車輛中心 產業發展處 張凱喬

自動駕駛是未來車輛科技趨勢，然而要達成全自動駕駛並非一蹴可幾，車輛上須搭載許多配備，包含攝影機、雷達、360°雷射雷達、導航系統、圖資系統與運算電腦等，而硬體背後則需要強大軟體支援，方能協調各硬體所蒐集的資訊，加以判讀並執行決策運算。目前自動駕駛所採用之軟體架構多為深度學習(Deep Learning)，使機器具有自主學習的能力，可以在不斷學習的過程中，逐漸增進其駕駛技能，提升車輛行駛安全性，以下就深度學習功能進行介紹。

深度學習是一種類神經網路演算法(Artificial Neural Network Algorithm)，主要在於模擬生物神經網路的結構和功能，像是動物的中樞神經系統(大腦)，利用數學模型模擬生物的神經連結，仿造人腦完成複雜的圖型辨識動作，以分析學習的機制來理解大量的資料。以下圖為範例，深度學習就像是給機器一堆資料，包含許多題目(Input Layer)、解法(Hidden Layers)與答案(Output Layer)，電腦便將這些題目計算的邏輯累積起來，達成自主學習的目標。未來只要輸入一道題目(X_N)，電腦便能以過去所累積的邏輯，計算題目的最佳解答(Y_M)。

圖 深度學習演算法示意圖

資料來源：PanX.asia泛科技網站

深度學習運用在自動駕駛車輛上的過程如下圖，在車輛硬體端，必須搭配硬體建立軟體發展平台，確保本身之演算邏輯符合規範，能與其他控制硬體即時溝通。而在雲端連線方面，自動駕駛車輛必須以聯網方式保持軟體更新狀態，避免資訊過時造成危險。最後，車輛感測器將提供即時路況資訊給運算電腦，並搭配V2I、V2V及V2X之功能，幫助車輛計算並判讀正確決策，確保乘客安全抵達目的地。

圖 深度學習運用在自動駕駛車輛上的過程

資料來源：Frost & Sullivan；車輛中心整理

未來全自動駕駛除了須持續於技術上開發突破之外，尚有立法、道德及商業相關之許多議題有待釐清例如：自動駕駛肇責是否全權由車廠負責?車輛應優先保護乘客或是行人?車輛保險之形式應如何演化?當全自動駕駛車商業化之後，將為車輛產業及運輸環境帶來極大的變化，而民眾則可期待更為便利及舒適的乘車體驗。