自駕車的未來與挑戰
▲工研院機械所自駕車團隊。
胡竹生、王傑智 / 交大電機系與工研院機械所
從實驗室走出來進入人群的自駕車，儼然已經是對未來人類社會與產業結構產生最大衝擊的科技。車輛工程學會 (Society of Automotive Engineers, SAE)以及美國國家道路交通安全委員會(U.S. National Highway Traffic Safety Administration, NHTSA)對於車輛的自主駕駛程度，定義了不同的層級。如果採取SAE的定義，只有在Level 5 時，才是真正的無人駕駛，而目前沒有一個單位可以預測這個情境何時可以到來，甚至會不會發生。即便如此，大量的資金與研發能量在近幾年湧入這個題目，學界，業界，甚至各國政府都爭先恐後地宣告對這個領域的重視與領先規劃，不但成了一種軍備競賽，也成了在經費爭取，人才招募，甚至股價表現上，不得落後的一種壓力。基於科學化的調查研究，科學期刊(Science)的新聞副主編 Jeffrey Mervis 發表了一篇對自駕車現狀與未來的評論[1]。在這篇文章中引述了加州大學柏克萊分校交通永續研究中心共同主持人 Susan Shaheen的調查，把人類對於自駕車的想像分為烏托邦式(utopia)的觀點，認為自駕車可以解決交通堵塞問題，消弭交通事故，降低能源使用需求與污染，同時因為上下班不用開車，使人的工作效率提升。而反烏托邦式(dystopia)則對上述論點持反對意見，甚至認為將在社會上造成擁有自駕車的階級，以及搭共享車的階級。
持反面意見者並不是沒有根據的，加州大學柏克萊分校的研究人員 Joan Walker就設計了一個實驗[1]，她給予13位受測者，每位一周60個小時可以使用免費司機服務，模擬他們都擁有自駕車一樣，然後觀察他們實驗開始前一周與開始後一周的行為。結果這13位受測者總共增加了76%的里程，其中退休的老年受測者夜間的里程幾乎增為3倍，較為長程的次數也增為2倍，最重要的是有1/5的里程中是沒有乘客的。雖然其可信度仍需要較大規模的測試，但是足可讓人相信自駕車的願景，可能造成更多車輛在路上行駛，隨之而來的問題就不是那麼單純了。
這許多混沌未明的發展，事實上導源於兩個重點，也就是車輛牽涉到生命安全以及公共資源的分配，也就是最後一定會牽涉到標準以及法規，但是這又會牽動龐大的商業利益，其規模舉一個例子，全世界前三大車廠：德國福斯，日本豐田以及美國通用，加起來的年營業額大於台灣每年的國民生產毛額。加上新加入的Google，Apple，Uber等，以及各保險公司，在各方角力下這個技術與產品的未來，一時之間是很難有定論。
▲工研院機械所自駕車車隊。
自動駕駛還是自主駕駛?
自動駕駛 (automated driving)與自主駕駛 (autonomous driving)是有一些微妙的差異，通常自動化的意思是在一個給定的範圍內，機器會循著一個既定的腳本(scenario)，把多項功能自行串接起來執行。而自主化則沒有給定的範圍。舉無人巴士的例子，假設這台巴士是循著固定的車道行駛，不能偏離車道，那麼這就是自動駕駛，在運行當中車道上可以有其他車輛並存，或是有障礙物等狀況，這台巴士只能改變速度去避免碰撞，如果車道上的障礙物停止，這台巴士也只能停下來，不能離開車道去閃避障礙。那麼如果有多個車道可以走，然後可以變換車道去閃避呢?這時候自主性就會出現。假設有一個號誌(或訊號)可以發給其他車道的車輛，請他們停下來讓這台巴士變換車道，那麼這是自動駕駛，因為這是由人類再給一個範圍，然後巴士再循這個新範圍進行新的動作。甚麼是自主性呢?就是這台巴士自己去找到鄰近車道的可行的情況，然後自己訂定新的駕駛路線。想像我們在塞車時，如果要變換車道，打方向燈以外還必須注意其他車輛的意圖，然後變換車道的時機每次都不一樣，這裡面除了要面對很多動態情況，還多了一個社會介面 (social interface)的因素，也就是我們從某個程度上熟悉其他人的開車行為，因此這也造成在各國的狀況不太一樣。
就上述的說明，自主駕駛所需的人工智慧層級，還超越了目前交通場景偵測等純技術的探討，進入到人與人之間的互動問題。MIT的 Rodney Brooks教授，也就是機器人與人工智慧的大師，2017年在其部落格就發表了這方面的意見[2]，他觀察在住家附近幾個沒有交通號誌交叉路口，行進的車輛與行人之間的互動情形，發現不同的路口，其互動情形都不一樣，甚至有的是行人與駕駛者需要透過眼神或是手勢來溝通，行人所關心的，是到底駕駛者有沒有看到我?以及是否要讓我先過馬路? 在Level 4或以下，他認為都是有某種邊界條件的限制(實質上還是自動駕駛)，從某個層面來說，人類應該會以這些條件去除自駕車會發生問題的地方，或是仍有爭議的技術障礙。豐田研究所的執行長 Gill Pratt 就認為，在 Level 4 以下，其實技術研發上已經有一定的成熟程度，因此如果加上限制條件，已經不是 demo 的問題，而是什麼是可行的商業模式? 豐田已經在這個技術上投資非常龐大的研究經費，這一點全世界包含台灣都還是在學習摸索的程度。
工研院機械所自駕系統雨天測試影片：https://youtu.be/M_bjJwD26OI
自駕車安全嗎?
車輛安全向來是各車廠不能妥協的設計規範，除了須符合法規外，若安全性受到疑慮，或是證明是車廠設計的疏忽，車廠都必須付出巨額的成本。過去車廠在被動安全上，也就是其安全措施是在發生事故後保護車內人員的生命，已經有非常大的進步。根據美國公路損失資料研究所(The Highway Loss Data Institute, HLDI)的調查[3]，美國在1975年境內車輛總哩程為1.33兆英哩，交通事故總死亡人數為44,525人，而2016年總哩程已達3.17兆英哩，總死亡人數則降為37,461人。也就是說每開一億英哩，事故死亡人數從3.35人降至1.18人。這個進步足足花了40年，也反映了安全科技在車輛領域，事實上需要很多年的累積，才會有顯著的成效。而這恰好與當今自駕車著重的資通訊技術，在經驗上很不同，資通訊產品生命週期短，所有新的觀念與產品，通常都是鼓勵快速實現，在短時間內經歷失敗然後迅速轉向，以期搶占市場的先機。由於大多數人都不了解車輛安全的相關產品導入時程與重重關卡，因此當自駕車概念瘋狂的被抬升時，安全性問題，與其是沒有答案，倒不如說在這種腳步下，除非重新定義一個導入與實現的規則，不然到了車廠需負責的時候，沒有任何一家會破壞其已經建立完備的標準做法。
事實上各車廠目前所關心的，是這個自駕車的技術風潮下，有那些科技可以導入去增加其產品競爭力，或是在市場上保持獨特的地位，最主要的方向就是主動安全。所謂主動安全就是車輛會依據事故可能發生前的環境狀況，採取適當的控制措施，以避免事故發生，或是降低其損害程度。根據美國公路安全保險研究所 (The Insurance Institute for Highway Safety, IIHS) 的報告[4]，在2013年追撞前車的事故中，有車頭碰撞警示的車型，其事故率較沒有的少了23%，而有主動煞車的車型，其事故率更進一步少了39%。而前者的死亡率僅降了約6%，但是後者卻降了42%。對車頭有碰撞的危險而主動煞車，就是車輛主動安全的一個功能，在當下駕駛者的油門與煞車控制權是被電腦取代，由這個統計已經很清楚，這個功能確實可以降低事故與傷害，但是其目的是保護車內的駕駛與乘客。請注意取代以及目的這兩個詞，因為自駕車的安全就是圍繞在這兩點上。
在科學面前，有些時候人類的能力或判斷是有限的，甚至不是正確的。防煞車鎖死(ABS)就是一個很明顯的例子，輪胎一旦鎖死不轉動，其對地面摩擦力方向就無法控制，將導致整車運動狀態不受控制，造成危險。但是人類當面臨需緊急煞車狀況，直覺上就不希望輪胎轉動，猛踩煞車反而使車子容易失控，因此ABS在此時實質上取代了駕駛者的煞車命令。ABS對煞車力道的調變速度遠超過人類的能力，在科學上證明其確實有效，因此人類的煞車命令被ABS取代，是沒有疑慮的。但這也是經過了五十幾年，才立法強制每台車都要配置。由此可見，人類對車輛的控制能力被取代是可能的，只要在科學上可以證明其結果會比人類的更好。前述的防撞自動煞車系統，也可能會在多年以後，變成車輛的標準配備，因為研究證明，一般人在察覺到碰撞危險時到踩煞車的反應延遲在0.67秒以上，而電腦的反應延遲則可能在數毫秒以內。
ABS需要證明其對車輪的鎖死程度的感測要能夠正確，而防撞自動煞車系統則需要證明其偵測碰撞危險的感測器與判斷法則不能出錯。這兩者的差異就是後者與車外環境有關，但是其複雜度就差距很大。想像一個極端的例子，如果某車輛的防碰撞感測方式被完全了解，在其前面的車輛很可能可以發出某種干擾，使後車誤認為有碰撞可能，那麼這個防撞自動煞車系統就可能瞬間變成致命的缺陷。要使得防碰撞感測完全可以被信賴，我們必須付出的時間與資源，恐怕是不亞於ABS。而自駕車所配備的感測器更多，所要面對的車外狀況更複雜，由以上的說明，即使人類的操控能力是可以被取代的(如ABS)，自駕車的安全性要能夠完全被信賴，恐怕不是一件簡單的事。
自駕車安全更嚴肅的課題是其目的，簡單來說就是當面臨危險衝突時，自駕車的決策是要保護車內乘客?還是保護車外的人?或者當不可避免的要撞到路人，是否可以犧牲少數人而去讓多數人免於受傷? 2016年Bonnefon等作者在科學期刊(Science)發表了一篇名為「自主駕駛車的社會困境」的文章[5]，點出自駕車對於其安全目的設定的道德矛盾。從邏輯推論，未來自駕車必然要設計面對危險衝突時的控制法則，而不管是何種方法，其目的都會去降低傷害程度，也就是會去符合一個以效益主義體現的道德教條(utilitarian moral doctrine)。從1928位參與者，分六個不同的問卷調查，簡言之，這篇文章得到的矛盾現象是參與者同意，自駕車控制決策的效益指標，在道德上應該是去犧牲乘客而避免多數路人受到傷害。但是他們卻希望自己以及親戚朋友坐的自駕車，其控制決策是不計代價保護乘客。同時，這些參與者不同意政府用法規約束車廠必須使用上述的效益指標，也不願意買這類的車輛。當然在實務上，安全的控制決策要比這篇文章所假設的更為細膩，但是如何讓乘客，路人以及購車者都可以接受，將會是一個很困難的挑戰。
可能是基於人性的同理心，在事故中傷及無辜，社會上對於駕駛人的容忍程度，似乎高於如果那是自駕車。豐田研究所的執行長Gill Pratt在美國國會小組的會議中就提出，即使自駕車讓現有每年交通事故的死亡人數減半，都不容易贏得消費者對自駕車的信心[1]。因此重點是要讓人類接受自駕車並不是完美的，同時，要讓自駕車證明其安全性比人類駕駛還高，除非讓自駕車逐漸上路去累積經驗，否則沒有一個公司可以負擔得起這個測試(如前述，2016年每開一億英哩的死亡人數是1.18人)。衡諸各種考量與矛盾，制定法規讓自駕功能逐漸上路，使企業與社會從中學習以及優化，是目前各國政府採取的策略。
工研院機械所自駕車地下室自動停車影片：https://youtu.be/ZAq_l6mgq14
▲工研院機械所自駕車。
自駕車的技術發展現況與方向
早期發展自駕車相關技術多是機器人與電腦視覺領域的學者專家，其中研究課題有三大主題：感知、決策與行動。機器感知的主要任務是處理來自各種感測器的資料，來估測在車輛周遭環境的各種狀態，其中主要的模組有物件偵測與辨識、移動物體追蹤、車輛定位、地圖建構、移動物體間的互動辨識與碰撞預測等。決策系統則是根據所設目標、任務與感知系統所提供周遭環境的狀態估測，決定車輛路線規劃與行車策略。最後由行動系統在考慮車輛動態性能下，具體下達控制指令，完成決策系統所下達的命令。
自駕車技術目前最被看好的應用方向就是主動安全，近幾年隨著消費者對車輛安全系統的重視，主動安全系統逐漸在中價位以上之車種普及。以相機之基礎之主（被）動車道維持系統與以(毫米波)雷達為主的自動跟車與煞停系統，已逐漸獲得車廠的重視與消費者的信賴。這些主動安全系統就是我們所定義的自動駕駛系統之一。在技術發展方向上，一方面採用機率型感測器融合的方法結合相機、雷達、加速度計、陀螺儀來提供更好的環境感知估測，另一方面結合機器學習方法來增強環境物件偵測與辨識準確度。與安全帶、安全氣囊及ABS發展過程相似，這些以相機與雷達為主之主動安全系統將逐漸變成車輛安全標準配備。但這些先進的主動安全系統還是無法完成全自主駕駛的要求，其中最困難的挑戰是現今感知系統所提供的環境感測與了解還是不足。舉例來說，目前主動安全系統在高速公路上已經能提供相當不錯的車輛整體操控表現，但在市區環境則無法完成任務。一方面是市區環境所需要偵測與估測的物件種類變多，相對應的駕駛策略也變複雜，而目前的感知系統並無法完全保證在市區環境中狀態估測的準確度與可靠性。另一方面是感知系統需要提供更高階的環境估測與推理。例如在十字路口中，並沒有車道線可以用來計算車道維持與車輛操控所需要的參數等等，消費者情報(Consumer Report)針對擁有車道偏移警示(LDW)以及車道維持輔助(LKA)功能的車主做了調查[6]，有41%的LDW曾給出錯誤警示，而LKA為了要閃避行人或腳踏車，有時甚至會開上人行道。這些對人類看似很自然的推理，對電腦而言要100%不出錯仍然很不容易。
如要達成自主駕駛，這些感知系統挑戰必須獲得解決。其中一路線是發展人工智慧系統來建立跟人類感知系統性能相當的機器感知系統。雖說深度學習已在影像辨識、分群等任務獲得空前的成功，甚至達到比人類更好的性能表現。但深度學習在許多的感知任務上，如空間構建與高維語意理解，還有待開發，甚至不被看好。我們相信部分感知任務勢必以深度學習來解決，但對完全以深度學習來完成全自主駕駛系統則還有一定程度的挑戰。另一被普遍採用的路線則是以事先構建的高精度環境地圖，搭配各種駕駛所需必要的環境物件標註，來提供即時駕駛時系統所需要的各式環境信息。例如由日本豐田，三菱電機以及其他九家車廠所成立的Dynamic Map Planning公司，就嘗試建立一個高解析度(HD)的三維地圖供自駕車使用[7]，Here公司則已經建構多年的多層式HD Live Map 平台[8]，英特爾併購的Mobileye將利用其已經安裝感測器的兩百萬輛車，發展一個能從攝影機影像來精確定位車輛在電子地圖上位置的技術等等[9]。這些作法將艱鉅的感知系統任務事先就以工程的方法來解決，如以人工來確認標註系統的正確性，與在地圖上繪製在十字路口中的車道線或是車輛所需要追隨的軌跡等，來提供目前感知系統無法準確提供的資訊。這種做法也大幅減低車輛上感知系統所需的運算量。
而無法由地圖提供的訊息，如周遭動態物體偵測與追蹤、環境改變所造成的地圖不匹配，則還是需要感知系統即時運算與處置。要讓高精地圖發揮最大效能，系統需要一個高精準的即時定位系統來配合。而目前相機與雷達感測器系統尚無法達成這些地圖構建與定位性能要求，而是要使用在機器人學界中已被廣泛使用的光達（雷射測距儀、雷射掃描儀）來完成相關任務。由於這些機械掃描式光達成本高昂，先前光達廠商還是以供應學界研發的需求為主。在現今這波自駕車浪潮中，相當程度的資金已投入開發非機械掃描式、低成本的光達感測器[10][11]，相信不久在市面上便會有較低價位的光達系統。但除了在成本上的大幅降低，光達系統還必須達成像雷達可在各種惡劣氣候中使用的性能表現並達到車輛規範上的指標，這還需要一段時間的積累。在功能安全的要求下以及基於各式感測器的性能表現，我們預測未來自駕系統將採用雷達、相機與光達的組合系統來確保感知系統表現與車輛安全。系統不只要執行感測器融合，並要能偵測感測器失效與處置感測器失效所帶來的問題，這亦將採用類似飛機工程驗證上的程序來規範。
先前談到的主動安全系統中，除了感知系統外，還需要在行動系統方面的開發與整合。由於機器感知在空間與速度的估測上比人類感知更精準，加上對車輛各種狀態的即時估測，主動安全系統應可採用比人類更有效更安全的方式來操控車輛載具。而更有效更安全的操控方式，對駕駛者及車上乘客的乘坐舒適度與心理壓力上的影響亦需要加以考慮。這需要車輛工程與機器感知更緊密的結合。而在自動駕駛與自主駕駛中，根據所設目標、任務與感知系統所提供周遭環境的狀態估測，決定車輛路線規劃與行車策略之決策系統是相當重要的。決策系統最基本的要求的是必須要考慮感測系統的不確定性與行動系統的限制來決定最佳測策略。但另一挑戰則是如何發展因為社會介面不同所造成各地域顯著不同的交通行為模式。不難想像一個在美國灣區所發展與驗證的自駕車輛決策系統並不會完全適用於美國紐約，更不用談台北或是上海了。這也造成自駕系統量產上的挑戰，以及自駕車初期只能在限定區域上執行自主駕駛或是更高階的自動駕駛的原因之一。反過來說，這也可能是各地域團隊可以與大公司抗衡或是合作的技術項目之一。
工研院機械所自駕系統功能展示影片：https://youtu.be/89o7rbQLi0g
自駕車與車聯網
車聯網是在通訊領域一個很重要的應用與市場，車輛乘客需要高速可靠的通訊來滿足工作、娛樂上連網的需求。除此以外，車聯網亦可解決困難的自駕車感知系統問題。目前最新進的、最昂貴的自駕車感知系統還是無法解決感測器被遮蔽的問題。試想一自駕車周遭被數台大型遊覽車環繞，就算高精度光達也無法看到遊覽車背後的環境。另一例子是在小巷弄中，建築物所造成的遮蔽也會使得自駕車對危急事件的處置時間大幅縮短。如果所有在環境中的移動物體透過車聯網通報他們的位置，那這些遮蔽問題，就能獲得一定程度的改善。但這方法的挑戰在於與通訊安全防駭機制的確保與各個移動物體回報位置的精確度。我們相信通訊領域專家會解決車聯網中通訊相關的課題。對於位置的精確度，目前只使用GPS估測的位置準度還不足夠用來確保車輛安全，而較先進準確的GPS系統亦還無法克服被建築物遮蔽衛星信號的問題而無法涵蓋所有地區。而就算未來 GPS 系統能全面提供公分級精度位置估測，在功能安全的考量上，車輛上還是要有感測器來確認這些由其他裝置傳來資訊的正確性。畢竟，完全相信外界系統的訊息，而沒有用自己可掌握的系統來確認的做法也也會造成使用者的疑慮。
除了單純解決感知系統中的遮蔽問題外， 車聯網還可以進一步增強自駕車的感知能力。在車輛分享自己感測器的訊息給周遭車輛的情況下，每台車無形就多了好幾台光達、雷達與相機，這時感測器融合系統將可估算出更準確周遭環境狀態。在這樣的設計中，大家都可以以較低成本的感測器系統來達成所需的性能表現。除了動態物體可以分享他們的動態與資料，整個交通系統也可以廣播他們的動態與更新。比如說，紅綠燈號誌系統可以即時廣播號誌訊號，車輛自駕系統再與相機系統所提供紅綠燈偵測辨識結果做雙重驗證來確保感知估測結果正確。而先前所提環境改變所造成的感知估測與電子地圖不匹配的問題，比如說臨時施工或突發事故，亦可以車聯網系統主動廣播，來確保整個系統的強健性。我們並不鼓勵以單一感測器或是單一系統來執行自駕車相關任務，而是整合這些不同的方法、感測器與系統來確保自駕車與互聯車系統的安全。
自駕車對的產業與社會的衝擊
當我們把自駕車的焦點放在自駕技術的研究以及產品市場上，許多人已經把眼光放得更遠，開始關注自駕車上路後對社會與產業的影響。新一波的新創事業，也已經悄悄的在這些項目上展開，這其中，大部分是資通訊技術的延伸，因為自駕車就像手機一樣，提供了一個新的平台。首當其衝的就是保險，根據麥肯錫的預測，自駕車將降低90%的事故率。這樣的結果將使得強制保費大幅降低，因此可能將Usage Based Insurance (UBS)與雲端資料庫結合，推出新的保險方案，這個趨勢不需要到 Level 5 的自駕功能。未來因為車聯網以及更多車外感測資訊，可以即時的去分析車輛行駛的危險程度，因此保費高低與駕駛行為，路況，以及天候等，就有更準確的鏈結。保險公司可以把這個大量的數據以及分析，販售給汽車公司，政府等單位，間接的降低消費者的保費負擔。根據估計，UBI的全球市場規模將在2022年成長至一千兩百三十億美元[12]。把車輛連結到網路是物聯網的概念，加上自駕功能，也會直接對短程空中運輸，貨運與客運，車輛的維修等造成重大影響與改變。
自駕車提供的一個重要改變是便利性，因為就像擁有一個私人駕駛一樣，乘客不需要擔心停車等問題。這可能會影響到停車空間的規劃，進而影響城市規劃與房地產。甚至有人在推論是否城市還需要停車空間，也就是結合共享模式的自駕車，可以在城市道路上不停行駛與載客，就像現在的計程車一樣。或是私人擁有的自駕車，乘客下車後就可以讓車子自己去排隊停車，或是不停的繞圈等待。這種因為自駕車造成私人的自由度擴張，Rodney Brooks教授則認為是一種反社會(anti-social)現象[2]，尤其是先期擁有自駕車階級者，可能會不公平的佔據社會資源。例如在擁擠且缺乏車位的是中心繞圈等待，或是提早派自駕車去排隊等，我們現在常看到路邊的車位長期被佔據，以及機場接機路段混亂的情形，都有可能因為自駕車的加入而更為嚴重。我們需要管控這種因為科技的進步，導致人類自由的擴張嗎?就如同去管制在網路時代，對於從網路獲得的他人隱私可以去運用的界限一樣。這都是相當嚴肅且複雜的問題。
美國人平均每天花46分鐘在開車，這在全世界許多國家也一樣，在都會區或是工業區時間更長。這些時間如果因為自駕車而空出來，背後代表的就是龐大的商機。例如在車內可以開始工作，讀取資訊，社交或是購物等。但是要讓人類可以在隨時會加減速的車內閱讀，必須解決暈車問題[1]。暈車的原因來自於視覺感受與身體的運動感知無法匹配，因此未來一定需要這方面的科技來解決這個問題，或是，在車內可能語音與聽覺方面的介面將大行其道，藉以降低視覺負擔來減低暈車程度。此外，我們現在旅遊，或是出差的模式大部分是利用白天時間開車，但是這卻佔據了假期時間，也就是說如果可以在自駕車內睡覺，可以利用深夜的時間行駛，充分利用白天的時間遊玩或工作。這會立刻會衝擊到如汽車旅館，速食店等的行業，但同時也會產生新的服務業。總之，在行駛的車子上，乘客像是被「困住」一樣必須由網路去與外界連結，這使得網路巨擘像是Amazon，Google，與Facebook等競相爭取在這個平台上的地位，也將衍生許多新的服務廠商，這個尚未開發的機會，是值得我們好好思考與發展。