分享本文至 E-mail 信箱
學術引用格式
MLA
APA
EndNote(.enw)

未來城市 – 無人駕駛美夢如何成真?

Google-Self Driving Cars

眾多汽車與科技大廠相繼投入無人駕駛技術的發展,未來道路或許將會更加安全。圖為Google研發的無人駕駛車輛。Source: flickr

自動駕駛,減少交通事故的福星?

從客觀的統計數據來看,人們實在稱不上是好駕駛。美國每年平均有三萬人死於車禍事件,而台灣每年則約有三千多人死於交通事故。與人類相比,機器至少不會酒駕、不會邊開車邊講電話,也能在短時間內處理更多的訊息並作出反應。Google 在 2008 年提出發展無人駕駛車輛的構想,以過去 6 年實際上路測試的統計數據來看,一共發生過 11 起事故,不過全部都是人類駕駛開車去撞無人駕駛車,諸如追撞或闖紅燈撞上等。

「自主學習」的車輛,從經驗中學習如何應變

車輛的中央運算系統必須即時處理各項觀測儀器回傳的資料,並分析周遭各種移動物體,例如其他汽車、行人等等。在程式撰寫上,有些程式指令是寫死在軟體中,例如看到紅燈就一定要停車。不過道路上情況瞬息萬變,光靠程式設計師要把所有的情形都納入並不實際,因此程式設計師賦予車輛「自主學習」的能力,從之前的駕駛經驗中學習該如何反應。舉例而言,Google的車輛已經學會辨認以及回應下列幾種情況:

  • 右線道有台烏龜車,它後方的車輛有高度可能性會超車。
  • 路上的坑洞或障礙物代表其他汽車駕駛有高度可能性會繞過它。
  • 左線道壅塞時,駕駛有高度可能性會切換到右側車道。

隨著駕駛里程累計,車輛會試著在面對各種情形中,測試可行的解決方案,此外所有車輛的資訊與經驗也會交流,最終車輛會學會遇到特定狀況最佳的反應方式,甚至學習在偵測特定狀況發生的徵兆時,進一步去避免它。

Google 無人駕駛車,用到了哪些技術?

實際上,Google 無人駕駛車輛使用的技術大部分都在既有的車輛、或其他的應用領域中十分常見,這些技術我們多半並不陌生,且已通過實際測試,讓 Google 的無人駕駛車顯得更為可行。Google 無人駕駛所使用到的技術包括了以下幾種:

  1. 光達(LIDAR)判逼近物體:光達(Laser Illuminating Detection and Ranging, LIDAR)主要用於建構3D的立體地圖,讓車輛探測周遭環境並能趁早發現潛在的威脅。光達會發射雷射光束,並藉由量測光束反射回來的時間,判斷車輛本體和周遭物體的遠近。
  2. 雷達加強判定逼近物體的「速度」:縱使光達已經能偵測周遭物體距離,然而光達卻無法即時準確衡量周圍物體的移動速度與方向,在道路上車輛皆為高速移動的情形下十分危險。因此 Google 在汽車的前後保險桿上各安裝了兩台雷達,讓車輛得以避開可能的撞擊。
  3. 高畫質攝影機提供立體視覺:目前市面上許多車輛都已經裝配有攝影機且功能各異,在 Google 車上,攝影機則是用來提供周圍影像,透過多台攝影機稍微不同的拍攝角度差異,能提供諸如景深以及物體的各種角度等影像,此功能就像人類左眼右眼的視差所造成的立體視覺。
  4. 聲納創造更多交叉比對資料:聲納與前述幾項技術目的相同,都是用於偵測周遭環境以防止碰撞,不過聲納限制較多,像是較窄的探測範圍與較短的有效距離。然而聲納與其他系統合作,能提供更完整的資料交叉比對。
  5. 定位系統:不過即便有各種防撞的安全機制,如果無人駕駛車不知道自己在哪裡也是徒然。Google 使用自己的地圖系統、GPS 衛星、慣性感測器等設備來監測車輛的實際移動速度,同時結合前述的攝影機,車輛能透過拍攝周圍的環境與 GPS 資料作比對。藉由上述技術的合作,Google 車輛定位系統的誤差能縮小到幾公分之內。

未來挑戰:如何讓無人駕駛真正安全?

在無人駕駛車真正「大行其道」前,仍然有許多障礙有待跨越。

在技術上,感測元件在豪大雨、下雪等天候不佳時,可能會運作失常,例如光學元件無法正確判讀紅綠燈等狀況,就必須在天候異常時避免開車上路。另外,由於車輛會將偵測到的物體像素化,車輛雖然會避開一個過馬路的小孩,但一團飛過道路的報紙也會有同樣的結果。因此無人駕駛車接下來的首要瓶頸,會是如何提升其各種觀測儀器的運轉穩定性與偵測準確性。

在系統上,各種不同的觀測系統的整合會是一大挑戰。正如 Google 試著讓車輛能夠自主學習,車商必須克服系統間相互干擾的問題,車輛之間的通訊是否真能如上述所說能順暢交流各自的道路經驗也備受考驗。

在環境上,目前的圖資精確度還無法滿足無人駕駛車的需求。Google 無人駕駛車輛使用的地圖相當精細-細到連路肩的高度、車道的寬度都必須仔細記錄,才能讓車輛辨識自己的位置而不至於開到人行道上。為了進行測試,Google 已經繪製約 3200 公里的詳細道路地圖,測試期間優良的安全紀錄絕大部分歸功於這份過於精細的圖資。不過,要繪製如此精細的國家尺度道路地圖實際上並不容易,美國全國公路長達六百萬公里,即便是台灣公路長度也有四萬公里,皆遠超過現有的圖資規模。

在市場上,「價格」也就是最根本和最現實的問題。以 Google 自動駕駛車為例,各項額外設備總價達 7 萬美元(約新台幣 210 萬),如此天價無法使無人駕駛車輛普及大眾化,反將淪為少規模生產的炫耀性財貨。話雖如此,無人駕駛車仍然是值得期待的科技,一旦各項觀測元件與整合技術發展成熟,隨著生產成本降低,無人駕駛車有朝一日仍可能走向商品化,讓原本只存在於科幻電影中的夢幻車輛實際駛入生活當中。

(本文由科技部補助「新媒體科普傳播實作計畫-智慧生活與前沿科技科普知識教育推廣」執行團隊撰稿)

責任編輯:鄭國威|元智大學資訊社會研究所
審校:陳妤寧

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!

延伸學習:

你的行動知識好友泛讀已全面上線

每天有成千上百則內容透過社群與通訊軟體朝你湧來,要從混雜著偽科學、假消息、純八卦的資訊中過濾出一瓢知識解渴,在這時代似乎變得越來越難?

為了滿足更多跟我們一樣熱愛知識與學習的夥伴,現在我們很害羞也很驕傲地宣布,手機閱讀平台——泛讀 PanRead iOS 版和「泛讀」Android 版都上架啦!使用後有任何心得或建議,都歡迎與我們分享喔

立即下載 優質知識不漏接

 

 

 

關於作者

成大都市計劃所研究生,現為防災科普小組編輯。喜歡的領域為地球科學、交通運輸與都市規劃,對於都市面臨的災害以及如何進行防災十分感興趣。