一般車想要突破人力操控的限制，讓機器代替作業，得需要數十種系統來協助，為什麼呢？因為在交通上，有多種路況需要被克服，例如大雪、暴雨、飛塵、十字路口等，什麼是真正的障礙物？車道線在哪？這些皆非單一的感測器能夠做到。

首先，為了促進汽車對周遭環境的理解，一張高精度的地圖是不可少的，它和一般的導航地圖有什麼差異呢？導航地圖的資訊範圍涵蓋較廣，除了最基本的道路訊息外，還會提供周遭建築物的尺寸、用途等，由於是專給人類使用，因此偏向資訊娛樂系統所屬。

圖1 : 毫米波雷達發射的無線電波，能有效探測金屬。(source: Amundaray Instrumentos Geotecnicos)

圖2 : 毫米波雷達發射的無線電波，可以根據發出和收回的時間差計算出目標距離。 (source: Amundaray Instrumentos Geotecnicos)

而高精度地圖則相關不同，它的目的是輔助機器感測環境，幫助車輛進行定位、規劃路徑，所以要知道當前的座標(X，Y，Z)，並知道這條路徑的車道線有幾條，虛線和實線的分布狀況，此處為普通道路、匝道，還是高速公路，行車速限等。以上的資訊，多屬於可預測，並可以事先取得，不會在短時間發生變化，所以能夠先行收集，同時也包含了道路曲率、坡度以及?坡角等，因此高精度地圖的複雜度比導航地圖更高了許多。

圖3 : 高精度地圖將會收集道路曲率、坡度以及?坡角等詳細資訊，提供汽車視角。(source: Automotive News)

由於受到衛星軌道誤差、衛星鐘差誤差等因素影響，傳統衛星導航系統現在多需於地面建立地基增強站，以定位算法獲得定位數據差分資訊，再進行大範圍播發，幫助汽車實現高精準定位。而目前業界所採用的GPS-RTK載波相位差分定位技術，可使定位準確度縮小至厘米級，能夠克服強風、磁場、光電等干擾。

毫米波雷達探測周遭物輪廓

另一項不可或缺的設備則是感測器，早期是使用超音波雷達，能夠有效偵測2公尺範圍內的障礙物，如今已提升到5公尺長，一般車輛在前後皆有裝設，以便在泊車時向駕駛預警，5米探測範圍的雷達能夠滿足自動輔助泊車所需，但其反應速度較慢，範圍不長。

接著毫米波雷達出現了，雷達發射的無線電波，能夠有效探測金屬，並根據發出和收回的時間差計算出目標距離。目前主流是採用24GHz及77GHz，77GHz的解析頻寬為1GHz，頻寬大小，關係到你可以解析到多小的物體尺寸，頻寬越高，越能讓你停駛進更小的空間，而不致於撞傷。

現今又多了單/雙眼攝影機，彌補了雷達無法判斷目標的問題，也可以進行車道線識別，雙眼攝影機雖然能獲得更豐富的訊息，但由於成本高，因此目前多採單眼攝影機居多，進一步的應用為車道偏離預警、車道保持以及自動緊急煞車等。然而對於沙塵、強雨、強光等自然因素，都會有識別失誤的問題。

而光學雷達(Lidar)，則能夠取得更精準的周遭物體形狀，它是一種光學遙感技術，當雷達模組發射雷射光到目標物後，會使用如三角測量法等方式對比雙方位置，取得目標距離以及反射強度。未來的趨勢之一，是將不同感測器所取得的數據融合在一起，以得到最完整的資訊。

圖4 : GPS-RTK載波相位差分定位技術，可使定位準確度縮小至厘米級，能夠克服強風、磁場、光電等干擾。(source: Anatum Field Solutions)

每種不同的雷達會安裝在不同的位置，如超音波雷達會布置於車輛的周圍，以偵測四周的障礙物，攝影機則多裝置於擋風玻璃下方，當雷達警告車主離障礙物有兩公尺時，它所傳遞的距離是以自身感測器所測量的距離。

因此若要實現精準，就必須轉換座標至自身座標系下才行，為了達到訊息一致化，當毫米波雷達、超音波雷達、攝影機分別感測到前方有一輛車時，必須將訊息結合，才能告訴系統前方只有一輛車，而非三輛。

現階段的汽車智動化

美國車廠特斯拉(Tesla)過往所發表的AutoPilot功能，並未搭配高精度地圖，而是以智能化的自適應巡航控制系統(ACC)，以及車道保持輔助系統(LKA)、感測器為主。

自適應巡航控制系統是從巡航控制技術的基礎上發展而來，當車輛行駛時，安裝在車輛前方的車距感測器會持續掃描車輛前方道路，同時採集車速信號，當與前車之間的距離過近時，自適應巡航控制系統可以透過ABS、發動機控制系統控制車輪轉速，並降低發動機的輸出功率，讓車輛間得以保持安全距離。

車道保持輔助系統，則用來控制剎車的協調裝置。當車輛行駛時，可以透過攝影機來識別行駛車道的標示線，如果車輛接近標示線並脫離車道時，系統則會透過方向盤的振動、聲音來提醒駕駛。當前的系統多是在自適應巡航、車道保持和自動煞車等功能的基礎上融合鏡頭和雷達的技術為主，早期多為被動警告，近年則漸趨為自動控制。

不同的系統也搭配不同類型的車用感測器，包含毫米波雷達、超音波雷達、紅外雷達、雷射雷達、CCD \CMOS影像感測器及輪速感測器等，來收集車輛的工作狀態及其數據，並將改變的機械運動變成電參數（電壓、電阻及電流）。

舉例來說，車道偏離警告系統使用CMOS影像感測器、夜視系統則使用紅外線感測器、適應性定速控制通常使用雷達、停車輔助系統則會使用超音波雷達等。

發展自動車的困難之處

目前標準是將自動駕駛分為L0至L5，其中L0指的是人工駕駛，L5則是完全不需要人類介入，即可解決所有可能面臨的公路情況。目前的技術多半停留在L3之間，它可以在特定速限下，人類不需要緊握方向盤，查看當前路況，而僅需在系統通知時，接手方向盤的控制權。

2016年，特斯拉發生一起因Autopilot功能限制所導致的車禍，當時因為感測器無法準確辨識十字路口的車輛，而發生的公共安全問題。因此奧迪(Audi)便加強光學雷達以增加識別率，但因為光學雷達的成本實在過高，並非每家車廠都願意採用；而凱迪拉克則是增加監視器，監視駕駛的臉部是否面向前方道路。

未來要達到L4、L5的狀態，則仰賴前述所提到高精度地圖，並且要時時更新，因此，未來每輛車不僅用於正常行駛，還得肩負著蒐集地圖資訊的責任，並將訊息反饋給其他自動車的任務。

圖5 : ADAS透過感測器、毫米波雷達、高精度地圖收集資訊，以因應多變路況。(source: Renesas Electronics)

在全球的ADAS市場中，最為知名的開發商非來自以色列的Mobileye莫屬，就連特斯拉、奧迪、BMW、豐田等都搭載它的產品，市值高達85億美元，幾乎佔據汽車安全駕駛領域中70%以上的市場。

最初此公司是開發一套視覺系統，以減少交通意外的發生率，爾後出產的前碰撞預警（FCW）、前方車距監測與預警系統（HMW）、車道偏離預警系統（LDW）、行人探測與防撞系統（PCW）等幾乎成為汽車標準配備，當中有80%是屬於前裝產品。

同時大者恆大，在與各家廠牌的合作中，也收集了千百萬公里的道路資訊，以及氣候、路況、跨國駕駛場景等，增強了Mobileye的核心演算法。

雖然距離下一代L4普及還有一段時間有走(約於2025年實現)，但今日已不只有傳統車廠投入研發，而是中、美科技大廠也相繼投入，例如百度、阿里巴巴、Uber、Google等，在沒有量產的壓力下，技術的突破將更為迅速。

**刊頭圖片：特斯拉(Tesla)的AutoPilot功能，配有智能化的自適應巡航控制系統(ACC)、車道保持輔助系統(LKA)以及感測器。(source: Electrek)