科技產業報訂閱
活動+
 

自駕車發展趨勢:法律上需明訂責任歸屬 技術上自駕感知次系統為核心關鍵

工研院V2X車聯網技術解決方案。林芬卉

自駕車為未來汽車產業發展重要趨勢,工研院資通所蔣村杰組長認為,Uber自駕車事故後,各國政府將著重自駕法規及責任歸屬等課題,而自駕車感知次系統為自駕技術發展的核心關鍵。 

從汽車產業發展來看,以前汽車屬機械工程,其中零部件以內燃機為主。現在汽車與電子產業關聯度愈來愈密切,例如自駕車著重感測融合及車用電腦等;又未來電動車與自駕技術同時發展,其中,電動車採用的電子零組件比重將更高,包括電池及封裝、電控、馬達與充電椿等。

若比較自駕車與電動車兩種技術,蔣村杰組長認為自駕難度相對較高,主因其面臨人、車、路等動態複雜環境;除非,理想的情境是路上行駛的車輛皆是自駕車,反而不易出車禍,原因是每輛車會以相近速度、在特定車道、車間保持安全的距離前進,此時較不會有突發或危險的情形發生(如超車、蛇行、緊急煞車等)。

尤其2018年3月下旬Uber自駕車發生事故後,廠商將強化自駕車安全外,政府亦著重自駕法規及責任歸屬等問題。現階段各國自駕車法規及內涵有所差異,以美國為例,原美國聯邦及各州政府對自駕車法令有鬆綁趨勢,且有些州認為行人忽然闖入車道的行為是違法,但Uber事件後將影響監管單位收緊規範。

德國法規規範若事故發生在有駕駛員開車的情形下,駕駛員需承擔事故責任;若事故是發生在自駕模式時,責任則歸屬於車廠。而高度自駕的車輛需安裝黑盒子,以利於事故責任的釐清。

新加坡自駕車的法律較偏像台灣鐵路交通法,也就是自駕車有其專用車道,倘若行人闖入、並發生事故,此時責任歸屬在行人身上。

然而無論責任是歸咎在誰的身上,自駕車技術未來仍有精進空間,以提升道路駕駛安全。再以Uber事件為例,車上感測器並沒有(或來不及)偵測到行人靠近,就算後端有高速運算電腦也無濟於事;若要解決上述感測器沒有感應的問題,可用車聯網V2X(Vehicle to Everything)技術來補足。

因此,自駕車要能順暢運行,則需仰賴自動駕駛感知次系統,其運作流程的第一步為感測器收集車輛周圍訊息,若對照人類駕駛行為、有如五官接收外界刺激,而這裡的感測器,除Camera、3D LiDAR(光達) 、雷達外,尚包括V2X路側通訊設備。

車用感測器如同人眼一樣,假設人眼沒看到物體(Objects)過來,後續車子就不會進一步作反應動作(如煞車);相對的,V2X能知道距離車子200~300公尺地方將有人過來,換句話說,V2X可設計給行車環境中弱勢行人及腳踏車使用。舉例來說,現在每個人出門都會攜帶手機,因此,可將V2P(Vehicle to Pedestrian)通訊模組裝在手機上,提醒行人有車子即將靠近。

第二步為多重感測融合(Multi-sensor Fusion),也就是先做前置處理與資料對齊;第三步為Object Sensing(物件感測),即透過深度學習影像辨識軟體,針對所偵測到的物件與資料做訓練(Training Data),隨後將多重感測資料做融合(Data Fusion)處理。

在資料融合階段,CPU需處理很多的演算法,然蔣村杰組長認為並非每個情境都要作融合(Fusion)處理,尤其當車子遇到緊急狀況,需要馬上煞車,此時反而不需融合的過程;換句話說,寫程式的人不能在Fusion的部分太過於走火入魔。 最後一步是即時事件推理(Event Sensing),也就是系統需要理解每個物件互動關係。

舉例來說,行人穿越道路與橫向來車兩者間是有關聯,此時車子需要作出反應動作;相對的,若兩個事件彼此間毫無關係,則系統不需處在警覺狀態。 有關自動駕駛感知次系統中前端感測器方面,高階32 bin LiDAR價格達新台幣150萬元,約當一台汽車售價;所以車廠需思考一個問題,也就是不同等級車款所搭載的感測器種類、規格等亦有所不同;舉例來說,Yaris車款不適合搭載高價的LiDAR。

然車廠為讓自駕車能達到合理價位,要求上游供應商的目標價為單顆300~350美元;亦有業界人士表示2020年目標價為全車LiDAR(例如單台車裝4顆)價格為1,000美元。

而在運算平台方面,現存在GPU與ASIC的爭論,事實上,車廠與供應商應要思考目的是要做到自駕車何種等級、導入最適合的AI,再選擇需要的功能即可。 至於感測器(Sensor)與融合(Fusion)要如何設計,蔣村杰組長提出幾種作法與思考方向。

若採用「Sensor+Fusion」作法,主要目的是提升感測器的價值,換句話說,可減輕車用電腦的負擔,這時Centralized(集中式電腦)設計可稍「笨」些;另一種作法是感測器不導入融合的功能,也就是所有的資料匯集到車用電腦,此時車用電腦需更加「精明」,方能在最短時間做到資料分析、判斷、決策等功能。