活動+
 

發展自動駕駛 車聯網、AI、嵌入式運算缺一不可

車對車、車對設施的V2X通訊技術,可讓自動駕駛車取得超越傳統駕車條件更完整、即時的用路條件資訊。Qualcomm

2016年12月,美國交通部提案推進DSRC(802.11p)應用強制安裝,透過法律手段加速車聯網應用成形,相同的情境也在歐洲、日本等先進國家展開,自動駕駛車不僅在技術更趨完善,在應用環境也正逐步走向現實。

汽車工業領域,一向是以美、歐市場動態驅動整個汽車產業發展,在新一代自動駕駛車應用市場中也是如此,從相關技術、政策與驗證規範,多是由歐美市場起了帶頭作用,甚至率先推出相關解決方案。

 點擊圖片放大觀看

透過車載通訊系統與嵌入式系統分析用路條件,可以即時感知用路狀況與設施條件,減少人力駕車可能的疲勞或分心問題。Qualcomm

發展V2X相關通訊整合方案,已是推展自駕車應用關鍵。NxP

在自動駕駛、先進主動駕駛技術方案方面,美歐國家具備成熟的工業環境與對應市場,車聯網應用也正發展中,在完整的產業鏈架構下在自動化、智能化車載技術應用方面,歐美在對應的政策、技術、產品量產應用方面都值得持續關注,本文將就先進駕駛方案衍生的市場、技術重點(車聯網)與嵌入式運算技術進行討論。

自駕車發展迅猛  2018商轉應用便可上路

先就市場趨勢分析,在自駕車應用方向,以美、日車廠動作最積極,例如,日本即計畫2020年東京夏季奧運將率先讓自駕計程車上路,Google旗下自動駕駛公司Waymo也將於2018年推出自駕車共乘服務,自駕車導入商用市場只是時間的問題,預計最快一年就能看到自駕車上路。

觀察美國自駕車市場,第一個自駕車服務商業運轉案例,很可能會是亞歷桑納州政府授予Waymo經營transportation network(運輸網路)業務許可證,車隊經營業者也動作頻頻,開始著手收購高階感測器、嵌入式AI運算產業,間接證實Waymo即將推出商用自駕車服務的動向。

嵌入式運算、高階IMU為發展自駕車關鍵技術方案

若將檢視重點放在自駕車應用市場,自零組件層面解構自駕車應用,包含感測技術(立體空間建模 / 分析)、車用雷達、車用感測器與高階慣性量測單元(Inertial measurement unit;IMU)、嵌入式運算核心等。

尤其是高階IMU在發展進階智能自駕車,更是整合的重點項目,因為IMU慣性測量單元即是設計來測量物體三軸動態角速度及加速度的模組系統,因為一組IMU內會整合陀螺儀(Gyroscope)、和多組方向之加速度計(Accelerometer),用以測量物體在3D環境空間中的角速度與速度增量,並進階分析計算物體的實際動態。

高階模組為了提升感測結果的可靠度,甚至在每一軸整合更多感測器,如磁力計(Magnetometer)、氣壓計(Barometer)輔助計算並優化分析成果。若只是發展中階或低階車用先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)還不需要使用到高階IMU必要性,但高階IMU卻是發展智能自駕系統的關鍵核心。

現有車廠類自駕應用 仍以ADAS方案為主

若就汽車產業觀察,現有如Tesla、Volvo等大型車廠,所發展的智能駕駛系統,大多僅止於ADAS系統或是進階點的輔助駕駛方案,還不能算是高度自動駕駛的應用,與Google旗下Waymo發展的自動駕駛車(robocar)是完全不同等級的產品,光是自動駕駛車所配備的嵌入式系統與操駕系統整合複雜度就差距甚大。

甚至在感測器、攝影機等關鍵零組件的成本就是ADAS車種的10倍成本以上,尤其是高階IMU的感測能力與環境分析效能,ADAS相較根本是不同等級的使用條件。

目前主流發展自駕車的車隊或商業團隊,主要經營者有Waymo、Uber、Lyft等,國際車廠等級的參與業者有GM、Ford等,大多看準自駕整合技術、嵌入式分析運算技術、與感測器技術在深度整合便可取代傳統駕車機制,發展更安全甚至能簡省人力、高效為運的自駕車商用服務市場,除了服務可以獲利外,還能為行車安全環境、道路運輸效率發揮改善綜效。

自駕車要能在市場達到獲利效用,基本上仍是與多數科技產品或技術發展趨勢類似,評估會以先行者優勢才能在市場獲取最大利益,尤其是利潤相對豐厚穩定的自駕車B2B應用市場,會以第一批搶進市場的自駕車業者能再營運資金募集、自駕車環境基礎建設、網通環境基礎建設、自駕車嵌入式運算整合方案、感測器方案等深度參與市場的收益會是最豐厚。

發展自駕車商業用途 歐美日動作積極

觀察市場面後,再來檢視自駕車應用核心與成功關鍵,會發現推動自駕車的重點會是在如何讓車輛能確實分析並即時感測道路環境,反而是取得環境數據後在嵌入式分析運算、自動化操控方面的技術已足夠負荷駕車環境分析與動作控制需求,現有自駕車技術瓶頸反而會是環境感測技術方案的整合與成本壓縮部分,僅有讓自駕車可在無人力介入的條件下依舊發揮相同、甚至超越人力可及範圍的用車環境認知能力,才能讓自駕車的自用甚至是商用運轉達到進入市場的應用標準。

先前也有說到,歐美日車廠積極發展自動駕駛車,其目標在於使車輛的用路環境更安全,若傳統人力駕車,駕駛多僅能察覺視線可及的用路條件、環境,而駕車過程還會受到身體疲倦感、車內乘客 / 娛樂系統 / 週邊路況介入而出現分心。

但自駕車若是使用IMU高階慣性測量單元搭配V2V車對車通訊、車對道路設施環境間的通訊技術,不僅能在超越人力駕車視線所及的路況感知,同時又可取得其他車輛的用車狀態甚至週邊道路、環境設施的即時用路資訊回饋,搭配高效能嵌入式系統運算分析最佳路線、操控參數,只要整合得宜加上更多實際路測、數據分析優化自駕系統,基本上要超越人力駕車的安全與效率只是研發時間的問題。

運用高效嵌入式分析用車條件 突破人性不確定性

但發展自駕車其實面臨的問題反而不是系統、效能或是分析技術方面的限制,反而是最無法掌控的【人】所導致的駕車問題!因為若在全然為自駕車應用環境,一切路況可有週邊道路設施、車對車通訊加上環境感測器蒐集資訊進行分析與自動化操控,即可以達到相對安全的駕車用路系統條件,但這在發展自駕車應用系統或是成車是不可能發生的情境。

問題是自駕車應用若是在同時混入人力駕車、自駕車混合條件的實際用路環境狀態,問題就會顯得更加複雜,因為自駕車會依據道路預設用路條件與設施燈號、合於預設道路法規條件下運作,但人力駕車是會出現隨機加速、闖紅燈等無法預期狀態,往往對自駕車來說環境參數分析與各種條件數值化後的判斷是沒有問題,但對人性的判斷就會有很大的問題,不但挑戰自駕車對於更紊亂的人力駕車環境對應之防禦性駕駛參數、條件分析衍生更大量的運算分析需求,也形成現有自駕車系統發展在硬體、軟體成本相對較高的主因。

但可以預見的發展是,有自駕車的參與用路環境,對於乘客或運輸服務、道路安全、運輸效能、環境保護議題都會有正面的助益,這也是各國政府關注的重點,同時也是發展自駕車的大型車廠、自駕車商用運輸服務商關注的重點。

而達到自駕車應用條件並不容易,除大型汽車製造商需要針對V2V車對車通訊機制建立共識與互通標準,政府單位則需要對於車對設施通訊快速建構用路設施、交通資訊傳輸的標準,搭配如DSRC(Dedicated Short Range Communications)或是5G資通訊技術,讓自駕車核心用路路況分析可以更完整、即時,而透過自駕車本身的IMU進階取得環境狀態綜合分析行車條件,才能有效建構一個可高效運轉、低能源耗、更安全的道路運輸環境。

更多關鍵字報導: 嵌入式 自動駕駛 人工智慧 車聯網