http://www.artc.org.tw 自動輔助駕駛技術發展 車輛研究測試中心曾柏凱 為了尋求更安全的駕駛方式, 以及更有效率的道路使用環境, 各大車廠一直積極投入自動輔助駕駛或是自動駕駛系統的開發, 好讓車輛可以主動協助駕駛者進行決策或進而介入控制車輛, 希望就預防的角度著手, 達到直接避免意外事故或是減輕傷亡程度的目標 自動輔助駕駛技術的起飛 先進駕駛輔助系統 (Advanced Driver Assist System, ADAS), 簡單來說, 主要是利用感知器得到車輛周遭環境狀況, 進而對駕駛者提供車輛行進間的相關資訊, 提醒駕駛注意潛在危險, 或在可能發生碰撞前預先提醒駕駛者注意, 對於提升駕駛反應時間有相當大的幫助 ; 另一方面, 此系統必須還要能夠判斷何時警告, 何時制動, 不致干擾到正常駕駛行為 隨著相關技術日趨成熟, 歐盟 NCAP 也在 2014 年將自動輔助駕駛中的自動緊急煞車 (Automatic Emergency Braking, AEB) 系統列入測試評量 而 AEB 即正是利用感測器量測與前方車輛的相對距離, 進而計算出相對速度與相對加速度, 再據以計算出碰撞時間 (Time To Collision, TTC), 當 TTC 小於所設定的門檻值,AEB 系統將主動介入執行煞車動作, 其概念如圖 1 所示 圖 1 AEB 系統概念歐 美 日發展脈絡及進展 一般認為, 自動輔助駕駛系統不僅可提高交通系統的使用效率與安全性, 還具有靈活性高 甚至具備環保等優點 因此, 國外許多車廠很早就投入開發 1995 年日本開發了一套 ACC (Adaptive Cruise Control) 系統, 這套系統能夠自動控制自車與前車之間的距離, 使得與前車保持安全距離 ACC 系統分為 : 以雷射為基礎的 ACC (Laser-based ACC) 以及以雷達為基礎的 ACC (Radar-based ACC) 美國在 1994 年由聯邦公路管理局組成國家先進公路系統聯盟 (National Advanced Highway System Consortium, NAHSC), 推動為期 8 年的先進公路系統 (Automated Highway System, AHS) 計畫, 在高速公路上試行跟車系統, 希望藉此降低發生交通事故的機率以及解決塞車問題 1998 年, 聯邦公路管 2 車輛研測資訊 101 期 2014-08
專題報導 理局再接手主導智能車輛開發 (Intelligent Vehicle Initiatives, IVI) 計畫, 其主要目的則是預防交通事故 ( 特別是碰撞事故 ) 所造成的人員傷亡, 提高行車安全 至於歐洲各國在先進安全車輛方面發展的模式, 則是由汽車相關企業和研究單位自行或者合作進行開發, 而其中也有部分計畫獲得了歐盟的經費支持 目前正在進行的計畫如 : 1. LACOS(Lateral Control Support) 計畫由 Fiat Volkswagen 與 Renault 三大企業共同合作開發, 其目標在於開發一套能夠監控前方 側向和後方道路環境的系統, 主要包括兩項功能 : (1) 車道警示輔助 (Lane Warning Support, LWS): 利用車道識別技術, 避免駕駛者因分心或疲勞所造成的非故意性車道偏離情況 (2) 車道變換輔助 (Lane Change Support, LCS): 系統自動監測車輛之側向和後方道路環境情況, 協助駕駛者超車操作 2. CARSENSE 計畫由 BMW 及 Renault 共同參與, 以自適應巡航控制 ( 或主動巡航 ) 系統 (Adaptive Cruise Control, ACC) 的理念, 開發具備先進智慧的駕駛輔助系統 此計畫自 1999 年起開始實施, 也獲得歐洲議會 (EEC) 贊助 3. AWARE(Anti-collision Warning and oidance Radar Equipment) 計畫由 Volvo Celisus Tech Electronics Centro Ricerche Fiat UMS 等廠商共同合作 目的是在於製造一套碰撞預警系統 (Collision Warning and Avoidance System, CW/ A), 當車輛遭遇緊急狀態時, 能夠給予駕駛者警示及自動輔助, 以減少車輛追撞事故 4. P R O T E C TO R 計畫同樣獲得歐盟贊助, 由 DaimlerChrysler Fiat Siemens 和 TÜV 在內的多家汽車相關企業和研究單位共同進行研發 其目的是以 ADAS 為基礎, 開發零事故 (Zero Accident) 車輛, 並將其安全防護對象設定為包括行人等所有未受保護的道路使用者 5. CHAMELEON 計畫是由包括 Volvo Peugeot Citroën 及 Bosch 在內的 15 家汽車及零組件企業共同合作開發 目的不僅在於開發及應用所有可行的保護系統或裝置, 避免碰撞的發生, 並且將相關人員的傷害程度減到最小 此外, 也同時建立技術與功能測試的試驗場, 進行相關國際標準 (ISO) 的研究與系統觀念 架構 安全法規及效益分析等探討 6. AF(Autonomes Fahren/Autonomous Driving) 計畫於 1995 年啟動, 並已在 1999 年 10 月完成 由 Volkswagen 所主導, 並邀集 Bosch Witt 等廠商及 Technical University Braunschweig 等研究單位共同參與執行 計畫主要鎖定在車輛自動駕駛研究與開發, 包括車輛行駛 定位與導航系統 防撞系統 最後目標是希望車輛上能夠配備駕駛機器人 控制系統與感測器, 從而達到自動化目標 7. 義大利的 ARGO 計畫,ARGO 是一輛配備有視覺系統及自動行駛能力的實驗自動車 它能夠判斷車輛在車道上的位置 計算道路幾何線 車輛研測資訊 101 期 2014-08 3
http://www.artc.org.tw 形 偵測障礙物與前方車輛, 再加上運算系統能夠分析安裝在擋風玻璃上的立體相機所收集的影像, 而分析的結果可用來驅動與方向盤結合的啟動器與其它駕駛輔助設備, 換言之, 其目標也是希望發展出一套主動安全與自動駕駛系統 綜觀來看, 正因上述所提及的技術開發如火如荼地展開, 大幅推進了以自動輔助駕駛系統為 自主煞車 加速和車道保持功能, 且最高時速可達到 200 公里 BMW 也不落人後, 旗下 i3 同樣也可以實現自動控制, 並可在遇到交通阻塞時將時速控制在 40 公里 最後,Volvo 則是預計在今年投產一款專門在複雜路況中使用, 時速控制在 50 公里的無人車 當各家車廠相繼發表越來越成熟的自動駕駛技術, 也等於是為自動輔助駕駛系統或是全自動無人車輛劃下新的願景 基礎的無人自動車輛的開發 再加上 2004 年起, 美國國防部先進研究計畫署 (U.S. Defense Advanced Research Projects Agency, DARPA) 主辦長距離無人駕駛車挑戰賽 (DARPA Ground Challenge), 這項原本為激勵學界研發的賽事, 隨著參賽隊伍的表現越來越好, 受到各界重視, 而後更是促成許多車廠投入, 與車隊展開緊密合作, 自然也加速了研發的腳步 如今, 世界上主流的車商, 包括 GM Ford 解析自動輔助駕駛系統 如本文一開始所提及的自動駕駛車輛, 必須配有感測器來感知外界訊息, 並根據外界訊息做出相對應的反應, 而面對外界快速變化且複雜的環境, 要設計這樣的系統首先還須要滿足即時性及可靠性要求 自動輔助駕駛系統通常以階層式的架構來進行設計, 最上層稱為感知層, 中間層稱為決策層, 最下層稱為作動層 ( 如圖 2) Mercedes-Benz BMW Audi Volkswa gen Toyota Volvo Cadilac 等都在積極測試自家的無人車系統 例如 2010 年,Audi 推出了 TTS 無人駕駛概念車 ;2011 年,GM 推出了一款無人駕駛的概念車 EN-V;Volkswagen 測試中的自主駕駛系統, 當車輛由手動切換至自動駕駛, 可以達到 130 公里的時速 2013 年,Toyota 推出了一款部分自主駕駛的概念車, 車內裝備了大量的傳感器和資通訊系統 ; 而 Nissan 方面, 則是東京車展開幕前, 在普通馬路 上進行了一場無人駕駛車的試車發表 賓士則預告 2014 年所推出新款 Mercedes-Benz S 級, 將可實現 圖 2 自動駕駛系統架構 ( 表現感知層粉紅底, 決策層藍底, 作動層黃底 ) 4 車輛研測資訊 101 期 2014-08
專題報導 感知層 感知層負責工作包含 : 外界環境感知 駕駛者感知以及車身狀態感知 1. 外界環境感知是偵察車身以外的環境訊息, 例如 : 道路環境 障礙物距離 障礙物位置 交通號誌 車道線等 2. 駕駛者感知則是偵察駕駛者的狀態, 包含駕駛者動作 駕駛者生理反應 ( 心跳 脈搏等等 ) 駕駛者喜好等 ; 藉由監控駕駛者動作, 預防因駕駛者不專心 或是監控駕駛者生理反應, 預防因駕駛失能所造成的交通事故 除此之外, 也包括隨時記錄駕駛者喜好, 以針對駕駛者喜好做出相對應的駕駛行為建議 上述所提及用來偵測外界環境的感知器大致上包含有雷達 ( 圖 3) 雷射雷達( 圖 4) 攝影機( 圖 5) 等 雷達與雷射雷達主要是用來偵測車輛周圍物體, 以及其相對距離與位置 ; 攝影機主要是用來辨識障礙物種類 交通號誌以及車道線 ( 如圖 6 示意環境 ) 至於用來偵測車身狀態的感知器大致上包含有 GPS ( 圖 7) 慣性感測器 ( 圖 8) 輪速計 ( 圖 9) GPS 主要用來偵測出目前車輛本身經度 緯度, 利用此資訊再搭配電子圖資, 即可推測出目前車輛所在的位置 慣性感測器則用來偵測車輛姿態, 包含車輛的車頭擺角度數以及車身傾斜角度 輪速計是用來計算車輛行走距離, 利用行走距離推算出車輛的速度以及加速度 3. 車身狀態感知的作用是在於隨時偵察車子本身 的狀態, 包含自身車輛的位置 ( 經度 緯度 ) 速度 加速度以及車頭擺角 圖 7 車頂 GPS 圖 8 慣性感測器 圖 9 輪速計 圖 3 車前雷達 圖 4 車後雷射雷達 圖 5 車頂攝影機 決策層 第二層為決策層 ( 參考圖 10), 負責可行駛空間建構 ( 圖 11) 軌跡建構以及行駛速度計算 決策層藉由感知層的訊息, 得知車輛週遭道路環境以及車身姿態, 再利用這些訊息建構出可行駛空間並計算軌跡及行駛速度 事實上, 如此複雜的運算需由多台電腦負責 以 DARPA 賽事冠軍車為例, 車上就配有八台雙核 4GB 記憶體的電腦, 每台電腦間以 Ethernet 高速網路互相連接, 才得以作成即時反應 圖 6 環境建構示意圖 ( 參考圖 12) 車輛研測資訊 101 期 2014-08 5
http://www.artc.org.tw 作動層 第三層為作動層, 由決策層所計算出的可行駛軌跡以及行駛速度, 再由作動層將之轉換成煞車深度 油門深度 檔位以及方向盤轉角, 進而控制車輛使之正確行駛於所計算的軌跡上 車輛中心研發無人駕駛車 圖 10 決策層系統架構 2014 年初, 車輛中心整合了包含 : 車輛辨識 行人辨識 車輛前方環境建構 可行駛空間計算 軌跡計算以及多感知定位控制等多項自主研發的核 心技術, 已能夠成功達成車輛在無人駕駛下, 進行 圖 11 可行駛空間建構示意圖 室外停車場自動停 / 取車功能 包括在實驗車頂以 及車前架設 LIDAR, 如圖 13-14, 利用 LIDAR 針對 障礙物以及道路環境進行偵測, 如圖 15-16 而實驗運行的一連串的動作包括 : 駕駛者將車輛停在停車場入口後, 下車使用平板與伺服器連接, 如圖 17(a)-(b), 獲取停車場停車資訊 ( 包含未占用之停 圖 12 自動駕駛中央處理器此外, 決策層還需提供車輛環境判別能力, 根據感知層所傳送的環境資訊, 判斷出車輛所在環境 例如判斷出車輛是處於一般道路環境 ( 有車道線環境 ) 十字路口 停車場域, 或是空曠區域 ( 無 車格以及停車路徑 ), 駕駛者選取停車空格後 (c), 車輛開始自動駕駛前往選取之停車格並執行倒車入庫, 如圖 (d)-(g) 當駕駛者取車時, 點選平板, 車輛自動駛出停車格並開往停車場出口, 如圖 (h)- (j) 車道線環境 ), 再因不同的環境發展其相對應的處理情況 例如, 在十字路口環境需處理的是 : 是否有左右來車, 來車先後順序, 以及遵守交通號誌 若是在一般道路環境, 則需處理的是 : 是否位於車道線內, 是否依速限行駛, 以及是否與前車保持安全距離等 圖 13 ARTC 實驗車車頂 LIDAR 圖 14 ARTC 實驗車車前 LIDAR 6 車輛研測資訊 101 期 2014-08
專題報導 圖 15 ARTC 車前 LIDAR 實驗情況 (a) (c) (e) 圖 16 ARTC 車頂 LIDAR 實驗情況 (b) (d) (f) 趨勢與法規, 引領市場發展 目前自動輔助駕駛技術已成為各大車廠必爭之地, 各家車廠紛紛推出配備駕駛主動安全功能的車款, 顯見全球車輛安全趨勢正積極朝向先進駕駛輔助系統 (ADAS) 發展 加上 2013~2015 年, 歐美日等先進國家將陸續實施如車道偏移警示系統 (LDW) 後視攝影機 電子穩定控制系統 (ESC) 自動緊急煞車 酒駕與疲勞駕駛預防等法規, 估計新興國家也會跟進, 相關系統應用勢必將會更為普及 ( 如圖 18) 同時間,Euro NCAP 也自 2014 年起將安全系統列入評鑑標的, 且安全系統在評鑑分數中所佔的比重將會逐年增加 在此趨勢推波助澖之下, 相信不久之後, 消費者購買新車時, 都將會把自動輔助駕駛配備視為考量之一 由此可見,ADAS 不僅是當前車輛產業重要技術發展指標, 更將成為一股左右市場的新勢力, 預估至 2016 年, 全球 ADAS 相關產值之年度增長率平均將可望超越 30% 對於台灣車電產業發展而言, 無疑是值得把握的大好契機 (g) (h) (i) (j) 圖 17 ARTC 室外停車場自動停車系統展示 圖 18 車輛產業技術趨勢 車輛研測資訊 101 期 2014-08 7