
自動駕駛、AI技術一直是近年汽車產業的熱門話題,隨著產業逐步邁向智慧化,眾多ICT業者也跨足車用電子領域,推動產業創新;財團法人車輛研究測試中心(以下簡稱ARTC)為了展示多項首次曝光的自主研發與跨領域整合成果,則是邀請媒體前往ARTC來場研測之旅,除了智慧座艙監控、AI伺服器震動噪音分析、電子後視鏡等檢測技術,這次我們也實際體驗了全台首度公開亮相的Level 3自駕電動巴士,展現國內在自動駕駛領域的技術力。

之所以會有這些研究與規劃,ARTC董事長王正健在活動中表示:隨著車輛電子及AI技術的蓬勃發展,智慧車輛的功能持續升級。在經濟部產業技術司科技專案的支持下,可預期車輛將從單純的移動工具轉型為高度智慧化的載具,為協助產業發展爭取國際商機,車輛中心將持續建構完整的實驗室與測試場域。
預計今年九月,就將啟用全台首座全速域、全車種的自駕車封閉測試場域,屆時可以提供智慧車輛、車輛電子系統、感知系統等產品的測試量能,在長200公尺的隧道內,重現降雨、起霧、日出日落或夜間等天候環境條件,執行最高時速110公里的自動駕駛實車測試及高架道路,可測試智慧車輛於匝道的匯入匯出情境,及在高架橋與橋下道路供巴士等大型車輛的GPS訊號遮蔽測試。同時也規劃升級現有試車場,導入全域車聯網系統、智慧立體停車場與整車級虛實整合模擬實驗室。

回到這次研測之旅的主軸,首先是眼前的這輛Level 3自駕電巴,這次我們也會實際上車並於測試場的周回路體驗自駕運作狀態。由車輛中心主導的自駕電巴,集結國內許多廠商,包含義隆電子、歐特明、為昇科、旭春、友通資訊、智易科技、奇美車電等,本車採用成運汽車電動巴士平台,並搭載車輛中心自主開發的決策控制軟體,具備感知融合、自動駕駛控制、駕駛接管判斷與風險應變決策等關鍵功能,全面符合聯合國UN R157 Level 3自動駕駛標準,具備車道維持、主動閃避、駕駛狀態監控等先進能力。




目前國際上對於自駕的定義,普遍採用國際自動機工程師學會(SAE)J3016標準,也就是我們常聽到的Level 0~Level 5共六個等級,不同於市售車輔助駕駛主流搭載的Level 2等級,這次的自駕電巴為Level 3,比起Level 2可以條件式的進行自動駕駛,允許駕駛放開雙手讓車輛自行控制。當然要達成這樣的自駕能力,必須仰賴軟硬體的互相搭配,可以看到巴士外具備了雷達、攝影機來偵測周遭環境,再加上由ARTC自主開發的自駕監控技術、偵測遺留技術、動態驗證技術、自適應AR顯示技術,來滿足Level 3等級的自駕能力。


為了方便展示,ATRC在自駕電巴內裝了駕駛視角的影像,從螢幕中可看到駕駛已經放開雙手讓車輛自行控制,另一個螢幕也顯示車輛正在自駕中,時速已來到近60km/h(據了解,這輛自駕電巴的最高速度在研發階段就是設定在60km/h)。


駕駛只要撥打方向燈,車輛即會自動偵測並完成自動變道,當系統偵測到前方有慢車,也會控制好車速與距離,並持續自動駕駛。


透過艙內的攝影機,搭配AI深度學習演算法,系統可偵測駕駛者臉部狀態,當駕駛分心或是有異常時,即會採取必要措施,例如駕駛假裝睡著,螢幕上即顯示眼睛為Close狀態,此時系統會立即發出接管需求,當判定駕駛已失去車輛操控能力,就會立即將車輛減速停下以保障車輛安全。


除了實際以自駕電巴展示,來到實驗室ARTC也建立了一套智慧座艙監控系統,以環境光燈箱搭配動態模擬平台與仿真人偶,可模擬L3駕駛監控系統等測試,以驗證開發之技術能否達到法規/標準/廠規的標準。這套系統也會提供給業界廠商進行相關系統驗證,以協助演算法開發,並節省實車測試所衍伸的大量時間成本。

接著是已納入安全法規的電子後視鏡,ARTC也具備完整的實驗室環境與測試量能,透過螢幕測試台、影像式輝度計、攝影機測試台並模擬環境光源,可以協助國內外業者執行輸出歐美以及國內交通部車輛安全檢測基準驗證測試。檢測項目包含了影像形成時間、系統延遲、漏光、高光溢出、耀光、點光源等等,現場ARTC也以兩個不同等級的電子後視鏡產品進行對比,可看出下方產品擁有較好的亮度和對比顯像。


車電ICT產品逐漸成為產業指標,根據IHS Markit預估,2022年全球智慧座艙市場規模為438億美元,2030年預估會來到681億美元,市場需求可說相當可觀,因此相關研測也成了ARTC的重點研究方向。以一般用來測試汽機車噪音的無響室,ARTC也以一組示範用的車用儀表,並以振動器模擬車輛行徑間的震動,來檢視該儀表的異音,同時用聲音照相來輔助定位異音位置,提供異音診斷與量測。

最後一項與車輛雖較無直接相關,但ARTC更將服務對象擴及熱門的AI伺服器,其相關噪音檢測,一樣是在符合ISO 3744、ISO 3746與ISO 11201等聲壓、聲功率量測規範之無響室,為了提供這類資通訊產品的NVH性能檢驗,透過高階聲學相機,可協助廠商以非侵入方式即時捕捉多聲源訊號,將肉眼無法辨識的音訊轉化為可視化圖像,獲取精準的分析與優化診斷,進一步檢驗分析噪音以及產品開發階段的聲學檢測,並提供相關解決方案。