自动驾驶汽车的传感器包括高智能的摄像头、激光镭达等等，也会有将来V2X的技术。通过这些技术感知到各种情况，如人、车在路上的位置、速度、方向;局部天气情况、路面情况、道路变化等等信息。这些信息被传到云端，在云端做进一步的融合、机器学习、分析等，并将这些信息再次下发给即将到达该区域的车辆，同时贡献于高精度实时交通。当然部分信息可能是通过DSRC等技术不经过云端快速分享给周边车辆、行人等交通参与者。所以无论是传感器还是云服务对将来的自动驾驶都是必不可少的。

　　关于谷歌无人驾驶技术并不是简单的一种激光传感器，或者说大数据的应用。在2014版中，首先，它需要的是自我的定位，结合谷歌地图，GPS等;确定了这个之后，需要确定公路上其他人，车辆的位置，这个就需要借助车上的激光传感器和一套比较先进的算法;只确定这些还不行，还需要预算出安全距离，以及其他人，车，东西的运动轨迹，这个算法就比较复杂了，从官方给出的演示算法，是将车子，人，杂物按照不同的方框演算的。 其中激光感应和雷达是主要的输入方式之一。然后再加入信号识别，人体动态手势识别，路径实时演算，速度计算及控制，能源控制系统等这些元素。所以说，单纯的大数据，互联网，或者单纯的感应器应用都是不大可能完美的实现无人驾驶，尤其是复杂路况下的无人驾驶技术的。

　　1、大数据促使统一标准实行与所有创新技术一样，统一的标准将决定自动驾驶汽车革命的成败。混乱的标准接口就是障碍，但不会成为一个永远不会结束的问题。福特、Alphabet、Lyft、Uber和沃尔沃已经联手成立了“实现更安全街道的自动驾驶汽车联盟”。这些公司希望建立标准化的合规框架，使它们可以安心地开展新业务。

　　2、行驶安全靠数据处理消费者对自动驾驶汽车的理解与对自动驾驶技术的一项主要担忧紧密相关——安全。这一点在2016年5月表现得尤为明显，当时特斯拉报告了首例Model S致人死亡的交通事故。司机和特斯拉Autopilot都没有识别出停在前方道路上的白色挂车。未来自动驾驶汽车还会酿成更多交通事故，自动驾驶汽车公司要把安全问题限制在最低程度，将仍然是一项持续的挑战和需要最优先考虑的任务。自动驾驶和无人驾驶是海量的数据处理能力，单纯依赖传感器的刹车、预处理的时候没有数据化很难去做这个操作的，真正让我们觉得自豪的不是数据规模增大了，而是我们处理数据的效率得到了质的提升。数据安全是命根。我们现在提供很多大数据服务。在这个过程中，保护用户安全很重要。所有用户在端上的数据行为，实际上在高德来说这些东西是混淆的，只有物理对应，其他人根本看不见。