要想讓電影中自動駕駛的情景變?yōu)楝F(xiàn)實，環(huán)境傳感器、車聯(lián)網(wǎng)通訊技術(shù)、人工智能決策平臺都是必不可少的關鍵技術(shù)。只有三者結(jié)合，車輛才能實現(xiàn)安全無誤的自動駕駛。這三項技術(shù)對自動駕駛的未來影響深遠。
一直以來自駕車被當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，而是當下正逐漸實現(xiàn)的科技產(chǎn)品，其主要是因為各種尖端科技逐漸到位成熟，讓研發(fā)自駕車技術(shù)可普及和取得，最終讓自駕車可以改變?nèi)祟惿钚蛻B(tài)。
其中，環(huán)境傳感器、車聯(lián)網(wǎng)通訊技術(shù)、人工智能決策平臺都是實現(xiàn)自駕車不可或缺關鍵因素。從自駕車的系統(tǒng)架構(gòu)，首先感測環(huán)境信息(Sensor)，并透過信息鏈接(Connectiviety)，最后完成人工智能決策(decision)，車輛才能真正落實安全無誤的機器駕駛，本文從傳感器、車聯(lián)網(wǎng)與人工智能介紹自駕車技術(shù)發(fā)展趨勢。
傳感器作為自駕車之眼
自駕車透過傳感器辨識外圍環(huán)境數(shù)據(jù)，現(xiàn)今自駕車傳感器解決方案，包括光達(LiDAR)、攝影機、毫米波雷達(MMWRadar)、超音波(Ultrasonic)等，其中光達可在條件惡劣環(huán)境下，仍可透過激光束建構(gòu)出立體影像，協(xié)助自駕車判斷自身所在位置，以及檢測周遭障礙物，光達掃描半徑達100公尺，測距誤差僅有5公分，被視為自駕駛不可或缺的傳感器。
目前市面僅有機械構(gòu)造式光達，因全手工打造造價昂貴，初階款32線光達即要價4萬美元以上，未來光達能透過硅制程(CMOS)量產(chǎn)，以芯片樣態(tài)的固態(tài)光達呈現(xiàn)，不僅體積可縮小，光達價錢可望壓在500美元以下。
在光達價格居高不下情況下，目前自駕車業(yè)者同時采用多元傳感器相互輔助，以不同傳感器物理特性截長補短，例如，像是毫米波雷達偵測距離很遠，但容易被金屬物體干擾；攝影機價格便宜，辨識能力強，但惡劣天候下感測效果差；超音波方向性差、距離短，只能運用在后方防撞。
透過多元傳感器信息融合(SensorFusion)，整合出準確環(huán)境參數(shù)，經(jīng)此讓決策系統(tǒng)做出更好、更安全的決策。舉例說明，毫米波雷達能夠測量高達120~250公尺的物體的速度和距離，攝影機在近距離偵測和物體辨識方面十分出色，當兩者攜手合作，雷達則可作為遠方對象早期預警作用，攝影機影像辨識則可精準判斷近距離號志、交通信號，遠近分工達到智能駕駛目的。
車聯(lián)網(wǎng)打造道路信息透明平臺
自駕車傳感器其搜集信息僅留存在單一車輛層次，但如果在車輛無法感測的死角，或者不可見遠方突發(fā)事件，即須要透過車輛聯(lián)網(wǎng)，以取得更詳盡信息；目前車聯(lián)網(wǎng)層次分為點對點傳輸，以及云端傳輸。
點對點直接傳輸主要傳遞具有時間敏感性(time-sensitive)數(shù)據(jù)，透過車輛間(VehicletoVehicle；V2V)、車輛對道路裝置(VehicletoRoadsideDevice；V2R)直接對話，若透過“遠在天邊”的云端匯整數(shù)據(jù)，可能緩不濟急，因此透過點對點傳輸強化車聯(lián)網(wǎng)溝通效益。
當前車聯(lián)網(wǎng)的技術(shù)格式，主要包含車用環(huán)境無線存取(WAVE)/專用短程通訊(DSRC)與LTE-V2X兩種規(guī)格方向。其中車間點對點通訊最重要的是低延遲性，如此才能做到實時傳遞效果。
WAVE/DSRC傳輸延遲約20毫秒，相對于LTE-V2X4G約50毫秒，相較具發(fā)展?jié)摿?，雖然下一代LTE-V2X5G傳輸延遲性僅有1毫秒，但其技術(shù)規(guī)格仍尚未成熟，目前各國現(xiàn)今發(fā)展車間傳輸仍以DSRC為主流。
另一部分，云端傳輸主要應用于高精圖資(HighDefinitionMaps)反饋與實時更新，高精度協(xié)助自駕車完落實點對點全自動駕駛，因此這個給機器看的地圖，必須具備有高精度的坐標、道路線標、路標，同時含括道路垂直坡度、曲率、側(cè)傾、外圍對象等信息，同時可透過云端實時更新路況、障礙、道路維修等實時動態(tài)路況訊息。
當車間點對點傳輸與云端傳輸共同運作，將可建立一個綿密道路傳輸網(wǎng)，協(xié)助自駕車掌握不可見、不易感測訊息。
AI匯整內(nèi)外信息進行駕駛決策
當車輛傳感器偵測到周邊環(huán)境信息，同時車間傳輸取得實時遠方路況訊息，此時即需要透過人工智能平臺將多元信息進行匯整、運算、處理，最后做出正確駕駛決策。目前各種人工智能途徑當中，以深度學習(Deeplearning)為最為可行，但該方法需要即大量對象數(shù)據(jù)庫，才能訓練出精準分析系統(tǒng)。
深度學習如同人類學習分類的過程，透過大量分類完成的樣本標的數(shù)據(jù)庫，持續(xù)將不同分類樣本投入，教導系統(tǒng)學習，使系統(tǒng)逐漸「參透」照片中的規(guī)律性，當未來發(fā)現(xiàn)特例也可如同人類自行推敲分析。
在整個自駕車系統(tǒng)架構(gòu)內(nèi)，感測端如同五羅近處可見訊息，車聯(lián)網(wǎng)將五官延伸搜集遠程不可見信息，遠近訊息融合后，交由車輛的人工智能平臺進行運算決策，最后由如同人類四肢的控制系統(tǒng)執(zhí)行大腦命令，當自駕車的大腦、五官、四肢可以協(xié)調(diào)合作，即可落實機器安全駕駛。