모빌리티의 디지털 변혁: 자율주행차

개요

최근 몇 년간 자율주행과 로보택시(Robotaxis)라는 이름이 자동차 산업의 화두 중 하나가 되었습니다. 자동차, 운송, 광범위한 모빌리티 시장은 사회적, 기술적, 경제적 변화를 겪고 있으며 사람과 제품이 이동하는 방식을 근본적으로 변화시키고 있습니다. 지속적인 인구 증가, 도시화, 환경 문제 속에서 새로운 형태의 이동성은 미래의 인구 허브와 경제 활동을 지원하는 데 매우 중요합니다.

2022년부터 2029년까지의 예측 기간에 따르면 자율주행차 시장은 36.16%의 성장률로 상당한 성장을 경험할 것으로 예상됩니다. Data Bridge Market Research의 보고서는 시장에 대한 포괄적인 분석과 통찰력을 제공하며, 이 기간 동안 시장 성장에 큰 영향을 미칠 것으로 예상되는 요소를 강조합니다.

• https://www.databridgemarketresearch.com/ko/reports/global-autonomous-luxury-vehicle-market

소프트웨어 플레이어를 선도하는 거대 기술 기업과 새로운 모빌리티 스타트업도 완전히 새로운 미래 모빌리티 시대의 성과를 거두기 직전입니다. 이제 자동차는 다양한 기능을 제공하는 플랫폼으로 변모하고 있습니다. 따라서 자율주행차는 기존 자동차에 비해 훨씬 더 소프트웨어 중심의 제품이 되어가고 있습니다. 자율주행차는 사람의 개입 없이 주변 환경을 감지하고 작동할 수 있는 차량을 말합니다. 특히 센서 기술, LiDAR, 4D 레이더 이미징의 발전은 완전 자율 차량을 위한 길을 열어주고 있습니다. 이러한 기술은 차량이 적시에 결정을 내릴 수 있도록 특정 데이터를 실시간으로 수집하는 데 사용됩니다.

인간 승객은 언제든지 차량을 제어할 필요가 없으며 인간 승객이 그 자리에 있어야 할 필요도 없습니다. 기존 제조업체와 공급업체는 개발 주기를 지속적으로 단축하고 새로운 소프트웨어 시대로의 불가피한 전환을 따라잡기 위해 극도로 열심히 노력하고 있습니다. 그러나 소프트웨어 업계에서 주로 알려진 협업적 민첩한 작업 모델과 보다 혁신적인 협력 관리 접근 방식은 이러한 문제를 해결하고 이를 기회로 전환할 수 있는 길을 열어줍니다.

자율주행차란 무엇인가요?

딥러닝은 자율주행차 자동화 부분의 핵심입니다. AV는 다양한 교육 모델과 실시간 데이터 수집을 기반으로 계산적인 결정을 내릴 수 있습니다. 최근 딥러닝과 인공지능의 발전으로 자율주행차는 위험도가 높은 상황에 대응하고 기상 조건으로 인한 장애물 추적 문제에 대응할 수 있게 되었습니다. 자율주행차 또는 무인자동차는 센서, 카메라, 레이더, 인공지능(AI) 등을 조합해 사람 없이 목적지 간을 이동하는 차량이다. 자율주행차를 개발 및/또는 테스트하는 회사로는 Audi, BMW, Ford, Google, General Motors, Tesla, Volkswagen 및 Volvo가 있습니다.

전세계 자율주행차 시장 시나리오

자율주행차는 전 세계적으로 소비자의 모빌리티 경험에 혁명을 일으키고 있습니다. 기술이 발전함에 따라 자율주행차는 사람이 운전하는 차량보다 더 안전해질 것입니다. 미국에서는 피로, 사람의 실수, 음주 운전으로 인해 매년 자동차 사고로 30,000명이 목숨을 잃습니다.

오늘날 대부분의 자동차에는 기본 ADAS(고급 운전자 지원 시스템) 기능이 포함되어 있으며 이러한 동작 없이 작동할 수 있어 잠재적으로 수천 명의 생명을 구할 수 있습니다. 대부분의 자율주행차에는 자동 긴급 제동 시스템이 장착되어 있는데, 이는 차량이 급정거 등 위험에 접근할 때를 감지하도록 설계되었습니다. 또한 자동 비상 제동 시스템은 도로 위의 보행자, 자전거 운전자 또는 기타 차량을 감지하고 대응하도록 구성할 수 있습니다. 수십억 명의 사람들에게 더 안전하고 깨끗하며 편리한 이동성을 제공하기 위해 2018년 Waymo에서 최초의 자율주행차가 출시되었습니다. Waymo의 600대의 자율주행 차량은 어떤 경쟁사보다 더 많은 자율 주행 마일을 주행했습니다. 실제로 2018년 10월에 이 차량은 마운틴뷰(CA), 오스틴(TX), 커클랜드(WA) 및 피닉스(AZ)의 거리에 초점을 맞추었지만 25개 도시의 공공 도로에서 1,000만 마일 이상을 주행했습니다. . 2018년 8월, 차량 호출 회사인 Lyft는 고객이 모바일 앱을 사용하여 라스베이거스에서 5,000회 이상의 자율주행 차량 요금을 지불했다고 발표했습니다. 이 서비스는 지난 1월 라스베가스에서 30대의 BMW 차량으로 시작되었지만 당시 회사 보유 차량은 75대였습니다.

자동차 제조업체가 채택한 주요 전략

• 바이두('중국 구글')는 2014년부터 자율주행차를 개발해 왔으며 2018년 초부터 베이징에서 시험운전을 실시했으며 2024년에는 완전 자율주행차가 거리를 주행할 것으로 예상하고 있다.
• 2023년 2월, 르노-닛산과 미쓰비시는 르노 그룹과 닛산이 공유하는 새로운 SUV와 르노 트라이버 SUV에서 파생된 새로운 닛산 자동차 모델을 포함하여 여러 가지 새로운 차량 프로젝트에 협력하기 위한 구속력 있는 프레임워크 계약을 체결했습니다.
• 2020년 5월 PSA 그룹은 Aptiv(NuTonomy)와 제휴하여 싱가포르에서 자율주행 택시를 출시했습니다. 이에 따라 Aptive는 PSA 혁신 팀이 맞춤화한 Peugeot 3008 SUV에 자사의 소프트웨어, 특수 센서 및 컴퓨팅 플랫폼을 설치했습니다.
• 토요타는 2018년 10월 소프트뱅크와 파트너십을 맺고 음식, 물품 배송부터 건강검진까지 자율주행차를 활용한 다양한 서비스를 만들어 자율주행 시대에 적응했다.
• 지난 2018년 1월 현대자동차와 시스코는 보안을 갖춘 차세대 차량 내 네트워킹을 가능하게 하는 신기술 로드맵을 공개한 바 있습니다. 현대자동차와 Cisco는 차량 내 모든 데이터에 대한 매우 안전한 액세스를 제공하는 새로운 플랫폼을 만들었습니다. 플랫폼은 1세대 1Gps 아키텍처와 QoS가 포함된 자동차 이더넷을 활용하여 대역폭을 극대화하고 더 많은 기능을 제공합니다.

자율주행차의 자동화 수준

SAE(Society of Automotive Engineers)는 미국 교통부가 채택한 0(완전 수동)부터 5(완전 자율)까지의 운전 자동화 수준을 6단계로 정의합니다.

출처: 바다

자율주행차 또는 자율주행자동차의 핵심기술

고도로 발달된 컴퓨터 과학, 패턴 인식, 지능형 제어 기술의 산물인 자율주행차에는 자동제어, 건축, 인공지능, 컴퓨터 비전 등 다양한 기술이 집약되어 ​​있습니다.

• 자동차 내비게이션 시스템: 자동차 내비게이션 시스템에는 위성으로부터 경도, 위도 등의 위치 정보를 수신하기 위해 차량의 지리 정보 시스템과 GPS(Global Positioning System)가 장착되어 있습니다. 이러한 정보는 위치 시스템 및 디지털 지도 데이터베이스에서 생성된 도로 정보와 함께 지도 매칭 모델에 입력되는 소스 데이터 역할을 하며, 여기서 지능형 경로 계획 알고리즘이 활용되어 경로 계획 계산이 가능합니다.
• 위치 시스템: 위치 시스템의 주요 목표는 차량의 위치를 ​​파악하는 것으로 상대 위치, 절대 위치, 하이브리드 위치로 구분할 수 있습니다. 상대 위치는 이전 위치에 이동 거리와 방향을 더해 자율주행차의 현재 위치를 구한다. 절대위치법은 측위 시스템에서 얻은 정보를 바탕으로 차량의 위치를 ​​찾는 방법입니다. 일반적인 위치 확인 시스템은 GPS, GLONASS, Galileo, Beidou 등과 같은 위성 기반 시스템입니다. 그러나 위성 신호는 기상 조건과 건물, 산 등 도시 환경의 간섭을 받기 쉬우며 이로 인해 위치 신호에 오류와 잡음이 발생하므로 측정된 절대 위치가 정확하지 않습니다. 위의 두 가지 위치추적 방식의 특징을 결합한 하이브리드 위치추적 방식은 자율주행차의 위치 획득에 가장 많이 사용되는 방식이다.
• 전자 지도(EM): EM(Electronic Map)은 디지털 지도 데이터를 저장하는 데 사용되며, 이는 주로 지리정보, 교통 데이터, 건물 데이터, 교통표지판, 도로 시설물 등으로 구성됩니다. 오늘날 자율주행차에 활용되는 EM의 대부분은 인간이 설계한 것입니다. EM. 앞으로는 도로표지판을 자동으로 인식하고 서로 상호작용하는 등 자율주행차를 위한 맞춤형 EM이 개발될 것으로 기대된다.
• 지도 매칭: 경로 계획의 기본인 지도 매칭은 GPS의 지리 데이터와 EM의 지도 데이터를 결합하여 차량의 위치를 ​​결정합니다. 고급 융합 접근 방식은 계산 중에 경도, 자세 또는 기타 좌표 정보를 EM에 융합하는 데 사용됩니다. 실용적인 관점에서 보면 차량 위치 출력은 정확하고 시기적절해야 합니다.

자율주행차가 직면한 과제

레벨 5 자율주행차가 직면한 주요 장애물은 진정한 레벨 5 자율주행차를 만들 만큼 기술이 충분히 발전하지 않았다는 점입니다. General Motors의 크루즈 테스트 차량과 Nuro 차량은 레벨 5 차량 개발의 첫 번째 단계에 불과합니다. 무인자동차에 대한 대중의 불신은 레벨 5 자율주행차가 극복해야 할 또 다른 장애물이다. 현재 레벨 3 차량은 사고에 연루되어 있으며, 이는 레벨 5 차량이 완전히 자율적이기 때문에 안전성에 대한 진정한 우려를 불러일으킵니다. 이 외에도 무인 자동차를 위한 완전 자율 시스템을 설계하는 데는 여전히 많은 과제에 직면해 있습니다.

• 도로 상황: 도로 상황은 예측하기가 매우 어렵고 장소마다 다를 수 있습니다. 어떤 경우에는 매끄럽고 뚜렷한 넓은 고속도로가 있지만 다른 경우에는 도로 상태가 크게 악화됩니다. 차선이 정의되지 않았습니다. 방향에 대한 외부 신호가 그다지 명확하지 않은 움푹 들어간 곳, 산악 도로 및 터널 도로가 있습니다.
• 교통 상황: 자율주행차는 공공도로를 주행하고 다양한 교통 상황을 탐색해야 합니다. 그들은 많은 보행자를 탐색하는 동시에 다른 자율주행차와 도로를 공유해야 합니다. 인간이 관여하는 모든 곳에는 수많은 감정이 존재합니다. 고도로 통제되고 자체 규제되는 트래픽이 가능합니다. 그러나 누군가가 운전법을 자주 위반하는 경우가 있습니다. 예상치 못한 상황에서 물체가 나타날 수 있습니다. 교통량이 많은 경우에는 분당 몇 cm의 움직임도 중요합니다. 교통 정체가 해소되고 자동으로 이동하기 위한 전제 조건이 있을 때까지 끝없이 기다릴 수는 없습니다.
• 사고 책임: 자율주행차에서 가장 중요한 점은 사고 책임이다. 자율주행차로 인한 사고 책임은 누구에게 있을까? 자율주행 자동차의 경우, 소프트웨어는 자동차를 운전하고 모든 중요한 결정을 내리는 주요 구성 요소가 될 것입니다. 초기 디자인에는 운전대 뒤에 사람이 물리적으로 배치되어 있었지만 Google이 선보인 최신 디자인에는 대시보드와 운전대가 없습니다. 또한, 자율주행자동차의 특성상 탑승자는 대부분 여유로운 상태에 있을 것이며, 교통 상황에 세심한 주의를 기울이지 않을 수도 있습니다. 운전자의 주의가 필요한 상황에서는 운전자가 조치를 취해야 할 때쯤에는 상황을 피하기에는 너무 늦어 사고가 발생할 수 있습니다.
• 레이더 간섭: 레이저와 레이더는 자율주행차가 탐색하는 데 사용됩니다. 센서는 차체에 설치되는 반면, 레이저는 지붕에 장착됩니다. 레이더는 주변 물체의 전파 반사를 감지하여 작동합니다. 운전할 때 자동차는 주변 차량과 범위 내의 다른 물체에 반사되는 무선 주파수를 지속적으로 방출합니다. 반사 시간을 측정하여 자동차와 물체 사이의 거리를 결정합니다. 도로에 있을 때 자동차는 지속적으로 무선 주파수를 방출하며, 이는 주변 자동차와 도로 근처의 다른 물체에 반사됩니다. 따라서 이 기술을 도로 위 수백 대의 차량에 사용할 때 자동차가 자체(반사) 신호와 다른 차량의 신호(반사 또는 전송)를 구별할 수 있는지에 대한 의문이 제기됩니다. 레이더에 여러 무선 주파수를 사용할 수 있더라도 이 주파수 범위는 제조되는 모든 차량에 충분하지 않을 것입니다.

자율주행차는 신호등이 켜졌을 때 교통경찰이 차량을 흔드는 등의 비정상적인 상황을 해석하는 데 어려움을 겪습니다. 모든 시나리오를 미리 코딩하는 것은 불가능하기 때문에 간단한 규칙 기반 프로그래밍이 항상 작동하는 것은 아닙니다. 따라서 도로 위의 "무인차 또는 자율" 차량에 대한 아이디어는 자율주행차에 대한 많은 제어 관련 문제와 관리해야 할 많은 이동 요소가 있기 때문에 모든 생활 영역의 사람들에게 흥미를 불러일으켰습니다. 운전하는 동안 동시에 조절됩니다.

자율주행차가 준비된 최고의 국가

운전자 지원 기술과 자율주행 시스템을 포함한 자동차 기술의 지속적인 발전은 훨씬 더 큰 안전 이점을 제공하는 것을 목표로 합니다. 세상은 자율주행차에 의해 점령되었으며, 그 발전은 믿을 수 없을 만큼 발전하고 있습니다. 네덜란드는 우수한 도로 인프라, 강력한 지원 정부, 열정적인 전기 자동차 채택으로 인해 자율주행차 준비 지수에서 신흥 선두주자로 여겨지고 있지만, 싱가포르는 주로 도로 개정으로 인해 미국을 제치고 2위를 차지했습니다. 공공도로에서 자율주행차의 시험을 허용하는 교통법.

표 1: 자율주행차 준비 지수

출처: 지리공간 미디어 및 커뮤니케이션

자율주행차의 장점

표 2: 자율주행차의 잠재적 이점 및 비용

원천:

• 운전자 스트레스 감소, 생산성 및 이동성 향상

자율주행차는 운전자의 스트레스와 지루함을 줄이고 생산성을 높여 승객이 여행 중에도 일을 할 수 있도록 해준다. 그러나 안전을 위해 탑승자는 안전벨트를 착용해야 하며, 차량 내 침대 사용을 제한해야 하며, 여느 밀폐공간과 마찬가지로 차량 내부도 어수선하고 더러워지기 쉽습니다. 또한 자율주행차는 어떤 이유로든 운전할 수 없거나 운전해서는 안되는 사람들에게 독립적인 이동성을 제공할 수 있습니다. 이는 여행자에게 직접적인 혜택을 주며 교육 및 취업 기회에 대한 접근성을 향상시켜 생산성을 높이고 가족과 친구의 운전 부담을 줄일 수 있습니다.

자율주행차와 관련된 과제

• 소유 및 운영 비용

자율주행차가 제대로 작동하려면 다양한 장비와 서비스가 필요합니다. 고장은 치명적일 수 있으므로 자율주행차에는 전문가가 설치하고 유지 관리하는 강력하고 중복된 구성 요소가 필요하므로 유지 관리 비용이 증가합니다. 현재 원격 시동, 능동 차선 보조 장치, 안전 카메라와 같은 옵션 차량 액세서리의 가격은 일반적으로 수천 달러이며, OnStar 및 TomTom과 같은 내비게이션 및 보안 서비스 가입 비용은 연간 수백 달러입니다. 제한된 자율 운영을 제공하는 Tesla의 완전 자율 주행(FSD) 서비스로 업그레이드하는 데 드는 비용은 USD 15,000이며, 2022년 소유자는 Tesla의 가용성 및 이점에 대한 허위 광고로 Tesla를 고소했습니다. 차량 소유자는 아마도 빈번한 소프트웨어 업데이트와 내비게이션 매핑 서비스에 가입해야 할 것입니다.

• 잠재적인 레이더 간섭 처리

대부분의 자율주행차는 길을 찾기 위해 LiDAR(빛 감지 및 거리 측정), 카메라, 레이더의 세 가지 기술을 사용합니다. 운전할 때 레이더 센서는 주변 물체의 전파 반사를 감지합니다. 그래서 전파가 반사되는 데 걸리는 시간을 빠르게 계산하면 자율주행차가 근처 물체의 근접성을 측정할 수 있습니다. 그러나 근접한 두 대 이상의 차량에서 전송되는 전파가 서로 간섭하여 잘못된 신호를 발생시킬 가능성이 있습니다. 이미지 분류는 CNN(컨볼루션 신경망)을 훈련하여 객체를 인식하고 분류하는 방식으로 수행됩니다. CNN의 문제는 모델이 모든 객체를 캡처하지 못할 가능성이 높기 때문에 여러 객체가 포함된 이미지에 대한 최상의 솔루션이 아니라는 것입니다. 그러나 GPS(Global Positioning System)를 사용하면 다른 자율주행차의 정확한 위치를 감지할 수 있지만 벽, 건물, 잔해, 나무 등 소수의 물체를 구별하지 못하는 경우도 있습니다. 자율주행차 또는 자율주행차는 자신의 신호를 나머지 신호와 구별할 수 있어야 하므로 이는 향후 몇 년 동안 가장 큰 과제 중 하나가 될 것입니다.

• 법적 문제를 탐색

이 법안은 자율주행의 가장 필수적인 특징 중 하나이다. 많은 경우, 주법과 연방법은 이러한 자동차로 인한 사고에 대한 책임이 누구에게 있는지에 대해 혼란을 겪고 있습니다. 일상적인 자동차 사고로 인한 신체 상해 청구에서 누가 잘못되었는지 판단하는 것은 이미 충분히 어렵습니다. 자율주행차의 경우 운전자에 대한 뚜렷한 정의가 없기 때문에 누가 사고를 냈는지, 그 영향은 무엇인지 파악하기가 더 어렵다. 이 외에도 대부분의 자율주행차에서는 소프트웨어가 주요 의사결정자이자 운영자입니다. 단, 제조사에 따라 디자인이 다를 수 있습니다.

• 날씨 및 도로 상황

컴퓨터 비전 자율주행 모델에는 실시간 물체 감지 기능이 탑재되어 있지만, 날씨, 조명, 위치에 따라 성능이 달라질 가능성이 있습니다. 자율주행차는 혹시 모를 사고를 예방하기 위해 다양한 데이터세트가 많이 필요합니다. 위의 변수로 인해 발생합니다. 자율주행차는 LiDAR 센서와 카메라를 3차원 지도 및 컴퓨터 비전 기술의 데이터와 결합하여 거리를 계산하고 교통 신호, 다른 차량, 보행자를 감지할 수 있습니다. 승객과 차량의 안전을 보장하기 위해서는 깊이 추정이 필수적입니다. LIDAR, 카메라 레이더 등 여러 다른 도구가 중요한 역할을 하지만 스테레오 비전으로 백업하는 것이 도움이 됩니다. 그러나 렌즈와 센서 사이의 거리가 차량마다 다를 수 있으므로 카메라 배열과 같은 다른 많은 문제가 발생할 여지가 있어 깊이 추정 시스템이 더욱 어려워집니다.

주요 국가의 규제 당국

• 캐나다: 연방 정부는 모든 관할권에 걸쳐 일관성을 보장하는 데 중점을 두고 있으며, 주, 준주 및 지방 정부는 AV 개발을 촉진하기 위한 조치를 취하고 있습니다. 온타리오에서 회사는 AV(SAE 레벨 4-5)를 도로에 배치하려면 온타리오의 AV 파일럿 프로젝트 규정에 대한 동의를 얻어야 합니다.
• 중국: 2020년 3월 9일, 중국 공업정보화부는 공식 웹사이트에 자동차 운전 자동화 분류에 대한 국가 표준 권장 초안을 공개했습니다.
• 독일: 2020년 11월 독일 연방 장관은 레벨 4 및 레벨 5 차량에 대한 법적 틀을 마련할 자율주행법 법안 초안을 발표했습니다.
• 헝가리: 헝가리 기술혁신부 장관은 2020년 9월 향후 10년간 헝가리의 인공지능 전략을 소개했다. 이 전략은 자율주행 기술에 필요한 연구 및 인프라를 위한 지원 개발 환경 조성을 구상하고 있습니다.
• 미국: 미국 교통부의 가장 최근 조치는 자율주행차 종합계획(Automated Vehicles Comprehensive Plan)의 발표입니다. 부분적으로, 이 계획은 Elaine Chao가 교통부 장관으로 재직하는 동안 AV와 관련하여 부서가 수행한 작업을 되돌아봅니다. 그러나 이는 또한 부서가 앞으로 취할 계획인 몇 가지 조치를 제시합니다. 이 계획은 자율주행차와 관련하여 부서가 앞으로 나아갈 세 가지 광범위한 원칙, 즉 사용자와 커뮤니티를 보호하고, 효율적인 시장을 장려하고, 조정된 노력을 촉진하는 것을 제공합니다. 또한 미국 교통부와 NHTSA(National Highway Traffic Safety Administration)는 지난 11월에 제안된 규칙 제정에 대한 사전 공지를 발표하여 차세대 자율주행차 안전 표준에 대한 의견을 요청했습니다. NHTSA에 따르면 "이 프레임워크는 ADS 성능의 안전성을 객관적으로 정의, 평가 및 관리하는 동시에 추가 혁신을 가능하게 하는 데 필요한 유연성을 보장합니다."
• 대한민국: 대한민국의 자율주행차법이 2020년 5월 1일부터 시행되었습니다. 이 법은 자율주행차의 도입, 확산, 안전한 운행을 위해 필요한 지원과 인프라를 제공합니다. 이 법은 또한 AV와 관련하여 필요한 요구 사항을 규제합니다.

자율주행차 시장에 코로나19가 미치는 영향

코로나19(COVID-19) 팬데믹은 일상생활에 엄청난 변화를 가져왔습니다. 이에 자동차와 운송 부문에서는 소비자 행동의 변화가 경제 전반에 걸쳐 자율주행차(AV) 기술 도입에 어떤 영향을 미칠 수 있는지 주목하고 있습니다. . 코로나19 팬데믹은 생산부터 R&D까지 여러 OEM의 운영에 영향을 미쳤습니다. AV 개발 및 출시에 단기적인 중단이 있을 수 있지만, 이러한 중단으로 인해 소비자 부문 내에서 AV 기술 채택을 위한 새로운 기회가 열릴 수 있으며 AV 기술이 대응의 중요한 구성 요소로 간주되므로 다양한 상업 부문에서 채택을 가속화할 수 있습니다. 긴급 상황. 또한 코로나19는 장기적으로 AV 기술에 도움이 될 수 있는 방식으로 대중교통에 대한 소비자의 태도를 바꾸고 있습니다. 신차 구입에 대한 소비자의 망설임으로 인해 OEM이 AV 개발을 중단하게 될 수도 있지만, 물류 회사, 배달 회사 및 식품 서비스 업계의 AV 채택 가능성은 OEM 및 기타 AV 참가자에게 AV 기술을 추진해야 하는 시장 요구를 제공할 수 있습니다. 다음 레벨. 현재 건강을 유지하는 것이 동료 시민과 멀리 떨어져 있는 것을 의미하는 세상에서 자율 주행 장거리 트럭, 도시 간 배달 차량, 로봇 음식 배달이 그 어느 때보다 매력적으로 보입니다.

코로나19로 인해 물품 운송의 인간적 측면이 부각되면서 물류업체에는 실시간 자율주행 시스템이 필요합니다. 비용 절감과 상품의 논스톱 운송이 요인이기는 하지만, 상품 배송을 일시 중지할 수 있는 코로나19의 능력은 상품 운송의 인적 요소를 국가 상품 공급망의 약한 고리로 부각시켰습니다. 긴급 상황에서는 공급망 전반에 걸쳐 상품을 효율적이고 안정적으로 운송하는 능력이 그 어느 때보다 중요하며, 특히 공황 구매 및 공급 제약 상황에서는 더욱 그렇습니다. 또한 자동차 부문은 적시 배송에 의존하기 때문에 트럭 운송 및 물류 중단으로 인한 공급 중단을 감당할 수 없습니다. 신차 및 중고차 구매에 대한 소비자 수요로 인해 소비자 부문에서 AV 시스템 채택이 일시적으로 지연되었을 수 있지만, 코로나19 팬데믹은 일상 상거래와 물류 산업 전반에 걸쳐 AV가 얼마나 중요한지 강조했습니다.

결론

자율주행차(AV)는 안전, 윤리 등을 기반으로 한 고객 수용 문제로 인해 가장 파괴적인 기술 혁신 중 하나로 간주됩니다. AV는 세계가 차량과 인간의 이동성을 보는 방식을 변화시키고 있으며 자동차 산업에서 중요한 기술 혁신이 되고 있습니다. 이동성 증가, 자원 소비량 감소, 배출량 감소, 주차 공간 필요성 감소, 교통 안전 증가 등 다양한 이점을 가져올 수 있습니다. 유용한 애플리케이션의 출현으로 AV는 다양한 교통 문제를 해결할 수 있었지만 특정 교통 상황, 차량 유지 관리 및 자율 주행 모드를 활용할 수 없는 경우 장기적인 인간 상호 작용이 필요하다는 점에는 동의합니다.

자율주행차 시장에 대해 더 자세히 알고 싶으시면 아래 링크를 방문해주세요.

2022년부터 2029년까지의 예측 기간에 따르면 반자율 및 자율주행 시장은 예상 성장률 3.8%로 상당한 성장을 경험할 것으로 예상됩니다. Data Bridge Market Research의 보고서는 시장에 대한 포괄적인 분석과 통찰력을 제공하며, 이 기간 동안 시장 성장에 큰 영향을 미칠 것으로 예상되는 요소를 강조합니다.

• https://www.databridgemarketresearch.com/ko/reports/global-semi-autonomous-and-autonomous-vehicle-market

보고서의 전체 버전에서 Data Bridge는 가치(백만 달러) 측면에서 시장 규모를 제공하거나 고객 요구 사항에 따라 사용자 정의합니다.