report
活動+

加速自駕車發展 大量數據搜集、資料共享、模擬測試等為關鍵

  • 林芬卉
M-city測試場域設有40道關卡及情境,並建置5G聯網環境,可訓練自駕車作到基本動作。University of Michigan

2018台灣車輛國際論壇以自動駕駛電動車為主軸,邀請密西根大學(University of Michigan)M-city負責人彭暉教授談論全球自駕車發展與運行,其認為汽車電動化趨勢已相當確立,下一步則是加速自駕車的發展進程,而大量數據資料、開源平台、資料共享、模擬測試等為關鍵因素。

根據美國汽車工程師協會(SAE)定義,自駕車分成Level 1~Level 5共五個等級,現主要車廠銷售的中高階車款已具備Level 2程度;以自動緊急煞車系統(AEB)為例,2021年美國新車都要求搭載此功能。

Level 3車款是允許駕駛人同時放開手、腳開車,奧迪於2017年秋季首先在德國上市;Level 4等級會優先導入無人巴士、或在固定路線行駛,其中,自駕大巴走主幹道,與最後一哩路(Last Mile)為訴求的自駕小巴於智慧交通系統中屬互補角色。

現階段尚未有Level 5的自駕車上路,因Level 5是要求車輛可在任何時間、任何地點可自由行駛,技術複雜度相當高。

Level 2(含)以上自駕車所配備的主動安全系統,在很多情境中可協助人類駕駛能力的不足。例如夜間有動物闖入車道時,車子可即時剎車、以確保駕駛人及動物安全;但有時自駕車也會出現意外,例如近期發生的Uber及Tesla車禍事件即是。

不過,以2018年3月Uber事件為例,有些失誤是明顯歸咎在Uber本身,例如其採用的Volvo車款原本有內建AEB功能,但Uber卻將此功能關閉;或有調查顯示,Uber減少感測器應該搭載的數量。

由以上可知,不同的廠商所開發的自駕車「程度」有所差異;因此,自駕車應該要像人類需「考駕照」,並依車子的表現再分級,例如區分Level 2、Level 3、Level 4等。

前述主要談到國外情形,事實上,大陸發展自駕車亦相當積極,雖百度阿波羅計畫及其平台尚未相當完善,但釋出許多開源資訊;另一方面,中汽中心亦建議由各車廠至大陸各地區搜集數據資料,並將數據開放共享、讓所有車廠使用,以加速自駕車發展進程。

彭教授也提到,由各車廠搜集資料並共享,實務上會有難度,例如每台車輛所裝設的相機模組、其畫素數需要一樣,且車腦運算能力也要一致;然有些車廠搜集到的資料品質不佳,接下來整合A車廠搜集到的東北資料、B車廠搜集到的中部資料等,則會產生問題,因此,要做到大陸20家以上車廠資料共享目標是有難度。

搜集大量資料後,接下來要訓練自駕車的開車能力。加速自駕車上路方法,大致區分以下三個步驟,一是99%比重於模擬情境(Simulations)作訓練,此好處是節省成本、避免真實環境中造成人員傷亡、模擬出來的累計哩程數多;二是0.9%比重在測試場域訓練;0.1%比重才是在真實道路作路測。

以M-city為例,該測試場域設有40道關卡及情境,並建置5G聯網環境,可訓練自駕車作到基本動作;大陸工信部及交通運輸單位則要求自駕要達到14項基本功,例如交通號誌及標線識別與反應、障礙物識別及反應、超車、人工操作接管等。

未來自駕車會帶動汽車邁向電子化方向發展是相當確定,因其搭載大量感測器、高效能運算處理器、人工智慧超級電腦等;而讓自駕車達到高度自動駕駛能力,大量資料搜集、開源平台、資料共享、加速自駕車訓練及驗證等,為缺一不可的關鍵因素。