0

0
0

文字

分享

0
0
0

未來城市 – 無人駕駛美夢如何成真?

李柏昱
・2015/12/02 ・2487字 ・閱讀時間約 5 分鐘 ・SR值 561 ・九年級

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:
文章難易度
李柏昱
81 篇文章 ・ 1 位粉絲
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。

0

4
3

文字

分享

0
4
3
讓你一看就懂的無人機原理!——《世界第一簡單無人機》
世茂出版_96
・2022/03/23 ・2311字 ・閱讀時間約 4 分鐘

為什麼無人機飛得起來?

不管是載人的直升機,還是無人機,飛起來的原因都相同。轉子可帶動螺旋槳旋轉,使螺旋槳上下的氣壓產生差異。當螺旋槳上方的氣壓比下方的氣壓低,就會有一股拉力將螺旋槳往上拉(升力,將物體垂直向上拉升的力量),如此一來便能讓機體上升。

再來,同時使用多個螺旋槳,並分別調整各螺旋槳的轉速,就可以讓無人機自由上升 / 下降、前進 / 後退、左 / 右移動。事實上,仔細觀察飛行中的無人機螺旋槳,會發現相鄰的螺旋槳旋轉方向剛好相反。

想讓無人機前進時,會讓機體前方下傾。左右移動時也一樣,會讓前進方向的機體部份下傾。只要讓其中一側的螺旋槳轉速下降,就可以讓那一側的機體下傾,往那個方向移動。如果要讓四軸無人機旋轉,則需讓其中一條對角線上的螺旋槳轉速降低。

無人機的運動機制

無人機需靠轉子(馬達)轉動螺旋槳才能移動。大疆 Phantom 系列的多軸無人機所搭載的馬達,是所謂的無刷馬達(brushless motor)。

大疆「精靈4」民用無人機。圖/維基百科

無刷馬達顧名思義,就是沒有電刷的馬達。相對的,學校自然科課程中提到的電刷馬達則是需要讓電刷與整流子持續摩擦旋轉,使用時會逐漸磨損。無刷馬達則是透過特殊電路驅動其旋轉,可以減輕維護的負擔。而且,無刷馬達可以透過名為 Hall IC 的磁場感應器持續監測馬達狀態,故可穩定控制其速度,當發生馬達負荷過重、線路接觸不良、斷線等異常狀況,可以馬上停止馬達運作,並發出警告訊號,以提高無人機的安全性。其他還有速度可控範圍廣、均勻扭矩(flat torque)、高功率等優點。

另外,將訊號送至轉子的零件叫做 ESC(Electric Speed Controller)。也可以說,ESC 就是控制轉子旋轉速度的零件。原則上,無人機搭載的 ESC 數量會與轉子數量相同。

ESC 的輸出端有三條電線,電流可控制轉子的旋轉。隨著轉子位置的不同,ESC 會輸出不同方向、不同大小的電流,使轉子能夠持續旋轉。也就是說,無刷馬達中的 ESC,扮演著一般馬達中整流子及電刷的角色。

相對的,ESC 的輸入端也有三條電線,分別是連接到電源正負極的電源線,以及從 FC(Flight Controller)接收訊號的訊號線。其中,FC 會蒐集來自陀螺儀感應器、加速度感應器、氣壓感應器、超音波感應器、磁場方位感應器、GPS 等裝置的資訊,以控制機體的行動。

A generic ESC module rated at 35 amperes with an integrated eliminator circuit。圖/維基百科

無人機的感應器

  • 陀螺儀感應器與加速度感應器

陀螺儀感應器可以計算機體傾斜的角度,是穩定機體時不可或缺的感應器。相對的,與陀螺儀感應器十分相似的加速度感應器,則用於檢測速度。陀螺儀感應器與加速度感應器的組合,可以同時計算「傾斜狀況」與「速度」兩者的變化量,並控制機體往傾斜方向的反方向拉回,保持機體平衡,懸停於空中。簡單來說,陀螺儀感應器與加速度感應器就是能夠保持無人機姿態平衡的重點感應器。

  • 氣壓感應器與超音波感應器

高度越高時,氣壓感應器會測到越低的氣壓,故無人機可參考氣壓數字,以維持在特定高度。不過畢竟這只能用來偵測氣壓,要是遇到陣風或其他原因造成的氣壓變化,就有可能會失去功能。

超音波感應器可以利用超音波的回聲來感應自身高度。在無人機起飛或降落時,如果位於地表附近的無人機沒辦法透過氣壓感應器蒐集到足夠的高度資訊,就會用到超音波感應器。在高空使用氣壓感應器,在地表附近使用超音波感應器,兩種感應器的組合搭配,便可讓無人機在每個高度區間都能維持一定高度。

  • 磁場方位感應器與 IMU

磁場方位感應器有時也直接稱做羅盤,可感應地球的磁場(地磁),藉此瞭解無人機目前朝向東西南北哪個方向。不過,地磁的北邊(磁北)與地圖的北邊有一定差異,即磁偏角。而且隨著時間與地點的不同,磁偏角也不大一樣。舉例來說,札幌的磁北比地圖北邊往西偏了 9°,那霸卻只偏了 5°(參考自日本國土地理院網站)。因此,若換一個地方飛無人機,就需進行「羅盤校正」,重新確認磁場感應器所指示的北方,與實際北方間的差異。

  • IMU

GPS 是全球衛星導航系統(GNSS:Global Navigation Satellite System)的一種,是美國的衛星系統。就像汽車的導航系統與智慧型手機的位置資訊服務一樣,無人機可接收 GPS 的電波,藉此判斷自身所在位置,並設定好飛行路線的經緯度自動飛行,或是可以懸停在某個固定位置。這就是所謂的「衛星定位系統」,用於戶外飛行的無人機多會裝設相關的電波收訊器。不過,就像汽車在進入隧道後,導航系統會失效一樣,無人機使用 GPS 時也有可能會突然收不到訊號。因此,為了維持無人機的安全飛航,操控者需隨時注意 GPS 電波的接收狀況。

另外,包括 Phantom 在內的某些多軸無人機,不僅會接收 GPS 訊號,也會同時接收俄羅斯衛星系統 GLONASS 的訊號,偵測機體本身的位置。

這些控制機體姿態的感應器通稱為 IMU(慣性測量單元:Inertial Measurement Unit)。

當出現「IMU 錯誤訊息」「機體不穩定」「羅盤方向不對」「穩定器傾斜」等狀況,就需進行「IMU 校正」。請養成攝影前以及在他處飛行前,一定要進行 IMU 校正的習慣。

——本文摘自《世界第一簡單無人機》,2021 年 9 月,世茂出版
世茂出版_96
1 篇文章 ・ 1 位粉絲
旗下有三家出版公司,分別是世茂出版有限公司、世潮出版有限公司及智富出版有限公司。出版品以養生保健、銷售管理、親子幼教、簡易圖解科學、芳香精油、寵物教養、心理勵志、NLP等類為主。

1

12
0

文字

分享

1
12
0
我已經鎖定你了!多頻譜影像處理演算法於軍事監測系統的應用
科技大觀園_96
・2021/11/04 ・2878字 ・閱讀時間約 5 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

戰場上,分秒之差就能是決定勝敗生死的關鍵。因此如何更迅速捕捉敵軍的動向蹤跡,便成為國防軍備的一大研發重點。多頻譜影像技術能確切捕捉到物體反射的光譜資訊,並已在衛星、醫學、動植物辨識領域取得可行的成果。來自中正大學的研究團隊,便致力於建立多頻譜影響處理演算法的資料庫,期望能應用在軍事目標物的偵測追蹤上,為前線戰士助一臂之力!

掌握物體的「本色」:多頻譜影像技術

色差,是日常生活中會碰到的困擾:不管是印刷品的呈色與預想不符,或是網購的衣服顔色與想象中有所落差。這與傳統的色彩影像量測技術,如電腦電視使用的 RGB 三原色光模式及彩色印刷的 CMYK 四分色模式,在不同裝置上檢測及重現時出現的差異有關。但是,只要回歸到視覺與色彩形成的根本——光線,我們可以解決這些問題。

兩種模式最大的差異在於,三原色光模式的原理是紅、藍、綠的光線同時照射在視網膜上,我們眼睛會辨識成白光。四分色模式則是青色、洋紅、黃色顏料疊色後會變成黑色。RGB模式常用在螢幕等發光產品上,而CMYK模式則使用在印刷上。

大家都知道,光源照射物體後,會根據物體特性產生反射、吸收和透射等現象,人眼接收了物體反射的光線,會經由大腦分析視網膜收到的電子訊號,產生視覺色彩的感知。光線是一種電磁波,不同顔色的光有不同的頻率。而所謂的頻譜,就是物體的反射頻譜、投射頻譜或發光頻譜。頻譜影像,顧名思義即是每個畫素都帶有頻譜資訊的影像。

號稱可以捕捉物體本色的多頻譜影像技術(Multi-spectral imaging),厲害之處在於它可以直接擷取畫面頻譜的反射值。這個反射值是唯一值,不會受到不同廠牌的擷取技術或光源影響,因此是十分準確的影像資訊。一般頻譜影像的波段範圍落在可見光範圍(380 – 780nm),在定義上高光譜影像(hyper-spectrum)泛指使用儀器設備所拍攝到的多頻譜影像資料;超頻譜影像,則是以演算法將影像進行計算所得。其所具備的豐富影像資訊,也成為近年來醫學影像判識(如早期癌症病變的診斷)及衛星遙測的一大福音。

衛星遙測也可以使用多頻譜影像技術來提升影像資訊品質。圖/國家太空中心

從依靠人力,到交給演算法裝置代勞的自動目標識別演算法

自動辨識技術(Automatic target recognition,ATR)的源起,可以追溯至二戰前的雷達(註1)。雷達的操作原理,便是將電磁能量以定向方式發射至空間中,藉由接收空間中的物體所反射回來的電波,計算出物體的方向、高度及速度,並探測物體的形狀。過去的雷達偵測技術,仰賴訓練有素的操作員去解讀雷達訊號,如辨識戰機的大小、型號,以幫助戰場上的同胞第一時間掌握敵營的部署。

不過,人的經驗能力終究有限,因此軍方目標偵測系統也逐漸從人力辨識,逐步發展至交由演算法或裝置來代勞,即自動辨識技術 ATR。準確率更高、速度更快的 ATR,除了可辨識海陸空的軍武,也能偵測生物性目標如動物、人類和植被。目前軍事上通常僅利用一個波段,如近或遠紅外光的資訊來判別目標物,但利用多頻譜影像或超頻譜影像豐富的資訊來進行目標物識別,卻有待發展。

雷達能夠計算出物體的方向、高度及速度,並探測物體的形狀。圖/pixabay

利用多頻譜影像技術,打造鎖定目標的軍事鷹眼!

如果能將多頻譜影響處理演算法帶來的豐富影像資訊,與 ATR 結合,將有望能提升偵測目標的準確率,在戰場上占盡先機。但這不是一件簡單的事:首先,軍武裝載空間有限,因此需以極精簡的光學裝置,來擷取到光路相同的不同波段影像;再來,多頻譜影像資料龐大,因此需整合不同波段的影像特性,以精確辨識俊基、船艦、坦克和建築等目標物;而如何將複雜的演算法轉化成運算夠快的晶片,應用在真實的武器上,也考驗科學家的能耐。

作為影像辨識技術領域的專業,來自國立中正大學的王祥辰教授研究團隊,就志在建立一套適於分析不同目標物特性的超頻譜影像資料庫、開發目標物偵測的多頻譜演算法程式庫,並打造一個方便高效的模擬及演算平台,讓軍方研究者可以進一步建立合適的 ATR 偵測法則。

這項計劃包含三個子系統,子系統 1 是建立多光譜及高光譜拍攝影像的資料庫。就像過去的雷達系統,是依賴熟練的操作員調度腦中記憶的資訊,去與雷達訊號進行比對辨識。要訓練機器裝置去指認出目標物,首先就得提供它一個可靠的影像資料庫作為基礎。為此,研究團隊在不同的天候條件下,拍攝不同波段下的各種目標物如電塔、水泥建築、海面船艦及空中飛行物,來建立一個涵蓋陸、海、空特性的多頻譜與高光譜影像資料庫。

接著,上述涵蓋不同波段的影像,可以經過子系統 2,進行超頻譜展開運算。在子系統 2 時,為了減少計算量,使用者可設定挑選效果最好的數個頻帶,讓目標與其背景的差異達至最大化。這個過程如同指導電腦來玩「大家來找碴」的游戲,讓電腦可以學會如何在不同的場景、天氣條件下,快速辨識出指定的目標物。

子系統 2 將原本有限頻段的多頻譜影像,轉換為特定目標物適用的超頻譜影像,作為子系統 3 的輸入。在這個友善而直覺的圖形化人機介面,軍事研究人員可以在複雜的影像資料庫及法法則程式庫中不斷進行模擬,找出不同目標物的最佳化演算法則,縮短軍事研發所需的時間,提高所開發武器的效能。

如今,王教授的研究團隊已完成三個子系統的建設。此項研究成果,預計可以應用在各式對地、對空及對海飛彈,以及各式影像偵蒐系統的 ATR 設計開發上,成為新一代的鷹眼。而該研究的系統,也能幫助縮減開發測試的時間,對演算法和超頻譜頻帶最佳化都將有所助益。

【注解】

1.雷達(Radio Detection and Ranging,縮寫為 RADAR),是始於二戰前的偵測技術,其原理是利用將電磁能量以定向方式發射至空間中,藉由接收存在於空間中的物體所反射回來的電波,就可以計算出該物體的方向、高度及速度,並探測物體的形狀。

參考文獻

所有討論 1
科技大觀園_96
82 篇文章 ・ 1097 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
0

文字

分享

0
0
0
未來城市 – 無人駕駛美夢如何成真?
李柏昱
・2015/12/02 ・2487字 ・閱讀時間約 5 分鐘 ・SR值 561 ・九年級

國小高年級科普文,素養閱讀就從今天就開始!!

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:
文章難易度
李柏昱
81 篇文章 ・ 1 位粉絲
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。

1

4
3

文字

分享

1
4
3
解析「福衛七號」的觀測原理——它發射升空後,如何讓天氣預報更準確?
科技大觀園_96
・2021/10/25 ・2915字 ・閱讀時間約 6 分鐘

2019 年 6 月 25 日,福爾摩沙衛星七號(簡稱福衛七號)在國人的引頸期盼下升空。一年多來(編按:以原文文章發佈時間計算),儘管衛星還沒有全部轉換到預定的軌道,但已經回傳許多資料,這些資料對於天氣預報的精進,帶來很大的助益。中央大學大氣系特聘教授黃清勇及團隊成員楊舒芝教授、陳舒雅博士最近的研究主題,就是福衛七號傳回的資料,對天氣預報能有哪些改善。

掩星觀測的原理

要介紹福衛七號帶來的貢獻,得先從它的上一代──福衛三號說起。福衛三號包含了 6 顆氣象衛星,軌道高度 700~800 公里,以 72 度的傾角繞著地球運轉(繞行軌道與赤道夾角為 72 度)。這些衛星提供氣象資訊的方式,是接收更高軌道(約 20,200 公里)的 GPS 衛星所放出的電波,這些電波在行進到氣象衛星的路程中,會從太空進入大氣,並產生偏折,再由氣象衛星接收。換句話說,氣象衛星接收到的電波並不是走直線傳遞來的,而是因為大氣的折射,產生了偏折,藉由偏折角可推得大氣資訊。

▲低軌道衛星(如福衛三號)持續接收 GPS 衛星訊號,直到接收不到為止,整個過程會轉換成一次掩星事件,讓科學家取得大氣溫濕度垂直分佈。圖/黃清勇教授提供

氣象衛星會一邊移動,一邊持續接收電波,直到接收不到為止,在這段過程中,電波穿過的大氣從最高層、較稀薄的大氣,逐漸變為最底層、最接近地面的大氣,科學家能將這段過程中每一層大氣所造成的偏折角,通過計算回推出折射率,而折射率又和大氣溫度、水氣、壓力有關  ,因此可再藉由每個高度的大氣折射率,得出溫濕度垂直分布,這種觀測方式稱為「掩星觀測」。掩星觀測所得到的資料,可以納入數值預報模式,進一步做各種預報分析。 

資料同化──觀測與模式的最佳結合

在將掩星觀測資料納入數值預報模式時,必須先經過「資料同化」的過程。數值預報模式內含動力方程式,可以模擬任何一個位置的氣塊的運動,但是因為大氣環境非常複雜,模擬時不可能納入全部的動力條件,因此模擬結果不一定正確。而另一方面,掩星觀測資料提供的是真實觀測資訊,楊舒芝形容:「觀測就像拿著照相機拍照,不管什麼動力方程式,拍到什麼就是什麼。」但是,觀測的分布是不均勻的—唯有觀測過的位置,我們才會有觀測資料。

所以,我們一手擁有分布不均勻但很真實的觀測資料,另一手擁有很全面但可能不太正確的模式模擬。資料同化就是結合這兩者,找到一個最具代表性的大氣初始分析場,再以這個分析場為起點,去做後續的預報。資料同化正是楊舒芝和陳舒雅的重點工作之一。 

中央大學分別模擬 2010 年梅姬颱風和 2013 年海燕颱風的路徑,發現加入福三掩星觀測資料之後,可以降低颱風模擬路徑的誤差。圖/黃清勇教授提供

由於掩星觀測取得的資料與大氣的溫度、濕度、壓力有密切關係,因此在預報颱風、梅雨或豪大雨等與水氣量息息相關的天氣時,帶來重要的幫助。黃清勇的團隊針對福衛三號的掩星觀測資料對天氣預報的影響,做了許多模擬與研究,發現在預測颱風或氣旋生成、預報颱風路徑,以及豪大雨的降雨區域及雨量等,納入福衛三號的掩星觀測資料,都能有效提升預報的準確度。

黃清勇進一步說明,由於颱風都是在海面上生成的,而掩星觀測技術仰賴的是繞著地球運行的衛星來收集資料,相較於一般位於陸地上的觀測站,更能夠取得海上大氣資料,因此對於預測颱風的生成有很好的幫助。另一方面,這些資料也能幫助科學家掌握大氣環境,例如對於太平洋高壓的範圍抓得很準確,那麼對颱風路徑的預測自然也會更準。根據團隊的研究,加入福衛三號的掩星觀測資料,平均能將 72 小時颱風路徑預報的誤差減少約 12 公里,相當於改進了 5%。

豪大雨的預測則不只溫濕度等資訊,還需要風場資訊的協助,楊舒芝以 2008 年 6 月 16 日臺灣南部降下豪大雨的事件做為舉例,一般來說豪大雨都發生在山區,但這次的豪大雨卻集中在海岸邊,而且持續時間很久。為了找出合理的預測模式,楊舒芝探討了如何利用掩星觀測資料來修正風場。 

從 2008 年 6 月 16 日的個案發現,掩星資料有助於研究團隊掌握西南氣流的水氣分佈。上圖 CNTL 是未使用掩星資料的控制組,而 REF 和 BANGLE 皆有加入掩星資料(同化算子不一樣),有掩星資料可明顯改善模擬,更接近觀測值(Observation)。圖/黃清勇教授提供

福衛七號接棒觀測

隨著福衛三號的退休,福衛七號傳承了氣象觀測的重責大任。福衛七號也包含了 6 顆氣象衛星,不過它和福衛三號有些不同之處。

福衛三號是以高達 72 度的傾角繞著地球運轉,取得的資料點分布比較均勻,高緯度地區會比低緯度地區密集一些。相較之下,福衛七號的傾角只有 24 度,它所觀測的點集中在南北緯 50 度之間,對臺灣所在的副熱帶及熱帶地區來說,密集度更高;加上福衛七號收集的電波來源除了美國的 GPS 衛星,還增加了俄國的 GLONASS 衛星,這些因素使得在低緯度地區,福衛七號所提供的掩星觀測資料將比福衛三號多出約四倍,每天可達 4,000 筆。

福衛三號與福衛七號比較表。圖/fatcat 11 繪

另一方面,福衛七號的軟硬體比起福衛三號更加先進,可以獲得更低層的大氣資料,而因為水氣主要都集中在低層,所以福衛七號對水氣掌握會比福衛三號更具優勢。

從福衛三號到福衛七號,其實模式也在逐漸演進。早期的模式都是納入「折射率」進行同化,而折射率又是從掩星觀測資料測得的偏折角計算出來的。「偏折角」是衛星在做觀測時,最直接觀測到的數據,相較之下,折射率是計算出來的,就像加工過的產品,一定有誤差。因此,近來各國學者在做數值模擬時,愈來愈多都是直接納入偏折角,而不採用折射率。黃清勇解釋:「直接納入偏折角會增加模式計算的複雜度,也會增加運算所需的時間,而預報又是得追著時間跑的工作,因此早期才會以折射率為主。」不過現在由於電腦的運算能力與模式都已經有了進步,因此偏折角逐漸成為主流的選擇。 

由左至右依序為,楊舒芝教授、黃清勇特聘教授、陳舒雅助理研究員。圖/簡克志攝

福衛七號其實還沒有全部轉換到預定的軌道,不過這一年多來的掩星觀測資料,已經讓中央氣象局對熱帶地區的天氣預報,準確度提升了 4~10%;陳舒雅也以今年 8 月的哈格比颱風為案例,成功地利用福衛七號的掩星觀測資料,模擬出哈格比颱風的生成。

除了福衛七號,還有一顆稱為「獵風者」的實驗型衛星,預計 2022 年將會升空。獵風者的任務是接收從地表反射的 GPS 衛星電波,然後推估風速。可以想見,一旦有了獵風者的加入,我們對大氣環境的掌握度勢必更好,對於颱風等天氣現象的預報也能更加準確。就讓我們一起期待吧!

所有討論 1
科技大觀園_96
82 篇文章 ・ 1097 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。