自動駕駛汽車的傳感器包括高智能的攝像頭、激光鐳達等等，也會有將來V2X的技術。通過這些技術感知到各種情況，如人、車在路上的位置、速度、方向;局部天氣情況、路面情況、道路變化等等信息。這些信息被傳到云端，在云端做進一步的融合、機器學習、分析等，并將這些信息再次下發給即將到達該區域的車輛，同時貢獻于高精度實時交通。當然部分信息可能是通過DSRC等技術不經過云端快速分享給周邊車輛、行人等交通參與者。所以無論是傳感器還是云服務對將來的自動駕駛都是必不可少的。

      關于谷歌無人駕駛技術并不是簡單的一種激光傳感器，或者說大數據的應用。在2014版中，首先，它需要的是自我的定位，結合谷歌地圖，GPS等;確定了這個之后，需要確定公路上其他人，車輛的位置，這個就需要借助車上的激光傳感器和一套比較先進的算法;只確定這些還不行，還需要預算出安全距離，以及其他人，車，東西的運動軌跡，這個算法就比較復雜了，從官方給出的演示算法，是將車子，人，雜物按照不同的方框演算的。 其中激光感應和雷達是主要的輸入方式之一。然后再加入信號識別，人體動態手勢識別，路徑實時演算，速度計算及控制，能源控制系統等這些元素。所以說，單純的大數據，互聯網，或者單純的感應器應用都是不大可能完美的實現無人駕駛，尤其是復雜路況下的無人駕駛技術的。

      1、大數據促使統一標準實行

      與所有創新技術一樣，統一的標準將決定自動駕駛汽車革命的成敗。混亂的標準接口就是障礙，但不會成為一個永遠不會結束的問題。福特、Alphabet、Lyft、Uber和沃爾沃已經聯手成立了“實現更安全街道的自動駕駛汽車聯盟”。這些公司希望建立標準化的合規框架，使它們可以安心地開展新業務。

      2、行駛安全靠數據處理

      消費者對自動駕駛汽車的理解與對自動駕駛技術的一項主要擔憂緊密相關——安全。這一點在2016年5月表現得尤為明顯，當時特斯拉報告了首例Model S致人死亡的交通事故。司機和特斯拉Autopilot都沒有識別出停在前方道路上的白色掛車。未來自動駕駛汽車還會釀成更多交通事故，自動駕駛汽車公司要把安全問題限制在最低程度，將仍然是一項持續的挑戰和需要最優先考慮的任務。

      自動駕駛和無人駕駛是海量的數據處理能力，單純依賴傳感器的剎車、預處理的時候沒有數據化很難去做這個操作的，真正讓我們覺得自豪的不是數據規模增大了，而是我們處理數據的效率得到了質的提升。數據安全是命根。我們現在提供很多大數據服務。在這個過程中，保護用戶安全很重要。所有用戶在端上的數據行為，實際上在高德來說這些東西是混淆的，只有物理對應，其他人根本看不見。