斑馬的條紋到底有什麼用？讓馬穿上外套破解百年謎題

長久以來，生物學家一直都在探討為什麼斑馬會有如此奇怪的黑白斑紋，直到他們談話的當下，卡羅依然在探究這個問題。他告訴梅林，其中最早出現、最廣為人知也令人意外的推測，是認為這些斑紋其實是斑馬的保護色。斑馬身上的黑白條紋毛色能夠擾亂掠食者（如獅子、鬣狗）的視線，讓牠們看不清楚斑馬的輪廓，也可以讓斑馬的身影融入周遭聳立的樹木之間，又能夠在斑馬跑動時讓其他動物感到視線模糊。

但梅林對這些說法抱持著存疑的態度，她回想自己當初的反應：「我那時候表情應該很怪。我對他說：『大部分的肉食性動物都是在夜晚獵食，而且牠們的視覺根本不如人類靈敏，因此很有可能根本看不到那些斑紋。』」提姆這時驚訝地忍不住脫口而出：「什麼？」

斑馬紋隱身術

人類視覺處理細節的能力幾乎比其他任何動物都來得好；梅林也發現，正是因為這種特別敏銳的視力，人類才成了少數能夠看見斑馬條紋的物種。她和卡羅找了個光線明亮的日子，計算出擁有絕佳視力的人類能夠在一百八十二公尺左右之外的距離就分辨出斑馬身上的黑白條紋，獅子則得拉近到八十二公尺左右的距離才看得出來，鬣狗更是要到四十五公尺左右的距離才看得清楚。一旦到了掠食者最常打獵的黃昏或清晨時分，牠們則得再拉近約莫一半的距離才能看見斑馬身上的紋路。

所以梅林的想法沒錯：斑馬身上的條紋不可能是牠們用來匿蹤的保護色，因為掠食者都得靠得很近才看得到這些紋路，然而假如真的距離這麼近，這些天生的獵人早就聽見或聞到斑馬的蹤跡了，實在無需仰賴視力。在肉食動物與斑馬平時間隔的距離之下，這些紋路其實根本都融成了一片灰濛濛的顏色；對正在打獵的獅子來說，斑馬看起來跟驢子其實也沒什麼不同。

人類其實視力超好的？

動物的視覺敏銳度以單位視角週期數（cycles per degree）為測量單位——這個概念剛好可以用剛剛的斑馬條紋來做例子。各位伸出手臂並豎起大拇指，你的指甲大約可以代表一單位視角；以你的手臂為距並涵蓋四周三百六十度的距離範圍來說，各位應該可以在指甲上畫了六十至七十條黑白條紋的情況下，依然辨識得出黑白條紋之間的區別。因此人類視覺敏銳度的單位視角週期數便約為六十至七十；目前的最高紀錄是來自澳洲的楔尾鵰（Aquila audax），牠們的視覺敏銳度之高，單位視角週期數高達一百三十八。

楔尾鵰擁有動物世界中最細的光受體，這也使牠們的視網膜裡可以密密麻麻地塞滿大量光受體；有了這些細窄的感光細胞，楔尾鵰敏銳視力的畫素大約是人類的兩倍，也因此可以在大約一點六公里之外的距離看見小小一隻大鼠。

然而老鷹和其他猛禽卻是少數視覺比人類敏銳得多的物種。感官生物學家愛倫諾．凱福斯（Eleanor Caves）搜羅了上百種動物的視覺敏銳度，發現人類的視力幾乎超越了所有物種。除了猛禽以外，就只有其他靈長類動物的視覺敏銳度能與我們比肩了。

各種動物的視覺敏銳度以單位視角週期數表示如下：章魚為四十六、長頸鹿為二十七、馬為二十五、獵豹為二十三，視力表現還算不錯；而獅子卻只有十三，僅略高於人類法律中定義為全盲的單位視角週期數：十。然而其實除了上述物種之外，大部分動物的視覺敏銳度都低於人類視為全盲的門檻，其中包括半數的鳥類（令人意外的是，蜂鳥和倉鴞都在此行列之中），大部分的魚類與所有昆蟲；例如蜜蜂的單位視角週期數竟只有一，這也就表示你伸出去的那隻大拇指在蜜蜂眼裡就代表著一個畫素，至於拇指上畫的其餘細節在牠們眼中都是一團模糊。另外還約有百分之九十八的昆蟲視力比這還要更弱。

凱福斯說：「人類真的很怪。我們的其他任何感覺根本連摸都摸不到可以稱為頂尖的邊，卻唯獨在視覺敏銳度上傲視群雄。」矛盾的是，人類雖有優良的視力，卻也因此失去了能夠欣賞其他環境界的視野，因為「我們以為自己看得到的，其他物種一定也能看見；認為那些對人類來說顯而易見顯眼的事物，對其他動物來說也一定難以忽視。但實際上卻並非如此。」凱福斯如此說道。

——本文摘自《五感之外的世界》，2023 年 8 月，臉譜出版，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為〈年節塞車好心煩！自動駕駛讓你暢行無阻〉
• 作者／科技大觀園特約編輯｜簡茹因

每到年節時期，不管返鄉或是出遊，用路人最討厭遇到的就是塞車，漫長的等待、讓人踩剎車踩到腳痛的行車速度，抑或是被汽車廢煙包圍的感覺，本是愉悅心情恐怕都大打折扣。你也是恨不得讓「塞車」這個詞消失在這世界上的人嗎？自動駕駛或許能幫你達成心願喔～感到好奇的話，那就繼續看下去吧！

造成塞車的幕後黑手是誰?

試想，人類與機器人在駕駛汽車時，要維持車與車之間等速前進，誰會 hold 得最好呢？答案很明顯是……機器人！為什麼呢？關鍵就在於「人類的反應速度」，反應速度因人而異：當老（手）司機在開車時，他們能夠對於哪時候該踩剎車、油門的反應速度快，因此不會因誤判與前車之間的距離，而落下一大段「空白車距」；然而菜鳥司機就不一樣了，他們反應速度沒有老（手）司機快，所以在看到前方車輛時，因無法正確判斷哪時候踩剎車最恰當，加上基於安全意識都會先減慢避免 A 到前車為第一反應，「空白車距」自然就出現了～而後方的車輛們會因為這位菜鳥司機（老鼠屎）的行車速度減慢而開始擠成一團，造成塞車。

相反地，當機器人在行車時，因為他們的動作程序一致，因此能穩穩地維持等速行駛。這也就是為何現今車廠想推出自動駕駛車（以下簡稱「自駕車」）的原因之一。自動駕駛真有那麼神嗎？讓我們來一一剖析它吧！

延伸閱讀：連假無法逃離宿命！為什麼會塞車呢？

自駕車大小事

自動駕駛，顧名思義就是讓車子在無人為操作的情況下，將行車速度與控制車間距離等原本需要手動操控車子行進的動作轉為自動化，以減輕駕駛人的行車負擔。

• 自動駕駛分級：

自動駕駛可是也有分級制度的！國際汽車工程師協會 （Society of Automotive Engineers, SAE） 依據汽車的自動化程度分為以下級別：

時至 2020 年末，汽車業的自動駕駛即將發展至第四級，第五級則是各企業競相達成的最終目標。

• 自駕車的配備主要有哪些？
  • 感測器：相當於人類的眼睛，能辨識障礙物的種類及位置。而感測器又可分為攝影機（Camera）、光達（LiDAR）、雷達（Radar）、超音波這四種，不同種的感測器對於環境辨識及障礙物解析力也會有差異。
  • 動態定位：相當於 Google 地圖功能，當接收來自感測器的環境資訊後，自駕車能協同 GPS、IMU 與高精準地圖資訊等定位工具自動辨識車輛所在位置及設定目的地。
  • 智慧決策：相當於人腦的決斷力，透過整合電子地圖 （RNDF／OpenStreetMap）、感知融合（Perception）、靜態軌跡規劃（Mission Planning）、行為規劃（Behavior Planning）以決定自駕車整體需執行哪些動作及規劃。
  • 電控底盤：負責車子的轉向、剎車及油門。

參考資料：自駕車發展趨勢與關鍵技術

自動駕駛真的能解決塞車嗎？

自駕車本身雖能達到自動辨識路口標誌及安全煞停系統，但它就像一個好的食材，需要透過精湛的廚藝及調料的輔助才能發揮它最完美的風味，而輔助自駕車的便是「車聯網」。究竟什麼是「車聯網」？自駕車與車聯網的搭配真的能解決塞車嗎？就讓台大資工系的林忠緯教授來幫大家解惑吧！

林忠緯教授小檔案：
林忠緯教授在博班時期的研究題目即是關於 Cyber-Physical System（CPS）的研究，而 CPS 簡單來說是指能夠執行物理層面上動作的電子產品，例如車子（能在路上行走）、心律調節器（能放電控制心律）都屬於 CPS。林教授在博班的研究即是關於車子的 CPS，也曾在美國通用汽車（General Motors）實習，畢業後持續拓展自己所長，進入加州矽谷的豐田汽車（Toyota InfoTechnology Center）擔任研究員。林教授熟知自駕車與車聯網的研究，自身也致力於自駕車、車聯網與資安問題的研究，並開心表示對於未來 28 年後自駕車的展望懷抱深深的期許。

1. 車聯網是什麼？
   車聯網（Internet of Vehicles，IoV） ，是指車與車之間（vehicle-to-vehicle，V2V），或車與道路狀況（Vehicle-to-everything, V2X）之間利用網路互相交換、接收感測器所會彙整出的訊息，以達到更完善、迅速的交通網絡資訊交流，讓用路人能即時獲得路況的整體資訊。

2. 自駕車結合車聯網真能解決塞車嗎？
   若要剖析塞車問題，其實可以分成以下幾種狀況，自駕車必須面對各種塞車情況作出相對應的解決方案。
   1. 選擇路徑：假如過年走春行程是去宜蘭玩，大家通常會想到要走雪隧，然而當大家都走雪隧的話，勢必會造成大塞車。而車聯網能即時追蹤到已經開始塞車的道路，並通知自駕車可以改走較為不塞車的路段（例如北宜），這時候就達到了疏散車流量的效果。
   2. 路口與路口間的交通號誌：假如今天車子走在路上，一路都是綠燈當然令人心情愉悅，反之，則會導致後面開始塞車，因此在車聯網當中也可以整合總體交通號誌的順暢運行。
   3. 單一路口的車輛運行：通常遇到駕駛人遇到路口，都需先放慢行駛速度，觀察轉角方向是否有來車，再行通過；當一個路口車多時，塞車肯定逃不掉～而車聯網能達成上述第二點的升級版——便是不用交通號誌！車聯網就像是開上帝視角，可以同時獲得路口的各道路資訊，而這些資訊是單一自駕車無法自行偵測的，自駕車針對這些資訊做出相對應的動作，而自駕車對於這些動作的控制能比駕駛人更加精準，因此車聯網與自駕車能夠相輔相成增加路口的運行效率。
   4. 單一車輛的運行：車聯網與自駕車亦能互相搭配在安全的前提下縮短跟車距離並減少過度保守的煞車，如此道路的使用率能夠提升，也能減少塞車的機率。

林教授認為自駕車結合車聯網勢必能解決部分層面的塞車問題，也能避免酒駕、恍神、視線死角等人為意外肇事的發生比率，但在現實生活要自駕車能實際放在道路上跑，現階段仍面臨重重難關。

3. 自駕車的發展現階段會遇到哪些瓶頸？
   讓我們想像一下，當自駕車、車聯網已完全取代所有的交通系統，實際上最有可能會發生以下幾種瓶頸：
   • 瓶頸一：自駕車的整合系統尚未完善
     林教授個人認為目前自駕車的整合系統會是一大問題，即便供應商提供再好的車組配件，配件與配件之間的整合系統不佳還是會造成車子載運行時效率不佳，甚至還可能會釀成車禍，或是遭駭客入侵自駕車系統。所以教授認為設計一個具縝密規畫的整合系統，不僅可以讓車子運行順暢，也能保障駕駛人的安全。
   • 瓶頸二：法規訂定的難題
     當自駕車發生車禍了，那誰該跳出來負責任呢？該怪自駕車內部的機器學習沒有收納進這些意外狀況的數據嗎？還是都是工程師的錯？其實這也是自駕車衍伸出的頭疼題，而林教授針對這個問題也提出相關建議，例如在購買自駕車時，售價的一部分可以作為保險補償，當發生意外時，便能獲得補償金。
   • 瓶頸三：消費者的接受程度
     消費者在購買商品時常會考慮價格及使用感受，而自駕車雖然目前製造成本高昂，但相信未來隨著自駕車的研發技術逐漸成熟，成本也會隨之下降，但成本要降到多低才能達到量產，以及售價普遍是消費者能接受的範圍仍是個問題。另外，感受度的部分，當我們坐進自駕車裡面，由於自駕車可以精準縮小車距，因此當對向來車很近地迎面衝過來，真的不會嚇到嗎？因為自駕車有別於以往的行車感受，所以也不見得能被所有消費者接受。
     另外，有部分消費者享受自己駕馭車子的樂趣，所以他們也不會想使用自駕車，當道路上並非統一是自駕車的情形，要達成車聯網更是難上加難哪～
   • 瓶頸四：資安問題
     自駕車結合車聯網運行時極需網路，而有網路的地方，駭客便如影隨形，當駭客像電影情節一樣駭入車聯網時，不但會構成駕駛人的性命威脅，甚至還會造成全面性的交通世紀大癱瘓！水能載舟亦能覆舟，車聯網雖能讓交通運行更順暢，也可能會釀成一場可怕的災難，因此林教授強調維護資安也是設計車聯網的重點項目。

解決塞車問題的理想藍圖

當我們檢視塞車問題的視野再拉遠一點，除了自駕車及車聯網以外，教授也慷慨地分享了以下管道解決塞車問題：

• 共享汽車：當大家都選擇搭乘共享自駕車，便能減低車流量與車子的總量（大家更傾向不買車），路上的車子少了，便能減低塞車的發生率。（傳染病盛行的時代不太適用）
• 道路擴大：當車子的總量下降，停車需求減少，空間使用更有彈性。當道路新增了好幾條線，便能分散車流，避免全部車子堵在同一條路上。
• 網路通訊：現在網路科技發達，人們在家也能透過網路完成視訊會議、參與活動，減少出門的必要性，也就無須駕車。

結語

雖然現階段自駕車要完全解決塞車問題仍需經時間歷練，但相信透過林忠緯教授及眾多研發單位的辛勤貢獻，大家在春節期間能夠利用自駕車與車聯網享受更加順暢、迅速的行車體驗，而不再受塞車之苦的日子指日可待!新春期間，也祝大家行車平安，旅途別塞！

參考資料

1. 「自駕車受騙上當和辨識盲點」之專家回應
2. 為何美國交通部選用SAE的自動駕駛分級，而棄NHTSA丨汽車商業評論
3. 自動駕駛車發展現況與未來趨勢
4. 何謂自動駕駛？
5. 關於自動駕駛：內行人才會懂的有話直說
6. 對於塞車問題，智慧交通提供的四大解決方案
7. 塞車讓駕駛踩煞車踩到抽筋，汽車新科技解決這困擾！（內有影片）
8. 2020 最新自動駕駛技術報告出爐！以特斯拉、Volvo 為例，全面涵蓋智駕技術
9. 網宇實體系統與製造應用- 熱門焦點- 經濟部技術處
10. Wevolver: Knowledge for engineers
11. 一起來用十分鐘略懂自駕車吧！GoGoGo！
12. 無人駕駛車/自駕車技術探索
13. SAE International
14. 科學月刊：不需駕駛也能輕鬆上路－淺談自駕車與高精地圖

文／郭長祐

談及「自駕車」，或許會有人天真地認為，行車電腦只要運用前後保險桿上的超音波測距器（俗稱倒車雷達）來偵測前後車距離，以此來調控車速，以及用類似技術使汽車保持在車道內行駛不偏離，以及能在避障情況下完成改變車道、轉彎、停車等動作，就是完滿的自駕技術與程序。事實上，實現自駕車的技術與考驗遠大過於此。

難解的電車難題

或許上述的例子過於特殊，實務上很難遇到，但確實點出自駕車實際上路，必然要面對複雜多變的情境。又如一個小女生為了追一個皮球而跑到馬路上，這時若不改變方向女孩將被車輾過，右轉則會撞向其他路人，左轉有可能就撞上水泥牆，車內乘客也會受傷，或者是一隻狗跑到馬路上，或前方貨車的油桶鬆綁滾到馬路上，這些情境自駕車都必須事先備妥研判能力，事發時才能正確快速因應，例如爆胎時只能讓汽車放開油門，緩緩向前到耗盡慣性而停止，若這時嘗試踩煞車或轉動方向盤，反而可能招致全車翻滾的危險。

科學家、工程師努力卸除社會對自駕車上路的心防

即便自駕車具有克服各種車況、情境的能力，自駕車上路依然有其他層面的挑戰，其中社會接納度至為關鍵。根據調查，有 78% 的受訪者表示不敢搭乘自駕車，以及有 41% 的汽車駕駛不願意跟自駕車一同上路，深怕自駕車出狀況殃及他們。

關於此，自駕車業者與研發團隊必須付出更多努力、甚至更有創意的做法才能使社會接受。過去百事可樂曾有一個蒙眼試驗廣告，邀請一群人蒙上眼睛後試喝兩種可樂，實驗證明單憑口感很難精準分辨可口可樂與百事可樂，表示消費者認為先出現的可口可樂口味更佳是種迷思，進而使百事可樂的銷售大增。

根據相似的心理學，或許在自駕車技術成熟後，可以安排實驗證實一般人無法分辨自駕車與人工駕駛的行為；甚至安排一個逼真的假駕駛，悄然在路上行駛一段時間後再告知大眾，以展現自駕車與一般駕駛幾無差別，或許可以說服社會大眾卸除部分心防與多慮。

當然，除了心理層面外，實質上也要讓自駕車的互動更逼近人為駕駛，例如變換車道會打方向燈，前車過近會按喇叭，對向來車有危險行為時，會讓大燈遠近交替切換作為警示。其他如砂石車經過會刻意保持較遠距離避免意外，同時當關上車窗，因為很多高速行駛的砂石車常有砂石掉落，高速下噴濺起的砂石有時會傷到車內的乘客，或者前方有大型車輛時當把車內空調改成封閉循環，避免吸到大車排出的廢氣，維持車內空氣品質，保障乘客健康。做到這些，人們才能逐漸接納自駕車。

另外，人們也擔心行車電腦是否會被駭客入侵並操控，輕則癱瘓交通重則犯罪，畢竟真人是不會被駭的，但電腦會。這一樣有待人工智慧科學家、工程師的努力，才能讓社會大眾接受與肯定自駕車的上路安全性。

目前自駕車的發展還是有些卡關的地方？

談及自駕車面臨的挑戰，除了需要提升緊急狀況的因應能力以及社會觀感外，自駕車的自駕基本功也有待磨練。美國汽車工程師學會（Society of Automotive Engineers，簡稱 SAE）把自駕程度分成六級：

零級（level 0）：完全人為操作。
第一級（level 1）：某些自動化功能可單獨作用，例如定速巡航，駕駛設定好想要的車速後腳就可以放開油門，讓汽車自動以定速操控油門；
第二級（level 2）：多個自動化功能同時作用，但仍需要駕駛關注，必要時仍需要人為介入，例如自動停車；
第三級（level 3）：汽車幾乎可全程自主駕駛，必要時才有人為介入；
第四級（level 4）：完全不用人為介入，但僅限高速公路或車輛較少時才能如此；
第五級（level 5）：一切自動，堪稱終極的自駕。

目前車廠已可達三級水準，若干宣稱達四級，但尚無人宣示已實現第五級，僅有晶片商宣稱已推出可滿足第五級自駕車所需運算力的車用電腦系統。

上述為行車電腦自主駕駛的程度，但人們關切的自駕車安全程度則仍待商確。目前業界確實有一些初步討論，有科學家發表論文，期望用數學公式（Shai Shalev-Shwartz et. al, 2017 ）來釐清自駕車碰撞事故的責任歸屬，不過論文發表後有許多爭議與質疑聲浪 ，可能還需要一段時間發展。

另外政府也必須針對自駕車上路而增訂、修訂法規，目前世界各國政府都在拉高車輛安全要求，過去已要求汽車一定要有霧燈與前座安全氣囊才能出廠，現在也開始要求輪胎一定要安裝胎壓感測監督系統（Tire Pressure Monitoring System，簡稱 TPMS）才能出廠，進一步要求一定要配置防翻滾系統等，自駕車也當比照辦理。

有了自駕車，世界可能會很不一樣

談及自駕車，難道所設想的都是例外狀況與災禍嗎？答案應該為否，除弊之外自然也有興利的部分。自駕車若真能實現，也可能帶來更多的美好與便利。未來自駕車預先檢視全程路況，並對進行最佳化路程規劃，自動避開車潮，反而比人為習慣駕駛、記憶駕駛更快到目的地，甚更省行車能源，甚因行車操控更佳使零件更長壽而降低保修次數與花費，或因更佳、更可預設的行車狀況而降低車險費用。

就社會層面的考量，自駕車絕對不可能違反交通規則如超速或闖紅燈，自然可以省下讓交通警察舉發開單的社會成本；甚至更完善的大型自駕車系統可以調節車流分配，從而降低交通顛峰時間的塞車情況，節省龐大的時間成本。

進一步的，若自駕車夠普及，其實可以實現共享自駕車的願景，如同現在路上有 O-bike 就可以騎，只要針對使用的路程付費即可。而完全自主駕駛後，車內座位也可以完全打通，成為行動辦公室，或在車內共桌用餐、玩牌等，都有機會實現。在愛心傘夠多的情況下，就不再需要自己買傘，同理，到處都有車可搭，還有人要買私家車嗎？而免去私家車自然也就減少了相關的成本，包括每台車閒置時的成本、私人停車場的土地空間、甚至高額的停車費支出等。

最後，各位想像的自駕車未來又是怎樣呢？還有哪些挑戰呢？也請各位不吝與我們分享！

參考資料：

• Shalev-Shwartz, S., Shammah, S., & Shashua, A. (2017). On a Formal Model of Safe and Scalable Self-driving Cars. arXiv preprint arXiv:1708.06374.

《做車的人》系列內容由裕隆集團委託，泛科學企劃執行