ODD

自動駕駛汽車(AV)正飛速發展，傳統的汽車製造商和新的參與者都大筆投資於此推動創新的技術。雖然AV具有提高汽車安全性和駕駛便利性的潛力，但有鑑於其複雜度，業者需要使用嚴格的測試和驗證系統，確保汽車在所有交通、道路及天候狀況下的安全性。當然，AV將使用基於人工智慧(AI)的方法，讓汽車能夠透過電信服務和基礎設施供應商進行通訊。 車聯網是AV技術的基礎。系統與汽車就道路和交通狀況、附近的汽車以及有關駕駛體驗的其他重要元素進行通訊。AV技術結合了多個感測器、電腦和軟體，來生產自動駕駛汽車。這些汽車在行駛里程方面相較由人力駕駛的汽車在統計上已被證明更加安全。 Waymo(先前稱為Google自動駕駛汽車計劃)，在以時速每小時2英哩，總駕駛距離超過500萬英哩的紀錄下，僅出現了一次無人受傷的錯誤事故報告。即便如此，要建立消費者對完全自動駕駛汽車的信任仍然是一項挑戰。例如，有73%的美國駕駛人表示，他們非常害怕乘坐完全自動駕駛汽車，而根據一份2018年美國汽車協會(AAA)的調查，有63%的美國成年人表示，當他們在步行或騎腳踏車時，對必須和自動駕駛汽車共用道路感到不安全。 自動駕駛旨在提升行車安全 基於駕駛人錯誤導致的事故數量，安全問題是首要考量。根據統計，大約有94%的嚴重碰撞，部分是由於頻繁且可預測的駕駛錯誤造成，例如超速、駕駛能力降低或在分心狀態下駕駛。因此安全性改進也常常是AV潛在優點列表的第一名，將人為錯誤因素從駕駛方程式中排除，大幅減少交通傷亡事故。部署AV技術還有其他優點，如隨著人口老化，AV技術可為年長者和殘障人士提供更多的便利和自由。此外，還有新的運輸模式和商業模型潛能，例如自動化計程車隊和共享自動駕駛汽車；這將帶來個人生產力更加提高的願景。 自動駕駛層級概述 今天，有各種自動化選項能夠協助駕駛人，有些也已經進入市場。為了正確看待此技術，汽車工程師協會(SAE)已經為AV建立了自動化層級，如圖1所示。 圖1　SAE 自動化層級(SAE Automation Level)描述了不同級別的自動駕駛汽車能力。 ．層級0乃完全非自動化；由駕駛人完成所有工作。 ．層級1則增加了一些駕駛輔助功能，例如主動車距巡航控制和盲點偵測。 ．層級2仍然需要駕駛人駕駛，但提供轉向輔助和速度控制功能。 ．層級3汽車可自動駕駛，但仍需要人力駕駛保持專注並在指定的時間內負責控制。 ．到了層級4和層級5，AV才變得真正自動化。例如，層級4自動駕駛限制特定條件，例如特定地理位置或路線、天氣、交通類型、速度和道路。層級5則是沒有限制條件的自動駕駛汽車。 汽車產業正在層級1和層級2迅速地為汽車增加功能，並且擁有很多協助駕駛人的機會，同時維持駕駛人主動控制的現有車型。各種不同的感測器(攝影機、雷達、光達和超音波感測器)，讓汽車「看見」周圍發生的事情並自動協助駕駛人。許多汽車都已提供駕駛人輔助功能，例如盲點偵測、倒車攝影、自動遠光燈、主動車距巡航控制、車道維持輔助和自動煞車。 部份專家對層級3自動化的可行性表示憂慮，因該層級要求駕駛人在汽車進行一段長時間的自動駕駛時保持警惕。一項需要考慮的重點是，在什麼情況下必須由駕駛人控制以及對該情況有多少反應時間。Audi汽車表示，其交通堵塞導航功能可在交通回堵期間，或是以最高達65公里/小時(40.4英哩/小時)的速度行駛時，提供層級3自動化。在塞車期間此系統允許駕駛人暫時放鬆，但要求駕駛人在系統發出通知後10秒鐘內接管控制。 層級1到層級3能夠提高汽車安全性，但需要層級4和層級5來提供額外的潛在優點，包括殘障人士和年長者的行動性改善、個人生產力的提高，以及新的運輸模型。這使得層級4和層級5成為大多數AV方案的最終目標，即將駕駛交給汽車本身。而層級4是層級5的前身並限制了操作適用範圍(ODD)；即AV只有在某些特定條件下是自動化的。例如，層級4的AV可能只處理特定類型的道路，像是高速公路、HOV車道、AV專用車道、鄉村道路或封閉的校園；視能見度可能存在限制；在極端天候下沒有AV行為。另一項限制可能是對預先劃定區域的AV或道路的特定基礎設施支援。 部署可能是本地或區域性的，要達到納入所有情境的100%涵蓋率是困難的。而要達到95%並不是太難，但最後的5%具有挑戰性；因此減少ODD會產生重大影響。 例如，早期的層級4使用案例可能是一項受限的自動化計程車服務，在使用已知街道、較低速度、極端天候等資料良好劃定的區域，提供所需的最低能見度。另一種可能的首波部署選項是長途貨運卡車，限制在特定、已知的路線。層級5自動化帶來了處理每一種可能駕駛狀況的挑戰，且由於具有軟體提供的系統擴充性，可實現了以世界功能最強大的軟體定義驅動程式，取代普通驅動程式的願景。 感測/通訊助力自動駕駛實現 結合使用的新技術讓AV的實現成為可能，像是感測器、運算能力、智慧軟體、通訊和導航。AV使用感測器觀察周圍世界，就像人類駕駛一樣；或許比人類更好，因為它們可同時看到所有方向(圖2)。 圖2　自動駕駛汽車使用一系列的感測器來查看駕駛環境。 AV用來監控駕駛環境的感測器包括： ．攝影機拍攝影像 ．雷達偵測和測距系統(RADAR) ．光達偵測和測距(LIDAR) 顯示系統使用必須處理獲取有幫助的資訊之影像感測器。雷達感測器安裝於汽車的前方或後方，在24GHz的短距或77GHz的長距下運作，以監控交通和障礙物。它們可以偵測到範圍從幾公分到幾百公尺遠的物體，而超音波感測器可在停車或其他有需要的活動時，用近拍功能來偵測物體。 光達感測器使用脈衝雷射來偵測物體，通常具有比雷達更高的解析度但距離較短。光達仍然是一種尚未成熟的技術，通常也更昂貴；但其更高解析度能夠提供更完整的汽車環境顯示，可用來分辨不同類型的物體。無線通訊藉由AV扮演重要角色，讓汽車能夠和其他汽車(V2V)、行人(V2P)或路邊基礎設施(V2I)交換資訊。通常，這些都包含在車聯網(V2X)裡。這些通訊通道為AV提供重要資訊，包括交通堵塞和危險道路通知。兩種主要的競爭通訊手段是5.9GHz頻段的專用短距通訊(DSRC)、和使用未來5G能力的蜂巢式V2X。 例如全球定位系統(GPS)這樣的導航輔助功能，將會以AV技術進行整合。GPS可以給予AV從一個地點到另一個地點的路線，但它也可以和詳細的地圖結合使用，以改善自動駕駛、行駛車道位置和交通訊號。 嚴格測試對獲得認可非常重要 所有新技術都面臨採用的障礙，AV也不例外。由於涉及安全問題，可預期AV的採用初期將會遭遇到許多消費者的抵制。近期一項對美國公路駕駛人的調查，發現有63%的美國駕駛人表示，對乘坐完全自動駕駛汽車感到害怕；而此數據已低於更早之前的調查。 大眾輿論、熟悉和信任度，在消費者接受AV技術的意願中扮演重要角色。隨著AV技術被證明並變得更令人熟悉，消費者的看法可能會隨著時間的推移而改變。AV測試對於驗證自動駕駛汽車是否足夠安全到上路行駛至關重要。隨著汽車製造商為其汽車添加更多駕駛人輔助功能，層級1到層級3的自動化方案正逐步被採用；層級4和層級5則代表更大的挑戰，因為人為駕駛已從系統中移除，讓AV自行駕駛。 複雜環境驗證系統效能 系統都具有非零的故障率，因此，雖然希望能夠設計出一部永遠不會做出錯誤決策的AV，但真正的問題是它必須要有多好，畢竟一般人會預期AV設計的表現將優於人類駕駛；然而，究竟要怎麼知道AV已經達到可信賴的水準。 對此，Rand Corporation最近一份研究報告得出以下結論。自動駕駛汽車必須行駛數億英哩，有時甚至是數千億英哩，才能證明其在傷亡事故方面的可靠性。雖然引用行駛的哩程數可以讓我們瞭解需要進行多少測試，但它並不是描述測試穩定性的可靠指標。在鄉村高速公路上進行1英哩的測試，和在複雜的城市環境中的1英哩測試，結果將截然不同。具體來說，必須確保對重要的邊緣案例進行測試，這些具挑戰性的情境在正常交通情況下很少發生，但一旦發生就可能會致命。 此外，同一報告也指出現有的測試和驗證方法可能不夠充足，AV技術的開發人員和第三方測試者，必須開發能夠證明其安全性和可靠度的創新方法；兼具硬體和軟體的複雜系統，需從一開始就包括品質和可靠度標準，若嘗試採用低效設計來測試品質，將無法產生最佳品質結果。 有效的驗證計劃是以考量整個系統運行的測試策略開始。電子和軟體的元件已成為現代汽車的一部分，因此汽車產業已具有設計和驗證系統可靠度的經驗。當前的測試策略採用分層式方法，在系統的各種抽象層級進行驗證。圖3展示了一種常見的V開發模型方法，其在系統的每個層級連接設計需求和測試規格。 圖3　V開發模型在系統的所有層級維持驗證和可追溯性。 ISO 26262是規範汽車電氣和電子系統功能之安全性的國際標準。該標準即使用 V開發模型來確保整個系統正常運作並維持高水準的安全性。系統中的每個元件都具有指定的汽車安全和完整性層級(ASIL)，其中「A」是最不嚴格的層級，而「D」是最嚴格的層級。它是一種基於風險的安全標準，對危險運作情況的風險進行定性評估，並定義安全措施以避免或控制系統故障，並檢測或控制隨機硬體故障或減輕其影響。 系統層級驗證確保車輛效能 在廣泛的環境、道路和交通條件下測試汽車，是AV系統效能的最終測試。理想情況下，這將涵蓋所有可能的駕駛情境，以確保AV能夠處理它們。由AV公司進行的公共道路測試已經得到了許多宣傳效果，因為它對一般大眾來說是確實可見的。 這種類型的道路測試非常寶貴，因為它將汽車展露在各種真實情境中。AV公司也使用私人測試軌道，這些軌道提供可控且可重複的環境，但測試情境的變異因素較少。虛擬測試軌道正以合理的成本，成為可產生各種可重複測試情境的重要工具。 模擬駕駛情況無疑地將在AV的測試策略中扮演重要角色。因為感測器和致動器發送和接收的是數位資料，所以其感測世界會以數位串流資料的形式進行擷取和播放。AV的虛擬表現以虛擬感測器及致動器達到完整，由和真實世界汽車相同的軟體所駕駛，在虛擬世界中進行測試。當汽車在這種環境中運行時，模型會複製汽車在真實世界中「看到」的內容。這種虛擬測試方法重建了AV駕駛情境，並且可以用更低的成本「行駛」數百萬英哩，同時提供比實際道路測試更易於重複的結果。 提高測試和記錄可靠度增加駕駛信心 消費者已經看到了AV技術的潛在價值，也就是安全性改進、便利性和更強的行動性，但他們仍然擔心這項新技術的整體安全性。只要業界持續發展穩定的安全追蹤記錄，實際體驗使用AV將有助於建立消費者的信心。要建立此追踪記錄，需要強大的測試和驗證系統。 我們需要在整個生態系統中應用系統工程設計原則。AV製造商正在開發強大的設計和測試策略，以證明他們的技術，同時提供可靠的汽車。對這些複雜系統進行嚴格測試對於驗證其安全性非常重要，並將決定AV是否足夠安全上路。雖然這一切並不容易，但AV產業必須不斷創新並找到新的方法來測試和驗證系統，打破信任障礙，贏得消費者信心。 (本文由是德科技提供)