全球汽車電子業將迎接新的典範轉移。2019年初國際消費性電子展(CES)再度成為各大車廠角力戰場，除了各種配備先進的自駕車車款爭奇鬥艷外，創新的商用服務、車載娛樂及模組化設計，也成為展示新焦點。與此同時，車用電子供應鏈及相關零組件與半導體業者也火力全開，競相推出最新一代解決方案，為自駕車發展增添極大動能。
今年，具半自主駕駛能力的Level 3等級自駕車，將是全球車廠與車電相關業者的研發重心，而ADAS功能的升級，以及車載毫米波雷達與V2X車聯網等技術的突破，將是促成此一發展目標實現的重要關鍵。與此同時，自駕車資安風險問題也日益受到重視，如何通盤考量並落實亦是業者不容輕忽的課題。緣此，本活動聚焦車用電子關鍵技術與零組件，深入剖析其最新發展動向與應用設計對策，協助產業界加速布局車電市場，成功搭上未來自駕車商機。
車輛智慧化自動駕駛為終極目標
針對車輛智慧化的發展趨勢，車輛中心(ARTC)經理許文賢(圖1)說，產業將透過五大發展策略包括：自駕化(Autonomous)導入AI人工智慧、機器學習、深度學習與類神經網路等技術；連網化(Connected)汽車與其他汽車或交通基礎設施的網路連接；協同化(Cooperated)發展協同式智慧交通系統C-ADAS/C-ITS等；電動化(Electrified)達成移動零排碳，有效管理CO2；共享化(Shared)透過隨選需求服務(On Demand Service)搭乘自駕車。
從駕駛的行為來看，自駕車更可以降低人為疏失事故及老齡駕車、疲勞駕駛的安全疑慮，提升行的安全。同時補強都會離峰時段或偏鄉司機人力短缺問題，發展社區自動駕駛車隊，促進共乘共享經濟。而自駕車導入的新興科技應用人工智慧、物聯網與電能，提升環境與生活品質。因此，自駕車技術已經成為各國科技發展的重點項目。
根據產業研究機構IHS報告指出，2030年全球預計有400萬輛Level4以上的自駕車，2035年更將成長到1200萬台，約占全球汽車市場規模9%。而另一研究單位則指出，到2030年，Level4和Level5等級系統將僅占全球市場銷售新車的4%，不過到2040年則會快速成長到超過25%。而在這樣的趨勢下，許文賢建議，為確保自駕車安全無虞，國內應該發展完整的自駕車法規與驗證能量；服務上，則應該利用台灣特有人車混流交通情境，發展創新的自駕運行模式；技術上，可以投入感知、定位、人機介面/車用網路、決策與控制系統等核心技術。
77/79GHz高頻毫米波雷達將成車用主流
車輛的發展從目標來觀察，德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪(圖2)提到，不外乎更安全、更綠能/環保、更多樂趣三大面向。所有的科技、電子系統、智慧化都是為此，以先進駕駛輔助系統而言，2019年預計將創造291億美元產值，2021年更將成長至373億美元；另外，這些主動安全系統或是自駕系統的發展，將直接帶動感測器的發展，2019年車用感測器需求約為41.4億顆，2021年還將一路成長到46.4億顆，未來五年，需求成長比重高達37.07%。
而車用雷達在不同的位置也有不同的功能要點，詹勳琪說明，安裝在側向與四角的稱為角雷達(Corner Radar)，前方測距的稱為影像雷達(Imaging Radar)，安裝於車後的為停車雷達(Radar for Parking)，還有安裝在車內負責感測乘客與生理跡象的雷達。以TI目前的毫米波雷達(mmWave Radar)為例，該公司直接切入發展77/79GHz的高頻雷達，並採用高整合度的CMOS製程。
針對不同的應用與整合度，TI發展了三個系列的產品，詹勳琪表示，AWR1243系列搭載四個接收器(4Rx)與三個發送器(3Tx)，主要應用在影像雷達，可以依照感測距離整合兩個或四個；AWR1642系列則是整合度更高的產品，搭載四個接收器(4Rx)與兩個發送器(2Tx)，並整合數位訊號處理器(DSP)，可應用在車內身體感測、乘客感測等，以上兩個系列都已經量產；2019年第二季，將針對高整合系列推出AWR1843產品，搭載四個接收器(4Rx)與三個發送器(3Tx)，可應用在車後停車雷達。
高頻雷達測試驗證提升產品可靠度
車規應用不同於消費性產品，可靠性、環境耐受度、生命週期的要求都更加嚴格，因此在設計與測試部分需要更完善的考量。是德科技資深專案經理廖康佑(圖3)解釋，目前車用感測主流的技術包括毫米波雷達、攝影機與光達(LiDAR)，在高頻毫米波雷達部分，因為頻率高所以訊號容易衰減，並產生相位雜訊(Phase Noise)、重複性(Repeatability)、頻率響應誤差降低、更多雜訊影響差向量振幅值(EVM)、測試環境設定複雜、生成並顯示準確的寬頻帶毫米波訊號等挑戰。
而頻率調變連續波雷達(FMCW)由於產品便於小型化，也是高頻毫米波雷達常用的調變技術之一，廖康佑提到，此種雷達的挑戰是頻率調變線性度的品質、相位雜訊與調幅雜訊、傳送到接收間的訊號洩漏、感測器和目標之間多次不良反射的混亂情況、來自其他雷達感測器頻段用戶的干擾、散熱/耗電的挑戰等。是德從一個雷達模組系統的架構設計階段、開發階段到成品的驗證階段都有軟硬體的模擬驗證解決方案可以協助廠商。
而新興的高頻77/79GHz毫米波雷達，對於原本就投入24GHz產品開發的廠商而言，雖然頻率提升三倍，原先使用的設備可能不敷使用，廖康佑也強調，可以透過延伸擴充的模組協助在架構設計階段進行模擬(Simulation)，除了模擬的軟體之外，並提供訊號產生器協助廠商進行模擬。進到開發階段就以訊號分析為主，透過高頻的頻譜分析儀可以了解訊號的好壞。量產與產線階段，就透過模擬實際環境與應用狀況，檢視設計成果的距離、方向、角度等有沒有達成預設的目標。
設計模擬助訊號表現最佳化
77/79GHz的高頻雷達是未來的主流，現階段吸引許多廠商投入開發，安矽思(ANSYS)應用工程經理吳俊昆(圖4)從設計的角度表示，雷達天線的設計可以協助集中並強化雷達的能量，讓訊號傳送與接收狀況更好，一般而言天線設計的原則是要強化中間能量最大的部分，並設法降低旁波瓣(Sidelobe)，若設計不良形成相反的天線輻射場型，旁波瓣就變成是干擾，也嚴重影響訊號的傳送與接收品質，透過設計軟體可以微調參數最佳化訊號的表現。
另外，車用雷達的電磁波因為可以穿透物體，因此為了美觀一般的車用雷達都會使用雷達罩保護，並安裝在汽車Logo或保險桿後，但是只要遮罩的材料有金屬成分，就很容易破壞雷達的訊號，透過設計軟體可以發現這樣的問題，有助於廠商提早因應。在軟體裡也有場景設定的功能，套入實際環境的設定可以分析雷達在實際場景的效能表現。
與現在人們熟知的Waymo、Uber等公司持續將自駕車於現地進行實際測試相較，軟體場景設定不僅成本較低也較有效率，目前在路上測試運行的自駕車雖然可以不斷蒐集實際交通與突發狀況的資訊，但世界各地的道路狀況與交通場景畢竟有很大的差異，吳俊昆認為，利用設計軟體模擬部分交通與路況，可以在早期設計階段就改正一些錯誤，並因應部分複雜的路況，協助提高產品的完成度。
安全風險隨車輛智慧化提高
隨著車輛的電子化與聯網化，自駕車潛在資訊安全問題也越來越嚴重，趨勢科技協理許育誠(圖5)指出，資訊安全的問題常發生在不被注意的地方，這些地方的漏洞因為被忽略形成攻擊的破口，因此資訊安全的問題非常難以預測，所以需要預先準備，資訊安全廠商通常從攻擊機會、攻擊獲利的機會與攻擊被複製的機會來判斷並預作準備。
一般的網路攻擊者可以分成兩個類型，許育誠表示，白帽(White Hat)駭客通常是為了發現系統漏洞，然後提出警示，以便將漏洞補起，可能是研究單位或學校老師；另外一種是黑帽(Black Hat)駭客，這種就是一般人認知的駭客，其網路攻擊行為的目地是為了在網路漏洞中取得利益。攻擊可以從所有可能對外聯繫的管道中發生，包括免鑰匙(Keyless)系統、車用藍牙/WiFi，還有未來的車聯網都可能是網路攻擊的弱點。
車輛本來就非常講究安全，不僅是行駛的安全，車輛保全使其降低失竊的風險普遍為消費者重視。而在汽車智慧化的過程中，這部分的安全更加重要，因為若駭客透過網路漏洞奪走車輛主控權，後果更是不堪設想，許多戲劇、電影都已經描述過類似情節，許育誠表示，若大規模爆發有可能很難解決，同時對車商的信譽造成非常大的打擊，以北美市場為例，一次車輛召回的成本至少200萬美元，所以車廠對這類問題必不能等閒視之。
專業設計系統降低進入市場門檻
除了熱門的車用雷達之外，抬頭顯示器(HUD)、車用影像監控系統與新式車燈，也是許多廠商投入的市場，同時適合國內廠商發展，ANSYS協理張力和(圖6)說，以往的HUD系統在設計、分析、驗證的流程有極為複雜的步驟；該公司提出一個新的設計流程，透過視覺化規格定義、顯示器設計、反射片概念設計、成像品質分析、公差影響分析、人眼視覺模擬、虛擬實境體驗等步驟，簡化並提高HUD的設計流程與品質。
ANSYS另外提出一套車用影像監控系統OST(Optical Sensor Test)，張力和表示，影像是汽車應用最為廣泛直覺並發展成熟的環景感測技術之一，OST系統的設計可以應用在後視、停車輔助系統、智慧型頭燈控制、超速指標辨認、車道偏移警示、行人偵測、夜視等。
車輛頭燈對於在惡劣天候下的駕駛安全相當重要，因此智慧型頭燈的設計也有高度的市場需求，張力和進一步說明，ANSYS智慧頭燈設計系統，具有許多有用的工具如光學真實物理特性的表現，讓設計者設定不同的環境或時間，模擬實際的環境光線變化，並透過不同的角度觀察照明的實際效果，針對近期熱門的主動頭燈轉向系統(AFS)與矩陣式頭燈(Matrix Beam)設計與模擬，可以完整支援。
成熟技術助自駕車落地
對於一般人用車的自駕化發展來說，因為牽涉到複雜的現實環境，加上人要搭載於其上，安全問題便不斷被擴大，所以全球許多廠商都還在發展與測試的階段，但是對於特定應用的自駕車，可能是載貨或在園區/廠區固定路線上執行單純任務的載具而言，目前產業的技術已經足以應付。發展特殊應用無人載具的普思英察(PerceptIn)商務拓展經理馬羽佳(圖7)表示，一般自駕車分為三大系統，感測(Sensing)、知能(Perception)、決策(Decision)等。
以這三大系統來看，都有許多技術與解決方案可以提供，馬羽佳就車輛的定位視覺系統為例指出，全球導航系統(Global Navigation Satellite System, GNSS)與慣性導航系統(INS)是一種傳統的解決方案，缺點是誤差範圍多在幾公尺，而且可能因為環境干擾因素產生延遲與斷訊；另一個光達結合高解析地圖(HD Map)的方案，精準度與效果極佳，但因為軟硬體成本高昂，也須搭配運算能力強大的處理平台，目前導入商用的情況尚屬少數；而以工業應用的機器視覺技術，透過雙目視覺(Stereo Visual)系統、單目視覺(Monocular Visual)、視覺慣性測距(Visual Inertial Odometry)技術，則是另一個解決方案。
在一個交通載具可以低速運行，且道路環境相對單純的環境裡，利用低成本的機器視覺技術，搭配AI深度學習，馬羽佳說，這樣一來不僅可以讓自駕技術快速落地，也可以將成本進行有效控制，否則在光達與HD Map的高階解決方案中，車輛的成本動輒超過100萬美元，這樣的自駕車只能是實驗室的產物，該公司便是致力於發展利用成熟技術達成自駕目標的交通載具。
