iptables在维基百科上的解释是：ptables是一个配置Linux内核防火墙的命令行工具，是netfilter项目的一部分，可以检测、修改、转发、重定向和丢弃IPv4数据包。ip6tables用于ipv6。我这里介绍的是在linux平台实现网络数据的转发和网络数据共享的功能。
 
    整体结构和测试环境如下图所示。
 
 
电脑/终端：
     win7 系统，一个网卡eth0，通过有线连接到linux 终端设备的eth0网口
Linux 终端设备：
     linux系统，三个网口:eth0有线连接网口，IP:192.168.20.168;eht1为3G/4G拨号上网网口;wlan0 WIFI热点使用网口。
移动设备：
     手机,平板，手提电脑等，通过WIFI连接到linux终端设备的wlan0网口
     所有的设备经过iptable处理过后，都可以共享linux终端设备的3g/4g网络，实现数据共享上网的功能。
 

（一）有线数据共享
 
    电脑通过有线连接到linux终端的eth0网口，实现共享linux终端4G数据。
 
(1)电脑端
 
    设置电脑自动获取IP。
 
(2)linux终端设备
 
    (a)启动eht1网口
 
      启动linux设备的3G/4G模块,使设备能够正常的拨号上网，并且域名等参数设置正常，可以解析域名地址。
 
    (b)启动eth0 动态分配IP功能:
 
      该功能是为有线连接的设备自动分配IP使用
 
    #创建udhcpd.leases 文件
    touch /var/lib/misc/udhcpd.leases
    #启动eth0自动分配IP功能
    udhcpd -fS /usr/share/wifi/dhcp_eth0.conf &
 
    dhcp_eth0.conf 配置文件内容为：
 
start 192.168.20.2                                                                                             
end 192.168.20.25
interface eth0
opt dns 202.96.128.86
opt dns 120.80.88.88
opt dns 223.5.5.5
opt dns 8.8.8.8
opt subnet 255.255.255.0
opt router 192.168.20.168
opt lease 864000
 
    注意，这里需要设置网关, opt router 192.168.20.168。这里设置的是电脑通过有线连接的linux终端后的网关，这个网关也就是所连接linux设备eth0网口的IP 192.168.20.168。如果这里网关设置不正确，电脑端的数据将发送不出去。
 
    (c)启动网络转发功能
 
    #使能转发功能
    echo '1' >> /proc/sys/net/ipv4/ip_forward
    #将有线连接192.168.20.2/25 之间的数据转发到eth1网卡，通过3G/4G 收发数据 
    iptables -t nat -A POSTROUTING -s 192.168.20.2/25  -o eth1 -j MASQUERADE
 
（二）无线数据共享
 
    移动设备端的手机平板等设备，通过WIFI连接到linux 终端设备，实现共享3G/4G网络上网。
 
     (a)linux设备的WIFI网卡设置：
 
    #启动网卡
    ifconfig wlan0 up
    #设置IP
    ifconfig wlan0 192.168.0.1
    #wifi配置
    hostapd /usr/share/wifi/rtl_hostapd_2G.conf -B
 
    rtl_hostapd_2G.conf 的内容为 ：
 
##### hostapd configuration file ##############################################

interface=wlan0
ctrl_interface=/var/run/hostapd
ssid=LiCaibiao_Debug
channel=6
wpa=2
wpa_passphrase=87654321
bridge=br0

##### Wi-Fi Protected Setup (WPS) #############################################

eap_server=1

# WPS state
# 0 = WPS disabled (default)
# 1 = WPS enabled, not configured
# 2 = WPS enabled, configured
wps_state=2

uuid=12345678-9abc-def0-1234-56789abcdef0

# Device Name
# User-friendly description of device; up to 32 octets encoded in UTF-8
device_name=RTL8192CU

# Manufacturer
# The manufacturer of the device (up to 64 ASCII characters)
manufacturer=Realtek

# Model Name
# Model of the device (up to 32 ASCII characters)
model_name=RTW_SOFTAP

# Model Number
# Additional device description (up to 32 ASCII characters)
model_number=WLAN_CU

# Serial Number
# Serial number of the device (up to 32 characters)
serial_number=12345

# Primary Device Type
# Used format: <categ>-<OUI>-<subcateg>
# categ = Category as an integer value
# OUI = OUI and type octet as a 4-octet hex-encoded value; 0050F204 for
#       default WPS OUI
# subcateg = OUI-specific Sub Category as an integer value
# Examples:
#   1-0050F204-1 (Computer / PC)
#   1-0050F204-2 (Computer / Server)
#   5-0050F204-1 (Storage / NAS)
#   6-0050F204-1 (Network Infrastructure / AP)
device_type=6-0050F204-1

# OS Version
# 4-octet operating system version number (hex string)
os_version=01020300

# Config Methods
# List of the supported configuration methods
config_methods=label display push_button keypad


##### default configuration #######################################

driver=rtl871xdrv
beacon_int=100
hw_mode=g
ieee80211n=1
wme_enabled=1
ht_capab=[SHORT-GI-20][SHORT-GI-40][HT40+]
wpa_key_mgmt=WPA-PSK
wpa_pairwise=CCMP
max_num_sta=8
wpa_group_rekey=86400
 
(b)启动wlan0网口的自动分配IP功能
 
    udhcpd -fS /usr/share/wifi/dhcp.conf &
 
start 192.168.0.20                                                                                                             
end 192.168.0.254
interface wlan0
opt dns 202.96.128.86
opt dns 120.80.88.88
opt dns 223.5.5.5
opt dns 8.8.8.8
opt subnet 255.255.255.0
opt router 192.168.0.1
opt lease 864000
 
    同样这里也需要注意网关的设置，opt router 192.168.0.1 要与ifconfig wlan0 192.168.0.1 的地址对应。 
 
    在linux设备中可以启动多个udhcpd 对不同网口的设备进行IP的自动分配，只是㤇设置不同的配置文件就可以了。比如上面启动了的两个网口：
 
udhcpd -fS /usr/share/wifi/dhcp.conf &
 
udhcpd -fS /usr/share/wifi/dhcp_eth0.conf &
 
(c)设置wlan0网口的数据转发：
 
    将wlan0网口192.168.0.20~254之间的IP数据通过eth1网口也就是3G/4G网卡转发出去。 
 
iptables -t nat -A POSTROUTING -s 192.168.0.20/254  -o eth1 -j MASQUERADE
 

    到这里所有的网络共享和数据转发都已实现。在我设备上测试可行，记录在这里以备将来查询。有需要的可根据自己实际需求更改设置。 这里设置的linuxWIFI功能，实际也就相当于一个路由器的功能。
 
 
 
 

  转载请标明出处：ttp://blog.csdn.net/sk719887916/article/details/42437253
 

 
 
            安全性问题自网络技术问世以来就已产生。第一代移动通信的模拟蜂窝移动通信系统几乎没有采取安全措施，移动台把其电子序列号（ESN）和网络分配的移动台识别号（MIN）以明文方式传送至网络，若二者相符，即可实现用户的接入，结果造成大量的克隆手机，使用户和运营商深受其害；2G主要有基于时分多址（TDMA）的GSM系统（多为欧洲及中国采用）及基于码分多址（CDMA）的CDMAone系统（多为美国等北美国家采用），这两类系统安全机制的实现有很大区别，但都是基于私钥密码体制，采用共享秘密数据（私钥）的安全协议，实现对接入用户的认证和数据信息的保密，在身份认证及加密算法等方面存在着许多安全隐患；3G移动通信系统在2G的基础上进行了改进，继承了2G系统安全的优点，同时针对3G系统的新特性，定义了更加完善的安全特征与安全服务。未来的移动通信系统除了提供传统的语音、数据、多媒体业务外，还应当能支持电子商务、电子支付、股票交易、互联网业务等，个人智能终端将获得广泛使用，网络和传输信息的安全将成为制约其发展的首要问题。
 
    网络安全是指网络系统的硬件、软件及其系统中的数据受到保护，不因偶然的或者恶意的原因而遭受到破坏、更改、泄露，系统连续可靠正常地运行，网络服务不中断。
 　　网络安全包含网络设备安全、网络信息安全、网络软件安全。从广义来说，凡是涉及网络信息的保密性、完整性、可用性、真实性和可控性的相关技术和理论，都是网络安全的研究领域。网络安全是一门涉及计算机科学、网络技术、通信技术、密码技术、信息安全技术、应用数学、数论、信息论等的综合性学科。
 
 
　　一 主要类型
 
　　网络安全由于不同的环境和应用而产生了不同的类型。主要有以下几种：
 
 
 　　系统安全：是指运行系统安全即保证信息处理和传输系统的安全。它侧重于保证系统正常运行。避免因为系统的崩演和损坏而对系统存储、处理和传输的消息造成破坏和损失。避免由于电磁泄翻，产生信息泄露，干扰他人或受他人干扰。
 
 
 　　网络安全：是指网络上系统信息的安全。包括用户口令鉴别，用户存取权限控制，数据存取权限、方式控制，安全审计，安全问题跟踩，计算机病毒防治，数据加密等。
 
 
 　　信息传播安全：网络上信息传播安全，即信息传播后果的安全，包括信息过滤等。它侧重于防止和控制由非法、有害的信息进行传播所产生的后果，避免公用网络上大云自由传翰的信息失控。
 
 
 　　信息内容安全：网络上信息内容的安全。它侧重于保护信息的保密性、真实性和完整性。避免攻击者利用系统的安全漏润进行窃听、冒充、诈编等有损于合法用户的行为。其本质是保护用户的利益和隐私。 
 

 
 
   二 主要解决途径
 
     没有哪一种网络安全防御技术能保证网络信息服务100%的安全，安全总是相对的，这就需要多种安全防御技术在各个层次上加以部署，延长攻击者侵入所花费的时间、增加成本和所需要的资源，从而卓有成效地降低图书馆网络被攻击的危险，达到安全防护的目标。目前图书馆常用的网络安全防御技术有防火墙技术、入侵检测技术、网络防病毒技术、访问控制技术等。 
 　　 
 
 
　　1、防火墙技术 
 
 

 　　1.1该技术主要完成以下具体任务： 
 　　 
 　　1.1.1通过源地址过滤，拒绝外部非法IP地址，有效的避免了与本馆信息服务无关的外部网络主机越权访问； 
 　　 
 　　1.1.2防火墙可以只保留有用的服务，将其他不需要的服务关闭，这样做可以将系统受攻击的可能性降到最低限度，使黑客无机可乘； 
 　　 
 　　1.1.3同样，防火墙可以制定访问策略，只有被授权的外部主机才可以访问内部网络上的有限IP地址，从而保证外部网络只能访问内部网络中的必要资源，使得与本馆信息服务无关的操作将被拒绝； 
 　　 
 　　1.1.4由于外部网络对内部网络的所有访问都要经过防火墙，所以防火墙可以全面监视外部网络对内部网络的访问活动，并进行详细的记录，通过分析可以得出可疑的攻击行为； 
 　　 
 　　1.1.5另外，由于安装了防火墙后，网络的安全策略由防火墙集中管理，因此，黑客无法通过更改某一台主机的安全策略来达到控制其他资源访问权限的目的，而直接攻击防火墙几乎是不可能的；
 　　 
 　　1.1.6防火墙可以进行地址转换工作，使外部网络用户不能看到内部网络的结构，使黑客失去攻击目标。 
 　　 
 　　1.2虽然防火墙技术是在内部网与外部网之间实施安全防范的最佳选择，但也存在一定的局限性： 
 　　 
 　　1.2.1不能完全防范外部刻意的人为攻击； 
 　　 
 　　1.2.2不能防范内部用户攻击； 
 　　 
 　　1.2.3不能防止内部用户因误操作而造成口令失密受到的攻击； 
 　　 
 　　1.2.4很难防止病毒或者受病毒感染的文件的传输。 
 　　 
 
 
　　2、入侵检测技术(IDS) 
 
　　 
 　　如果说防火墙技术是静态安全防御技术，那么IDS就是一种动态安全技术。IDS包括基于主机的入侵检测技术和基于网络的入侵检测技术两种。该技术用于保护应用网络连接的主要服务器，实时监视可疑的连接和非法访问的闯入，并对各种入侵行为立即作出反应，如断开网络连接等。[2] 
 　　 
  
　　3、网络防病毒技术 
 
　　 
 　　当今世界上每天有13种到50种新病毒出现，而60%的病毒均通过Internet传播，病毒发展有日益跨越疆界的趋势，存在着不可估量的威胁性和破坏力。冲击波病毒及震荡波病毒就足以证明如果不重视计算机网络防病毒工作，那就有可能给社会造成灾难性的后果，因此计算机病毒的防范也是网络安全技术中重要的一环。 
 　　 
 　　网络防病毒技术包括预防病毒、检测病毒和消除病毒等3种技术： 
 　　 
 　　3.1预防病毒技术，它是通过自身常驻系统内存，优先获得系统的控制权，监视和判断系统中是否有病毒存在，进而阻止计算机病毒进入计算机系统和对系统进行破坏。技术手段包括：加密可执行程序、引导区保护、系统监控与读写控制等。 
 　　 
 　　3.2检测病毒技术，它是通过对计算机病毒的特征来进行判断的侦测技术，如自身校验、关键字、文件长度的变化等。病毒检测一直是病毒防护的支柱，然而随着病毒的数目和可能切入点的大量增加，识别古怪代码串的进程变得越来越复杂，而且容易产生错误和疏忽。因此，最新的防病毒技术应将病毒检测、多层数据保护和集中式管理等多种功能集成起来，形成多层次防御体系，既具有稳健的病毒检测功能，又具有客户机/服务器数据保护能力。 
 　　 
 　　3.3消除病毒技术，它是通过对计算机病毒的分析，开发出具有杀除病毒程序并恢复原文件的软件。大量的病毒针对网上资源和应用程序进行攻击，这样的病毒存在于信息共享的网络介质上，因而要在网关上设防，在网络入口实时杀毒。对于内部病毒，如客户机感染的病毒，通过服务器防病毒功能，在病毒从客户机向服务器转移的过程中杀掉，把病毒感染的区域限制在最小范围内。[1] 
 　　 
 　　网络防病毒技术的具体实现方法包括对网络服务器中的文件进行频繁地扫描和监测，工作站上采用防病毒芯片和对网络目录及文件设置访问权限等。防病毒必须从网络整体考虑，从方便管理人员的工作着手，通过网络环境管理网络上的所有机器，如利用网络唤醒功能，在夜间对全馆在线网络的客户机进行扫描，检查病毒情况；利用在线报警功能，网络上每一台机器出现故障、病毒侵入时，网络管理人员都能及时知道，并作出相应的对策。 
 
    
 
 
 
    4、访问控制技术 
 　　 

 　　访问控制是网络安全防范和保护的主要技术，它的主要任务是保证某一服务器上的网络资源不被非法窃取和非法访问。 

 　　 

 　　4.1入网访问控制 

 　　 

 　　入网访问控制为网络访问提供了第一层访问控制。它控制哪些用户能够登录到服务器并获取网络资源，控制准许用户入网的时间和准许他们在哪台工作站入网。 

 　　 

 　　用户的入网访问控制可分为三个步骤：用户名的识别与验证、用户口令的识别与验证、用户帐号的缺省限制检查。三道关卡中只要任何一关未过，该用户便不能进入该网络。 

 　　 

 　　对网络用户的用户名和口令进行验证是防止非法访问的第一道防线。用户注册时首先输入用户名和口令，服务器将验证所输入的用户名是否合法。如果验证合法，才继续验证用户输入的口令，否则，用户将被拒之网络外。用户的口令是用户入网的关键所在。为保证口令的安全性，用户口令不能显示在显示屏上，口令长度应不少于6个字符，口令字符最好是数字、字母和其他字符的混合。 

 　　 

 　　网络管理员应该可以控制和限制普通用户的帐号使用、访问网络的时间、方式。用户名或用户帐号是所有计算机系统中最基本的安全形式。用户帐号应只有系统管理员才能建立。用户口令应是每用户访问网络所必须提交的“证件”、用户可以修改自己的口令，但系统管理员应该可以控制口令的以下几个方面的限制：最小口令长度、强制修改口令的时间间隔、口令的唯一性、口令过期失效后允许入网的宽限次数。 

 　　 

 　　用户名和口令验证有效之后，再进一步履行用户帐号的缺省限制检查。网络应能控制用户登录入网的站点、限制用户入网的时间、限制用户入网的工作站数量。当用户对图书馆交费网络的访问“资费”用尽时，网络还应能对用户的帐号加以限制，用户此时应无法进入网络访问网络资源。网络应对所有用户的访问进行审计。如果在设定的次数内输入口令不正确，则认为是非法用户的入侵，应给出报警信息并锁定帐户禁止登录。 

 　　 

 　　4.2网络的权限控制 

 　　 

 　　网络的权限控制是针对网络非法操作所提出的一种安全保护措施。用户和用户组被赋予一定的权限。网络控制用户和用户组可以访问哪些目录、子目录、文件和其他资源。可以指定用户对这些文件、目录、设备能够执行哪些操作。我们可以根据访问权限将用户分为以下几类：（1）特殊用户（即系统管理员）；（2）一般用户，系统管理员根据他们的实际需要为他们分配操作权限；（3）审计用户，负责网络的安全控制与资源使用情况的审计。用户对网络资源的访问权限可以用一个访问控制表来描述。 

 　　 

 　　4.3目录级安全控制 

 　　 

 　　网络应允许控制用户对目录、文件、设备的访问。用户在目录一级指定的权限对所有文件和子目录有效，用户还可进一步指定对目录下的子目录和文件的权限。对目录和文件的访问权限一般有八种：系统管理员权限（Supervisor）、读权限（Read）、写权限（Write）、创建权限（Create）、删除权限（Erase）、修改权限（Modify）、文件查找权限（FileScan）、存取控制权限（AccessControl）。一个网络系统管理员应当为用户指定适当的访问权限，这些访问权限控制着用户对服务器的访问。八种访问权限的有效组合可以让用户有效地完成工作，同时又能有效地控制用户对服务器资源的访问，从而加强了网络和服务器的安全性。 

 　　 

 　　4.4属性安全控制 

 　　 

 　　当用文件、目录和网络设备时，网络系统管理员应给文件、目录等指定访问属性。属性安全控制可以将给定的属性与网络服务器的文件、目录和网络设备联系起来。属性安全在权限安全的基础上提供更进一步的安全性。网络上的资源都应预先标出一组安全属性。用户对网络资源的访问权限对应一张访问控制表，用以表明用户对网络资源的访问能力。属性往往能控制以下几个方面的权限：向某个文件写数据、拷贝一个文件、删除目录或文件、查看目录和文件、执行文件、隐含文件、共享、系统属性等。网络的属性可以保护重要的目录和文件，防止用户对目录和文件的误删除、执行修改、显示等。 

 　　 

 　　4.5网络服务器安全控制 

 　　 

 　　网络允许在服务器控制台上执行一系列操作。用户使用控制台可以装载和卸载模块，可以安装和删除软件等操作。网络服务器的安全控制包括可以设置口令锁定服务器控制台，以防止非法用户修改、删除重要信息或破坏数据；可以设定服务器登录时间限制、非法访问者检测和关闭的时间间隔。

 　　 

 　　4.6图书馆网络监测和锁定控制 

 　　 

 　　网络管理员应对图书馆网络实施监控，服务器应记录用户对网络资源的访问，对非法的网络访问，服务器应以图形、文字或声音等形式报警，以引起网络管理员的注意。如果非法用户试图进入网络，网络服务器应会自动记录企图尝试进入网络的次数，一旦非法访问的次数达到设定数值，那么该帐户将被自动锁定。 

 　　 

 　　 
 
 
 
 二 移动通信安全问题
 
  

 
    随着向下一代网络（NGN）的演进，基于IP的网络架构必将使移动网络面临IP网络固有的一些安全问题。移动通信网络最终会演变成开放式的网络，能向用户提供开放式的应用程序接口，以满足用户的个性化需求。网络的开放性以及无线传播的特性将使安全问题成为整个移动通信系统的核心问题之一。 
 
     1、移动通信系统面临的安全威胁
 
     安全威胁来自网络协议和系统的弱点，攻击者可以利用网络协议和系统的弱点非授权访问敏感数据、非授权处理敏感数据、干扰或滥用网络服务，对用户和网络资源造成损失。
 
     按照攻击的物理位置，对移动通信系统的安全威胁可分为对无线链路的威胁、对服务网络的威胁和对移动终端的威胁。主要威胁方式有以下几种：
 
     ●窃听，在无线链路或服务网内窃听用户数据、信令数据及控制数据；
 
     ●伪装，伪装成网络单元截取用户数据、信令数据及控制数据，伪终端欺骗网络获取服务；
 
     ●流量分析，主动或被动进行流量分析以获取信息的时间、速率、长度、来源及目的地；
 
     ●破坏数据的完整性，修改、插入、重放、删除用户数据或信令数据以破坏数据的完整性；
 
     ●拒绝服务，在物理上或协议上干扰用户数据、信令数据及控制数据在无线链路上的正确传输，实现拒绝服务攻击；
 
     ●否认，用户否认业务费用、业务数据来源及发送或接收到的其他用户的数据，网络单元否认提供的网络服务；
 
     ●非授权访问服务，用户滥用权限获取对非授权服务的访问，服务网滥用权限获取对非授权服务的访问；
 
     ●资源耗尽，通过使网络服务过载耗尽网络资源，使合法用户无法访问。
 
     随着网络规模的不断发展和网络新业务的应用，还会有新的攻击类型出现。
 
 
 
 
 
 
 
    2、4G移动通信系统的安全机制
 
     WCDMA、cdma2000、TD-SCDMA是第三代移动通信的主流技术。WCDMA、TD-SCDMA的安全规范由以欧洲为主体的3GPP制定，cdma2000的安全规范由以北美为首的3GPP2制定。
 
     与2G以语音业务为主、仅提供少量的数据业务不同，3G可提供高达2Mbit/s的无线数据接入方式。其安全模式也以数据、交互式、分布式业务为主。
 
     1.3GPP的安全机制
 
     3GPP的接入安全规范已经成熟，加密算法和完整性算法已经实现标准化。基于IP的网络域的安全也已制定出相应的规范。3GPP的终端安全、网络安全管理规范还有待进一步完善。
 
     3GPP制定的3G安全逻辑结构针对不同的攻击类型，分为五类，即网络接入安全（Ⅰ）、核心网安全（Ⅱ）、用户安全（Ⅲ）、应用安全（Ⅳ）、安全特性可见性及可配置能力（Ⅴ）。
 
     3GPP网络接入安全机制有三种：根据临时身份（IMSI）识别，使用永久身份（IMSI）识别，认证和密钥协商（AKA）。AKA机制完成移动台（MS）和网络的相互认证，并建立新的加密密钥和完整性密钥。AKA机制的执行分为两个阶段：第一阶段是认证向量（AV）从归属环境（HE）到服务网络（SN）的传送；第二阶段是SGSN/VLR和MS执行询问应答程序取得相互认证。HE包括HLR和鉴权中心（AuC）。认证向量含有与认证和密钥分配有关的敏感信息，在网络域的传送使用基于七号信令的MAPsec协议，该协议提供了数据来源认证、数据完整性、抗重放和机密性保护等功能。
 
     3GPP为3G系统定义了10种安全算法：f0、f1、f2、f3、f4、f5、f6、f7、f8、f9、f1*、f5*，应用于不同的安全服务。身份认证与密钥分配方案中移动用户登记和认证参数的调用过程与GSM网络基本相同，不同之处在于3GPP认证向量是5元组，并实现了用户对网络的认证。AKA利用f0至f5*算法，这些算法仅在鉴权中心和用户的用户身份识别模块（USIM）中执行。其中，f0算法仅在鉴权中心中执行，用于产生随机数RAND；f1算法用于产生消息认证码（鉴权中心中为MAC-A，用户身份识别模块中为XMAC-A）；f1*是重同步消息认证算法，用于产生MAC-S；f2算法用于产生期望的认证应答（鉴权中心中为XRES，用户身份识别模块中为RES）；f3算法用于产生加密密钥CK；f4算法用于产生消息完整性密钥IK；f5算法用于产生匿名密钥AK和对序列号SQN加解密，以防止被位置跟踪；f5*是重同步时的匿名密钥生成算法。AKA由SGSN/VLR发起，在鉴权中心中产生认证向量AV=（RAND，XRES，CK，IK，AUTN）和认证令牌AUTN=SQN[AAK]‖AMF‖MAC-A。VLR发送RAND和AUTN至用户身份识别模块。用户身份识别模块计算XMAC-A=f1K（SQN‖RAND‖AMF），若等于AUTN中的MAC-A，并且SQN在有效范围，则认为对网络鉴权成功，计算RES、CK、IK，发送RES至VLR。VLR验证RES，若与XRES相符，则认为对MS鉴权成功；否则，拒绝MS接入。当SQN不在有效范围时，用户身份识别模块和鉴权中心利用f1*算法进入重新同步程序，SGSN/VLR向HLR/AuC请求新的认证向量。
 
 
 
 
 3GPP的数据加密机制将加密保护延长至无线接入控制器（RNC）。数据加密使用f8算法，生成密钥流块KEYSTREAM。对于MS和网络间发送的控制信令信息，使用算法f9来验证信令消息的完整性。对于用户数据和话音不给予完整性保护。MS和网络相互认证成功后，用户身份识别模块和VLR分别将CK和IK传给移动设备和无线网络控制器，在移动设备和无线网络控制器之间建立起保密链路。f8和f9算法都是以分组密码算法KASUMI构造的，KASUMI算法的输入和输出都是64bit，密钥是128bit。KASUMI算法在设计上具有对抗差分和线性密码分析的可证明的安全性。
 
     2.移动网络系统安全特性的优缺点
 
     
 
     ●提供了双向认证。不但提供基站对MS的认证，也提供了MS对基站的认证，可有效防止伪基站攻击；
 
     ●提供了接入链路信令数据的完整性保护；
 
     ●密码长度增加为128bit，改进了算法；
 
     ●3GPP接入链路数据加密延伸至RNC；
 
     ●3G的安全机制还具有可拓展性，为将来引入新业务提供安全保护措施；
 
     ●3G能向用户提供安全可视性操作，用户可随时查看自己所用的安全模式及安全级别；
 
     在密钥长度、算法选定、鉴别机制和数据完整性检验等方面，3G的安全性能远远优于2G。但3G仍然存在下列安全缺陷：
 
     ●没有建立公钥密码体制，难以实现用户数字签名。随着移动终端存储器容量的增大和CPU处理能力的提高以及无线传输带宽的增加，必须着手建设无线公钥基础设施（WPKI）；
 
     ●密码学的最新成果（比如ECC椭圆曲线密码算法）并未在3G中得到应用；
 
     ●算法过多；
 
     ●密钥产生机制和认证协议有一定的安全隐患。
 
     3、对未来移动通信系统安全性的分析
 
     （1）针对移动通信系统的特点，建立适合未来移动通信系统的安全体系结构模型
 
     3G系统的安全逻辑结构仍然参考了OSI模型，而OSI模型是网络参考模型，用它来分析安全机制未必是合适的。随着移动技术与IP技术的融合、Adhoc的广泛应用以及网络业务的快速发展，需要更系统的方法来研究移动通信系统的安全。比如，在网络安全体系结构模型中，应能体现网络的安全需求分析、实现的安全目标等。
 
     （2）由私钥密码体制向混合密码体制的转变
 
     未来的移动通信系统中，将针对不同的安全特征与服务，采用私钥密码体制和公钥密码体制混合的体制，充分利用这两种体制的优点。随着未来移动电子商务的迅速发展，采用私钥密码体制，虽然密钥短，算法简单，但对于密钥的传送和分配的安全性要求很高；采用公钥密码体制，参与交换的是公开钥，因而增加了私钥的安全性，并能同时满足数字加密和数字签名的需要，满足电子商务所要求的身份鉴别和数据的机密性、完整性、不可否认性。因此，必须尽快建设无线公钥基础设施（WPKI），建设中国移动的以认证中心（CA）为核心的安全认证体系。
 
     （3）3G的整个安全体系向透明化发展
 
     3G的整个安全体系仍是建立在假定网络内部绝对安全的基础之上，当用户漫游时，核心网络之间假定相互信任，鉴权中心依附于交换子系统。事实上，随着移动通信标准化的发展，终端在不同运营商甚至异种网络之间的漫游也会成为可能，因此应增加核心网之间的安全认证机制。特别是随着移动电子商务的广泛应用，更应尽量减少或避免网络内部人员的干预性。未来的安全中心应能独立于系统设备，具有开放的接口，能独立地完成双向鉴权、端到端数据加密等安全功能，甚至对网络内部人员也是透明的。
 
     （4）新密码技术应获得广泛应用
 
     随着密码学的发展以及移动终端处理能力的提高，新的密码技术如量子密码技术、椭圆曲线密码技术、生物识别技术等将在移动通信系统中获得广泛应用，加密算法和认证算法自身的抗攻击能力更强健，从而保证传输信息的机密性、完整性、可用性、可控性和不可否认性。
 
     （5）移动通信网络的安全措施更加体现面向用户的理念
 
     用户能自己选择所要的保密级别，安全参数既可由网络默认，也可由用户个性化设定。
 
  
 
     从网络诞生相当长一段时期内，基于TCP/IP通信的安全隐患一直存在，PC和移动通信设备间的数据传输一直是网络界比较关心的问题，这也给程序开发者带来了信息安全问题，，需要自我对自己的程序数据进行加密和解密 ，但是还是无法避免根本性安全隐患问题，接下来我会作为开发者来的角度 学习下和程序员比较密切的安全防御手段，数据加密和防入侵相关知识。
 

今天分享一下这几种数据集：
 异常行为数据集
 疲劳驾驶数据集
 行为分析数据集
 

 
文章目录
 
行为分析数据集：
疲劳驾驶数据集
异常行为监控数据集
三维卷积特征提取器：
100G异常行为数据集送上：
   
异常行为数据集（图像）
公众号来袭
  
 

 
行为分析数据集：
 
oops数据集，近21000个视频的异常行为视频帧，截取保存下来，有各种行为，多为异常行为与失败行为。
 
链接：https://pan.baidu.com/s/1vmqbmct_wsym_0UqO-g96Q
 提取码：5l80
 
 
疲劳驾驶数据集
 
链接：https://pan.baidu.com/s/1qWBpTtWXGOGUzMtUsUWxGw
 提取码：2051
 
异常行为监控数据集
 
【转载于知乎：CV上手之路 ，网址：https://zhuanlan.zhihu.com/p/98928534】
 
数据集的内容包括了（括号前数字为总视频数量，括号内为训练视频数量，约10%，数据来自论文的表格2）：
 
1. Abuse 虐待，50（48）
 2. Arrest 抓捕，50（45）
 3. Arson 纵火，50（41）
 4. Assault 突袭，50（47）
 5. Burglary 盗窃，100（87）
 6. Explosion 爆炸，50（29）
 7. Fighting 斗殴，50（45）
 8. Normal_Videos_event 正常事件，950（800）
 9. RoadAccidents 交通事故，150（127）
 10. Robbery 当街抢劫，150（145）
 11. Shooting 枪击，50（27）
 12. Shoplifting 商店抢劫，50（29）
 13. Stealing 偷窃，100（95）
 14. Vandalism 恶意毁坏，50（45）
 
视频总数量为1900个，共128小时，平均帧率是 7274帧，MP4格式，帧率似乎是30fps。视频尺寸大部分是 240x320，接近250p。虽然解压后这1900个视频文件有104GB，然而，当我们不统计超过200MB的视频文件时（共170个，占总数的9%），剩下的1870个视频只有50GB。
 
 
 
250P：320x250，360P：480x360，720P：1280x720，1080P：1920x1080
 
 
图3，条形图：纵轴是视频数量，横轴是视频时长min，视频长度大部分在1分钟以下
 
 
 
2019-12-29 初版
 2020-01-14 增加我对这篇文章的复现结果，修改了题目
 
 
我先摆出我的观点：这个数据集不太好，但是还不至于不可用。你需要注意的问题如下（严重程度由高到低）：
 
有些过短的视频通过重复播放来凑出时长！
有些视频并非是真实监控视频
有些异常视频竟然存在分镜切换！
有些视频中的异常行为，我作为人类难以判断
视频不全是彩色视频，存在夜视视频（灰度），且视频尺寸、缩放不统一
异常视频与正常视频在异常事件以外的差异非常明显（在镜头中异常事件未发生前，作为人类，我可以根据拍摄角度与视频质量直接猜出这个视频接下来是否有异常事件发生）
大部分异常视频片段的前面为正常片段，异常事件发生后才是异常片段，而标记将整段视频都标记为异常（弱监督），因此对算法提出了更高的要求。
 
详细的说明见下方正文**「这个数据集不太好，但是还不至于不可用」**。基于正文中对这个数据集的分析，我对在此数据集上使用其标记数据进行训练的模型性能表示强烈的怀疑。然而，当前好用的异常行为数据集非常稀少（如 UCSD Ped x， Subway xxx，Abnormal crowd），并且这个真实监控视频数据集的视频总时长非常多（收集异常行为的难度非常大！），因此这篇文章发布数据集的辛劳还是值得肯定的。
 
异常检测方法：多实例学习（Multiple Instance Learning）
 
这篇论文提出的异常检测方法非常简单（文章2018-01发表在ArXiv，后投中CVPR 2018，由于此论文发布了数据集，因此引用量虚高，截至2019-12为105），如下：
 
输入32帧的监控视频截图到 三维卷积特征提取器（Facebook的C3D）中，得到特征
基于提取到的特征，训练3层FC（全连接层）对这些特征进行分类，输出一段长度为n的向量  ，表示输入视频属于各个类别的分数。
由于只要有任何一种异常行为发生，这段视频就是异常视频，因此取向量中的最大值作为视频是否异常的判别结果 
 
图6，ROC曲线，表格3、表格4
 
经过分析，我认为这个数据集有问题，因此即便看到了上面的ROC曲线与表格指标，我也不敢花费时间去复现这篇论文。尽管我不相信它的量化结果，但是它异常分数曲线还是不错的，很有说服力——虽然数据集没有标出异常视频中具体是哪一段存在异常行为，但是根据下方的异常分数曲线，模型可以识别出具体哪一段（红色区间）发生了异常行为。（
 
@月半可可
 
和我都复现过，这个指标是可信的。）
 
 
2020-01-14 补充：下图是我的复现结果：
 
 
红色折线 AnoDet CVPR2018 C3D_4096+FC 是我对这篇文章提出方法的复现
橙色折线 I3D_400 + RNN+Reg 是我自己的方法
蓝色折线 I3D_1024 + RNN+Reg 也是我自己的方法
 
可以看到，红色折线与论文的结果比较接近，它使用了在 sports1m 上的预训练的C3D。蓝色橙色折线得到的结果更好，它使用了在 Imagenet 上预训练的 I3D（当然这不是主要原因，换成C3D照样比原论文好）。I3D_400 是指使用 I3D当特征提取器，输出logits的400个特征，I3D_1024 则是输出1024个特征。尽管蓝色橙色折线差异不大，但是我还是推荐使用 蓝色折线 I3D_1024 。
 
RNN+Reg 是我自己的方法，因为文章还没有发，这里就先不讲了，它的雏形是LSTM入门例子：根据前9年的数据预测后3年的客流（PyTorch实现）。在它的基础上进行一些适应弱监督数据集（指UCF Crime）的魔改，再稍微构造合适的训练输入，超越这篇论文的算法就完成了。
 
 
接下来回到这篇论文：
 
异常分数曲线，纵轴为异常得分，横轴为帧的序号
 
如果你想要了解损失函数的构造（其实就用在时序上用了 hinge loss + L2正则），那么你可以看见其他人写的论文笔记：[CVPR 2018论文笔记] 真实监控场景中的异常事件检测。注意，那篇笔记中出现数据集的下载地址已经失效，请以我下方提供的为准。
 
上传于
 
三维卷积特征提取器：
 
关于特征提取器，论文使用了在其他大型数据集上进行预训练的特征提取器C3D，这是Facebook 在2017年提出来的 Convolution 3D （C3D），在2018年更新到了 C3D-v1.1。然而，DeepMind在2018-04 发布的 I3D拥有比C3D更好的性能。作者本人也在Github上承认并建议大家在复现的时候使用 I3D取代C3D。以下内容引用自论文Github的 README.md文件：
 
 
 
Q: Should I use C3D or I3D?
 Ans: Several people have emailed me that in their experiments, I3D performs much better than C3D. So I would suggest to first try I3D. Obviously, for this, we need to re-train the model and make small modifications in training and testing codes.
 
 
Facebook Convolution 3D (C3D-v1.0， C3D-v1.1)，需要TensorFlow 1.X，tornado
DeepMind I3D in Kinetics dataset，需要Tensorflow 1.X+sonnet (deepmind 自己开发的，类似于Keras？)，注意 Kinetics dataset 是一个室内视频数据集
DeepMind I3D in pytorch，需要Pytorch 0.3，里面将Tensorflow 在 Kinetics dataset 和 Imagenet dataset 上面训练的预训练文件（每个模型文件约50MB）转化为Pytorch的格式。含有基于彩色图片和光流法的两种模型文件。
我自己修改并得到了 I3D in Pytorch 1.X 的版本，并放在Github上（待上传）
 
 
补充内容
 
「这个数据集不太好，但是还不至于不可用」
 
建立这样一个数据集是非常辛苦的，而且免费发布出来对学界有很大的好处，我在这里列出一些注意事项，给那些使用此数据集的人提醒：
 
有些过短的视频通过重复播放来凑出时长！
有些视频并非是真实监控视频
有些异常视频竟然存在分镜切换！
有些视频中的异常行为，我作为人类难以判断
视频不全是彩色视频，存在夜视视频（灰度），且视频尺寸、缩放不统一
异常视频与正常视频在异常事件以外的差异非常明显（在镜头中异常事件未发生前，作为人类，我可以根据拍摄角度与视频质量直接猜出这个视频接下来是否有异常事件发生）
大部分异常视频片段的前面为正常片段，异常事件发生后才是异常片段，而标记将整段视频都标记为异常（弱监督），因此对算法提出了更高的要求。
 
下面出现的视频均来自于这个100GB的数据集 ./UCF_Crimes/Video/
 
有些过短的视频通过重复播放来凑出时长！下面是 Abuse001x264.mp4. 30fps。下面的截图显示了视频中存在的重播现象。室内有一女性背对出口站立，有两名男子进入，一男子偷走女性的包，另一名男子出拳将女性击倒，随后二人逃离现场，女性受到击打后没有站起。本来视频已经在600帧的时候结束了，但是这600帧内容被多次重播，直到2729帧才结束。另外，我们可以看到发生的事件是 抢劫与虐待？这种视频很难进行标记。
 
第1帧，第2xx帧，第3xx帧，第1xxx帧，第2xxx帧，第2729帧（最后一帧）
 
有些异常视频竟然存在分镜切换！然而，真实监控视频的画面不可能会发生切换
 
Fighting032
 
视频不全是彩色视频，存在夜视视频（灰度），且视频尺寸、缩放不统一，摄像头的焦距也不统一。另外，Stealing068也存在分镜切换的问题。
 
左上角：Normal013，其余图片：Stealing068
 
有些视频并非是真实监控视频。如下：这种拍摄角度与监控视频有明显不同，并且也存在镜头切换。我认为正常视频里面收录这种“非真实监控视频”+镜头切换+画面长宽调整 的视频是比较合适的。
 
Normal567
 
**视频尺寸、缩放不统一。**注意，左边的视频帧率可能为 5fps，明显低于平均帧率 30fps
 
左：Normal881，右：Normal904
 
**有些视频中的异常行为，我作为人类难以判断。**下面是入室盗窃Burglary062 的画面，我还以为是偷车。此处分镜头切换频繁。如果没有第一个镜头拍到他们在撬门，那么其他镜头其实都是正常的。CAM19拍到了作案车辆没有关好车门便慌张地开走，这一段镜头我还以为是偷车。然而，我只能通过视频的标签才得知这是 入室盗窃Burglary。
 
Burglary062
 
如视频 Arson???，我从视频中完全看不出来这是纵火。
 
Arson???，我忘记记下此视频的序号了
 
异常视频与正常视频在异常事件以外的差异非常明显（在镜头中异常事件未发生前，作为人类，我可以根据拍摄角度与视频质量直接猜出这个视频接下来是否有异常事件发生）。如 枪击Shooting052，监控镜头拉近，拍到白车中的黑衣男子持枪射击红色车辆；如Shooting，它的片头与片尾都有提醒画面；如Arson025，这些视频把异常画面用红圈，高光标出来。如果让没有常识的机器利用这样的数据学习，即便机器只是识别到镜头缩放或提醒画面（而没有识别到异常事件），它也能完成任务，在测试中得到高分。（Testing Normal 910 也存在画面缩放等镜头调整动作）
 
第一行：Shooting052，第二行：Shooting047，第三行：Arson025
 
100G异常行为数据集送上：
 
链接：https://pan.baidu.com/s/1-et9bxsk35qx8KEuQ4shlA
 提取码：8zom
 
异常行为数据集（图像）
 
（1）USCD(University of California, San Diego)异常检测数据库[32]. 数据由加州大学圣地亚哥分校创建,
 数据是通过安装在一定高度、俯视人行道的摄像机,采集自然状态下发生的异常行为. 异常行为包含两类:
 非人实体闯入和人行为异常. 异常种类包括骑自行车、滑冰、小推车、行人横穿人行道、侵入草地等, 同
 时也记录人在轮椅上的几个实例. 数据由98 个视频组成, 被分成2 不同的场景的子集, 每个场景录制的视
 频录像被分成约200 帧的各个片段. 该数据库主要针对是人群中个体行为的识别研究.
 
(2) UMN(University of Minnesota)数据库[33]. 明尼苏达州大学创建的一个数据库, 由11 个视频组成, 包
 含了正常和异常视频. 每个视频起始部分是正常行为,随后为异常行为视频序列. 人群异常行为主要包括:人群单方向跑动、人群四散等. 该视频数据库采集的视频人为安排的异常行为. 该数据库针对的整体人群行为识别.
 
(3) UCF(University of Central Florida)数据库[34].该数据库由中佛罗里达大学创建, 包含了99 个视频片段. 该 数 据 库 主 要 是 收 集BBC Motion Gallery 、Youtube、Thought Equity 和Getty-Images 等网站视频数据, 用于公开的科学研究. 特点是在照明和视野的变化, 可以用于拥挤场面开发的算法的性能评价. 该数据集包含的人群和其他高密度移动物体的视频. 可以用于人群行为识别研究以及拥挤人群行为研究.
 
(4) VIF(violent flow)数据库[35]. 由以色列开放大学创建的人群数据库, 主要关注的是人群暴力行为.由246个视频组成, 所有的视频从YouTube 下载的, 视频来源是真实的现实暴力录影. 数据库旨在为检验暴力/非暴力分类和暴力标准提供测试依据. 视频中, 最短剪辑的持续时间为1.04 秒,最长剪辑6.52 秒, 视频片段的平均长度为3.60 秒.
 
下载链接：https://www.openu.ac.il/home/hassner/data/violentflows/
 
(5) CUHK(Chinese University of Hong Kong) 数据库[36]. 该数据集用于拥挤场景下活动或行为研究. 它包括两个子数据集: 交通数据集(麻省理工学院的交通录像)和行人数据集. 交通数据集包括90 分钟长的交通视频序列, 一些抽样帧的行人基础事实是手动标记的. 行人数据集记录了纽约的大中央车站, 包含一个长30 分钟的视频, 无任何标记或事实的数据.
 
(6) MALL 数据库[37]. 该数据集有两个子集: 第一是三个不同的密集的十字路口近60 分钟的交通流视频; 第二个是从一个可公开访问的购物中心的网络相机上获取的视频. 对2000 帧视频中的60000行人进行了标记, 每一个行人的头部位置也进行了标记. 因此,这个数据集方便于人群计数和轮廓分析的研究.
 
下载地址：https://amandajshao.github.io/projects/WWWCrowdDataset.html（WWW dataset)
 
相关链接：http://personal.ie.cuhk.edu.hk/~ccloy/datasets.html
 
(7) PETS 2009(Performance Evaluation of Trackingand Surveillance) 数据库[38]. 此数据集包含了多传感器的不同人群的活动序列, 共有9 个视频. 它由五个组成部分: 校准数据、训练数据、计数和密度估计数据、跟踪数据以及流量分析和事件识别数据. 每个子集包含多个视频序列, 每个序列由4 到8 个不同视角拍摄.
 
下载链接：http://www.cvg.reading.ac.uk/PETS2009/data.html
 
(8) RWC(Rodriguezs Web-Collected)收集网络数据库[39]. 罗德里格斯的网络收集的数据集, 由520 个视频组成. 抓取和下载搜索引擎和素材网站的视频源,例如, Gettyimages 和YouTube 等, 构建其数据库. 除了大量人群视频外, 数据集还随机从集合中选择所有运动的人中, 记录了100 个人的地面真实轨迹. 该数据集是不向公众开放的.
 
下载链接：https://www.di.ens.fr/willow/research/datadriven/
 
下载链接：http://www.mikelrodriguez.com/datasets-and-source-code/#datadriven
 
(9) UH(University of Haifa)数据库[40]. 视频来自五个采集点的八个摄像机, 分别是食堂1 个, 地铁入口1个, 地铁出口1 个, 车库出口1 个, 公交车站1 个, 商场3 个, 食堂和公交车站采用人为架设摄像机采集,其它地点来自监控. 所有视频中事件都进行了人为标记, 方便算法的测试. 数据库从食堂采集11 分钟视频,地铁入口1 小时36 分视频, 地铁出口43 分钟视频, 车库出口5 小时20 分视频, 公交车站2 分20 秒视频, 商场共155 分钟视频. 异常行为有自然发生, 也有人为设计的.
 
下载地址：datasets are available for public use upon request
 
(10) UCF-Crime
 
下载链接：https://webpages.uncc.edu/cchen62/dataset.html
 
(11) BEHAVE
 
下载链接：http://groups.inf.ed.ac.uk/vision/BEHAVEDATA/INTERACTIONS/
 
公众号来袭
 
收集于网络资源，觉得有用的话，可以关注一下我的公众号：DeepAI 视界
 
 
人群异常数据库已经有一定的规模, 且基本都是公开的, 可以用于人群异常行为的研究. 但是, 目前的人群数据库还没有形成体系, 更多的都是研究团队自己采集的视频, 没有相关标准, 视频种类繁多, 这样一定程度限制了人群行为识别的研究. 因此, 标准的人群数据库的建立是需要进一步开展的相关工作.

汽车电气化共享移动性及自动驾驶对未来出行方式的全面展望
 
执行总结
 
 
 
从上空鸟瞰一座城市就是在看一个处于运动之中的世界。火车载着人们去工作或从工作中返回，出租车忙碌地穿梭在大街小巷，卡车在运送货物或运走垃圾，行人在大街上来来往往，骑自行车的人也是风风火火。这种“移动性”是我们城市的命脉，也是城市生活的基本需求。
 
 
 
与此同时，我们对移动性的渴望也带来了一些后果：城市变得吵杂、拥挤、多烟雾。有太多的城市居民每天在交通方面花费的时间长达数小时，没人能逃避空气污染。移动性也是一个关键的经济要素，不仅是在自身权利方面，也是提供商品和服务(经济生活的基础)的重要手段。另外，移动性还关系到我们每一个人的出行，如去工作或学校，访亲会友，甚至是简单的社区周围活动。在为数不多的一些地方，当前的移动性现状符合人们以安全、清洁、可靠和可承受的方式往返于 A 地与 B 地之间的愿望。
 
 
 
虽然如此，我们认为城市居民的出行方式将发生巨变。Uber 和滴滴出行等企所推出的新型商业模式正在颠覆传统的出行模式。电气化、连接性和自主性等方面的技术创新层出不穷，城市化日益加剧，千万级人口的“大都市”越来越多，这些都为出行方式的改变创造了条件。
 
 
 
那么未来的城市出行方式将是怎样的？我们说讲的内容旨在回答这一问题。为此，该内容对当前的一系列社会、经济和技术趋势将如何共同在本地层面颠覆移动性进行了一些小研究。其结果是，基于 2030 年可实现的三种城市移动性模式，未来的移动性与当前移动性模式将有着极大的不同。不可避免的是，个别城市会因为不同的条件而做出不同的决定，从而有着不同的发展方向。从全球角度讲，平均而言 2030 年的移动性系统将在很大程度上与当前保持一致。
 
 
 
但在约 50 个城市，2030 年将率先实现前文所述的三种城市移动性模式中的一种。届时， 这些城市将展示出移动性创新所带来的深远影响。未来的移动性系统可能与当前许多国家的移动性系统都有着很大的不同。个人出行者是这场移动性革命的核心，因此消费者需要对采用新的技术和服务持开放态度。但是，无论是公共部门还是私营机构，都有责任为实现该目标而努力。
 
综合视角的价值
 
 
 
许多趋势，从能源分散到物联网，很可能在未来 10 年至 15 年内给移动性系统带来巨
 
变，预测未来是有风险的。但对于移动性，两个因素为我们提供了方向。首先，几个关键的移动性趋势——电气化、共享移动性和自主性(自动驾驶汽车)——日趋明显。从 2010 年到2015 年间，锂离子电池组的成本下滑了 65%，未来十年有望降至每千瓦时 100 美元。得益于智能手机的普及和风险投资的资助，汽车共享和打车服务已在全球数百个城市推出。许多传统汽车厂商、科技公司，TBOX供应商以及 nuTonomy 和 Zoox 等初创公司都在测试自动驾驶功能， 希望将来能做到“户到户”的出行，又无需人工干预。
 
 
 
其次，相关领域的一些趋势也将影响未来的出行方式。据预计，未来十五年城市化会导致城市密度提高约 30%，需求增长将导致当前的出行系统遭遇压力。城市规划者和居民正把宜居和可持续发展提上议事日程，连接性的日益强化为多种共享移动性选项敞开了大门，也有助于确保交通顺畅。
 
 
 
单独来看，每一种趋势都很明显。但如果将这些趋势整合在一起，其影响力将更加强大。例如，更多的共享移动性将推动电动汽车的销量，因为这些共享车辆的需求更加频繁。反过来，更高的电动汽车产量有利于加速创新，降低电池成本。与此同时，这还将为周边系统开启新的应用，例如分布式存储(电量)。另外，分布式充电桩也将有利于降低温室气体的排放。这是一个相互作用，共同促进的生态。它不是一叶孤舟，而是许多艘航母及船只向着同一方向前进。
 
 
 
未来移动性的三种模式
 
 
 
当前，有一少部分城市的移动性被公认为十分有效，如阿姆斯特丹、新加坡和斯德哥尔摩。虽然方法不同，但这些城市都拥有一套高效的公交设施，鼓励骑车或步行，想方设法限制拥挤，降低污染。我们预计，到 2030 年还将出现一系列其他的系统来引领未来移动性走向下一阶段。
 
 
 
从广义上讲，最佳的出行方式是将共享移动性、自主性和电气化与综合的能源系统、公共交通和基础设施相整合。从个体层面讲，每个城市会根据这些可能性做出不同的选择。本地条件——人口密度、富裕程度、路况、公交基础设施、污染、交通拥挤状况和本地监管等——将决定会有哪些变化，以及发展速度有多快。
 
 
 
在不远的将来，对于那些处于移动性变革前沿的城市，我们预计会出现三种移动性模式，共享、自动驾驶和电气化等趋势都将以不同的速度向前发展。每一种模式将适合于不同类型的城市，如人口密集型城市或新兴的大都市。
 
 
 
清洁能源与共享
 
 
 
德里、墨西哥城和孟买属于发展中国家人口密集型城市，它们正在经历快速的城市化，正在遭受交通拥堵和空气污染。像这样的城市，至少在短期或中长期内，广泛采用自动驾驶汽车并不是一个可行的选项，因为它们的基础设施薄弱，来自行人和各种车辆的干预较大，对交通法规的遵守程度也不高。相对可行的方案是转向清洁能源交通，即电动汽车，同时还要限制私家车数量，优化共享移动性，拓展公共交通。配合一些连接性和自主性，这些城市的交通状况会有所好转，安全性也将得到加强。研究演示，如果相应的亚洲城市采用该模式，到 2030 年共享汽车将占到旅客周转量的约 50%，主要得益于更高的使用率和载客量(每次)。
 
 
 
私人自动驾驶汽车
 
 
 
在全世界许多城市，发展和通勤模式增长迅速。在这些城市，拥有一辆汽车至关重要。至少在可预见的未来，这一模式还将继续。毫无疑问，这种出行方式的成本非常高。例如，堵车每年给洛杉矶造成的损失高达 230 亿美元。
 
 
 
为了改善该问题，我们认为这些城市的消费者将采用新的车辆技术，如自动驾驶和电动汽车。针对自动驾驶汽车，我们还可以划分出专用车道。日益提高的连接性(无线和互联网等各种连接方式)还允许我们根据需求征收拥堵费。与此同时，汽车共享和打车服务也可以作为补充，但不可能大规模取代私家车。
 
 
 
该模式也存在一定的弊端：使用电动汽车或自动驾驶汽车后，由于出行成本降低，又无需人工干预，人们对移动性的需求可能随之提高，这可能造成交通堵塞。据预计，2030 年消费者行驶里程将增长 25%，主要源自私人拥有的自动驾驶汽车。
 
 
 
 
 
无缝移动性
 
 
 
与当前出行模式相比，该移动性模式的变化最大，短期内最可能出现在一些人口密集的高收入城市，如芝加哥、香港、伦敦和新加坡。
 
 
 
在该模式下，移动性基本上是“户到户”和按需模式。出行者有许多清洁、廉价和灵活 的出行方式可选，私家车、共享和公共交通之间的界限日趋模糊。该模式下的移动性工具包括自动驾驶汽车、共享车辆和高质量的公共交通。电动汽车将越来越普及，这主要得益于严     厉的尾气排放法规、日益下滑的技术成本，以及日益浓厚的消费者兴趣。
 
 
 
在这种无缝移动性系统下，由于成本低、出行便捷，人们的出行里程将增长 20%至 50%。但是，汽车数量将保持不变，甚至是减少，因为车辆利用率更高，更多人使用共享模式。届时，电动汽车将占到整体汽车保有量的 2/3，自动驾驶汽车将超过 40%。
 
 
 
连锁效应
 
 
 
整体而言，这三种模式可适用于全球约 50 座城市，约 5 亿人口。其中每一种模式都能带来显著裨益，例如节省时间、降低拥堵和改善空气质量。我们对每一种模式的累积社会效益进行了量化(直到 2030 年)：
 
1)清洁能源和共享模式，每人 2800 美元，主要得益于安全性的提高；
 
2)私人自动驾驶汽车模式，每人 3300 美元(推动 2030 年 GDP 增长 0.9%)；
 
3) 无缝移动性模式，每人 7400 美元(推动 2030 年 GDP 增长 3.9%)。
 
 
 
为充分利用这些裨益，避免走入误区，公共部门和私营机构需要协同工作，城市管理者也要愿意重新考虑如何进行自己的业务。例如，分享和自动驾驶将蚕食公共交通系统，各个城市可能要考虑从自主拥有汽车转向共享移动性提供商是否可行。政府也可能调整燃油和电力税收法，重新评估如何对基础设施进行定价。
 
 
 
这些新的移动性模式将需要许多部门认真思考如何寻找新机会，并避免一些重大风险。例如，在电力方面，2030 年电动汽车将占到全球电力需求的 3%，占欧洲电力需求的 4%。对充电基础设施的投资将有助于缓解电动汽车充电对电网所带来的负面影响。
 
未来的汽车产业可能与过去完全不同，可能要从纯粹的产品拥有模式转向一系列交通服务。毫无疑问，电动汽车将对传统的内燃机汽车构成直接的威胁。汽油零售商也应该考虑如何对当前资产进一步商业化，如何从充电、零售市场和车队服务方面获取更多价值。对于科技公司而言，三种移动性模式将为他们提供无限机会。例如，随着人们越来越多地使用连接性和自动驾驶，传感器和软件的需求也将增加，所产生的数据也极具价值。
 
 
 
走向未来
 
 
 
从东京到温哥华，移动性变革在这些城市已经很明显，而且将来还会继续。这些变化将允许人们以更高效、更经济、更频繁的方式出行。虽然如此，移动性的未来目前尚未成型，还需要公共部门和私营机构共同努力，以避免走入误区。
 
 
 
为了充分实现这些裨益，公共部门和私营机构现在就应该为未来做好准备，而不要坐以待毙。此外，政府也要参与到其中，出台一些有利于推动这些趋势发展的法规。另外，各方     强有力的合作有利于将公共交通和私人移动性相结合，从而推出最佳的解决方案。
 
 
 
这些措施事关重大，因为制定出适当的移动性将在很大程度上提升城市的竞争力。这种移动性变革也有助于改善空气质量，减少交通死亡事故。而且，这也是一个提高几十亿人生活质量的机会。
 
 
 
简介
 
 
 
移动性是城市的命脉：每天，城市交通系统把人们带到工作或娱乐场所；各种车辆帮助我们运送食物或其他重要物质，并运走垃圾。总之，它确保我们的城市正常运转。同时，移动性也是每个国家国民经济中的关键要素，是许多行业的重要增长引擎，如汽车、城市工程、能源、技术和电信等。
 
 
 
今天，Uber 和 Lyft 等公司推出了新的业务模式，改变了人们的出行方式。电气化、连通性和自动驾驶方面的创新又为企业和城市创造了契机。同时，这些创新也将为整个社会带来裨益：先进的交通系统有助于解决环境问题，提高市民健康水平。
 
 
 
当前，我们的移动性系统常常无法高效运转：街道拥堵，环境污染；过多的车辆不仅给城市基础设施带来压力，同时也带来了安全隐患。随着城市的扩张，这些问题还将进一步加剧。到 2030 年，全球 60%的人口居住在城市。拥有 1000 万人口的大都市会越来越多，交通流量、能源消耗、污染和拥挤也将随之加剧。
 
 
 
快速创新伴随着城市扩张将不可避免地推动移动性变革，但未来的移动性系统究竟是怎样的呢？本篇将通过回答下列一些问题来揭示其中的一些新趋势：先进的移动性系统在不同城市环境中是如何形成的？社会将变得更好还是更糟？主要推动力是什么？要想通过先进的移动性系统收获经济和社会效益，如何才能加速实现？
 
 
 
许多快速发展的趋势正在影响移动性
 
 
 
本章第一部分将讨论影响移动性系统的各种快速发展的趋势。其中一些属于核心的移动性趋势，如汽车电气化、共享移动性和自动驾驶；还有一些辅助趋势，如连通性和物联网、城市化和其他宏观经济趋势、以及能源生成和储存的分散化。
 
 
 
其中，每一种趋势都将对移动性的特定部分产生重大影响。但是，如果将这些趋势整合起来，则其对移动性的影响更加明显。而且，各个趋势之间也会相互刺激和强化。因此，在本章的结尾部分，我们会讨论这些趋势之间的强化效应，以及采用综合视角看待该问题的重要性。
 
 
 
车辆电气化
 
 
 
在过去的五年，全球电动汽车销量增长迅速，主要得益于高额的购买补贴、下滑的电池成本、节能监管、汽车厂商的努力，TBOX升级以及消费者兴趣的提升。由于受到中国新能源汽车市场蓬勃发展的影响，中国市场份额增长 73％高居榜首，美国增长 27％、欧洲增长 39％紧随其后，但其差距仍在扩大。在日本，丰田 Prius Prime 插电式混合动力汽车瞬间成为畅销车型，且与第四季度发布的全新日产聆风一起，使电动汽车销量增长了 150％。纵观全球，12 月份销量再创记录，全球交付量超过 17 万辆，比之前 11 月份的历史最高纪录高出 17％。继过去的 5 个月中持续强劲的增长势头之后，12 月份全球电动汽车份额首次触及 2％大关。2017 年全年的全球份额为 1.3％。
 
 
 
我们预计 2018 年销量将增至 190 万辆，这主要得益于中国市场上电动汽车的强势引进以及期待已久的特斯拉 Model 3 的大规模生产。截至 2018 年底，我们预计全球将有超过 500 万辆电动汽车和轻型卡车投入使用。
 
 
 
在十二五期间，电动汽车使用的锂离子电池的平均价格下滑了 65%，从每千瓦时 1000 美元降至每千瓦时 350 美元。而且，得益于规模效应、电池化学技术的提升、以及更好的电池管理系统，锂离子电池成本仍在继续下滑，下滑速度甚至超出了分析师的预期。分析师现预计，未来十年内有望降至每千瓦时 100 美元。而在更远的未来，甚至可能降至每千瓦时 50 美元至 60 美元。
 
 
 
这些变化将促使私人电动汽车的整体拥有成本在本世纪 20 年代中期达到与内燃机汽车相当的水平，而对于高频率使用的电动车辆(如共享车辆和出租车)，达到与内燃机相当水平的时间还要更早。当前，消费者对电动汽车的兴趣已经在提高：特斯拉今年早些时候发布的Model 3 已经赢得了超过 40 万辆的预订量，尽管该车刚刚交付不久。
 
 
 
全球和各国燃油经济性法规在推广混合动力车和电动汽车上起到了重要作用：美国、欧盟和中国为自动驾驶汽车厂商制定了严格的满足标准。其中许多仍可以通过提升内燃机车辆来实现，但随着标准越来越严格，将来要想继续通过内燃机来满足将十分困难。由于各国越来越强调燃油经济性，各种类型的电动汽车都将受益于此。汽车厂商也都针对这些压力要做出了回应，纷纷增加了未来几年计划推出的电动汽车数量。
 
 
 
共享移动性
 
 
 
最近几年共享移动性发展迅速，打车服务与传统的拼车服务提供商形成了竞争。例如， Uber 和 Lyft 就实现了快速发展，并与本地出租车直接竞争。从汽车共享到专业应用，都允许车主在空闲时充分利用自己的汽车。
 
 
 
其中打车服务发展最快，全球范围内诞生了大量由风险投资资助的初创公司。2015 年全球打车服务公司获得了 110 亿美元的资金，今年年中达到了 210 亿美元。在竞争激烈的市场，许多打车服务提供商目前都在为市场份额而战。中国拥有全球最多数量的城市通勤者，同时车辆拥有率又较低，因此打车服务在那里经历了快速发展。在收购 Uber 中国业务后，本地打车服务提供商滴滴出行现拥有 1亿以上活跃用户，每周提供 近2 亿多次打车服务。
 
 
 
自动驾驶汽车
 
 
 
出于人们对道路安全的担忧、潜在的成本节约，以及一系列技术创新，自动驾驶技术近期取得了长足发展。根据该项技术的发展现状、预期中的技术提升、以及汽车制造商和其他     公司公布的一系列计划，全自动驾驶汽车很可能于本世纪 20 年代中期上路。根据美国国家公路交通安全管理局的规定，“级别 4”(Level 4)是最高级别的自动驾驶技术，中国定义到了Level 6。
 
 
 
汽车厂商和刚进入该市场的新竞争者都在争相推出自动驾驶技术。特斯拉已经表示， 2018年将跨越全美实现自动接驾，意味着你可以在洛杉矶召唤纽约家中的电动汽车。宝马、福特、通用汽车和大众等传统汽车厂商也都希望在 2020 年至 2022 年率先推出自动驾驶汽车 (级别 3 或级别 4)。此外，还有其他一系列企业已经或即将推出自动驾驶汽车服务。
 
 
 
自动驾驶功能是一个计算问题，解决速度很快，自动驾驶级的车内计算机的功能十分强大：它采用的是超级计算机所使用的基础架构，能够对来自多个传感器的数据进行整合和分析，从而对周围环境有一个全面的了解，这也是开发全自动驾驶汽车的一个关键。
 
 
 
为了实现全自动驾驶，各种各样的创业公司在研究着不同的零部件，从成像和传感器硬件到各种模块(无线连接、地图、驾驶数据存储)，以及针对自动驾驶汽车而优化的租赁和保     险服务等。与此同时，这些创业公司不仅吸引了传统汽车厂商的兴趣，也被一些科技和通信公司所追捧。例如，Verizon 以 24 亿美元收购 GPS 车辆追踪系统供应商 Feetmatics，三星投资激光雷达和 3D 地图解决方案供应商。
 
 
 
全自动驾驶汽车并不是简单的驾驶辅助功能
 
 
 
全自动驾驶汽车很可能迅速腾飞，无论是在车队层面，还是普通消费者层面。此外，它还将迅速成为创新性业务和应用(有些甚至无法想象)的新技术平台。例如打车应用，有些打车服务提供商已经积极参与到全自动驾驶汽车的研发中，因为它可以节省劳动力成本，对于卡车公司和短货运公司也是如此。
 
 
 
自动驾驶汽车还有潜力为通勤者和其他出行的人们节省大量的时间，重新配备的新型车内娱乐系统还将为人们的车内生活带来更舒适的体验。此外，如果汽车能够自动驾驶而无需人为干预，那么许多当前需要人类司机来完成的任务，汽车自主就能完成，例如接送亲朋好友。最终，对于一个家庭而言，他们会发现，只要拥有一辆自动驾驶汽车，就能方便地穿梭于各个地点之间，而无需像现在这样需要购买多辆汽车。届时，停车问题将被其他一些更迫切的问题(定义自动驾驶汽车可以做哪些事情)所取代，因为让汽车在路上运行或在更远的地方停车将比购买房产更经济。
 
 
无人驾驶技术还需要一个非常重要的能力，就是数据收集。俗称为样本采集。如果一个公司在做无人驾驶，无人驾驶的车队有多大很重要，因为每个车队的规模会影响到他这个车子开得好坏，也就是数据收集的大小，样本足够多，足够大，深度学习的算法越准。就当下，采用4G网络，已经可以将大部分的数据、摄像头照片，发回云端做很大的样本采集，涉及的车型不同，在总线数据上的采集方式也多种多样，那么，无人驾驶的数据采集终端也会得到业内的的很重视，因为数据的采集能力，决定着深度学习。
 
按照单台车以30Hz的频率采集320*320的图像，十分钟生成一个压缩包图片库的速度来算，2小时内的行驶将产生4个GB的图片数据，结合边缘算法在本地实现处理还需要将图片通过蜂窝网络（4G,5G）上传到云服务器做深度分析。
 
 
V8主核I.MX6集成了FlexCAN、MLB总线、PCI Express®和SATA-2，具有卓越的连接性，同时集成LVDS、MIPI显示器端口、MIPI摄像机端口和HDMI v1.4，是先进的消费电子、汽车和工业多媒体应用的理想平台。SK32作为与汽车总线交互的核心处理，采用的Cortex-M4的内核，并带有以太网的接口，将适应未来所有车型。
 
 
 
两个主处理器都满足AEC-Q100,满足车规级的要求，未来可以在所有汽车领域大量应用。我们利用I.MX6解决了高速视频拍摄及解压，通过高通4G模组将S32K采集的CAN总线数据和外围GPS等SENSOR将数据传给服务器。主要解决从采集端到决策端的数据问题，通过采集到的车速、转向角度、档位信息等汽车CAN总线数据建立驾驶模型，建立样本。
 
 
 
当汽车大脑拥有了这样的计算能力之后，就可以把学习算法和这个模型样本放到车上，然后在汽车自己驾驶的过程中，走一些实时的判断和决策。其中非常关键的是基础决策，他是通过摄像头、激光雷达感知，对很多物体作出判断，这个判断要用到速锐得V8的一些数据做一些评比，结合综合算法，看一看在大量数据里这个决策的准确性。
 
 
 
但是，这些新的运营模式可能导致车辆行驶里程增加，从而加剧道路拥挤。对于内燃机汽车而言，还将导致更多的尾气排放。
 
 
 
连通性和物联网
 
 
 
所谓的物联网主要包括三个要素：传感器、连接到网络的能力，以及快速计算进入数据的能力。物联网应用正快速进入移动性市场。同时，基础设施连通性和其他“硬件”要素也 进一步缓和交通流。沃尔沃正在测试“机器到机器”的社交网络，允许汽车之间相互通报路况条件和其他危险因素。特斯拉推出了“智能手机式”升级方式，通过 OTA  对汽车进行重大升级，如自动紧急刹车。将来，该升级方式可能被其他汽车厂商所采用。
 
 
 
消费者对汽车连通性的需求与日俱增：2015 年愿意改用具有更好连通性的汽车品牌的消费者比例达到了 37%，而中国的该比例更是高达 60%。出乎意料的是，数据隐私并不是主要障碍，76%的消费者愿意向汽车厂商发送车辆数据。
 
 
 
需要指出的是，连通性趋势不仅仅适用于车辆。尤其是在发展中国家，日益提高的手机普及率让共享业务模式更易于访问。例如，肯尼亚的移动支付普及率已经超过了 70%。到2020 年，印度的移动数据使用量将从每月 1.8EB 增加到 20.6EB。
 
 
 
 
 
 
 
公共交通
 
 
 
全球范围内，许多城市都在强化和拓展公共交通网。最终，自动驾驶功能将降低运营成本，而网络优化又能带来可靠性和更大的交通容量。新的共享车辆网络解决方案将帮助城市降低规划欠佳的公交路线所带来的成本。另外，由卡车和公交车所提供的按需服务所创造的机会将改善“开头一公里”(First- Kilometer)和“最后一公里”(Last- Kilometer)选项，从而让当前路线承载更多乘客。
 
 
 
宜居性和可持续性
 
 
 
在许多大都市，人们对空气质量的担心日益加剧。例如，各种微粒子、PM2.5和氮氧化物排放影响人们健康。为此，北京、伦敦和阿姆斯特丹等大都市未来几年将继续出台一系列措施来倡导低排放车辆。例如，国内中国汽车研究中心重排室与国家计量局、科技部、工信部、环保部等有关部门共同制定了《远程排放管理车载终端的技术要求》并采用了速锐得E6设备，对北京重型车远程排放管理出台了相关的地标文件DB11-1475-2017。
 
 
 
除了空气质量，城市规划者也越来越关注宜居性和可持续性 ，通过设立城市公园来重新获得城市空间。对自行车道和公交基础设施的投资将刺激人们放弃购买汽车，利用公交和共享交通成为一个有吸引力的选项。
 
 
 
城市化和其他宏观趋势
 
 
 
2015 年至 2030 年间，城市化和人口增长将推动城市平均人口密度至少增长 30%。为此，人口密集城市对移动性的需求将翻番(如果人均出行里程保持稳定，汽车保有量与 GDP 增速之间的比例保持历史水平)。毫无疑问，这将对本已吃力的移动性系统带来额外的压力， 使得私人购买汽车的吸引力下降。
 
 
 
基于宜居性和可持续性而出台的本地政策也将加速汽车电气化， 其他刺激因素还包括各国和全球对尾气排放的监管，以及对可再生能源的支持。
 
 
 
 
 
能源系统分散化
 
 
 
在过去的十年，可再生能源的生成成本显著下滑。如果该成本继续快速下滑，间歇性分布式发电，以及电池和需求响应(demand response)资产，在未来 15 年内在全球发电中将发挥重要作用。该趋势可能加速电动汽车的普及，主要通过在峰值时降低电价，解决特定的电网问题(阻止电动汽车在当地的普及)。在某些情况下，也可以为消费者给车辆充电制定一个最高价格。管理电动汽车充电也可以防止在高峰时期可再生能源生成数量的下滑。
 
 
 
在阳光充足地区，住宅光伏和存储系统有助于缓解电动汽车充电对电网带来的负面影响，因为消费者此时会选择自己的充电设备，而不是去花钱充电。加州圣地亚哥(San  Diego)一住宅家庭的数据显示，一套分布式发电和存储系统能的供电成本要低于购电成本。对于一套6kW 的太阳能光伏系统和 10kWh 的电池存储系统，到 2030 年其用电成本约为每千瓦时0.10 美元至 0.12 美元，低于加州居民 0.174 美元的平均用电价格(2016 年 5 月)。一套这样规模的供电系统可满足居民每天 70%至 90%的电量需求，其中包括为电动汽车充电和日常用电。此外，这样一套系统还可以部署在公司停车场，或者其他一些没有空间约束的场所。
 
 
 
需要指出的是，分布式发电系统每千瓦时 0.12 美元的充电费用仍高于许多地区非高峰时间的电价。但是，随着太阳能光伏的普及，以及日间用电价格的继续下滑，将来分布式发电系统的供电成本将远低于购电成本。
 
 
 
强化效应和综合视角需求
 
 
 
要了解移动性系统的未来，我们必须要将各种趋势综合起来评估。本小节，我们将详述八大趋势之间的相互影响和强化。在未来十五年，这些趋势的发展速度将各不相同，但会共同影响移动性系统的发展。
 
 
 
1.共享移动性的崛起将加速汽车电气化
 
 
 
与传统内燃机汽车相比，电动汽车拥有较高的前期成本—“电池”，但被较低的边际成本所抵消：电力的生成价格仅为汽油的一小部分，维护成本也更低。因此，共享车辆所导致的更高的行使里程数将提升电动汽车的成本竞争力。将来，用于提供打车服务车辆的年累计行驶里程将超越传统出租车的年行驶里程(在美国约为 70000 英里)，而私人车辆的平均累计行驶里程约为 13500 英里。
 
 
 
与此同时，提供打车服务车辆的较高行驶里程数也意味着这些车辆的生命周期将缩短，从而加速向下一代电动汽车转移，无论是电动汽车还是自动驾驶汽车。共享移动性在整体移动性中所占比例每增加 10%，2015 年至 2030 年电动汽车的累计销量就会增长 5%左右。
 
 
 
2.自动驾驶技术可能将各种共享移动性业务模式整合到一起，与私家车和公交车竞争
 
 
 
基于当前的技术，对于大部分地区的通勤者而言，打车服务与私家车相比还不具备成本优势。即使是最低廉的打车服务，人均费用也达到了私家车费用的 140%。
 
 
 
但是，如果打车服务启用自动驾驶汽车，则将对共享移动性业务模式和购买私家车模式带来颠覆性影响。使用私家车和打车服务之间的成本差别将急剧缩小。平均而言，使用私家车的成本仍较低。但对于许多司机而言，打车服务将成为一种替代性经济来源。按需的自动驾驶汽车可能取代当前大部分共享移动性业务模式，如汽车共享、拼车和打车等。它能自动去接下一位乘客，自动到指定停车场停车，或者返回到起点。
 
 
 
如果一个私家车消费者愿意与他人共享出行，那么这种经济性将更具吸引力：平均而言，使用自动驾驶的共享电动出租车每英里成本要比私家车低 30%至 60%，主要取决于共享人数。到 2025 年，一辆私家车每公里成本约为 0.8 元。如果使用自动驾驶的共享出租车，最低可降至每公里 0.2 元至 0.3元。
 
 
 
与公共交通相比，美国许多城市的公交成本仍仅为人类驾驶出租车共享成本的一半，国内后者 2018 年成本为每公里 0.14 元。
 
 
 
3.自动驾驶汽车(私家车和共享)可能增加移动性消费，电动汽车将提供较低的整体拥有成本
 
 
 
如前文所述，国外使用自动驾驶的共享电动出租车每英里成本要比私家车低 30%至 60%。而且，该模式还将给消费者带来额外的裨益：按需享受由各种车辆提供的“户到户”交通服务，而无需预付成本或维护费用。另一种模式是私人自动驾驶汽车，虽然成本要更高，但也可以由其他家庭成员来召唤使用，而之前这是无法做到的。
 
 
 
较低的成本和使用量的提升，使得自动驾驶汽车不仅将取代其他交通方式的部分任务，还可能创造出全新的移动性需求。这与价格弹性效应类似：价格下滑就会刺激需求增长。在本报告中，基于历史价格弹性走势，我们预计每英里成本下滑 30%至 60%，需求就会增长12%至 24%。额外的需求还可能来自年轻人或年长者，他们目前正依赖于其他司机或交通工具。行使里程数越高，电动汽车从成本方面讲就更具吸引力。
 
 
 
4.共享移动性的崛起将影响公共交通
 
 
 
当前，共享移动性崛起对公共交通的影响是积极的。有证据显示，汽车共享者使用公共交通的可能性比非汽车共享者高 40%。还有其他一些研究显示，消费者使用共享交通模式越频繁，他们使用公共交通的可能性就越高。
 
 
 
但是，到202年，使用公共交通和共享自动驾驶汽车的通勤成本可能整合到一起。一些出行者可能从公共交通转向共享移动性，主要得益于后者所提供的“户到户”的按 需服务。在某些地区，共享移动性将满足“开头一公里”和“最后一公里”需求——用公共交通网连接家庭——或者用来取代一些利用率较低的路线。在其他地区，公共交通所提供的速度和可靠性，尤其是铁路，其所提供的服务是汽车无以比拟的。
 
 
 
5.电动汽车大规模量产将加速电池成本下滑
 
 
 
电动汽车的普及将加速电池价格的下滑。这反过来又会提升电动汽车的吸引力，从而加速普及。这还可能开启新的电池应用，包括家庭能源存储。据预计，电动汽车锂离子电池产
 
量每增加一倍，成本就会降低 16%至 20%，与历史趋势相符。如果这一比例保持下去，本报告稍后将讨论的电动汽车产量将推动电池成本在未来十年内降至每千瓦时100 美元以下。这将确保更多可再生能源被加入到当前电网中，进一步提升电动汽车的吸引力。
 
 
 
6.自动驾驶汽车(私人和共享)将改变电动汽车充电基础设施的要求
 
 
 
适当的充电基础设施将有助于推动电动汽车的普及，反之亦然。但很明显，私人电动汽车和未来的自动驾驶共享汽车对充电基础设施的要求也是不同的，如地点和类型。后者具有较高的利用率，因此需要快速充电模式。而且，汽车还可能自动驶向低成本充电地区进行充电。同样，缺乏适当的充电基础设施可能延缓共享汽车的电气化。
 
 
 
7.可再生能源生成量的增加将使电动汽车更具吸引力，可作为降低碳浓度的一种手段
 
 
 
即使在煤资源高产区，如中国，电动汽车的二氧化碳排放量(每英里)也低于内燃机，即使内燃机技术将来会有很大提升，到 2030 年其二氧化碳排放量仍将高于电动汽车。而且，2030 年后这一趋势还将加剧，因为可再生能源的市场份额增速要快于内燃机。这将促使电动汽车成为降低碳浓度的一种有吸引力的方式。
 
 
 
8.自动驾驶汽车可能加速物联网应用的普及
 
 
 
最近几年电动汽车发展迅速。自动驾驶汽车——以及服务于自动驾驶汽车的充电和燃料基础设施——对各方面的要求远多于当前的车辆和基础设施。这种需求将推动“汽车到 基础设施技术”的普及，已确保自动驾驶汽车所需要的方方面面，如交通流量优化和事故预防系统等。
 
 
 
与此同时，自动驾驶汽车还将释放出司机的驾驶时间，为在线零售商或媒体服务商连接在途中的用户提供了机会。此外，未来的汽车还可能连接到家中的智能应用，为消费者提供无缝连接体验，让汽车成为家庭的延伸。
 
 
 
在城市加速普及
 
 
 
当前，全球范围内一些城市——如香港、新加坡、斯德哥尔摩和阿姆斯特丹——经常被援引作为如何组织移动性系统的例子，他们通过公共交通的可用性和可靠性、整合骑自行车和步行实现差异化，但他们的拥塞和污染程度也是不同的。移动性趋势的成熟和强化为一些城市加速远离当前的出行模式提供了潜力。在这些地区，2030 年的移动性将与全球或地区平均水平有着明显的不同。我们也正是要对这些具有突破性的移动性系统进行分类和解释。
 
 
 
这样的趋势已经初露端倪。例如，挪威已经制定一项计划，从 2025 年起销售的私家车均为电动汽车。与此同时，新加坡的陆路交通管理局(LTA)最近也签署了合作协议，测试共享、按需、户到户、开头和最后一公里，以及城市内的自动驾驶运输服务。Uber 还与沃尔沃已签署协议，共同投资 3 亿美元组建一个自动驾驶出租车队，2015年 9 月已开始在匹兹堡提供测试服务，不知道现在运行效果如何。
 
 
 
我们将为市民和当地管理机构对未来十五年移动性系统的发展趋势提供一个基本的了解，包括私家车未来角色的转变。本篇以城市人口密度、经济发展和社会繁荣作为区分标准，列出了三种未来移动性模式。其中，每种模式都有不同的特征，与特定的城市环境类型息息相关。
 
 
 
清洁能源和共享系统，适合低收入、人口密集的大都市。在这些城市，快速的城市化，以及交通拥挤和污染加剧的压力，迫使他们转向清洁能源交通，优化与公共交通相关的共享移动性。在这些城市，使用全自动驾驶汽车的可能性不大。
 
 
 
私人自动驾驶汽车，适合于高输入、向郊区扩张的城市。在这些城市，私家车几乎必不可少。而自动驾驶汽车和电动汽车将使人们的出行更加方便、安全、清洁、舒服和低成本。
 
 
 
无缝移动性，适合高收入、人口密集的大都市。在这些城市，自动驾驶汽车、电动汽车和共享移动性等趋势均发展迅速，从而为消费者提供“无缝”出行体验。这将是一套技术领先的移动性系统，可提供户到户、按需和多种模式的出行服务。
 
 
 
清洁能源和共享——适合于发展中国家、人口密集的大都市
 
 
 
清洁能源和共享模式主要是指基于人类驾驶汽车、两轮车和小型公交车的多种共享出行模式，这些车辆日趋电气化。在这种人口密集的发展中大都市，自动驾驶汽车并不适合，因为那里的基础设施相对匮乏，交通解决方案比较复杂。
 
 
 
污染驱动电气化：人口密集的发展中城市已经在面临严重的空气质量担忧，可能通过强制性的电气化来扼制污染继续加剧，尤其是影响健康的污染，如 PM2.5 和氮氧化物。分散式可再生能源生成技术的提高——如太阳能光伏——以及分散式存储将是确保城市走向电气化的关键。在许多发展中城市，电网已经接近最高产能，已无法再承受大规模的汽车电气化。在这些城市，私家车主可能会通过在房顶设立太阳能和存储系统为汽车和家庭供电。这样遭遇停电(因供电吃紧)的风险也较低。快递服务和打车服务公司也将发现，通过使用分散式能源可以轻松获得自己的充电基础设施，这可能导致他们率先拥抱电动汽车，因为这样做的运营成本将大大降低。
 
 
 
共乘和共享移动性：人口增长将加剧移动性需求，尤其是对私家车的需求。因此，监管部门会大力提倡共乘和大容量公共交通，而不是私家车。这样，一系列有针对性的共享模式就会出现，如基于两轮和三轮车的按需服务，以及其他一些早已常见的非常规交通选项，如共享小巴和基于应用的打车服务。
 
 
 
低速车辆：一些新兴城市还会看到越来越的低速电动汽车，它们主要针对市中心或非高速公路而设计。由于成本较低，移动范围较小，这些低速电动经汽车正在成为新兴的中产阶级在当地出行的有吸引力的选择。
 
 
 
保留人类司机：较低的劳动力成本，较差的道路条件，政府对失业的担忧，以及当地复杂的交通解决方案，让自动驾驶汽车在这些人口密集的发展中城市失去了竞争力。虽然自动 驾驶功能可能在私人豪华汽车中找到一丝空间，但大规模普及是不可能的。因此，在这些城市人类司机仍是主流。
 
 
 
改善交通流：基本基础设施的提升，包括车道结构，动态的交通信号灯，可能在一定程度上改善交通流。低级别的自动驾驶车辆(非全自动驾驶)和驾驶辅助系统将有助于较低交通     事故率，但全自动驾驶功能在这些地区的应用空间有限。
 
 
 
支持公共交通：为了缓解移动性系统压力，城市需要以高于移动性需求增长的速度建立高容量交通网络。与其建立高成本的地铁系统，还不如设置专用车道的快速公交线路和地上轻轨。中产阶级用户在“开头和最后一公里”可能会考虑高质量的共乘服务(如有空调的汽车)，或者是高容量的本地火车，以替代私家车。
 
 
 
潜在影响：在亚洲一个普通的发展中人口密集城市，未来 15 年(到 2030 年)人口数量可能增长 50%，GDP 增长 90%。在前文所述的清洁能源和共享模式下，乘客数量和车辆公里数的增长将被较高的共享和更多的公共交通所抵消。到 2030 年，共享轻型车辆将占到车辆行驶里程数的 1/3。随着电气化的快速普及，届时路上近 40%的车辆为电动汽车，但自动驾驶汽车的渗透率仍较低。
 
 
 
哪里(Where)?
 
采用“清洁能源和共享”模式的将主要是那些发展中的人口密集城市。在所有的发展中人口密集城市，约 15%将成本早期采用者，包括伊斯坦布尔、德里和孟买。该预期主要基于城市的人口规模、人均 GDP、公共项目部署经验、污染和拥塞程度等。在转向“清洁能源和共享”模式过程中，一些核心指标会根据平均收入和人口密度的变化而变化。
 
 
 
 
 
私人自动驾驶汽车——适合于发达国家、向郊区扩张的城市
 
 
 
在私人自动驾驶汽车模式下，私家车仍处于主导地位，主要得益于其在移动性系统中的核心地位。自动驾驶汽车允许乘客将途中的时间用于办公或娱乐。该移动性系统可能随着需求的增长而进一步被拉伸，因为该模式下的车辆所有权模式被进一步强化。
 
 
 
私家车的吸引力：理想中的、高度个性化汽车的出现——通常为电动汽车——可能提高消费者对购买私家车的兴趣。在该模式下，将来消费者可能要在较高的出行费用和拥有私家车的独立性两个方面进行权衡。同时，汽车共享和打车服务仍将是补充选项，但不可能大规模取代通勤。
 
 
 
自动驾驶汽车的方便性：在自动驾驶汽车赋予人们利用途中时间办公或娱乐的同时，大多数通信模式仍将保持不变。但之前没有使用汽车的消费者可能会购买或使用(自动驾驶)汽车，这些人主要是老年人和没有达到法定驾龄的年轻人。他们可以“召唤”一辆处于空闲状态的自动驾驶汽车，去拜访好友或上学。由于利用电动汽车出行的成本较低，又无需人类司机(自动驾驶汽车)，这将刺激人们对移动性需求的增长。根据增长的程度，这还可能带来更严重的交通堵塞。从长期角度讲，这还还可能刺激城市的进一步扩张，因为可接受的通勤距离延长了。人们对车辆行驶里程的需求可能提高，因为让汽车处于行驶状态或者停在较远的地区可以避免更高昂的费用(如购买房产)。将来，“零占用”行驶可能迅速普及，因为闲置的汽车会占用路边空间，而这也是其他人所需要的。
 
 
 
消费者驱动电气化：消费者可能希望拥有一辆电动汽车，如果在家中或公司设有充电设施，那就更方便了。基于分散式太阳能面板和电池存储系统的充电方式将比许多地区的售充电模式更经济。
 
 
 
优化道路基础设施：道路网络可能继续扩展，但大部分将位于边缘地区。一个更具效率——或者至少是更舒服——的通勤体验，可能意味着人们将原意进行更远距离的通勤。最初，道路容量可能足以应付交通现状，但随着出行成本的降低，将有更多车辆上路，导致需要对基础设施进行投资，以解决容量瓶颈问题。要提升道路的承载力，城市当局可能会设立专门的自动驾驶车道，从而与行人和非自动驾驶车辆分开。
 
 
 
需求管理：除了设立自动驾驶汽车专用车道，城市管理者还可能通过复杂的需求控制措施来作为补充。高度连接性汽车还可能促使城市管理者征收基于需求的拥堵费，甚至是设置围栏，阻止汽车在特定时间段内进入。在郊区或高速公路上，自动驾驶汽车专用车道有利于最大化道路容量。在部分地区，汽车装置还能自动付费，以优先进入拥挤区域道路。
 
 
 
公共交通：同时，日益发展的郊区扩张也使得“最后一公里”公共交通系统(如汽车)在外部区域(郊区)丧失竞争力，即使动态路线和按需接送服务显著提升了服务级别。相反，家庭轿车会被更频繁的使用，为无法亲自驾驶的消费者提供移动性。例如，自动驾驶汽车可以接送去购物的老年人，或者去学校接孩子。与此同时，目前已经启用的快速公共交通可能继续维持其当前地位。
 
 
 
未来十五年，虽然私家车将继续占据统治地位。但对于低收入人群， 创新的共享模式将成为购买私家车的替代方式。在达拉斯和凤凰城，“Dollar Vans”(非官方公共汽车，班车)已经与公交车齐头并进，日载客量甚至超过了公共汽车。有证据显示，该模式比传统的公交网络更高效。在那些公共交通服务质量不及私家车的地区——例如，美国公交平均通勤时间为 53 分钟，而私家车为 22 分钟——这种转变(转向 Dollar Vans)对于那些没有私家车的消费者而言，也是平等接入公交系统的一种方式。因此，这些共享移动性服务的自动化，虽然整体市场份额不会很高，但却将提高低收入人群获得更高质量交通服务的能力。
 
 
 
潜在影响：在一个典型的欧洲或北美向郊区扩张的城市，消费者出行里程数与 2015 年相比将增长 25%，其中大部分增长源自私人自动驾驶汽车。而私人自动驾驶汽车行使里程数的增长又得益于消费者更频繁的出行和“零占用”行驶越来越普遍。另一方面，由于私人自动驾驶汽车的使用方式越来越灵活，平均而言家庭需要的车辆数量将减少。在这些城市，电动汽车和自动驾驶汽车技术的市场渗透率将达到 30%至 35%，远高于全球平均水平。电动汽车的普及是由消费者驱动吗？
 
 
 
在“无缝移动性”系统模式下，电动汽车几乎将占到 2025 年轻型汽车销量的 100%， 主要得益于经济、消费者需求和强有力的监管干预。该预期主要基于挪威公布的一项长期交通计划的意图和愿望。但是，如果对电动汽车的需求不需要任何监管干预或支持，完全是由消费者需求来驱动会怎样呢？在给定的时间内(2030 年前)，电动汽车在各项性能指标(加速度、噪音和服务要求)上有能力与其他车辆竞争，而无需任何经济或环境刺激因素。那么早期用户能否通过口口相传来刺激大量模仿者、从而为电动汽车的普及带来雪球效应呢？
 
 
 
“巴斯扩散模型”(Bass Diffusion Model)是评估“监管驱动模式”下电动汽车普及情况的一个替代方法。“巴斯扩散模型”描述了新产品是如何被采用和他人模仿的过程，该模型取决于两件事：主采用率(早期采用者)和他人模仿，这两个驱动因素也将受到竞争产品的需求价格弹性的影响。当电动汽车价格昂贵时，因为价格弹性这就成为了阻力；但当电动汽车价格低廉时，就将出现逆转，价格弹性将推动电动汽车的普及。如果这种情况并行发生，当模仿效果出现后，电动汽车的普及速度就会非常快。
 
 
 
基于电动汽车普及的速度和时机，对电动汽车历史销量的模拟，以及内燃机与电动汽车成本的对比，我们将看到一个由消费者驱动的电动汽车普及曲线将在未来 5~10 年后腾飞， 随后将以近 100%增速快速普及。当然，要满足这样的增长曲线对于汽车厂商的制造产能将是一个严峻挑战。
 
 
 
哪里(Where)？
 
私人自动驾驶汽车系统最可能适用于发达国家向郊区扩张的城市，在那里汽车仍是必要的出行工具，而且居民也足够富裕来承受购买电动汽车和自动驾驶汽车。在全球发达国家向郊区扩张的城市中，约有 20 座城市能够提前实现“私人自动驾驶汽车”模式，其中包括悉尼、休斯顿和德国的鲁尔(Ruhr)等。这些早期采用的城市都拥有较高的人均 GDP 和部署公共交通项目的经验，而且对采取新技术持开放态度。
 
 
 
无缝移动性——适合于人口密集、发达的大都市
 
 
 
在“无缝移动性”系统下，移动性可能逐渐变成“户到户”、按需、多模式服务，私家车、共享和公共交通之间的界限日趋模糊。
 
 
 
共享遇上自动驾驶汽车：共享移动性和自动驾驶汽车之间的碰撞可能迸发出新的交通模式：由自动驾驶的电动汽车组成的车队提供按需、户到户的移动性。这些车辆在尺寸和规格上将不尽相同——基础版、豪华版、2~20  人——以满足不同用户的需求。这种共享移动性车队的服务成本将低于私家车，从而推动消费者出行需求的增长。如果城市提倡，这种共享移动性还会得到进一步的激励。
 
 
 
为了避免堵塞，私人自动驾驶汽车的“零占用”行驶可能被限制。同时，城市管理者还可能通过复杂的需求控制措施来作为补充。高度连接性汽车还可能促使城市管理者征收基于需求的拥堵费，共享和自动驾驶汽车的普及还将为城市规划带来新的机遇。城市对停车设施的需求可能降低，这部分空间可以变成城市绿地或其他公共场所。但城市规划者可能需要考虑设置特定的区域以方便乘客上下车。
 
 
 
激励电气化：高里程数的共享车辆模式有助于电动汽车的发展，严厉的燃油经济监管，以及城市低排放区域的推出也将加速私家车向电气化转移。在特定国家或特定城市，出售的所有新车都将电气化可能成为一种强制措施。为此，在“无缝移动性”区域，预计2030年电气化水平最高将达到 60%。在强制电气化的同时，公共和半公共的充电基础设施可能迅速崛起。通过基于时间的支付、智能充电和差别电价等措施，对电力市场和电网的负面影响将被缓解。
 
 
 
快速公交作为骨干：共享车队可能部分地取代公共汽车，提供“开头和最后一公里”选项，尤其是在城市的外环。大规模的铁路系统——连同步行和共享骑行——仍将是移动性系统的核心和重要组成部分，因为这些系统的速度和容量是无法比拟的。
 
 
 
基础设施保障：在该模式下，移动性基础设施日益成为硬件和软件的组合，移动性日益作为一项服务被使用。消费者可能依赖于一个综合的软件平台来对比各种出行模式和价格，并为不同的出行选项进行支付，无论使用的是公共交通还是私人交通工具。城市可能使用专业厂商的智能路线规划和调度算法、利用有牌照或有补贴的打车服务来取代“开头和最后一英里”的公共汽车服务，甚至还可能部署一套中央调度平台来优化交通流量。同时，物理基础设施的完善，再配合自动驾驶、联网车辆(使用互操作协议)，还可以通过“车辆到基础设施”(V2I)智能交通系统来优化交通流量。
 
 
 
潜在影响：在“无缝移动性”系统下，在一个典型的北美或欧洲人口密集的发达城市， 我们预计人们的出行里程最高将增长 30%，主要得益于共享车辆服务。由于较高程度的共享，欧洲或北美的车辆保有量将停止增长，虽然消费者的出行里程增长了。但不管怎样，更多的出行里程还是有可能或多或少地导致城市的瓶颈区域出现拥堵。在该出行模式下，电动汽车和自动驾驶汽车的普及率将远高于全球平均水平。到 2030 年，电动汽车可能占到汽车保有量的 3/5%，而自动驾驶汽车将占到 40%以上。
 
 
 
哪里(Where)？
 
“无缝移动性”模式最可能出现在高收入、人口密集的大都市，以及欧洲和北美部分向郊区扩张的大城市。全球约有 15 个城市可能最先拥抱该出行模式，包括北京、深圳、伦敦、新加坡和上海等。这些城市拥有部署公交项目的丰富经验，较高的人均 GDP，同时对新技术持开放态度。此外，这些城市还拥有高质量的大规模公交系统，这也是“多模式移动性”系统的骨干网。
 
当地城市的加速发展影响全球
 
 
 
在全球约 50 座城市，到 2030 年将率先实现前文所述的三种城市移动性模式中的一种。这些城市代表着全球近 5 亿人口。
 
 
 
对于城市而言，它们不可能选择自己喜欢的移动性模式，因为这还要取决于当地的具体情况。例如，无缝移动性、清洁能源和共享模式就不适合于向郊区扩张的城市。同样，基础     设施较差、道路监管匮乏和拥挤的大街也不适合于私人自动驾驶汽车模式。
 
 
 
不管怎样，城市要考虑各种措施来确保做出有利于未来发展的移动性决定。正如前文所述，我们必须要采用综合的视角，将各种趋势综合起来评估。这样才能获得以下裨益：
 
 
 
环保——降低污染：在特定城市，电气化和出行模式转变到 2030 年最多会导致二氧化碳排放量降低 60%。与此同时，氮氧化物和 PM2.5 等影响人类健康的有害物质排放也将得到缓解。
 
 
 
市民健康、安全——提高安全性：94%的交通事故由人为错误导致，而自动驾驶汽车可以避免许多人为错误。当然，自动驾驶汽车也可能引发新的故障，如传感器失灵、不适当的维护和算法错误等。但是，这些故障的出现率远低于人为错误。世界卫生组织(WHO)旧数据显示，2015 年全球 125 万人在车祸中丧生，潜在地降低交通事故对社会就是莫大的福利。
 
 
 
系统成本——降低拥堵成本：全球范围内交通拥堵成本占到了 GDP 的 1%以上。该问题可以通过供方杠杆或需求管理杠杆来解决：例如，对行车道进行动态定价。自动驾驶汽车和出行模式转变，如果管理得当，也可以在不增加基础设施投资的基础上提高道路吞吐量。
 
 
 
方便市民——接入移动性：新的移动性(如自动驾驶汽车)将为老年人、无法亲自驾驶的成年人和年轻人提供出行机会，而这在之前是无法实现的。此外，通过增加低收入人群的出行模式(如前文所述的“Dollar Vans”)，共享移动性也将为他们平等接入公交系统提供机会。
 
 
 
市民成本——释放时间：自动驾驶汽车每天可释放出几个小时的时间，这些时间被消费者用在驾驶汽车上。当然，新出行模式将给消费者带来的裨益还不止于此，随着时间的推     移其他裨益将会出现。
 
 
 
此外，我们还基于相关成本，对未来三种移动性模式下裨益进行了评估。例如，2015 年二氧化碳每吨的成本为 36 美元，而 2030 年将达到 50 美元。在欧盟和北美，轻伤的成本约为 2 万美元。每千米的拥堵成本为 0.058 美元。在“无缝移动性”模式下的裨益最大， 2030 年将达到 25 亿美元。2030 年 GDP 最高将增长 3.9%。
 
 
 
在 2015 年至 2030 年前，每位居民的受益额将达到 7400 美元，一个典型的发达、人口密集城市的受益额将达到 300 亿美元至 450 亿美元，其中大部分源自提升的道路安全。由于自动驾驶汽车开始上路，共享自动驾驶汽车将日益普及，由此而导致的道路拥挤和安全
 
压力可能会暂时限制这些裨益。
 
 
 
在“清洁能源和共享”移动性模式下，2030年一个典型的、发展中的人口密集城市的社会累计裨益将达到 6 亿美元，本地 GDP 增长 2.9%。2015 年至 2030 年，每位居民的受益额将达到 2800 美元，整个城市受益额将达到 40 亿美元。
 
 
 
在私人自动驾驶汽车模式下，每位居民的受益额将达到 3300 美元，整个城市受益额将达到 30 亿美元。到 2030 年，一个向郊区扩张的城市的社会累计裨益将达到 5 亿美元，本地GDP 增长 0.9%。在该模式下，主要裨益来自自动驾驶汽车所提供的安全性。
 
 
 
如果全球 50 座城市都能达到预期的移动性模式，那么累计社会裨益将达到 6000 亿美元。此外，还可能对社会其他行业带来显著影响，如提高电力需求，促进汽车销量等。当然，这些裨益与共享自动驾驶汽车所导致的额外的出行里程数息息相关。
 
 
 
正如新的移动性模式在各地的发展速度不同一样，其所带来的裨益也是不均衡的。例如，拥堵每年仅给洛杉矶带来的成本高达 230 亿美元，占美国整体拥堵的 1/5。同时，德里是全球空气污染最严重的地区，在很大程度上缩短了人均寿命。在这些地区，其社会裨益可能就会高于平均水平。这是一个显著的机会，政策制定者和行业参与者可以采取相应的措施， 已实现社会裨益最大化。
 
 
 
当前，也存在一种风险：移动性的快速变化可能带来一些不良影响。例如，在规划充电网络时没有考虑到共享和自动驾驶汽车，这可能导致当地的充电条件较差。不能对共享移动性的发展和城市规划进行很好地协调，可能导致特定区域拥堵，共同交通资源利用率低。如果任由私人自动驾驶汽车发展，其“零占用”功能所导致的行驶里程数增加可能加剧拥堵。另外，缺乏对适当基础设施的投资也将降低自动驾驶汽车的裨益。总之，要有综合视角来对待移动性，以避免城市出现上述失误。
 
 
 
与共享移动性业务模型相结合，自驾驶汽车将通过方便性和驾驶体验来改变我们对移动性的需求。人们能以“户到户”的方式出行，同时还可以利用途中的时间来工作或娱乐。这些车辆的体积可大可小，可私人使用，也可以与他人共享，这将在很大程度上降低成本。
 
 
 
我们假设共享自动驾驶车辆的需求会遵循历史出行价格弹性。历史数据分析表明，需求额外增长 4%，汽车出行的价格就会降低 10%。一辆共享的自动驾驶汽车的成本将比私家车低 30%至 60%。如果汽车出行的基本价格弹性曲线保持不变，则会导致需求增长 12%至 24%。在“无缝移动性”系统模式下，我们预计共享自动驾驶汽车将导致消费者的出行里程数增长 20%。此外，我们还预计私人自动驾驶汽车车主的出行里程数将增长 20%，主要得益于其方便性，以及“零占用”行驶。
 
 
 
但事实上，消费者的出行需求弹性可能要低于我们的预期，这对社会反而大有裨益：更少的出行意味着能源消耗和排放量降低，更少的交通事故堵塞。但同时，我们也要考虑另一个显著的问题：如果消费者对移动性需求大幅增加了呢？在其他行业，如电信和航空旅游，如何价格下滑 50%，则消费者的需求最高增长了 150%。
 
 
 
我们对这种敏感性(消费者出行里程数)进行了模拟，从零到增加 40%，这将带来显著不同的社会效益：出行里程数的变化会影响到拥堵、环境和安全等诸多方面的社会裨益。例如，在“无缝移动性”模式下，如果消费者出行里程数增长40%，一个典型城市的累计社会裨益就会减少 100 亿美元。当然，这种下滑并未计入这些增加的移动性所带来的价值。
 
 
 
界线日趋模糊
 
 
 
移动性系统的改变可能让当前存在于各行业之间的界限变得模糊。新业务机会也将出现在各个领域，包括自动驾驶平台、自动驾驶服务和分布式能源生成、存储和充电。
 
 
 
向电气化转移可能让公用事业机构，下游石油和天然气，甚至是充电基础设施运营商之前的界限日趋模糊—— 这一趋势当前已经出现， 例如南加州爱迪生公司(Southern California Edison Co.)、太平洋瓦电(Pacific Gas & Electric Co.)和圣地牙哥瓦电( San Diego Gas & Electric)等公用事业机构正在进军充电基础设施市场。在移动性行业内部， 按需自动驾驶出租车服务可能取代当前的大部分共享移动性业务模式。自动驾驶汽车的加入，让汽车共享业务、打车服务和出租车服务之间的业务模式难以区分。
 
 
 
向“移动性即服务”转移将催生出一个“整合器”的角色，它位于公共交通(或车队运营商)和消费者之间，在各节点之间提供一个信息和服务传递平台。当前，与传统公共交通用户相比，共享交通用户使用第三方信息应用的比例要高出 1.5 倍至 2 倍。
 
 
 
在市场结构方面，全球范围内将出现一系列系统。例如，从公共部门部署中央平台，管理公共交通和自动驾驶汽车车队，到多个运营商系统，在那里公共交通提供商和众多企业并存。
 
 
 
电力
 
 
 
未来十五年，电动汽车对电力行业的影响有限。但在特定区域，这种影响会迅速增大。到 2030 年，电动汽车将占到全球电力需求的 3%——假设所有 50 个城市都迈向各自的新移动性模式，而其他地区的车辆也逐渐走向电气化。在欧洲，电动汽车将占到总体电力需求     的 4%。在亚洲，来自电动汽车的额外电力需求占整体电力需求的比例较小。从 2030 年到2040 年，电动汽车所占电力需求比例将迅速增大。到 2040 年，轻型电动汽车将带来额外8%的电力需求。
 
 
 
对公用事业机构而言，运营充电基础设施是一个很自然的机会。但是，公共充电基础设施的需要程度和组成仍不明朗，并可能持续下去，直至电动汽车的平均续航能力得以确定。即将到来的新一代纯电动汽车在家充电一次可续航约 300 公里，这降低了私家电动汽车在公共场所或公司充电的需求。在“无缝移动性”模式下，自动驾驶汽车的极高利用率、缺乏专用车道和车库，仍需要我们去投资建立快速和慢速充电设施。
 
 
 
电动汽车充电量的增加——在家里、公司或通过公共充电基础设施——还有潜力减少电力需求高峰，提高电力系统的平均利用率，当然其前提是大多数电动汽车选择在非高峰期     充电。
 
 
 
电动汽车的充电时间不可能被均匀地分布在一天。对于私家车而言——以及部分商用车队——多数会选择在夜间充电。公用事业机构可以利用激励机制，如分时电价，以传递 一个强烈的价格信号，那就是鼓励在非高峰时间充电，从而缓解电动汽车所带来的电力需求。当前，美国有超过 20 个公用事业机构已经针对电动汽车车主提供了分时计费标准，高峰期价格通常是非高峰价格的 2~5 倍。
 
 
 
对于太阳能光伏普及率日益增长的地区，公用事业机构可能需要调整其收费标准，与太阳能光伏标准一致。为了从系统效率和排放方面获得更多裨益，该领域的公用事业机构和监管部门可能要考虑基于费用的公共或工作场所充电基础设施投资。加利福尼亚目前正处于这种方法的早期阶段，当前所有三个投资者拥有的公用事业机构都正在投资或即将投资充电基础设施。
 
 
 
电动汽车充电对英国的影响：
 
 
 
英国电动汽车在三种充电模式下是如何影响整体电力需求的。第一种模式：英国所有电动汽车全部采用固定充电方式。第二种模式：半灵活模式。白天采用固定充电方式，而晚间在电价最低时充电。这有助于缓解高峰时期的电力需求，同时提高电网利用率，还可能降低二氧化碳排放量(每英里)。第三种模式：灵活充电模式。这是前另种充电模式的混合，在一天之中电价最低时间段充电。
 
 
 
在灵活充电模式下，我们排放的二氧化碳量最低，主要得益于太阳能数量的增长。2030 年，灵活充电模式下电动汽车的加权平均二氧化碳排放量将从 2015 年的 253 克/千瓦时降至 76 克/千瓦时。虽然未来十五年内的影响是有限的，但 2030 年之后该影响将显著凸显， 因为电动汽车的普及率日益提高。
 
 
 
共享车队的增加，尤其是在“无缝移动性”和“清洁能源和共享”模式下，将为公用事业机构带来新的客户。到 2030 年，购买车队的企业会越来越多，因为打车服务、汽车共享和自动驾驶汽车激增。公用事业机构可以以特定的收费计划对待这些群体，因为他们的电力消耗份额在上升。新的车辆租赁结构也可能会出现。公用事业机构很可能会强烈支持电动汽车的发展，因为它可能是未来数十年的一个新增长引擎。
 
 
 
社会开始认真考虑“第二生命电池”(电动汽车淘汰下来的电池，还可以为其他产品供电)的用途。到本世纪 20 年代中期，将有大量的电动汽车用过的电池被应用到其他领域。初期，其再利用价格预计为 49 美元/千瓦时，低于新电池的价格。它们可能被部署到电网、商业化和居民存储应用中，并提高可再生能源的利用水平。它们也可能被用于降低公共快速充电基础设施的高峰需求，从而提升整个业务模式。
 
 
 
“第二生命电池”和鼓励低峰期充电可能对电网产生更大影响，而不是“车辆到电网” (vehicle-to-grid，用户在不使用电动汽车的时候，可以把电动汽车接入电网，用电高峰时电动汽车电池组中的电可以输送到电网中，用户可获得额外的收入)服务，至少在本世纪 20 年代中期之前如此。当前，“车辆到电网”仍是一个挑战，因为当前的大部分电动汽车在设计之初并未考虑到这一点。从长期角度讲，如果“车辆到电网”将来能起到更大的作用，那么将为“聚集器、TBOX”储能、换能领域创造出新的机会。同时，电网也需要在局部进行强化，尤其是城市地区， 需要升级当地配电网基础设施，以支持大量货运车辆、打车服务车队和自动驾驶汽车的 集中、快速充电。
 
 
 
石油
 
 
 
我们在以前的文章中讨论过，到本世纪 20 年代，全球轻型车辆对石油的需求渡过高峰期，主要因为燃油经济和移动性趋势的影响，尤其是电气化趋势。不管怎样，车辆对石油需求的下滑可能让石油公司感到措手不及。因为 OPEC(石油输出国组织)预计，从长期角度讲电动起汽车的保有量将微不足道。而我们的数据显示，随着部分城市的加速普及，电动汽车可能占到汽车保有量的 14%。上游石油和天然气供应商是否要根据整体的液体石油需求下滑而做出调整——包括资产减记和递延上游投资——可能取决于石化行业的增长程度，这将抵消来自客用汽车需求的下降。
 
 
 
下游石油和天然气供应商应该预测到当地燃料需求的下滑，不同的城市和地区会将有不同的下滑程度。城市的下滑速度可能更快，因为它们会加速转向新移动性模式。在“无缝移动性”或“清洁能源和共享”模式下，2018年至 2030 年来自轻型汽车的燃料需求最高将下滑 75%。
 
 
 
电动汽车和汽车共享的整体影响影响不仅仅是把下游的燃料销售置于风险之中，也将影响这些公司的便利店网点。下游供应商可能要考虑提供多元化服务——从充电到便利的零售服务。从长期角度讲，还要面向非车主人群提供额外的服务。对于更先进的自动驾驶汽车，车辆可能会自动去充电或加注燃料，从而降低非能源服务开支。高速公路沿线的便利店可能会继续保留它们的价值，主要通过销售帮助车主消磨时光的产品(在自驾驾驶汽车中，或等待快速充电时)。此外，还可以提供车辆维修或清理服务，因为充电时间通常高于加油时间。
 
 
 
还有一个额外的价值机会可能存在于能源管理服务中(主要面向核心客户)。大型车队运营商可能会经历一个过渡期：同时经营内燃机汽车和电动汽车，或者仍需要汽油用于其他运营。在这种情况下，石油和天然气公司可以利用他们现有的关系和能力，为这些客户提供他们所有的能源需求，包括充电基础设施，优化“车辆到电网”应用，以及电力、能源批发采购等。
 
 
 
汽车
 
 
 
城市化和宏观经济增长可能继续推动全球轻型汽车销量增长，虽然共享移动性是一个发展趋势。国内长安汽车、长城汽车都推出了自己的出行品牌，滴滴也做了洪流联盟。但是，在当前所售出的汽车中内燃机占主导地位，而将来会转向内燃机和替代产品(电动汽车)均衡发展 。
 
 
 
汽车 OEM 厂商必须要意识到，哪些城市有可能是该趋势的率先采用者，因为这将是电动汽车和自动驾驶汽车的潜在大市场。如果报告中所预测的 50 座城市都是这种趋势的早期采用者，且普及速度与报告所预测的一致，则全球电动汽车销量最高将增长 60%，主要取决于这些城市的具体条件。这些城市的移动性发展还将影响到全球其他地区。要做到这一点，必须要有有一套周密的程序，以确定核心地区，然后根据需求调整产品供应量，以避免客户因等待时间过长而转移到其他替代产品。在这个新型的电动汽车市场，延迟是常见的，并可能影响销量。通过与当地公共或私有机构合作，汽车 OEM 厂商也要根据特定的城市调整当地的汽车供应量。
 
 
 
相比之下，全球其他地区的电动汽车将遵循增量式发展路线。在这些地区，2015 年至2030 年电动汽车累计销量将达到 1.8 亿辆，而整体的轻型汽车销量为 17 亿辆。如果当地移动性系统加速发展，2015 年至 2030 年全球电动汽车销量将达到约 2.4 亿辆。
 
 
 
自动驾驶汽车(L4，级别 4)市场规模将达到 5500 万辆至 6000 万辆。但如果这些城市加速发展，该市场规模将更高。到 2030 年，高级别自动驾驶汽车(L3 和 L4，级别 3 和 4) 销量将占到整体客车销量的约 50%。
 
 
 
连通性(connectivity)有潜力改变各 OEM 厂商之间的份额；行业动态变化也可能让新竞争对手(如高科技公司或互联网公司)进入该市场。消费者已经表示出了愿意为高连接性汽车 (智能联网汽车)服务埋单的愿望：20%的新车买家愿意转移到拥有更好连接性的汽车品牌。汽车收入池(revenue pool)将继续增长，多样化，由于这些新服务(连接性)的推出，收入源也将多样化。到 2030 年，该市场规模有望达到 1.5 万亿美元。其中超过 1000 亿美元来自数据连接服务，包括应用程序、导航、娱乐、远程控制、远程服务和软件更新等。这些市场可能率先出现在采用“私人自动驾驶汽车”模式的城市，因为那里的联网汽车和自动驾驶汽车的普及率更高。
 
 
 
同时，汽车行业内的各种根本性变化，可能迫使一些机构重新思考其组织架构，调整他们的技能。OEM 厂商的创新重点和相应的资本分配可能从硬件转移到软件。因此，OEM 厂商和供应商需要部署新的招聘策略，以吸引软件工程、云技术、传感器数据采集和大数据分析等领域的人才。当前，汽车 OEM 厂商——硬件和软件工程师的比例为 11:1，而科技公司为 1:2——面临着巨大的软件和人工智能人才缺口。通过 OTA 对自动驾驶汽车进行升级的需求，需要汽车研发功能要适应基于共享汽车功能的开发模式，从而适应以不同的速度开发功能。这样就能脱离传统汽车开发模式，即出厂后功能永远不变，像苹果手机一样可以持续更新。
 
 
 
公共事业
 
 
 
各大城市都在为人才、声誉和企业而竞争，这些最终将决定各个地区和国家的经济活力。解决移动动性问题将成为城市竞争力的一个重要支柱。加强城市的移动性可以让居民生活在距离更是中心更远的地区，从而改善其住房条件，提高城市空气质量，优化使用城市空间， 提高公共安全，并腾出宝贵的通勤时间用于其他方面。
 
 
 
但是，许多方面的过渡需要由政府加以管理，以确保利益最大化，并建立一个稳定的移动性系统。例如，移动性系统的颠覆性变化可能威胁到目前的收入和税收模型，但同时也可能带来新的收入机会。在“无缝移动性”或“清洁能源和共享”模式下的电气化时代，基于燃油税和电力税的比例，移动性变化可能导致来自车辆的税收减少 20%至 65%，假设当前的税收系统保持不变。此外，在未来的三种移动性模式下，软件和连接性作用增强可能会开启新的税收模型，根据基础设施的使用和使用时间来收税，也就是税收的UBI。如果能够解决相关的隐私问题，则这种税收模式将非常简洁，也可能缓解自动驾驶汽车“零占用”行驶所带来的潜在不利影响。
 
 
 
政府也可能需要考虑公共交通的未来作用，尤其是共享移动性日益普及的情况下。在未来的三种移动性模式下，消费者可能选择低成本、按需共享一定性，而不是速度慢、间隔长的公共交通，特别是公共汽车。大规模公共交通(如地铁)仍必不可少，以避免出现不必要的拥堵。从经济角度讲，最可能的做法是停止表现欠佳的公交路线，对私营共享移动性进行补贴。 从长期角度讲，随着自驾车辆的到来，政府——尤其是向“无缝移动性”模式过渡的城市——可能要考虑共享的自动驾驶出租车车队应该由私企运营，还是由新成立的或当前的公共交通运营商运营。
 
 
 
随着共享和自动驾驶汽车的崛起，城市规划者有机会更高效的利用停车空间(“零占用”)。在许多城市，这部分空间占到了整体公共空间的约  15%。但与此同时，消费者寻找共享车辆或“召唤”自动驾驶汽车，将为城市带来新的设计要求，如需要设置落客区，以避免公共空间 的使用效率降低，导致交通恶化。
 
 
 
城市可以通过调整现有的道路基础设施、使用成本较低的需求方杠杆，获得移动性转变的裨益。平均而言，新建道路在 7 年内会变得拥挤，而本报告所预测的移动性发展速度很难用传统的供应方道路建设来满足。使用需求方杠杆——例如动态道路定价和专用车道——是开启道路网络容量的关键。我们知道，设置自动驾驶汽车专用车道能显著提升通行能力，提供行驶速度。
 
 
 
科技
 
 
 
当前，连接性对于消费者而言已是理所当然：他们期望在旅行途中拥有一个“端到端” 的连接体验。同时，软件公司在开发汽车和移动性平台上将发挥重要作用。物联网的影响力继续增强，应用潜力巨大，这也将影响到未来移动性。随着将来自动驾驶汽车数量越来越多，越来越多的传感器将进入该市场，为汽车传输数据。而高科技公司将有机会拥有这些数据，通过对这些数据进行分析，提炼出有价值的信息。
 
 
 
由于传感器数量增多，管理外部数据的需求增长，这也将提高拥有高内存的车载计算机的需求。与此同时，这还将刺激汽车行业掌握一些新知识和新功能，如机器学习、深度学习、大数据分析， 以及以更快的速度进行预测分析。
 
 
 
另外，软件公司也将在开发一些技术平台中起到关键作用，用以支持车辆、基础设施和车主之间日益增强的连接性需求。汽车厂商一直在投资初创科技公司，以提高他们在该领域     的知识和理解力。这些初创科技公司所开发的应用很广泛，从“移动性即服务” (mobility-as-a-service)到基于地理位置的零售服务。
 
 
 
 
 
 
 
 
 
总结——展望未来
 
 
 
本篇所描述的未来移动性系统与当前有着很大的不同。部分城市的移动性系统可能会在短时间内加速达到这一状态，而其他城市可能需要更长的时间，但也已经开始向这一趋势转移。这些变化将使人们以不同的方式进行更有效地、更经济和更频繁的出行。但是，该过      程也存在一定的风险。例如，如果对该转变过程管理不力，则可能进一步加剧堵塞和空气污染等问题。
 
 
 
部分消费者将处在这种转变的核心位置，因为他们对采用电动汽车、自动驾驶汽车、共享车辆和共乘持开放态度。但我们还要意识到，虽然个别消费者能够等待和拥抱这种转变，但公共和私营部门也要为此做好准备。
 
 
 
企业和政府应该采取一个综合视角，而不是孤立地看待每一个新兴的移动动性趋势。评估各趋势之间的相互依赖性，强化它们相互作用的效果，这对于了解它们的潜在发展速度，以及对移动性的影响至关重要。从而制定出一个明确的发展路线，将不利影响降至最低。
 
 
 
政府和监管机构可以通过解决瓶颈、采用先进移动性技术来实现社会裨益。在这种情况下，政府可以提前于消费者、与技术发展同步制定相关法规： 这包括支持自动驾驶汽车的试点方案，通过激励措施来鼓励电动汽车的普及，特别是在城市地区。
 
 
 
在充电基础设施和专用车道方面的公共投资也能刺激电动汽车和自动驾驶汽车技术的普及。鼓励私人自动驾驶汽车向共享，而不是私人使用，将有助于抑制“零占用”行驶所导致的需求增长，并最大限度地获取社会回报。监管机构也应考虑移动性增强和燃油税收下滑可能造成的不良影响。例如， 通过使用连接性对基础设施进行定价，或推出超低尾气排放区。
 
 
 
生态系统的参与者——公共和私营——将需要强有力的伙伴关系以获得成功。一种系统中的基本移动性需求是提供由公共交通和共享移动性组成的混合商业模式。例如，城市和交通运营商应该充分利用共乘的裨益和自动驾驶汽车的潜力提供“开头和最后一公里”服务。
 
 
 
私营企业应该考虑通过合作来打破各传统部门之间的界限，其中许多界限已经开始模糊。将来，消费者在考虑汽车时还要考虑到其所提供的相关服务，从车内娱乐到按需租赁平台。那些试图建立相关合作关系的科技公司和服务提供商最不可能被边缘化。
 
 
 
该市场的私营企业应该关注移动性在本地的变化，并相应地调整战略选项。我们预计，未来的汽车市场将与今天的地理区域市场有着显著的不同，因此汽车厂商要做好在新网络和 生态系统中获得成功的准备。国家或区域战略可能将无法识别出各城市系统之间出现的不同，这就需要我们利用本地策略帮助了解哪些城市的改变速度最快。这种做法还能帮助全球参与者了解他们的业务何时、何地处于风险中，额外的机会将率先出现在哪里。这样才能确保他们抓住移动性系统变化的机会，对这种突然的转变做出快速响应。
 
 
 
引用：
 
New Energy Electric  Vehicle & Car Sharing TBOX Terminal Data Sheet.PDF
 
速锐得V8自动驾驶传感采集终端硬件功能介绍及参数表.PPT
 
数据为智能驾驶人工智能机器学习计算决策铺路.PPT
 
 
 
源文件：