今年3月,在我居住的美國亞利桑那州有一名女子在穿越坦佩市磨坊大道(Mill Avenue in Tempe, AZ)時,被一輛Uber自動駕駛車撞擊身亡。身為一名科技記者,我很清楚我周遭發生的事情,但我從未想過當我在這裡過馬路時會遇到自動駕駛車輛在大街上漫遊,那位女士也是。本文期望能讓讀者對自動駕駛技術以及車用通訊(V2X)技術有更多了解。

使用整合了行人頭部朝向感知與態勢感知(situational awareness)、情境危險性(situation criticality)、空間佈局線索(spatial layout cues)以及V2X技術的動態貝氏網路(dynamic Bayesian network)對行人路徑進行預測,有可能挽救亞利桑那州的那條性命(圖1)。V2X可以協助駕駛員識別視線以外的行人移動情況,例如在停放了許多轎車、休旅車和卡車的地方。

EDNT180903_AV_NT31P1

圖1:使用動態貝氏網路預測行人路徑也許能夠挽救亞利桑那州的那條人命。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

身為一個技術專家和電子工程師,我希望看到智慧技術在我們日常生活的各方面取得成功,這對於改善社會是有意義的;但要謹慎的是,我們必須盡力以安全的方式導入這些技術。

根據世界衛生組織(WHO)的統計,每年約有125萬人死於道路交通事故。毫無疑問,在這個充滿智慧型手機、平板電腦,以及汽車儀表板上配備螢幕可顯示GPS導航路線圖的時代,人們在今天的道路上駕駛汽車比以往任何時候都更容易分心,這是危險而且致命的。自駕車能排除人類駕駛員分心的問題,但終究也是人類、而且是只有人類才能利用軟體、處理器和感測器等技術,打造和控制未來的自動駕駛車輛。我們是工程師,我們可以用安全的方法來做這件事。

在智慧城市環境中進行測試是一種更加可控和更安全的自動駕駛汽車測試方法。接下來看看隨著安全系統處理、軟體和感測器技術的成熟,我們可以擴展和開發的一些可能性。

功能安全

ISO 26262是關於汽車生產中電氣和/或電子系統功能安全的一項國際標準,旨在提供一個汽車安全生命週期(包括設計、生產、營運、維修到報廢),並為在生命週期的各個階段量身打造必要的活動提供支援。ISO 26262實際涵蓋了整個開發過程的功能安全各個方面,包括規格、設計、實作、整合、驗證(verification)、確認(validation)和配置的要求,還提供確認和證明措施的要求,以便確保達到足夠、可接受的安全水準。

該標準不僅涵蓋硬體,也包括韌體、軟體和工具等,還提供了一種以汽車特定風險(automotive-specific risk)為基礎的方法來判定風險等級;這種車用安全完整性等級(automotive safety integrity levels,ASIL)分為A、B、C、D四個等級,嚴苛度由低至高。

車輛內部及周遭:人類

若要瞭解智慧車輛以及全自動駕駛車輛中最新的駕駛輔助功能,首先必須瞭解人類在車內和周遭的行為;設計工程師必須瞭解人類在車內及車輛周遭的行為/動作並建立模型,最終才能做出預測(圖2)。

EDNT180903_AV_NT31P2

圖2:需要對人類行為進行觀察、理解、持續建模和預測。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

車內

在高度自動化或自動駕駛車輛內的人來說,駕駛員可能出現分心或疲勞狀況;或者如果有乘客,系統必須評估他們是否準備好在緊急情況下接手駕駛。車內需要安裝多個不同視角的攝影機。

人和動物在車內窒息(suffocation)的狀況是此主題下的一個子議題。車內的溫度或許可作為一個因素,也可以佈署被動紅外線和聲音感測器,也許也可以用微波感測器來感知呼吸。

車輛周遭

車輛周遭需要採用各種智慧系統、攝影機、光達(LIDAR)、雷達,甚至人工智慧(AI)以及V2X功能(稍後將有更多討論)。

EDNT180903_AV_NT31P3

圖3:汽車安全系統需要研究和感知車輛周遭的人類活動,這是安全性的一個重要部分。
(圖片來源:《Looking at Humans in the Age of Self-Driving and Highly Automated Vehicles》,Eshed Ohn-Bar, Mohan Manubhai Trivedi, IEEE TRANSACTIONS ON INTELLIGENT VEHICLES, VOL. 1, NO. 1, MARCH 2016)

車輛周遭的感知所使用的技術可能與車內不同,視覺感測器也需要能辨別色彩、熱以及距離。

周遭車輛中的人

利用合適的攝影機、感測器和軟體,基於視覺的演算法甚至可用來理解周圍汽車中的人的行為和意圖,預測其操作,並辨別他們的駕駛技能、風格和專注度(圖3)。KLT (Kanade-Lucas-Tomasi)追蹤演算法尤其適用於人臉偵測與追蹤。

車用感測技術:攝影機、光達和雷達

沒有單一裝置可以在所有條件下為車輛提供完整的偵測功能和安全性,但透過感測器融合,處理系統可以利用結合車內所有感測器的能力來提供最佳安全系統(圖4)。

EDNT180903_AV_NT31P4

圖4:典型的自動駕駛車輛平台。
(圖片來源:《An Overview of Autonomous Vehicles Safety》, Riccardo Mariani, Internet of Things Group (IOTG), Intel Corporation, IEEE 2018)

攝影機

攝影機就像我們的眼睛一樣,是我們觀察周圍世界(或道路環境)的自然方式;但它確實有一些缺點,問題包括環境條件、低照度條件,以及支援可靠檢測的電腦視覺限制等。不過攝影機只是汽車感官的一部分。

專為汽車應用開發的CMOS影像感測器,與消費性電子產品使用的CMOS影像感測器不同;車用CMOS影像感測器的設計包括:

  • 更大的畫素(pixel)尺寸,以提升感光度;
  • 較低解析度(不需要百萬畫素的性能);
  • 比智慧型手機攝影機更快的反應時間;
  • 感測器陶瓷封裝內部具備嵌入式邏輯(採用陶瓷封裝材料是因為對更高功能安全性的需求)。

Bosch Mobility Systems擁有一款非常出色的立體攝影機,可用於3D環景感測(圖5)。它有兩個CMOS彩色成像器,解析度為1,280×960畫素;憑藉其強大的鏡頭,該裝置可擷取50?的水平影像範圍和28?的垂直視角,3D測量距離範圍大於50公尺。這種攝影機採用靈敏的動態照明技術,能夠處理覆蓋人眼可見波長範圍的高對比影像。

EDNT180903_AV_NT31P5

圖5:Bosch底盤系統控制立體攝影機。
(圖片來源:Bosch Mobility Systems)

該系統的攝影機殼內含一個整合控制單元,用於影像處理和功能控制;包括一個可擴展的處理單元,在單晶片上提供可程式化邏輯(FPGA)、雙核心微處理器,以整合的CAN或乙太網介面。

一些應用包括自動緊急煞車、具有自動跟車功能的自適應巡航控制、交通堵塞輔助、整合式巡航輔助、車道偏離警告、車道保持和車道引導支援、施工區域輔助、窄車道輔助、閃避轉向(evasive steering)支援、停車和操作輔助系統、道路標誌輔助,以及智慧頭燈控制等等。

光達

攝影機和雷達雖然不可或缺,但還不足以在車輛(尤其是自動駕駛車)內部和周遭提供安全的環境。光達(LIDAR)可以提供非常精確的即時檢測,LIDAR中的飛行時間(Time-of-Flight,ToF)雷射在即時性和長距離偵測性能方面最為準確。

在EDN網站上有篇探討在LIDAR架構設計中採用氮化鎵場效電晶體(GaN FET)的文章,特別值得一看(參考連結)。LIDAR存在諸如成本、對小型化和高孔徑角/通道數量(aperture angle/number of channels)之需求等難題,但業界正在逐一解決這些問題。市場上有一家廠商Velodyne能為車輛應用提供優質LIDAR產品。

雷達

雷達可以在雨、灰塵或陽光等條件下保持穩定性能,我們最終需要的是用於自動駕駛的短、中、長距離雷達模組。車用雷達的基本架構是使用發射頻率為78~81GHz的頻率調變連續波(frequency modulated continuous wave,FMCW)都卜勒雷達(doppler radar),然後將接收到的訊號與發射訊號進行比較,就可以取得物體或人的精確距離和速度。

與其他所有類型的系統一樣,雷達也存在一些問題。它需要在高頻率下產生足夠大的輸出功率,並且由於在這種惡劣環境中所需的封裝類型,晶片到基板(chip-to-substrate)的轉換需要做到低損耗和反射小,而且要採用良好的散熱方案,高可靠性設計至關重要,而且所有都要成本低廉。

Bosch在這方面也提供了優良的技術,包括中距離雷達(MRR)感測器和長距離雷達(LRR4)感測器產品。

MRR

MRR能夠將主天線聚焦在狹窄的主波瓣(main lobe)上,開啟角度僅為±6度(圖6)。該系統能夠對遠距離(長達160公尺)的前方車輛作出反應並以更高的速度執行,同時還可最大限度地減少來自相鄰車道車輛的干擾。透過仰角天線(elevation antenna),該系統在近距離處可實現±42度的開啟角——因此,若有行人是從停放的車輛後方走到道路中間,系統從一開始就可以檢測到。MRR可以透過發射天線發送頻率範圍為76至77GHz的調頻雷達波。

EDNT180903_AV_NT31P6

圖6:Bosch的MRR是一種雙站多模雷達(bistatic multimodal radar),具有四個獨立的接收通道和數位波束成形(DBF)。這些技術使MRR可針對不同方向配置獨立的天線,從而可提高角度測量精確度,這意味著雷達的視角可以根據情況調整。
(圖片來源:Bosch Mobility Systems)

LRR4

Bosch的LRR4是針對以雷達技術為基礎之駕駛輔助系統應用的第四代長距離雷達環繞感測器解決方案(圖7)。這是一種單站多模雷達(monostatic multimodal radar),具有六支固定式雷達天線;位於中央的四支天線具有最佳性能,能以更高速度記錄車輛周遭環境。它們創建了一個聚焦的波束方向圖,開啟角度為±6度,可以提供出色的遠端檢測,同時受相鄰車道的交通干擾最小。

EDNT180903_AV_NT31P7

圖7:LRR4長距離雷達感測器。
(圖片來源:Bosch Mobility Systems)

在近距離範圍內,LRR4的兩個外部天線將視角擴展到±20度,最遠可達5公尺,從而可以快速檢測進入或離開車道的汽車。該雷達裝置可應用於自適應巡航控制、預測性緊急剎車、左轉輔助等功能。

將連結性與V2X與上述所有裝置結合

為了實現對駕駛員、乘客和行人都有效的車輛安全性,系統需要在複雜、不可預測的現實條件下使用感測器資料處理來傳達意圖。利用全球導航衛星系統(GNSS),可透過額外使用精確定位服務來實現精確定位,從而使這類系統成功所需的距離精確到1公尺之內。

車用通訊(V2X)技術已經出現了好幾年,並測試了各種平台解決方案;最近Qualcomm推出了一款C-V2X 9150晶片組,可以在C-V2X系統中透過即將推出的5G網路實現車輛與任何對象的直接連結(圖8)。GNSS已經可以提供小於1公尺的精確度、航向和準確速度等精確定位服務,並且是時間同步的一個主要來源,這對整個系統的精度至關重要。

這些類型的定位強化系統需要在車道級(lane-level)精度需求的水準上,達到更精確的次公尺(sub-meter)等級精度。準確的定位需要無處不在:擁擠的都會區、停車場,以及多層交流道。對於V2X,更新頻率還需要能夠每100ms至少傳輸一次車輛位置。

EDNT180903_AV_NT31P8

圖8:5G將實現車輛安全性的重大進展——圖中的這種環境是自動駕駛車輛真正可以發揮作用的地方。
(圖片來源:Qualcomm)

隨著5G的出現,Qualcomm最近與車廠Ford、Audi和產業組織5GAA (5G Automotive Association)共同測試了一種蜂巢式車用通訊(cellular vehicle-to-everything,C-V2X)平台。5GAA旨在連結電信業和車廠,替未來的移動和運輸服務開發端對端解決方案。

EDNT180903_AV_NT31P9

圖9:C-V2X可透過全球5.9GHz ITS頻譜的車輛對車輛(V2V)即時直接通訊,實現類似圖中所示的通知,實現防碰撞和強化的道路安全。
(圖片來源:The Connected Car)

C-V2X具備有兩種互補的傳輸模式:

  1. 透過V2N和「Uu」介面的網路通訊——這可以偵測到前方的事故並提供該事件發生位置的距離。
  2. 直接通訊:「PC5」介面上的V2V、車輛對基礎設施(vehicle-to-infrastructure,V2I)和車對輛行人(vehicle-to-pedestrian,V2P)通訊是在ITS頻段(例如ITS 5.9GHz)運作,並且獨立於蜂巢式網路(圖9、圖10)之外。

EDNT180903_AV_NT31P10

圖10:C-V2X將與車用感測器互補,為自動駕駛提供高水準可預測性的車載智慧。
(圖片來源:Qualcomm)

在智慧城市進行測試

除了智慧城市,我們不應該在世界上任何一個人口稠密的城市進行自動駕駛車輛測試;華為(Huawei)就是這麼做的,該公司最近利用電信業者Vodafone Germany的網路以及和Bosch的自適應巡航控制駕駛輔助系統,完成了C-V2X試驗。這是一次很不錯的試驗,在德國的A9高速公路上進行;之所以很不錯,是因為它並非自動駕駛車輛測試,而是針對駕駛員/車輛之C-V2X即時警報系統的測試。當我們將此測試推向自駕車等級,需要在支援V2X或C-V2X的智慧城市環境中進行測試。為什麼?請繼續往下閱讀。

所謂的智慧城市,就像是Panasonic在美國科羅拉多州丹佛市(Denver, Colorado)首度執行的CityNOW專案。那是一個位於丹佛機場附近、面積400英畝(acre)的社區,因為規模小、人口較少,可以安全地佈署V2X甚至C-V2X,讓自動駕駛測試車輛所傳輸的訊息能很輕易地讓當地居民都接收到;這在像是鳳凰城(Phoenix)這樣的大城市是不可能實現的。

這種小型智慧城市園區實際也正在為導入無人駕駛車輛做準備;無人駕駛接駁巴士可以將居民從輕軌電車站運送到整個城市的公車路線上。美國交通部(DOT)最終將編列預算,在高速公路的某些路段佈署那些相容無人駕駛車輛的技術,現在這是一個可行而安全的想法!

我只希望他們能做的另一件事,是在試驗之前先展開佈署V2X或C-V2X;這也是實現自動駕駛接駁巴士必備的條件。根據其他科技媒體的訊息,CityNOW智慧城市專案還有一部分是由太陽能供電的微電網(microgrid)、保全攝影機、免費Wi-Fi、可調光LED路燈以及污染感測器,還有更多智慧城市基礎設施正在醞釀中。

在任何一個城市實現V2X在一開始都會很昂貴,但人命的價值如何用金錢衡量?技術成本將會降低,而直到能讓自動駕駛車輛在一個受控制的環境中安全地進行,這類測試應該先暫停。

眾多業者都爭先恐後地想成為在自動駕駛領域第一個獲得市場驗證的玩家——這一切都是為了取得更多收益。身為工程師與設計者,我們都會想快速開發和測試我們的想法,但我們也要確保其安全並負起責任。

(參考原文:Autonomous vehicles: The electronics road to making them safe,by Steve Taranovich )