制造业调查
MCU
 

加速自驾车发展 大量数据搜集、资料共享、模拟测试等为关键

M-city测试场域设有40道关卡及情境,并建置5G联网环境,可训练自驾车作到基本动作。University of Michigan

2018台湾车辆国际论坛以自动驾驶电动车为主轴,邀请密西根大学(University of Michigan)M-city负责人彭晖教授谈论全球自驾车发展与运行,其认为汽车电动化趋势已相当确立,下一步则是加速自驾车的发展进程,而大量数据资料、开源平台、资料共享、模拟测试等为关键因素。

根据美国汽车工程师协会(SAE)定义,自驾车分成Level 1~Level 5共五个等级,现主要车厂销售的中高阶车款已具备Level 2程度;以自动紧急煞车系统(AEB)为例,2021年美国新车都要求搭载此功能。

Level 3车款是允许驾驶人同时放开手、脚开车,奥迪于2017年秋季首先在德国上市;Level 4等级会优先导入无人巴士、或在固定路线行驶,其中,自驾大巴走主干道,与最后一哩路(Last Mile)为诉求的自驾小巴于智能交通系统中属互补角色。

现阶段尚未有Level 5的自驾车上路,因Level 5是要求车辆可在任何时间、任何地点可自由行驶,技术复杂度相当高。

Level 2(含)以上自驾车所配备的主动安全系统,在很多情境中可协助人类驾驶能力的不足。例如夜间有动物闯入车道时,车子可实时刹车、以确保驾驶人及动物安全;但有时自驾车也会出现意外,例如近期发生的Uber及Tesla车祸事件即是。

不过,以2018年3月Uber事件为例,有些失误是明显归咎在Uber本身,例如其采用的Volvo车款原本有内建AEB功能,但Uber却将此功能关闭;或有调查显示,Uber减少传感器应该搭载的数量。

由以上可知,不同的厂商所开发的自驾车「程度」有所差异;因此,自驾车应该要像人类需「考驾照」,并依车子的表现再分级,例如区分Level 2、Level 3、Level 4等。

前述主要谈到国外情形,事实上,大陆发展自驾车亦相当积极,虽百度阿波罗计画及其平台尚未相当完善,但释出许多开源信息;另一方面,中汽中心亦建议由各车厂至大陆各地区搜集数据资料,并将数据开放共享、让所有车厂使用,以加速自驾车发展进程。

彭教授也提到,由各车厂搜集资料并共享,实务上会有难度,例如每台车辆所装设的相机模块、其画素数需要一样,且车脑运算能力也要一致;然有些车厂搜集到的资料质量不佳,接下来集成A车厂搜集到的东北资料、B车厂搜集到的中部资料等,则会产生问题,因此,要做到大陆20家以上车厂资料共享目标是有难度。

搜集大量资料后,接下来要训练自驾车的开车能力。加速自驾车上路方法,大致区分以下三个步骤,一是99%比重于模拟情境(Simulations)作训练,此好处是节省成本、避免真实环境中造成人员伤亡、模拟出来的累计哩程数多;二是0.9%比重在测试场域训练;0.1%比重才是在真实道路作路测。

以M-city为例,该测试场域设有40道关卡及情境,并建置5G联网环境,可训练自驾车作到基本动作;大陆工信部及交通运输单位则要求自驾要达到14项基本功,例如交通号志及标线识别与反应、障碍物识别及反应、超车、人工操作接管等。

未来自驾车会带动汽车迈向电子化方向发展是相当确定,因其搭载大量传感器、高效能运算处理器、人工智能超级计算机等;而让自驾车达到高度自动驾驶能力,大量资料搜集、开源平台、资料共享、加速自驾车训练及验证等,为缺一不可的关键因素。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 密西根大学 自驾车 Mcity 自驾技术