的優勢，半自動駕駛電車可優先在大學部校園投放，作為校園至捷運、公交站的擺渡車。
通過積累大量路測數據，該電車可進一步優化模型，逐步推廣到全社會。
總 結
半自動駕駛電車不僅對自動駕駛的商業化落地有所啟示，而且對于公共交通效率的提升也大有裨益。
打車上下班對于許多人來講，是一筆不小的費用。基于經濟方面的考量和公交專用車道不易堵車的情況，更多人選擇公共交通上下班，
相對于共享單車，半自動駕駛電車有更遠的末端運輸里程，能從“最后一公里”拓展到“最后三公里”，
公車站之間距離太短，造成公車速度跑不起來，頻繁停靠，極大降低了公交系統的運行效率。
半自動駕駛電車的普及，允許公車站之間拉大距離，對于相距較近的站完全可以進行合并，
半自動駕駛電車和公交系統的共同進步，在節約能源、共享出行的同時，進一步提高人們的出行效率。
參考資料：
[1] 潘昊,章子皓,虞千迪.基于CA模型下自動駕駛汽車對交通堵塞影響的仿真模擬[J].科學技術創新,2021(23):14-15.
[2] 郭少丹. 3天內3家企業完成融資 自動駕駛再迎“資本熱”[N]. 大陸經營報,2021-08-16(C06).
[3] 倪浩. 蔚來汽車事故觸發“自動駕駛焦慮”[N]. 環球時報,2021-08-17(011).
[4] 黃耀華. 自動駕駛汽車侵權責任研究[D]. 河北經貿大學部, 2020.
[5] 沈慧慧. 自動駕駛汽車侵權責任研究[D]. 甘肅政法學院, 2020.
[6]朱振. 生命的衡量——自動駕駛汽車如何破解”電車難題”[J]. 華東政法大學部學報,2020,23(6):20-34. DOI:10.3969/j.issn.1008-4622.2020.06.002.
[7] 杜麗. 面向自動駕駛的場景理解關鍵技術研究[D].北京郵電大學部,2021.[8]http:http://openstd.samr.gov.cn/bzgk/gb/newGbInfo?hcno=3311C27BDA4A9CA581416ED0B9584280
