人工智慧在自動駕駛車的作用

作者 : Anton Hristozov，軟體工程師/研究員
2020-10-12

自動駕駛車輛(autonomous vehicles)在農業、交通運輸和軍事等領域開始成為一種現實，很快地我們也將會看到它應用於一般消費者的日常生活中。

自動駕駛車輛根據感測器資訊和人工智慧(Artificial Intelligence；AI)演算法來執行一些必要的操作，因而需要收集資料、規劃並執行行駛路線。而這些任務，尤其是規劃和執行行駛路線需要非傳統的編程方法，這就有賴於AI中的機器學習(Machine Learning；ML)技術。

自動駕駛車輛仍有許多任務面臨巨大的挑戰，必須採用更先進縝密的方法來解決。取代人類的認知和運動能力並不是一件容易的事情，還需要持續多年的努力。AI還必須解決各種不同的任務，才能夠實現安全和可靠的自動駕駛。

宅經濟下，你需要知道電競週邊整合方案

本文將介紹讓自動駕駛車得以實現的AI應用，並提出其所面對的挑戰以及至今取得的成就，另外也探討了相較於傳統軟體的AI本質差異。在後續的文章中將進一步討論在自動駕駛領域進行開發、測試和部署AI技術的特定挑戰。

自動駕駛車的AI分析

自動駕駛車是汽車產業中成長最快速的領域，而AI則是自動駕駛車中最重要和最複雜的組成部份。圖1所示為典型的自動駕駛車組成。

自動駕駛車對於傳送即時數據的感測器數量，以及對數據進行智慧處理的需求可能會非常龐大。而AI主要被用於現代汽車的中央單元以及多個電子控制單元(ECU)中。

由於AI已在機器人等眾多領域中得到應用，它自然成為自動駕駛的首選技術。結合AI和感知等技術承諾可提供更安全、更具確定性的行為，從而帶來燃油效率、舒適性和便利性等優勢。

開發像自動駕駛車這樣複雜的AI系統面臨諸多挑戰。AI必須與多種感測器互動，並即時使用數據。許多AI演算法都是運算密集的工作負載，因此很難搭配使用記憶體和速度受限的CPU。現代車輛是一種即時系統，必須在時域中產生確定性結果，這關係到駕駛車輛的安全性。諸如此類的複雜分佈式系統需要大量的內部通訊，但這些內部通訊通常易於造成延遲，從而干擾AI演算法做出決策。此外，汽車中執行的軟體還存在功耗問題。運算越密集的AI演算法消耗功率也越多，尤其是對僅依靠電池充電的電動車(EV)而言，這會是一大問題。

在自動駕駛車中，AI用於執行多項重要任務。其主要任務之一是路徑規劃，即車輛的導航系統。AI的另一項重要任務是與感測系統互動，並解讀來自感測器的數據。

很顯然地，提供一套完整的解決方案來取代人類操控駕車的是一項艱鉅的任務。因此，製造商們開始將問題劃分為更小的部份，並逐一地解決，以期透過小幅進展最終實現完全的自動駕駛。業界一直不乏新創公司或具顛覆性的公司試圖解決所有的自動駕駛問題，並曾誓言要在2020年實現完全自動駕駛車上路。如今看來，現實顯然更複雜得多了，AI本質上存在的一些問題帶來了很多障礙。

隨著AI的發展與完善，我們將越來越接近具有安全且自主行駛的交通運輸願景。在那之前，我們必須展開長時間的開發與測試，而最終是否採用則取決於消費者的信心以及市場驅動力。儘管比預期費時更長，但一切終會發生。

需求與要求已經出現了，技術也幾近完備。其實際應用可能或快或慢，這完全取決於法規要求。分階段實施是可行之道，從比較簡單和更具確定性的用例開始，例如先在已知環境中導入自動駕駛。如果僅在具有較少未知的特定條件下行駛自動駕駛車，則可以充份緩解所使用的演算法壓力。

自駕車中的AI應用

感測器數據處理

自動駕駛車輛在運行期間，無數的感測器為車輛的中央電腦提供了數據，包括道路資訊、道路上出現的其他車輛資訊，以及如同人類感知般地偵測到任何障礙物的資訊。有些感測器甚至可以提供比普通人更好的感知能力，但要做到這一點就需要智慧演算法，用於理解即時產生的數據串流。

智慧演算法的主要任務之一是檢測並辨識車輛前方和周圍的物體。人工神經網路(ANN)是用於該任務的典型演算法，也稱為深度學習，因為神經網路包含許多層級，而每個層級又包含許多節點。圖2顯示了這種深度神經網路，不過在實際的神經網路中，其節點數和層數可能更多。

為了分類物體，視訊輸入分析採用機器學習演算法以及最可行的神經網路。由於我們有多個不同類型的感測器，因而必須為每個感測器配備專用的硬體/軟體模組。這種方法允許平行處理數據，因此可以更快做出決策。每個感測器單元都可以利用不同的AI演算法，然後將其結果傳達給其它單元或中央處理電腦。

路徑規劃

路徑規劃對於最佳化車輛行駛軌跡並產生更好的交通模式非常重要。它有助於降低延遲並避免道路擁堵。對於AI演算法來說，規劃也是一項非常適合它的任務。因為這是一項動態任務，可以考慮到很多因素，並在執行路徑時解決最佳化問題。路徑規劃的定義如下：「路徑規劃讓自動駕駛車輛能夠找到從A點到B點之間最安全、最便捷、最經濟的路線，它利用以往的駕駛經驗協助AI系統在未來作出更準確的決策。」

路徑執行

路徑規劃好之後，車輛就可以透過檢測物體、行人、自行車和交通號誌來掌握道路狀況，透過導航到達目的地。目標檢測演算法是AI社群的主要關注點，因為它能夠實現仿人類行為。而當道路情況不同或天氣條件變化時，挑戰就來了。許多測試車輛發生事故都是由於模擬環境與現實環境的條件不同，而AI軟體若接收到未知數據，很可能會做出無法預測的反應。

監測車輛狀況

最具前景的維護類型是預測性維護。其定義如下：「預測性維護利用監測和預測模型來確定機器狀況，並預測可能發生的故障以及何時發生。」它嘗試預測未來的問題，而不是已然存在的問題。從這方面來看，預測性維護可以節省大量的時間和金錢。包括監督學習和無監督學習都可用於預測性維護。其演算法能夠根據機載和機外數據來做出預測性維護的決策。用於該任務的機器學習演算法屬於分類演算法，例如邏輯迴歸、支援向量機以及隨機森林演算法等。

收集車險資料

來自車輛的數據記錄可以包含有關駕駛員行為的資訊，而且這些數據可以用來分析交通事故，也可用於處理車險理賠。所有這些都有助於降低汽車保險的保費，因為具有更加確定的安全性與保證。對於全自動駕駛車輛來說，賠償責任將從乘客(不再是駕駛人)轉移到製造商。而對半自動駕駛車輛來說，駕駛人仍可能承擔一部份責任。

要證明這一類的情況將越來越依賴於車輛AI系統所擷取到的智慧數據。來自所有感測器的數據會產生巨量的資訊，隨時保存所有數據可能不切實際，但是保存相關數據的快照，似乎是獲得證據的折衷方法，這些證據可用於特定交通事件的事後分析。這種方法類似於黑盒子保存數據的方法，可以在發生碰撞事故後根據其中的數據進行分析。

附圖：自動駕駛在農業、交通運輸和軍事等領域開始成為一種現實，很快地我們也將會看到它應用於一般消費者的日常生活中...
圖1：自動駕駛/連網車輛。（來源：Lentin, 2017）
圖2：深度神經網路示意圖（來源：Beachler, 2019）。

資料來源：https://www.eettaiwan.com/20201012ta31-role-of-ai-in-autonomous-vehicles/?fbclid=IwAR3ynFHau_8Podk-XKuJWJnvDbxUOR_TeNH-HWNiv7qOHV8LDTQAKVI3HmY

調整一下，讓機車進南迴草埔隧道

賴明煌／交通部公路總局西濱南工處兼高南區前處長（嘉縣水上）

南迴改通車，來自全台各地種機車族分聚南迴改台東、屏東兩端抗議南迴改禁行機車。記者羅紹平／攝影

五年前開鑿南迴公路草埔隧道銜長六點三公里達仁高架橋，再往東接全台最美多良金崙大鳥高架橋，昨天在行政院長蘇貞昌親駕車見證下正式開放通行，將給東南部邊陲如西部快速公路服務。

該隧道採雙向分離孔徑十米兩車道、全長四點六一公里，是全國第五長隧道，對挖鏡面貫通精確度二公分內，具座直徑十米深一一二米豎井，讓施工增加四個工作面，通車時又提供對流換氣減溫與緊急逃生救災，故隧道內空氣品質應比同長度無豎井隧道優越許多。縱下月六日通車之蘇花改計畫案有八座隧道，亦無豎井配設；長十二點九公里國道五雪山隧道才具三組豎井，其一號排氣豎井直徑六米深五四一米比一O一大樓五O八米還高。

南迴公路是台東、屏東兩縣唯一公路要徑，亦是環島必經路。該公路蜿蜒釀一年一五O件車禍，投資二四一億的南迴拓寬計畫全線通車，路程減五公里，設計行車時速八十公里如快速公路，讓台東到屏東比目前四小時省半小時以上，每天數萬車受惠安全便捷與緊急醫療救難，並因行車順暢每年可減碳逾萬噸。

但該隧道通車僅允遊覽車小客車行駛，禁止大貨車與機車通行，致釀機車騎士爭取開放通車。

檢視隧道淨高四點六公尺，淨寬十公尺，設三點五公尺兩車道與內外路肩零點三公尺，餘為邊溝地下管道檢修步道兩側各一公尺，僅剩零點四公尺淨寬。據公路路線設計規範：｢時速五十至八十公里內的車道寬度為三點二五至三點五公尺｣，該隧道營運時速七十公里，若原設三點五公尺兩車道均改三點二五公尺，可提供遊覽車行駛，可省零點五公尺寬。

再把外路肩Ｕ型凹槽預鑄ＲＣ邊溝與五米一道鍍鋅格柵洩水孔兼清潔口鋪上不銹鋼網，改填高孔隙瀝青混凝土面層，具透水入滲原溝槽再排洩水孔；並在隧道西側銜接橋梁伸縮縫處加設橫攔水格柵，就可截流雨水減少隧道內負荷。這樣多一米寬再加調整車道寬零點五公尺，可騰一點五公尺機車專用道所需寬。並加強隧道燈光投射交通指示標誌及攝影執法措施和通風排煙，減少隧道黑洞效應與大車侵犯機車路權等，這樣調配讓地區部落弱勢機車族與環島機車族，可使用此安全便捷的隧道與高架橋。

分享8/2號轉運站正式營運後相關的路線及周邊道路交通管制資訊給大家

因應國道客運新竹轉運站啟用，進出轉運站之國道客運車輛預計最高每日達760班次，假日高達877班次，為利市民及民眾了解行車路線及如何前往轉運站，市府已規劃相關路線資訊指引民眾前往，站內周邊道路交通管制與行車動線指引如下，請民眾依照標誌標線指示前往：
一、 轉運站周邊道路交通管制措施：
1. 東南街1巷及南大路218巷實施單向管制，提供單純車流運作，減少衝突及回堵。
2. 南大路與公竹路口及南大路與218巷口車道調整，增加1車道提供進出轉運站紓解車流。
3. 南大路沿線交通號誌調整。
4. 公竹路與大客車專用道及東南街1巷路口處禁止左(迴轉)。
5. 東大路與南大路口禁止大客車右轉。
6. 公竹路與東南街1巷路口，禁止左轉。
7. 周邊路網動線示意如附後圖:

二、 民眾前往轉運站可由下列路徑前往
1. 光復路交流道(國1南下與北上) →公園路→公竹路→ 新竹轉運站
2. 公道五路二段交流道(國道1號南下北上) →公道五路二段→忠孝路→光復路→新竹轉運站
3. 東大路(往市區) →舊東大路橋→南大路→新竹轉運站
4. 中華路四段(北上)→林森路→振興路橋→南大路→新竹轉運站
5. 茄苳交流道(國3南下、北上)→景觀大道→客雅大道→明湖路→南大路→新竹轉運站
6. 寶山交流道(國3南下、北上) →聯絡道路→園區二路→寶山路→西大路→南大路→新竹轉運站
7. 西大路→西大路地下道→南大路→新竹轉運站
8. (1).經國路一段→東大路→南大路→新竹轉運站
(2).中華路一段→民生路→民族路→東大路→新竹轉運站
9. 導引路線示意圖如下:

市府呼籲請民眾前往新竹轉運站時應遵守實施之交通管制措施，以確保行人安全並避免車輛遭取締受罰，倘市民有相關建議亦可向新竹市政府交通處提出，以作為改善之依據。
最後，新竹市政府呼籲 遵守交通規則，並注意行車安全，以維護市容與道路順暢。