自駕車

隨著世界人口與車輛越來越多，交通問題已經不容忽視。有賴資通訊技術與科技發展，智慧交通有望解決眼前日益湧現的交通問題，同時為解決相關問題，交通創新應用也將邁向多元化發展。 IDC資深分析師蔡亦真表示，從2008年以來全球交通已經成長了13%，且光是城市地區就產生了50~60%的溫室氣體(GHG)，溫室氣體會造成全球暖化、氣溫上升、氣候異常等問題，因此巴黎協定已經規範到了2030年全世界140多個國家，必須降低溫室氣體排放70~95%。另外，以美國為例，可以看到美國每年在處理交通方面的花費占了GDP的3.3%，目前美國有2.5億輛汽車，預估到了2035年會達到17億輛的數目。越來越多的車輛，已經造成了交通壅擠和事故的問題，但其實這些問題是可以藉由智慧交通非常有效率地解決的，由於資通訊技術的發展，讓這些交通問題有望順利地解決。 所謂的智慧交通，就是交通管理的智慧化。管理人與車，無論是人在移動上的需求、非公共車輛的停車需求，或是人跟車和車跟車之間移動的需求，這些需求是須要被協調的，但目前協調這些需求仍存在幾個挑戰。包括道路容量有限、汙染、停車、道路與車輛的損壞以及駕駛者狀態等問題，皆是現在智慧交通所要解決的狀況。 蔡亦真認為應該利用資通訊的技術發展車聯網(V2X)和物聯網(IoT)在智慧交通的應用。藉由IoT實現智慧交通管理、路線規劃、智慧停車系統(Smart Parking System)，以解決目前的交通問題。她同時提到，智慧交通的發展主軸應該環繞四大主軸，即安全、減少交通事故、發展智慧應用和串連政府各單位的平台(如警局、醫院、消防局等)。目前常見的智慧交通應用有：交通號誌的管理智慧化、路程導航、道路公共運輸、路況蒐集、車位尋找和危險預警等。 蔡亦真舉例說明，以新加坡國立大學(National University of Singapore, NUS)的自駕車計畫為例，以學生與上班族為對象，在新加坡國立大學周圍的固定路線行駛，並已經有78,000個用戶登錄到網路上。這項計畫由政府、學研、電信商、公共運輸業者、系統整合商、數據服務商與店家共同合作完成，不僅能提供交通安全保障減少交通壅塞，並能節省能源和人力成本的消耗，達到智慧交通的願景。 智慧交通發展將改善交通壅塞、汙染與交通事故等問題。  

福特汽車(Ford)和福斯汽車(Volkswagen)近日宣布擴大業務合作，合作範圍擴大至自動駕駛技術開發和電動汽車(EV)領域。同時Volkswagen同意投資福特旗下的自動駕駛技術開發公司Argo AI，投資金額逾70億美元。此次合作使兩家汽車製造商能夠將Argo AI的自動駕駛系統(SDS)獨立整合到自己的車輛中，進而讓兩家公司提高競爭力，並提升全球商業規模。 福特總裁兼執行長Jim Hackett表示，雖然福特和Volkswagen在市場上依舊保持獨立且維持競爭關係，但在自動駕駛技術上與Argo AI合作可以同時降低研發成本，提高發展效率以及商業規模。這項合作可以大幅提升福特和Volkswagen在智慧汽車時代的競爭力。 福特和Volkswagen將各自將Argo AI的自動駕駛系統整合到產品中，Argo AI平台的目標是提供支援自駕車等級Level 4(SAE Level 4)的自動駕駛系統，以實現在交通環境較複雜地區的車輛共享服務以及貨物運送服務。 另外值得一提的是，福特將成為第一家使用Volkswagen專用電動汽車架構和模組化電動工具包(Modular Electric Toolkit, MEB)的汽車製造商，並預計從2023年開始在歐洲量產量零排放(zero-emission)汽車。 Volkswagen執行長Herbert Diess表示，未來將有更多的使用者能夠受惠於Volkswagen的電動汽車架構，拓展Volkswagen的MEB可以幫助降低零排放汽車的開發成本，進而促進全球電動汽車的普及。此次的合作可以提高資本效率，進一步提高福特和Volkswagen雙方的競爭力和商業地位。 Volkswagen執行長Herbert Diess與福特總裁兼執行長Jim Hackett宣布擴大業務合作。  

為加速自駕車上市，BWM和戴姆勒(Daimler)宣布簽署長期戰略合作協議，聯合兩家公司旗下共1,200名開發人員共同進行開發，共同研發自動駕駛技術，並降低新技術研發成本。雙方聲明BMW和戴姆勒的戰略合作關係將專注於開發輔助駕駛系統、適用於高速公路路況的自動駕駛和自動停車技術。 雙方合作的主要目標是縮短自駕車研發時程，預期相關自駕車技術將於2024年開始商用化，BWM和戴姆勒將分別在各自的汽車產品中實現這些自駕車技術。BWM和戴姆勒將在德國辛德爾芬根的賓士技術中心(Mercedes-Benz Technology Centre, MTC)、位於德國伊門丁根的戴姆勒測試和技術中心以及慕尼黑附近的BMW自動駕駛校園等地點進行研究開發工作。 BWM和戴姆勒此次簽署的協議將側重於共同研發新一代的駕駛輔助系統技術，適用於高速公路路況的自動駕駛和自動停車技術(均為SAE 4等級)。此外，幫助提升城市地區車輛的自動化水平也是此次協議的共同目標之一。同時為了讓企業永續經營，雙方也計畫開發可擴展的自動駕駛平台，並與其他OEM廠商和技術夥伴共同合作，一同實現新技術的研究開發。 戴姆勒於自駕車領域已耕耘多時，除了Level 3的車輛，更針對Level 4和Level 5自駕車投入大量心血。戴姆勒預計2019年將於美國矽谷與博世(Bosch)合作在城市環境中進行自駕車上路測試(Levels 4/5)。在未來十年內，戴姆勒計畫推出高度自動化(Level 3)車輛以及全自動(Level 4/5)車輛。

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。 圖1　車輛中心經理許文賢說，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。 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%。 圖2　德州儀器半導體行銷與應用嵌入式系統總監詹勳琪說，該公司毫米波雷達直接切入發展77/79GHz的高頻雷達，並採用CMOS製程。 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。 圖3　是德科技資深專案經理廖康佑解釋，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)。 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。 圖4　安矽思(ANSYS)應用工程經理吳俊昆表示，透過設計軟體可以反覆模擬並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。 圖5　趨勢科技協理許育誠指出，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峻。 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。 圖6　ANSYS協理張力和說，專業設計系統協助降低HUD、影像監控、智慧型頭燈設計市場進入門檻。 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。 圖7　普思英察(Perceptin)商務拓展經理馬羽佳表示，利用機器視覺技術搭配AI深度學習，可以讓自駕技術快速落地。 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...

半導體製造商ROHM針對ADAS和自駕車的感測器/相機、電子動力轉向系統等需要高度安全性的車電應用電源系統，研發出可支援功能安全、並內建自我診斷功能(BIST: built-in self test)的電源監控IC「BD39040MUF-C」。 與ADAS用感測器模組等所搭載的電源系統相比，「BD39040MUF-C」這款電源監控IC 無須改變現有的電源時序(開啟順序)，僅須直接加裝即可賦予功能安全所需的監控功能。不僅具備功能安全所必須的電壓監測功能(Power Good功能、復位功能)和ECU頻率監測功能(看門狗計時器)等，還在電源監控IC中內建了自我診斷功能。利用ROHM獨創技術，對監測功能進行自我診斷，可檢查電源監控IC本身潛在的故障，且不會對現有系統產生影響，因此有助於構建功能安全所要求的高度安全系統。不僅如此，這樣的產品將這些功能集中在僅3mm平方的小型封裝中，非常適用於要求小型化的ADAS應用。 近年來，ADAS和自動駕駛技術正迅速發展，越來越需要有助於防範事故於未然的功能(防撞功能、車道保持功能等)。而對於所使用的半導體元件，也要求在產品研發時就要考慮到發生問題時如何確保安全性(Fail-safe失效保護功能)，因此在ECU等元件上紛紛配置了有助於實現功能安全的自我診斷功能。 ROHM於2017年在業內率先推出由液晶驅動器和電源IC所組成，可支援功能安全的液晶面板晶片組，並於2018年取得了國際功能安全標準「ISO26262」的研發流程認證，且一直致力於推進支援汽車功能安全的產品研發。此次，考慮到系統的安全性和冗餘性， ROHM研發出內建自我診斷功能的電源監控IC，將自我診斷功能及各種監控功能集結在獨立的電源監控IC，而非ECU和電源系統中，即可透過現有的電源系統輕鬆賦予功能安全性。     「BD39040MUF-C」是一款內建自我診斷功能的電源監控IC，具有以下特點，有助於建構ADAS、自動駕駛所需的功能安全系統。在功能安全方面，要想突破更高安全性要求等級(ASIL)，需要能夠檢測出電源管理功能本身的潛在故障(隱藏性故障)。例如，如果過電壓監測等監測功能無法檢測出異常而發生了故障時，會成為無法被得知的隱藏性故障，這種狀態就是無法檢測出異常的危險狀態。 BD39040MUF-C採用ROHM獨創的電路技術，領先業內首次在電源監控IC中內建了自我診斷功能，從而可預知是否存在著潛在故障。另外，為了提高正常工作時的安全性，對基準電壓電路和振盪器電路採用多工、全時相互監測的系統。 當現有的電源系統要求支援功能安全時，無需改變電源時序，僅需直接加裝BD39040MUF-C，即可輕鬆實現功能安全。另外，ECU所需的頻率監測(看門狗計時器)可通過外接電阻改變監測頻率，還可自由設定監測的有效時間 ON/OFF。不僅如此，該產品採用僅3mm平方的小型封裝，非常適用於要求小型化的ADAS應用。因此，可靈活對應要求小型化的安全駕駛輔助模組，像是今後在功能安全面需求日益增加的ADAS和自動駕駛等。 BD39040MUF-C內建豐富的監測功能，如電源所需的過壓監測功能、欠壓監測功能(Power Good功能)、ECU所需的頻率監測(看門狗計時器)和復位功能等，從更廣泛的角度支援功能安全的構建。其中，為了提高故障檢測靈敏度，還採用了視窗看門狗計時器來監測頻率是否在範圍內，實現了高精度的監測。

這些功能所仰仗的，以及未來完全自動駕駛汽車設計的基礎是在車輛駕駛時能夠不間斷地精準感測自身位置和軌跡。汽車設計師面臨的挑戰在於「不間斷」。GPS等技術具有龐大的用戶基礎，而且通常非常精準，但GPS所仰仗的訊號並非100%有保證，且可能在有高層建築的城市或惡劣天氣條件下消失。這對於導航非常不便，可能導致駕駛員錯過轉彎，而對於車輛控制和定位可能是災難性的，會導致意外發生，並因此將生命置於危險之中。 因此，汽車工程團隊不再單純依靠GPS技術，而是開始採用車載技術，例如光達(LiDAR)。LiDAR技術已經在Uber的車隊上進行了試驗，相較GPS具有一些優勢。然而，當路況出現複雜情況時，例如在交叉路口出現繁忙交通時，這種技術仍然容易混淆。 MEMS慣性導航讓　精準定位不間斷 在尋找能夠為車輛持續提供精準位置的解決方案時，設計人員寄望於慣性量測機制來提供可靠方案。慣性量測基於微機電系統(MEMS)技術，使用加速度計和陀螺儀量測車輛行動，並透過隨後的資料處理，不間斷地計算出高度精確的車輛位置。 除了提供位置資料之外，這些系統還可以偵測車輛的方向，包括它是否處於水準以上。這些細節在自動駕駛中非常有價值，因為據此可以確定需要施加更多/更少的扭矩或煞車力以完全受控的方式驅動或停止車輛，以確保穩定性。 雖然許多車載感測器主要是基於矽晶片，但是像力量等一些參數只能透過機械方式量測。MEMS感測器採用高度微型化的機械元件，與使用微製造技術的電子元件相結合，形成完全整合的感測系統。 基於MEMS的加速度計通常包括類似於擺錘的機械懸吊重量，透過彈簧張力使其保持在適當位置。當車輛行動時，懸掛重量也會移動，然後這種運動通常使用電容或壓電技術轉化為電訊號。在許多車輛應用中，單個MEMS元件包含三軸加速度計，從而允許同時在所有三個平面中量測加速度。 相較量測線性力的加速度計，陀螺儀感測器以每秒度數(O/s)或每秒轉數(rps)量測角速度，以便提供旋轉速度。將其與三軸加速度計組合，可以形成慣性量測系統(IMU)，能夠全面掌握車輛的運動情況，並實現多種舒適性和安全功能，以及精準的位置報告。如果IMU偵測到車輛圍繞其軸發生突然旋轉，則電子穩定系統可以對特定車輪施加動力和/或煞車以使車輛返回到穩定的狀態，進而避免潛在的意外。 在實際發生意外的情形下，可透過加速度計和/或陀螺儀偵測到由於撞擊另一車輛或牆壁而導致的加速度快速變化，並可為防止翻車而採取相應的措施。系統的快速回應還允許啟動自動傷害緩解系統，例如幾乎瞬間就可以張緊安全帶或彈出安全氣囊，燃料和電氣裝置馬上關閉，減少火災可能，但更加優先的是車輛自動呼叫救援，並給出自己的確切位置以尋求幫助。 選擇正確元件　確保IMU精準度 鑒於MEMS加速度計、陀螺儀和IMU都處在與生命攸關的車載汽車系統之核心，因此設計人員為每個應用選擇正確的元件同樣至關重要。最基本的考量因素與元件類型有關：特定應用是需要一個加速度計，一個陀螺儀，還是兩者都整合到IMU中？加速度計應該是單軸還是三軸？ 電氣性能方面的關鍵考量因素是量測範圍、解析度、線性度、穩定性、頻寬和精度，所有這些都很重要，必須根據特定應用的需求加以考量，因為它們會影響整體精準度。此外，還需要考量其他參數，例如任何偏差(零加速度時出現的輸出)和長期漂移。更進階的元件包含有校正和訊號調理硬體，因此輸出訊號不受影響。 雖然能量效率和燃料經濟性是現代汽車應用中的一個重要關切問題，但是這些元件的功耗大約為mA級，因此元件功耗不構成很大挑戰。但鑒於許多現代汽車應用中存在高水準電氣雜訊，應認真考量電磁干擾(EMI)的敏感性，因為它會影響操作和精度。 環境參數不可忽視 還有各種環境參數須要考量。車輛中的環境溫度可以升高，特別是感測器可能安裝在狹窄空間，因此感測器可以支援的操作溫度顯然須要考量這些因素。 設計師還應注意絕對最大機械參數，最需要關注的是衝擊和振動彈性值。廠商所提供的封裝尺寸和類型也非常重要，因為它們決定了元件是否適合可用空間以及是否與現代自動化製造系統(提起-放置和迴銲製程)相容，以確保降低成本和實現更高可靠性。 另一個須要關注的層面是與系統的介面。有些元件具備類比輸出，而其他元件則包括板載類比數位轉換器，並提供一種常用的介面類型(如SPI或I2C)。顯然，這須要與系統硬體的其餘部分保持一致，以便輕鬆整合。確保可以信賴的輸出訊號是避免潛在風險的關鍵，一些慣性量測裝置提供整合的自檢功能，可進一步確保採集資料的完整性。如果系統支援汽車安全完整性等級(ASIL)，這種類型的功能將會是非常寶貴。 系統設計人員也該關注元件供應商，並要熟悉正在考量使用元件的可用支援工具(硬體/軟體)。評估套件和開發板(Break-out Board)都是有用的設計工具，可顯著降低設計風險縮短產品上市時程。 舉例來說，Murata的SCA3300是一款基於三軸加速度計的高性能IMU(圖1)，採用了成熟的電容式3D-MEMS技術。它針對汽車應用進行了優化，在高達125℃溫度下可量測高達±6g的加速度，同時僅消耗1mA電流。輸出訊號顯示出強大的偏壓穩定性和低雜訊水準，從而能夠提供精確的量測。該元件經過精心設計、製造和測試，具有高穩定性、高可靠性和高品質，並標配先進的自我診斷功能。在板上混合訊號ASIC進行訊號處理後傳送到方便通用的數位SPI介面。SCA3300採用牢固的12引腳模壓SMD封裝，確保可靠運作，尺寸僅為7.6mm×3.3mm×8.6mm。 圖1　Murata的SCA3300 IMU使用3軸加速度計，測量精度更高。 另外再以TDK的GYPRO MEMS陀螺儀為例，專為進階應用而設計，可量測繞z軸(偏航)的角速率。它透過SPI介面提供高精度24位元輸出，穩定性優於0.8O/hour，雜訊水準低於0.1O/√hour。嵌入式溫度感測器可在運作中實現校正，而連續自檢功能可始終確保有效輸出。它有多種變體可供選擇，包括高達1800Hz的資料速率和低至1ms的延遲。可提供一系列與Arduino M0相容的評估板幫助進行初始設計，有助於簡化原型製作過程。 MEMS加速度計/陀螺儀　提供可靠準確定位 可靠且精準的運動和位置量測對於完全自動駕駛汽車的成功至關重要(圖2)，即便就當下以ADAS為中心的汽車車型也很重要，這類汽車在某些情況下，只需極少的人工干預即可實現駕駛。基於MEMS的新型加速度計和陀螺儀可為這些要求苛刻的汽車應用提供所需的堅固性、可靠性和廣泛的功能。透過針對具體應用精心選擇適合的元件，並借助元件製造商的設計工具所提供的支援，工程師現在能夠快速而自信地部署非常先進的慣性量測系統。 圖2　可靠的定位系統對現代汽車應用來說是不可或缺的要素。 (本文作者任職於貿澤電子)

汽車業界目前正在尋找能把今日的自駕車原型，變成可以安全部署自動駕駛解決方案所需的科技創新。此一科技必須能夠對應目前我們仍無法達到、以及生產安全的第四級(Level 4)與第五級(Level 5)自駕車的關鍵挑戰。在這篇文章中，將提出這些關鍵的挑戰，並且探究汽車製造商可用且符合其所需時間框架的解決方案。 我們正經歷自駕車系統以前所未有的速度成長後所帶來的複雜性，而且運算處理必須在不與耗電量、熱特性、大小、成本、安全與保全等挑戰妥協的前提下，跟上這波成長動能。 除了這些技術上的挑戰之外，另外還有許多有關消費者與主管機關對於全自動駕駛接受度的辯論。例如，美國汽車協會(AAA)最新的調查顯示，有73%的美國駕駛害怕駕駛全自動駕駛的車輛。另一個社會與技術上的挑戰則是，馬路上很難出現自駕車與人類駕駛汽車共存的情況(因為人類的行為，可能會讓自駕車的演算法疲於應付)。那麼，我們就來探究想要大規模且安全地部署自動駕駛車，必須考量的挑戰。 自動駕駛價格考量 已經有人指出倘若第四級與第五級自駕車在2020年生產，價格與一般的車輛相比，可能會多出7.5萬美元到10萬美元。這個價格甚至可能還低估了，因為考量要達到第四級與第五級自動駕駛所需的感測器數量，總成本可能會超過10萬美元。為了讓購買這些車輛變得可行，價格有必要大幅調降，才得以讓消費者負擔得起。 如此高的價格可能意謂第一批真正完成部署的自駕車，將是行動即服務(Mobility-as-a-Service, MaaS)、共乘車隊或者是無人駕駛計程車隊(Robotaxi)的一環。藉由取代人類駕駛的成本以及高出消費者自用許多的使用率，這些單位可以建構足以支持這些較為昂貴車輛的商業模式。 第三級自駕仍須駕駛保持警覺心 如同圖1所示，第三級是從ADAS進展到自駕必須跨出的第一步。不過，目前針對第三級自駕以及有關車輛及駕駛的需求，仍然有一些辯論。要成功部署第三級自駕，在車輛的自動駕駛功能啟動後，仍然需要駕駛保持警覺。 圖1　自動駕駛發展進程 這會引發一項有趣的議題，因為身為駕駛的我們會本能地假定我們雙手放開方向盤後，就不用再留意它了，接著可以開心地收發電子郵件、發送簡訊等，這些動作都會讓我們的眼睛與心思離開馬路。不過，有了第三級自駕，車輛可以隨時要求駕駛人重新取回掌控權。 然而，這又引發另一個議題，已經分心的駕駛人需要多少時間才能重握方向盤、重新掌控車輛，以紓緩自動駕駛系統當下無法立即應付的情況？一些汽車製造商正在討論是否要跳過第三級，以便克服此一挑戰。 此外，若從責任的觀點來看，自動駕駛系統跳過第三級會讓系統更加容易辨識駕駛人是否正在掌控車輛，或是車輛正在自動駕駛。目前也有人討論使用擁有駕駛艙內攝影機與先進軟體演算法的先進駕駛監控系統，來判定駕駛人是否已產生警覺，並且適合重新取回掌控權；倘若答案是否定的，系統就會啟動適當的警告，以便讓駕駛人回到完全準備好要自己開車的狀況。即使汽車製造商決定跳過這一級，從第三級要跳到第四級所需的科技複雜性會更為巨大。 感測器數量大增推升運算需求 要從ADAS進展到自動駕駛，須要更高度知曉車輛周遭的一切事物，車輛上的感測器數量會大幅增加(圖2)，並且需要多組光達、攝影機與雷達感測器，以便實質上取代並強化人類的視覺以及對情況的認知。這些感測器不但價格不菲，而且要瞭解它們所「看到」的東西以及汽車外面情況演變所需的運算力，與較簡單之ADAS功能，如自動跟車與緊急煞停所需的運算力，大不相同。 圖2　要提升到全自動駕駛，感測器數量將會明顯提升。 軟體複雜度更高 目前推出大多數的自駕車原型機，實際上都在測試處理湧入車輛之大量資訊、以作出下一步正確決定，以及採取行動所需之更高的感測器複雜性與軟體演算。這樣的處理需要相當數量的軟體，依據我們目前的估測，需要10億行的指令才能帶動一部完全自駕的車輛。 執行如此大量的軟體所需的運算力，比較類似於伺服器的效能，離傳統汽車嵌入式處理比較遠。這會帶動一個趨勢，便是朝擁有更強大應用處理器與加速器叢集的更高效能、多核心SoC系統整併發展，而不是獨立CPU。此一整併需要軟體架構進行大幅度的修改，同時也會造成軟體的複雜度劇烈增加。 此一軟體應用的複雜性，甚至遠高於已經搭載滿滿之自動駕駛功能的最先進客機，原因是自駕車輛需要應付混亂的馬路上充滿無法預測的人類駕駛以及行人。反觀相對空曠許多的空中，負責飛行的都是專業的飛行員。 因此，必須進行即時運算的大量演算處理，以便瞭解發生在汽車周遭的一切事物，如此一來，所有自駕運算元件所需的龐大軟體堆疊才能做出正確的決定，並且安全地執行這些決定。如此龐大的複雜性有助於形成共用且統一的平台架構，以便在上面建構便於升級且可移植的軟體堆疊。 自駕車安全信任受考驗 如上所述，近期的統計顯示73%的美國駕駛人對於搭乘全自動駕駛的車輛有所恐懼，且令人吃驚的是，高達63%的美國成年人表示自己走路或騎腳踏車時倘若路上有自駕車輛，他們會感到比較不安全。這也引發一個全新且有趣的挑戰，即為如何取得消費者的信任，不管是身為自駕車乘客身份，或是與自駕車共處的用路環境。 安全是許多汽車系統的關鍵，且在駕駛人需要時可能運作所有的功能，都有嚴格的安全標準與認證把關，例如煞車與轉向等。當我們增加車輛的自駕性能，我們實際上也在利用由許多異質運算元件，以及稍早討論過的10億行指令所組成的複雜運算系統，來取代人類駕駛對於安全的決定權。我們如何保證如此一套高度複雜的運算系統，可以執行達到最高乘客與環境安全標準？ 隨著許多功能整併到強大的多核心SoC上，亦同樣會出現能夠在單一SoC上支援混合關鍵性應用的需求。這種情況下，某些應用需要最高水準的功能安全性，因為它們執行的是與攸關生命安全的功能，但同時也會混合運行關鍵性較低的應用。想要把所有的軟體都拉升至最高的功能安全性水準是不可能的，所以我們需要可以支援這些不同安全水準的運算與軟體架構在同一個SoC之中，而毋須針對每一個應用，另外建置專用的SoC。 耗電/散熱技術須持續提升 進入現今自動駕駛車原型的運算系統，基於現成的伺服器技術。伺服器技術的挑戰是其大小、耗電量與散熱特性，都不適合用在汽車上。針對所有特性，有必要讓它顯著降低。一般認為耗電量必須要減少十倍；大小必須縮小五倍，若這兩個目標都達成，成本與散熱會顯著減少，也會讓冷卻方式更加簡單也更為可靠。這些改進將帶來自動駕駛車輛的真正部署，不管是在消費市場或是無人駕駛計程車隊市場。 強化車內乘客體驗 目前愈來愈明顯的趨勢是，消費者想要在車艙內享受到更強化與更豐富的車內體驗(圖3)。隨著我們進化到更高階的自駕階段，車內人員會從駕駛變成乘客，而他們對於資訊、娛樂與連接性的需求，會變得愈來愈像是在自己家中或辦公室裡。 圖3　消費者對於車內娛樂體驗要求越來越高。 在我們到達完全自動駕駛之前，將會出現有趣的駕駛與環境資訊的複合，並與娛樂及生產力功能彼此混合的情況。這將產生有趣的挑戰，也就是把安全與既有的饋送資訊混合，同時要確保駕駛安全資訊，不會因為要顯示其它形式的資訊而有所折扣。 若把時間向前推進接下來5~7年，到達更高度自動駕駛的世界，屆時螢幕將顯示不同的資訊，包括來自自駕系統的駕駛資訊、媒體體驗、駕駛監控系統、車內感測器資訊，而這些都將協助達成更為個人化的車內體驗。這需要高處理量能力才能把資訊送到各個螢幕，也需要高頻寬連接性以及更加強化的安全性，特別是與例如駕駛警告資訊等關鍵資訊有關的安全性。 (本文作者為Arm車用解決方案與平台總監)

是德科技(Keysight)將於2019年6月3日於台北萬豪酒店舉辦Keysight World Taipei，展示旗下各個關鍵技術領域的解決方案。 是德科技全球行銷副總裁Donna Majcen表示，現在的全球經濟態勢中，想要脫穎而出並獲得勝利，須透過高度整合且迅速的方法實現創新，每一次科技的重大突破，都有賴於靈感、技術、解決方案和全球合作夥伴的完美融合，而這正是 Keysight World 的中心精神。來自全球各地的是德科技意見領袖齊聚一堂，共同探討科技進展、技術突破、設計/測試/最佳化策略及尖端解決方案，對促進並加速實現創新所帶來的影響。 是德科技Keysight World僅限受邀客戶參加，除了親臨現場參加技術講座之外，客戶亦可選擇觀看網路直播。大會技術講座主題有5G 解決方案，可支援高資料傳輸和OTA所帶來的挑戰，除此之外，您將深入了解 5G 裝置和網路對相符性測試的要求。以及資料中心和電信網路解決方案，可因應PCIe 5.0和DDR5等資料中心網路運算標準的規範，另外還有支援400G和更高速率的解決方案。另外還有汽車和能源解決方案，支援自動駕駛汽車、先進電力系統、雷達、V2X和車載乙太網路的設計，確保這些技術能提高汽車的安全性和防護力。 媒體活動：同日將舉行活動記者會，由是德科技高階主管共同展示科技發展如何促進5G和自駕車的推展以及最新的技術解決方案。若有興趣參加媒體活動，請email至laura_hsieh@keysight.com。活動報名網站: www.keysight.com

由於自駕車對感測器感測距離、解析度與精準度的要求不斷提升，77GHz毫米波雷達取代24GHz毫米波雷達已成不可逆的趨勢，但是77GHz毫米波雷達要普及甚至取代24GHz毫米波雷達仍有其挑戰，未來若能克服成本與效能的瓶頸。預估在2022年高頻77GHz毫米波雷達將逐步放量，並展現取代24GHz產品的態勢。 德州儀器CMCU技術應用經理王盈傑表示，2018年整體來說，主要是24GHz毫米波雷達技術成熟的時期，同時也是77GHz毫米波雷達開始發展的階段。77GHz毫米波雷達在2018年下半年到2019年開始出現更多新興應用，如更短距離的盲點偵測，或是車內的雷達，用以偵測駕駛的生理狀態與姿態、乘客數量等等，甚至利用車內雷達判讀手勢。 由於77GHz毫米波雷達頻寬較寬，頻率也是24GHz毫米波雷達的三倍，偵測距離也比24GHz毫米波雷達來得遠。77GHz毫米波雷達主要用於長距離的巡航、防撞等功能。而24GHz毫米波雷達則用於短距離的一般盲點偵測或軌道偏移應用。 王盈傑也提到，自駕車功能要求只會越來越多，必須掌握路況和所有突發狀況，也須要靠感測器來輔助。以現在的77GHz毫米波雷達技術大概能偵測到200~250公尺左右的距離，但未來的需求一定會更高，甚至可能會達到300~400公尺。為了提升77GHz毫米波雷達的感測距離、範圍和效能，目前德州儀器提供的解決方案有疊加雷達，在同一個模組中整合兩顆毫米波雷達，疊加感測訊號，達到更遠的距離和更細膩的角度解析度；另外也有廠商提出影像雷達解決方案，整合毫米波雷達與影像感測器，結合兩種感測器的訊號，以感測融合(Sensor Fusion)的方式提升感測效能。 77GHz毫米波雷達目前成本仍然高居不下，由於77GHz毫米波雷達相較影像感測器或是超聲波來說是新興、前瞻的技術，在製造、生產、測試等都較為困難，所以成本還是偏高。須要更多廠商投入，降低技術瓶頸，同時導入更多應用提升出貨量，才能進一步降低成本。 對此，王盈傑針對台灣77GHz毫米波雷達發展提出了建議，目前77GHz毫米波雷達在台灣發展目前仍面臨許多挑戰，包括天線設計、演算法的開發、製造測試等方面都是全新的領域。因此也有許多的可能性，以台灣來說，現在只有大學電波組實驗室在研發77GHz天線，並沒有太多公司投入設備和測試。原先做24GHz天線或手機天線的廠商，可以考慮開始投入77GHz的研發設計。另外，在製程上如何克服測試的問題也是可以投入的方向。至於演算法的開發，如用於姿態辨識和生命跡象等等，結合AI機器學習(Machine Learning)來進行計算，也是可以開發的新領域。

電動車龍頭特斯拉(Tesla)於日前的Tesla Autonomy Investor Day中，正式介紹了自家的Full Self-Driving(FSD)自駕車晶片，雖然說垂直整合在這個年代已經不是甚麼創新的策略，但是以Tesla目前在產業的地位，加上在這次發布之前，Tesla也進行了相當的專利布局，因此觀察FSD晶片的設計有助於一窺電動車/自駕車未來的發展趨勢。 Tesla自動駕駛晶片負責人Pete Bannon表示，從加入Tesla開始到晶片和系統在實際產品中部署，大約花了3年時間，對一個從無到有的高階處理器來說，時間並不長，Bannon認為，這歸功於Tesla有很強的電源供應設計、訊號整合設計、封裝設計、系統設計、板卡設計、韌體、系統驗證團隊。 在Tesla提出的自動駕駛運算平台設計中，FSD晶片以功耗、算力、Barch size(Latency)、安全性為主要需求。採用雙處理器晶片設計，並且以Samsung的14nm FinFET製程生產，加上深度神經網路處理器，總計以60億組電晶體運作，影像處理器約可在一秒內處理1G畫素量的數據，並且以24位元執行頻寬運作，本身則搭載128位元、總計86Gbps傳輸頻寬的LPDDR4記憶體模組，處理器配備運作時脈為2.2GHz的12核Cortex-A72架構設計。 自駕車/電動車安全性是消費者最關心的重點之一，因此FSD導入大量的冗餘設計。同一塊板卡上的兩顆晶片供電和資料通道都是獨立且互為備份的；而且兩顆晶片同時都對同樣的資料進行分析，然後對比分析結果，再得出最終結論。同時，Tesla 執行長Elon Musk也強調一旦其中一組運算晶片產生異常，將可由另一組晶片無縫接手運作，使自駕運作過程不會有意外發生。 另外，晶片中神經網路處理器(Neural Network Processor, NNP)，也是FSD的重點，每顆處理器有兩個NNP，每個NNP有一個96x96的MAC矩陣，32MB SRAM，工作時脈2GHz。所以一個NNP的處理能力是96x96x2(OPs)x2(GHz) = 36.864TOPS，單晶片72TOPS，板卡144TOPS。 Tesla FSD的策略讓人聯想到Apple的iPhone，其應用處理器應該是系統商強化核心競爭力與拉高競爭門檻的經典範例，以此對比Tesla的布局，不難理解Musk邏輯，FSD可以說是該公司必然選擇的道路，但能否複製Apple iPhone的成功，未來還有許多值得觀察的重點，Tesla在電動車領域已經取得初步的競爭優勢，尤其是在電池能量密度與平均耗電可行使里程上，FSD肩負進一步強化這部分優勢重責。另外，初代FSD雖然踏出第一步，但是上路後才是真正的挑戰，Tesla能否持續在軟硬體上優化，如製程改善、神經網路優化、推論效能精進等，讓FSD成為自駕車最佳控制模組，別忘了NVIDIA與Qualcomm這些晶片大腕，也正虎視眈眈。 Tesla FSD自駕晶片平台導入完整備援設計架構