今年3月,在我居住的美國亞利桑那州有一名女子在穿越坦佩市磨坊大道(Mill Avenue in Tempe, AZ)時,被一輛Uber自動駕駛車撞擊身亡。身為一名科技記者,我很清楚我周遭發生的事情,但我從未想過當我在這裡過馬路時會遇到自動駕駛車輛在大街上漫遊,那位女士也是。本文期望能讓讀者對自動駕駛技術以及車用通訊(V2X)技術有更多了解。

使用整合了行人頭部朝向感知與態勢感知(situational awareness)、情境危險性(situation criticality)、空間佈局線索(spatial layout cues)以及V2X技術的動態貝氏網路(dynamic Bayesian network)對行人路徑進行預測,有可能挽救亞利桑那州的那條性命(圖1)。V2X可以協助駕駛員識別視線以外的行人移動情況,例如在停放了許多轎車、休旅車和卡車的地方。

EDNT180903_AV_NT31P1

圖1:使用動態貝氏網路預測行人路徑也許能夠挽救亞利桑那州的那條人命。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

身為一個技術專家和電子工程師,我希望看到智慧技術在我們日常生活的各方面取得成功,這對於改善社會是有意義的;但要謹慎的是,我們必須盡力以安全的方式導入這些技術。

根據世界衛生組織(WHO)的統計,每年約有125萬人死於道路交通事故。毫無疑問,在這個充滿智慧型手機、平板電腦,以及汽車儀表板上配備螢幕可顯示GPS導航路線圖的時代,人們在今天的道路上駕駛汽車比以往任何時候都更容易分心,這是危險而且致命的。自駕車能排除人類駕駛員分心的問題,但終究也是人類、而且是只有人類才能利用軟體、處理器和感測器等技術,打造和控制未來的自動駕駛車輛。我們是工程師,我們可以用安全的方法來做這件事。

在智慧城市環境中進行測試是一種更加可控和更安全的自動駕駛汽車測試方法。接下來看看隨著安全系統處理、軟體和感測器技術的成熟,我們可以擴展和開發的一些可能性。

功能安全

ISO 26262是關於汽車生產中電氣和/或電子系統功能安全的一項國際標準,旨在提供一個汽車安全生命週期(包括設計、生產、營運、維修到報廢),並為在生命週期的各個階段量身打造必要的活動提供支援。ISO 26262實際涵蓋了整個開發過程的功能安全各個方面,包括規格、設計、實作、整合、驗證(verification)、確認(validation)和配置的要求,還提供確認和證明措施的要求,以便確保達到足夠、可接受的安全水準。

該標準不僅涵蓋硬體,也包括韌體、軟體和工具等,還提供了一種以汽車特定風險(automotive-specific risk)為基礎的方法來判定風險等級;這種車用安全完整性等級(automotive safety integrity levels,ASIL)分為A、B、C、D四個等級,嚴苛度由低至高。

車輛內部及周遭:人類

若要瞭解智慧車輛以及全自動駕駛車輛中最新的駕駛輔助功能,首先必須瞭解人類在車內和周遭的行為;設計工程師必須瞭解人類在車內及車輛周遭的行為/動作並建立模型,最終才能做出預測(圖2)。

EDNT180903_AV_NT31P2

圖2:需要對人類行為進行觀察、理解、持續建模和預測。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

車內

在高度自動化或自動駕駛車輛內的人來說,駕駛員可能出現分心或疲勞狀況;或者如果有乘客,系統必須評估他們是否準備好在緊急情況下接手駕駛。車內需要安裝多個不同視角的攝影機。

人和動物在車內窒息(suffocation)的狀況是此主題下的一個子議題。車內的溫度或許可作為一個因素,也可以佈署被動紅外線和聲音感測器,也許也可以用微波感測器來感知呼吸。

車輛周遭

車輛周遭需要採用各種智慧系統、攝影機、光達(LIDAR)、雷達,甚至人工智慧(AI)以及V2X功能(稍後將有更多討論)。

EDNT180903_AV_NT31P3

圖3:汽車安全系統需要研究和感知車輛周遭的人類活動,這是安全性的一個重要部分。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

車輛周遭的感知所使用的技術可能與車內不同,視覺感測器也需要能辨別色彩、熱以及距離。

周遭車輛中的人

利用合適的攝影機、感測器和軟體,基於視覺的演算法甚至可用來理解周圍汽車中的人的行為和意圖,預測其操作,並辨別他們的駕駛技能、風格和專注度(圖3)。KLT (Kanade-Lucas-Tomasi)追蹤演算法尤其適用於人臉偵測與追蹤。

車用感測技術:攝影機、光達和雷達

沒有單一裝置可以在所有條件下為車輛提供完整的偵測功能和安全性,但透過感測器融合,處理系統可以利用結合車內所有感測器的能力來提供最佳安全系統...

...繼續閱讀請連結EDN Taiwan網站