ADAS可能帶來意想不到的後果?

2021-04-14
作者 Egil Juliussen,EE Times專欄作者

本文將著眼於長期使用ADAS可能帶來的負面影響,嘗試以兩種不同的方法產生預測情境,來推估該潛在負面影響的危害程度。

每一種先進駕駛輔助系統(ADAS)都被預期能藉由一些比其他方案更好的優勢功能,有助於避免車輛碰撞事故;但ADAS也會帶來意想不到的後果,包括因長期使用以及過度依賴配備ADAS車輛而導致的潛在弊端。

別誤會筆者的意思,ADAS功能仍是提高駕駛安全性的重要技術演進,其快速部署是挽救生命、減少傷害和財產損失的正確策略。但是本文將著眼於長期使用ADAS可能帶來的負面影響,筆者也將嘗試以兩種不同的方法產生預測情境,來推估該潛在負面影響的危害程度。

方法一是研究ADAS車輛的成長速度,並推測在2020至2040年間,哪些ADAS功能會讓駕駛人的開車技能退步。方法二是依據駕駛人年齡檢視駕照的歷史統計數據,來推估2020至2040年間這些駕駛人的年齡組合;在這裡我只使用三組資料:高齡駕駛(65歲以上)、新手駕駛(19歲以下),以及老手駕駛(19至64歲),並預測在2020至2040年間,哪一些ADAS功能會讓駕駛人的開車技能退步。

這的確是一個頗具雄心的目標,卻也是值得未來研究的假設情境,可以讓我們確定這個問題是否嚴重,以及其嚴重性程度。我認為,這可以做為許多碩、博士論文的研究主題,還有機會獲得美國運輸部的研究津貼;歡迎讀者參考我的預測與推估進行你自己的研究!

 

表1:ADAS及意想不到的後果定律。

 (來源: IHS Markit & Egil Juliussen)

 

表1列出了我所謂的「ADAS及意想不到的後果定律」(ADAS & Laws of Unintended Consequences)問題,包含三個部分:黑色字部分是有關ADAS功能以及自動駕駛模式可能會降低長期使用者開車技能的相關問題。

總而言之,由於現在每一輛售出的新車都配備了某種等級的ADAS系統,因此擴大使用ADAS功能可能會讓駕駛人的開車技能下降很大一部分;至少現在每輛新車都提供了以顯示器為基礎的支援駕駛輔助系統,許多Level 0 (L0) ADAS預警功能開始激增,例如前方碰撞預警(FCW)、車道偏離警報(LDW),和車道維持輔助(LKA)等。

表1中以紅色字表示的第二個部分,是從ADAS銷售資料得到的預測情境相關資訊,包括來自市場研究機構IHS Markit的ADAS和自動駕駛車輛數據,將用於下一個預測部分;這些數據包括2020年和2030年美國ADAS和自動駕駛車輛的銷售量市佔率,以及針對可能會降低使用者駕駛技能的ADAS功能和每一個自動駕駛等級的最重要類別提出了預測。

以綠色字表示的表1第三部分提供了以駕照資料為基礎的的類似估算資訊;年齡在65歲或以上的老年人口在美國總人口中的比例正在增加,這些高齡駕駛在駕照總數中佔據的比例也在增加;老手駕駛人是迄今在駕照總數佔據最大比例的類別,達70%或更多。

新手駕駛人所佔據的比例最小,這類駕駛人包含19歲以下的年輕人。不過筆者使用的是這一類別駕駛人數自2020年起的六年累積總數預估值──換句話說,在經過六年之後,這些新手駕駛將成為老手駕駛人。這一個部分也真針對可能會降低這三類駕駛人開車技能的最重要類別提出預測。


面對ADAS應用提供智慧、連線和安全的解決方案


ADAS意想不到的後果:以ADAS資料估算

表2是2020年至2040年的預測數字表格摘要,僅摘錄了2020年、2025年、2030年、2035年和2040年五年的數據。ADAS與自駕車(AV)則包括四個大類:L0-L1、L2-L2 +、L3以及L4-L5;表格最底部是這四個類別的預測數字總和。

 

表2:以ADAS資料估算ADAS意想不到的後果。

 

每個ADAS-AV類別採用的預測方法都是相同的:ADAS-AV車輛銷售資料是基於自IHS Markit取得的2020~2030年間細分市場市佔率,筆者將此預測擴展至2040年,以歷史資料為基礎、將車輛使用壽命設定為11年,對使用中的ADAS-AV車輛進行估算。標記為紅字的參數為「較低駕駛技能比例(%)」,是最大的未知數,屬於推測性估;將紅色數字乘以「使用中車輛」,可以得到「較低駕駛技能駕駛人數量」。

從表2可以看出,L2-L2+類別在2040年的「較低駕駛技能比例」最高,達39%;這是由於多種模式混淆(mode confusion)、過度自信──例如特斯拉(Tesla)的AutoPilot功能──以及額外的注意力分散潛在問題。

與L2相比,L3的「較低駕駛技能比例」更低,這是因為L2的模式複雜性較低,而L3車輛有一部份時間是自動駕駛;L4車輛的「較低駕駛技能比例」最低,因為像是自動駕駛計程車等類別車輛會始終是自動駕駛,私人L4車輛則是部份時間自動駕駛。

將四個類別的數字加總,「較低駕駛技能比例」將從2020年的0.5%左右,在2040年增加至32.5%;也就是從2020年的67萬人,在2040年增加至7,150萬人,其中絕大多數是使用ADAS車輛的駕駛人。

ADAS意想不到的後果:以駕照資料估算

這個章節提供了一個類似預測的總結,根據不同年齡組別的歷史駕照資料,對2020年至2040年的資料進行了預測,以研究駕駛技能的進展。這些資料至少可以追溯到1963年,包括美國不同州、不同年齡和性別的駕駛人詳細駕照資料。

我下載了1998年至2018年的完整美國駕照資料,並分析了年齡段的變化趨勢。從有關年齡趨勢的歷史資料中,我預測了三個年齡組在2020至2040年間的變化;歷史資料顯示,這三個年齡組的變化緩慢,在2020至2040年的預測中我也假設類似的緩慢變化。這裡還涵蓋了到2040年的美國人口預測,並在表3的頂部列出了擁有駕照的人口比例。

根據美國人口普查局(U.S. Census Bureau)的資料,美國人口將在2040年從2020年的3.33億成長到3.74億,擁有駕照的人口比例預計將在2025至2030年間達到高峰,並隨著這段期間的「行動即服務」(MaaS)使用量快速增加而開始下降。駕照數量預計在2035年達到高峰,約為2.35億。

表3還顯示了三個年齡組別的駕照比例變化。65歲以上族群的比例每年都在增加,從2020年的20.3%,在2040年增加至22.3%。在更早一點的時間,高齡族群駕照比例在2010年為16.1%,2005年比例為14.6%。而低於19歲的駕駛人族群在2007年的比例為1.9%,到2015年下降至1.4%;該數字在2020年預計為1.35%,2040年可達到1.15%。

 

表3:以駕照資料估算ADAS意想不到的後果。

 

較低駕駛技能的估計

表3總結了三個年齡組別中,對於較低駕駛技能駕駛人的估計值。與基於ADAS資料進行的預測一樣,「較低駕駛技能比例」參數決定了估算值,所以它仍然是最大的未知數和推測性估算值;此參數在這裡也以紅色字為標記。

預期65歲以上族群受影響最大,因為駕駛技能本就會隨著年齡的增長而退步,ADAS功能又可能會加速這一趨勢。筆者的推測是,此年齡組別的「較低駕駛技能比例」將從2020年的1%增加到2040年的38%,受影響人數則從2020年的47萬增加到2040年的21,00萬。影響高齡駕駛人技能的因素包括反應時間、視力和聽力問題,以及模式混淆與易用性不足的人機介面(HMI),ADAS的功能性與實施方式是造成這些問題的主要因素。

「新手駕駛」族群是由19歲以下駕駛人的六年間累積總數所構成,這個族群的「較低駕駛技能比例」在2020年為0.5%,估計到2040年將增加到32%。造成新手駕駛開車技能降低的原因包括過度自信、模式混淆問題、智慧型手機造成的分心,以及HMI的明確度。令人憂心的是,此一族群無法達到在ADAS變得重要之前的平常駕駛技能水準。

經過六年的駕駛經驗累積,新手駕駛會進入「老手駕駛」族群;老手駕駛族群數量是將總駕照數量減掉65歲以上高齡駕駛族群人數和新手駕駛人數所計算得出,是最大的一個族群,在預測期間內人數將超過1.7億。該族群的「較低駕駛技能比例」在2020年為0.1%,預計到2040年將增加到26%,受影響人數則從2020年的18萬增加到2040年的4,500萬。對老手駕駛人來說,降低其駕駛技能的因素包括分心、模式問題、過度自信和人機介面複雜性。

以上三個族群的總和顯示於表3最底部;各族群的「較低駕駛技能比例」總計在2020年為0.1%,預計到2040年將增加到29%以上。2020年,潛在受影響駕駛人數為67萬,到2040年則將成長至7,660萬。

需要進一步討論

以上結果當然都是推測性的預測情境,為了對這個潛在問題的嚴重性提供更好的見解,筆者使用了兩種不同的預測方法。其中「較低駕駛技能比例」是不確定性最高的預測參數,我的推測需要更多資訊來支持。

顯然,我們需要更妥善研究這些關鍵預測參數的範圍,以及這些參數如何隨時間而變化。以上兩種預測情境之間的差異從0.2%到8.1%不等,較低數值出現在預測年限的末期。

本文同步刊登於《電子工程專輯》雜誌2021年4月號;責編:Judith Cheng

(參考原文 :ADAS and Its Unintended Consequences,By Egil Juliussen)

 

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報