時事關注

我國自駕車研發應回歸技術缺口與市場需求
范秉航

2017/10/23
近年自駕車技術發展迅速,各家車廠均投入不少資源進行開發,並已完成道路測試,成為尖端車配,如Mercedes-Benz、Volvo、BMW、Tesla、Volkswagen、Honda、Ford、SUBARU等。此外,亦有許多科技新創企業專注於自動駕駛相關技術,譬如估值高達15.5億美元的獨角獸無人車新創ZOOM、來自史丹福大學人工智慧實驗室的Drive.ai、由麻省理工學院孵化的Optimus Ride,以及最具知名度且已完成300萬英里道路測試的Google無人車專案Waymo。
技術的成熟雖然是近年自駕車發展的關鍵,其背後的市場價值潛力更是各家廠商所追逐的目標。2017年6月Intel所公佈的分析報告「Accelerating the Future: The Economic Impact of the Emerging Passenger Economy」指出,2050年全自動駕駛車輛可創造規模達7兆美元的「乘客經濟」(Passenger Economy),其中3.73兆美元來自於乘客運輸服務(Consumer Mobility-as-a-Service);2.97兆美元是企業對企業運輸服務(Business/B2B Mobility-as-a-Service),如貨運或自駕車貨運;最後一項是營收達2,031億美元,針對消費者提供無人車配送服務(New & Emerging Pilotless Vehicle Services)。綜觀自駕車發展,除了技術研發,其對經濟、產業,甚至法律的影響,亦引發社會的廣泛討論。
談到「自駕車」一詞,必須瞭解何謂「自動駕駛」?依據美國汽車工程師協會(Society of Automotive Engineers;SAE)制定的標準,自動駕駛分為五個等級,除了Level 0的完全人工駕駛外,尚有Level 1的一項或多項控制功能自動化,但只單獨作用,如自動控制車速的巡航控制技術;Level 2的多項操控功能自動化,不需要司機干預,但仍需關注行駛環境並介入控制車輛,如自動停車技術;Level 3可完成部分駕駛任務,在一定條件下監控路面情況,司機可以不用操作,但需要隨時準備好接管駕駛;Level 4在特定環境中,車輛可以完成所有駕駛和環境監測功能;Level 5完全自動化。目前絕大部分已投入商業化運作的先進自動駕駛系統(ADAS)介於Level 2至Level 3,Level 4以上則仍在測試階段。
我國自駕車領域的進展,國內業者、學術單位及法人機構均有所投入,如裕隆集團/華創車電技術中心、車輛研究測試中心、中山科學研究院、台灣車輛研發聯盟等。而政府積極推動的台南沙崙綠能科學城,也已規劃無人車測試場域。其次是由各地方政府主導的跨國合作計畫,台北市、台中市與高雄市政府已分別與法國無人駕駛車製造商7 StarLake、Navya、Easy Mile、荷商2getthere等業者合作,引進無人駕駛巴士來台。桃園市政府則規畫於虎頭山物聯網創新基地、青埔特區、機場周邊、桃園農業博覽會基地,針對自駕車進行測試。另外,台灣大學與7 StarLake合作,成立「A.I.無人駕駛車研發團隊」,並導入法國Easy Mile無人駕駛巴士。而新加坡淡馬錫控股公司持股近95%的新科工程,亦擬與中華電信合作推動自駕車產業。
自駕車發展的目標決定了短中長期的里程碑,我國的學研單位致力於朝向level 5全自動駕駛系統邁進,政府亦投入許多資源期待看到一台真正「Made in Taiwan」的無人車走上街頭。然而,運輸效率與安全的提升卻不見得能與一台無人駕駛的車輛畫上等號。智慧道路的規劃、車聯網的建置、高效率的公共運輸系統等,均是跳脫「一台無人車」以外,能提升運輸效率與安全的解決方案。再者,現階段領先的關鍵技術絕大部份都掌握在歐美國家,且自動駕駛涉及車輛控制,亦非台灣汽車產業可輕易切入之處。形成「前端技術開發,後端缺乏市場」的情況。換言之,我們需要解決的不僅是技術問題,更是市場需求與落地的問題,解決自駕車發展環節中的缺口。
自駕車有賴於諸多跨領域技術的整合,如光達(LiDAR)系統、先進自動駕駛系統、圖像處理與電腦視覺技術等。這些關鍵技術雖大多在其他國家手中,但基於自駕車實際上路前需要大量具變化性的測試環境,以及高度的跨區限制。台灣發展自駕車技術其實應切入當前產業與技術缺口,針對全球相關技術領先企業所面臨的問題,利用在地優勢培養出解決方案。而非追隨國外技術發展軌跡,做出類似但缺乏市場競爭力或附加價值較低的產品。
首先可思考的是互補性產業。自駕車除了仰賴自身的感測器與電腦演算外,更需要大量且精確的地圖場景資訊,V2I (Vehicle to Infrastructure )的車聯網與智慧道路應用成為重要的解決方案之一,且需要公部門的投入。場域的規劃與設計具有其在地性,並能成為自駕車落實一般道路行駛的關鍵。其次是特定場域與市場的創新應用,如農業領域的作物輸送、漁業領域「船聯網」管理、無人駕駛的大眾運輸工具等,都是值得投入訓練自動駕駛AI的課題。最後則是實際行車場景資料庫的建置與應用。不同場景下的路況情報對自駕車發展相當重要,除了在實驗場域中所獲取的數據外,更需要一般道路的資料,尤其是針對相對複雜多變的都市道路。透過「真人駕駛」與車輛及道路感測器,可在有限時間內大量蒐集用以訓練自動駕駛的數據,讓AI學習駕駛行為,並且建立路況模擬環境與有效驗證系統。這套系統將可提供自駕車開發大廠,大幅節省其實際道路測試的時間成本。

本院:104 台北市中山區德惠街16-8號
電話:總機 +886 (2) 2586-5000,傳真 +886 (2) 2586-8855 聯絡我們

南台灣專案辦公室:807 高雄市三民區民族一路80號43樓1-2
電話:(07)262-0898,傳真:(07)398-3703,聯絡人:詹佳融

© 2015 台灣經濟研究院 版權所有. 隱私權聲明