新知介紹

歐巴馬讚不絕口的「駕駛技術」,自駕車大幅降低車禍率

2017-04-04

20169月,美國前總統歐巴馬卸任前特地投書匹茲堡郵報,論述美國政府看待自駕車輛(self-driving vehicles)的開放立場,並希望相關產業在獲得政府支持的同時,也能遵循15項安全規範以保障人民安全。

未來,當技術成熟,就真如歐巴馬所言:自駕車將成為一個促進產業升級、通勤安全、改善人們生活的明日之星嗎?

本文以三大重點為你揭開自駕車的神秘面紗:1. 千里眼與聰明腦–感測器和人工智慧。2. 比人類更快、更穩、更準的鐵人駕駛。3. 最後一哩路?自駕車仍需克服的挑戰。

 

創新心法:

透過感測器及人工智慧,自駕車技術逐漸成熟,使行車更加安全。卻需思考給予自駕車深度學習的資料和道德判斷。

 

根據美國國家公路交通安全管理局(NHTSA)採用的分級,未來車輛將依據自動駕駛技術介入的程度,從完全由人類駕駛、到全自動駕駛,共分為0~5級。首先,先來看看影響自動駕駛進步幅度的兩大關鍵:感測器與人工智慧。

 

1.千里眼與聰明腦–感測器和人工智慧

一般而言,為了複製人類的感官,自駕車平均需要安裝2、30組各種感測器(sensor)來偵測外在環境,包括攝影機、雷達、光達(LiDAR)、超音波等等。

 

section-hero-carnival@2x

(圖片擷取:Tesla)

 

多樣的感測器針對不同目的發揮作用,如攝影機拍攝各角度的畫面、雷達偵測前車動態、光達即時建立周遭的3D全貌。和人類的感官相比,偵測的有效距離更遠、死角更少。

有了敏銳的感官,還需要聰明的大腦。此時,具備學習能力的人工智慧就派上用場。

比方說,如何分辨前方的物體是小孩還是垃圾桶?行人、腳踏車、機車經過時,行車速度又該如何調整?路口能不能左轉?諸如此類的問題對人類來說相對容易,而人工智慧需要大量的資料進行訓練。

在數據量決定自駕車性能的前提下,許多新創公司Uber、Waymo(由Google自駕車計畫獨立出的子公司)早已開始由大量道路實測來收集數據,用以訓練自家人工智慧,希望能夠有越來越聰明的大腦。

結合了厲害的千里眼和聰明腦,自動駕駛被賦予什麼樣的優點呢?

 

2.比人類更快、更穩、更準的鐵人駕駛

A更敏銳的感官

對人類駕駛來說,夜晚經過沒有路燈照明的路段時,路邊衝出的小動物、黑暗中行走的路人或未開大燈的汽機車都可能變成致命殺手。

配備不受光線影響的各式偵測器之後,自駕車在視線不佳的環境也能保持順暢的行進。

人類雙眼的視角大約是180度,即使加上後視鏡仍然存在許多盲點。有鑑於此,遍佈車身的感測器提供上下左右全方位的感知,消除盲點的存在,提升車輛行駛的安全。

 

Volvo-self-driving-car

(圖片擷取:inhabitat)

 

B更快速的判斷

每個人的速度變化感受不同,再加上駕駛經驗的差異,都會影響人類對煞車時間點的判斷。而自駕車能夠持續監測周遭車輛的狀態,再依據目前相對的動向、車速及車距變化來計算出最佳的煞車或閃避時機,提早預警來自四面八方的威脅並作出反應。

快速判斷的優勢體現在安全性,就如以下Tesla輔助駕駛(Autopilot)的行車紀錄中令人驚奇的幾個場景:前方快要發生撞擊時提前發出警告並減速、自動閃避來自斜後方想要切換車道的魯莽駕駛等,都是人類的能力無法做到的。

 

 

C更可靠的駕駛

根據美國國家公路交通安全管理局(NHTSA)統計,人為造成的交通意外的四個主要原因分別是:疲勞、分心、酒駕和操作失誤。

表面上,自動駕駛不因手機訊息分心、經得起長時間駕駛,車內小孩的哭鬧也不會讓機器產生情緒起伏,是非常理想的司機人選。

但值得注意的是,人性難以預測,專注且耐操的自動駕駛雖然可以避免人為失誤,不過在人類及機器駕駛並存的車道上,仍要小心來自其他魯莽駕駛的無妄之災。

總結而論,自駕車比起人類駕駛更敏銳、更全面也不怕疲勞。那麼,在不久後的將來,我們是否就能看到載著乘客的自駕車到處跑了呢?

 

3.最後一哩路?自駕車仍需克服的挑戰

自動駕駛技術已取得相當成果,廠商紛紛推出自家概念車。但是,在正式上路之前,技術、商業、法規等諸多層面都還有許多尚待克服的難題,讀者可以一起思考:自駕車普及後,將會如何影響我們的日常生活。

A道德困境

如果有一天,你駕駛的車輛突然煞車失靈,必須在瞬間作出決定:冒著喪命的風險撞上一堵水泥牆、或是衝撞其他車輛來提高自己生存的機率。你會怎麼做?

類似的選擇難題在道德層面不斷被提出討論:人類駕駛有自己的一套價值取捨;然而,同樣的情形套用在自駕車時,當意外發生,乘客或其他用路人的命運早已被決定在程式碼邏輯之中。

擴大影響層面來看,相關的法律責任究竟該歸屬於車廠、工程師或乘客本身呢?保險及法規又該如何制定?這些都是自駕車上路之前需要好好深思的問題。

B極端天候

在雨天、下雪、大霧等極端天候下,車輛的感測器會受遮蔽而無法完全發揮作用,用以定義道路的標線也難以辨識。因此,為避免誤判造成意外發生,自動駕駛系統在惡劣天氣中仍需將控制權交還給人類駕駛。

 

uber-has-also-said-extreme-weather-poses-issues-for-the-cars

(圖片擷取:Business Insider)

 

為了突破天候限制,Volvo、Ford等傳統車廠開始努力嘗試在缺乏道路標線作為依據時,改由辨認護欄、行道樹或電線桿來取而代之。Google則是偵測天氣狀況,調整軟體演算法來因應惡劣天候。

C影像辨識的精確度

根據紐約時報記者的乘坐經驗,自駕車的影像辨識遇到路面陰影、坑洞、水窪或油漬時會產生困惑,需要較長時間確認是否繼續前進。

 

8637125334_6cfd88d8c9_k

(圖片來源:Flickr)

 

除了警示障礙,影像辨識也肩負著對照街景來確認路線的重要任務。若街景更新速度跟不上實際變化,將讓自駕車不知自己身在何處。

Uber的實驗車在經過橋梁時,曾經因為兩旁太過空曠,缺乏大樓、路牌等標的物指引而經歷短暫迷航。

 

aa2721.11_16_35_01.still001

(圖片擷取:Business Insider)

 

另一個關於行道樹的有趣例子是:Uber在秋天時儲存的街景中,行道樹的葉子已經掉光;到了春天,樹梢冒出的新芽卻使影像辨識產生困難,困惑的自駕車只好無奈地向操作人員求救。

由以上例子得知,如何精進影像辨識能力,是打造出更聰明的自駕車不可避免的重要挑戰。

D應變能力

以現今技術來說,人工智慧針對單一任務表現傑出(如下圍棋的AlphaGo、挑選小黃瓜的機器學習),但處理複雜任務的能力有待加強。

 

8384110298_da510e0347_b

(圖片來源:Flickr)

 

在自動駕駛的領域,面對各種難以預測的人類行為,自駕車配備的人工智慧除了遵守交通規則,還需要舉一反三、靈活的應變彈性。

舉例來說,人類駕駛發現人行道上有小孩在玩球時,通常會提高警覺並放慢速度;但在自駕車的視野中,小孩在車道範圍之外、移動速度緩慢,據此認定危險程度不高而保持正常行駛,無形中提高意外風險。

此外,在新加坡進行的自駕車道路實測記錄中,多數事故並非自動駕駛系統失靈,而是好奇的民眾會突然跳到車前,想看看車子是否能夠自動煞停而導致。

因此,訓練人工智慧將人類的不確定性納入決策,讓機器的駕駛技術可以應付多變的突發狀況,是提高市場信心的下一個關鍵里程碑。

從種種成果看來,自動駕駛技術仍有許多改善空間。因此,現階段將自駕車科技定位在輔助人類駕駛的角色,會是比較務實的角度。

對自駕車有初步認識之後,接下來《創新拿鐵》將帶領讀者進一步瞭解相關廠商的發展現況,在產業、環境、社會等各種層面,日漸成熟的技術又會帶來什麼樣的變遷?

 

創新拿鐵》正在招募兼職作者,歡迎對國際創新、創業有熱情的朋友加入我們。

 

參考資料:

1.4 reasons why driverless cars aren’t everywhere yet

2.Google’s historic journey in Austin

3.Self-driving cars will be safer drivers than I am, but I’m still nervous in them

4.Twelve things you need to know about driverless cars

5.Uber’s self-driving cars are impressive — but there’s still a lot they can’t do

6.Barack Obama: Self-driving, yes, but also safe

7.Your car will become a second office in 5 years or less, General Motors CEO predicts

8.NHTSA releases self-driving car guidelines

9.再也沒有駕駛了!無人車帶動的產業變遷

10.It looks like Apple hasn’t given up on a self-driving car

11.關於無人駕駛前景你應該知道的幾件事

12.《麥肯錫季刊》:無人駕駛重新定義汽車產業的10個面向

 

推薦閱讀:

1.Google無人駕駛汽車讓我們知道,「先行者優勢」並不是萬能!

2.這陣子,車商都做了些什麼?

3.節能、安全、不塞車!Google用大數據打造智慧城市

上一篇
下一篇

相關文章

Bitnami