要想讓電影中自動(dòng)駕駛的情景變?yōu)楝F(xiàn)實(shí),，環(huán)境傳感器,、車(chē)聯(lián)網(wǎng)通訊技術(shù)、人工智能決策平臺(tái)都是必不可少的關(guān)鍵技術(shù)。只有三者結(jié)合,，車(chē)輛才能實(shí)現(xiàn)安全無(wú)誤的自動(dòng)駕駛。這三項(xiàng)技術(shù)對(duì)自動(dòng)駕駛的未來(lái)影響深遠(yuǎn),。

　　一直以來(lái)自駕車(chē)被當(dāng)成電視影集里的想象,，直到最近才不再被視為遙不可及的幻想，而是當(dāng)下正逐漸實(shí)現(xiàn)的科技產(chǎn)品,，其主要是因?yàn)楦鞣N尖端科技逐漸到位成熟,，讓研發(fā)自駕車(chē)技術(shù)可普及和取得,，最終讓自駕車(chē)可以改變?nèi)祟?lèi)生活型態(tài)。

　　其中,，環(huán)境傳感器,、車(chē)聯(lián)網(wǎng)通訊技術(shù)、人工智能決策平臺(tái)都是實(shí)現(xiàn)自駕車(chē)不可或缺關(guān)鍵因素,。從自駕車(chē)的系統(tǒng)架構(gòu),，首先感測(cè)環(huán)境信息(Sensor)，并透過(guò)信息鏈接(Connectiviety),，最后完成人工智能決策(decision),，車(chē)輛才能真正落實(shí)安全無(wú)誤的機(jī)器駕駛，本文從傳感器,、車(chē)聯(lián)網(wǎng)與人工智能介紹自駕車(chē)技術(shù)發(fā)展趨勢(shì),。

　　傳感器作為自駕車(chē)之眼

　　自駕車(chē)透過(guò)傳感器辨識(shí)外圍環(huán)境數(shù)據(jù)，現(xiàn)今自駕車(chē)傳感器解決方案,，包括光達(dá)(LiDAR),、攝影機(jī)、毫米波雷達(dá)(MMWRadar),、超音波(Ultrasonic)等,，其中光達(dá)可在條件惡劣環(huán)境下，仍可透過(guò)激光束建構(gòu)出立體影像,，協(xié)助自駕車(chē)判斷自身所在位置,，以及檢測(cè)周遭障礙物，光達(dá)掃描半徑達(dá)100公尺,，測(cè)距誤差僅有5公分,，被視為自駕駛不可或缺的傳感器。

　　目前市面僅有機(jī)械構(gòu)造式光達(dá),，因全手工打造造價(jià)昂貴,，初階款32線(xiàn)光達(dá)即要價(jià)4萬(wàn)美元以上，未來(lái)光達(dá)能透過(guò)硅制程(CMOS)量產(chǎn),，以芯片樣態(tài)的固態(tài)光達(dá)呈現(xiàn),，不僅體積可縮小，光達(dá)價(jià)錢(qián)可望壓在500美元以下,。

　　在光達(dá)價(jià)格居高不下情況下,，目前自駕車(chē)業(yè)者同時(shí)采用多元傳感器相互輔助，以不同傳感器物理特性截長(zhǎng)補(bǔ)短,，例如,，像是毫米波雷達(dá)偵測(cè)距離很遠(yuǎn)，但容易被金屬物體干擾,；攝影機(jī)價(jià)格便宜,，辨識(shí)能力強(qiáng),，但惡劣天候下感測(cè)效果差；超音波方向性差,、距離短,，只能運(yùn)用在后方防撞。

　　透過(guò)多元傳感器信息融合(SensorFusion),，整合出準(zhǔn)確環(huán)境參數(shù),，經(jīng)此讓決策系統(tǒng)做出更好、更安全的決策,。舉例說(shuō)明,，毫米波雷達(dá)能夠測(cè)量高達(dá)120~250公尺的物體的速度和距離，攝影機(jī)在近距離偵測(cè)和物體辨識(shí)方面十分出色,，當(dāng)兩者攜手合作,，雷達(dá)則可作為遠(yuǎn)方對(duì)象早期預(yù)警作用，攝影機(jī)影像辨識(shí)則可精準(zhǔn)判斷近距離號(hào)志,、交通信號(hào),，遠(yuǎn)近分工達(dá)到智能駕駛目的。

　　車(chē)聯(lián)網(wǎng)打造道路信息透明平臺(tái)

　　自駕車(chē)傳感器其搜集信息僅留存在單一車(chē)輛層次,，但如果在車(chē)輛無(wú)法感測(cè)的死角,，或者不可見(jiàn)遠(yuǎn)方突發(fā)事件，即須要透過(guò)車(chē)輛聯(lián)網(wǎng),，以取得更詳盡信息,；目前車(chē)聯(lián)網(wǎng)層次分為點(diǎn)對(duì)點(diǎn)傳輸，以及云端傳輸,。

　　點(diǎn)對(duì)點(diǎn)直接傳輸主要傳遞具有時(shí)間敏感性(time-sensitive)數(shù)據(jù),，透過(guò)車(chē)輛間(VehicletoVehicle；V2V),、車(chē)輛對(duì)道路裝置(VehicletoRoadsideDevice,；V2R)直接對(duì)話(huà)，若透過(guò)“遠(yuǎn)在天邊”的云端匯整數(shù)據(jù),，可能緩不濟(jì)急,，因此透過(guò)點(diǎn)對(duì)點(diǎn)傳輸強(qiáng)化車(chē)聯(lián)網(wǎng)溝通效益,。

　　當(dāng)前車(chē)聯(lián)網(wǎng)的技術(shù)格式,，主要包含車(chē)用環(huán)境無(wú)線(xiàn)存取(WAVE)/專(zhuān)用短程通訊(DSRC)與LTE-V2X兩種規(guī)格方向。其中車(chē)間點(diǎn)對(duì)點(diǎn)通訊最重要的是低延遲性,，如此才能做到實(shí)時(shí)傳遞效果,。

　　WAVE/DSRC傳輸延遲約20毫秒，相對(duì)于LTE-V2X4G約50毫秒,，相較具發(fā)展?jié)摿?，雖然下一代LTE-V2X5G傳輸延遲性?xún)H有1毫秒,，但其技術(shù)規(guī)格仍尚未成熟，目前各國(guó)現(xiàn)今發(fā)展車(chē)間傳輸仍以DSRC為主流,。

　　另一部分,，云端傳輸主要應(yīng)用于高精圖資(HighDefinitionMaps)反饋與實(shí)時(shí)更新，高精度協(xié)助自駕車(chē)完落實(shí)點(diǎn)對(duì)點(diǎn)全自動(dòng)駕駛,，因此這個(gè)給機(jī)器看的地圖,，必須具備有高精度的坐標(biāo)、道路線(xiàn)標(biāo),、路標(biāo),，同時(shí)含括道路垂直坡度、曲率,、側(cè)傾,、外圍對(duì)象等信息，同時(shí)可透過(guò)云端實(shí)時(shí)更新路況,、障礙,、道路維修等實(shí)時(shí)動(dòng)態(tài)路況訊息。

　　當(dāng)車(chē)間點(diǎn)對(duì)點(diǎn)傳輸與云端傳輸共同運(yùn)作,，將可建立一個(gè)綿密道路傳輸網(wǎng),，協(xié)助自駕車(chē)掌握不可見(jiàn)、不易感測(cè)訊息,。

　　AI匯整內(nèi)外信息進(jìn)行駕駛決策

　　當(dāng)車(chē)輛傳感器偵測(cè)到周邊環(huán)境信息,，同時(shí)車(chē)間傳輸取得實(shí)時(shí)遠(yuǎn)方路況訊息，此時(shí)即需要透過(guò)人工智能平臺(tái)將多元信息進(jìn)行匯整,、運(yùn)算,、處理，最后做出正確駕駛決策,。目前各種人工智能途徑當(dāng)中,，以深度學(xué)習(xí)(Deeplearning)為最為可行，但該方法需要即大量對(duì)象數(shù)據(jù)庫(kù),，才能訓(xùn)練出精準(zhǔn)分析系統(tǒng),。

　　深度學(xué)習(xí)如同人類(lèi)學(xué)習(xí)分類(lèi)的過(guò)程，透過(guò)大量分類(lèi)完成的樣本標(biāo)的數(shù)據(jù)庫(kù),，持續(xù)將不同分類(lèi)樣本投入,，教導(dǎo)系統(tǒng)學(xué)習(xí)，使系統(tǒng)逐漸「參透」照片中的規(guī)律性,，當(dāng)未來(lái)發(fā)現(xiàn)特例也可如同人類(lèi)自行推敲分析,。

　　在整個(gè)自駕車(chē)系統(tǒng)架構(gòu)內(nèi)，感測(cè)端如同五羅近處可見(jiàn)訊息,，車(chē)聯(lián)網(wǎng)將五官延伸搜集遠(yuǎn)程不可見(jiàn)信息,，遠(yuǎn)近訊息融合后,，交由車(chē)輛的人工智能平臺(tái)進(jìn)行運(yùn)算決策，最后由如同人類(lèi)四肢的控制系統(tǒng)執(zhí)行大腦命令,，當(dāng)自駕車(chē)的大腦,、五官、四肢可以協(xié)調(diào)合作,，即可落實(shí)機(jī)器安全駕駛,。