要想讓電影中自動駕駛的情景變為現實，環境傳感器、車聯網通訊技術、人工智能決策平臺都是必不可少的關鍵技術。只有三者結合，車輛才能實現安全無誤的自動駕駛。這三項技術對自動駕駛的未來影響深遠。

　　一直以來自駕車被當成電視影集里的想象，直到最近才不再被視為遙不可及的幻想，而是當下正逐漸實現的科技產品，其主要是因為各種尖端科技逐漸到位成熟，讓研發自駕車技術可普及和取得，最終讓自駕車可以改變人類生活型態。

　　其中，環境傳感器、車聯網通訊技術、人工智能決策平臺都是實現自駕車不可或缺關鍵因素。從自駕車的系統架構，首先感測環境信息(Sensor)，并透過信息鏈接(Connectiviety)，最后完成人工智能決策(decision)，車輛才能真正落實安全無誤的機器駕駛，本文從傳感器、車聯網與人工智能介紹自駕車技術發展趨勢。

　　傳感器作為自駕車之眼

　　自駕車透過傳感器辨識外圍環境數據，現今自駕車傳感器解決方案，包括光達(LiDAR)、攝影機、毫米波雷達(MMWRadar)、超音波(Ultrasonic)等，其中光達可在條件惡劣環境下，仍可透過激光束建構出立體影像，協助自駕車判斷自身所在位置，以及檢測周遭障礙物，光達掃描半徑達100公尺，測距誤差僅有5公分，被視為自駕駛不可或缺的傳感器。

　　目前市面僅有機械構造式光達，因全手工打造造價昂貴，初階款32線光達即要價4萬美元以上，未來光達能透過硅制程(CMOS)量產，以芯片樣態的固態光達呈現，不僅體積可縮小，光達價錢可望壓在500美元以下。

　　在光達價格居高不下情況下，目前自駕車業者同時采用多元傳感器相互輔助，以不同傳感器物理特性截長補短，例如，像是毫米波雷達偵測距離很遠，但容易被金屬物體干擾；攝影機價格便宜，辨識能力強，但惡劣天候下感測效果差；超音波方向性差、距離短，只能運用在后方防撞。

　　透過多元傳感器信息融合(SensorFusion)，整合出準確環境參數，經此讓決策系統做出更好、更安全的決策。舉例說明，毫米波雷達能夠測量高達120~250公尺的物體的速度和距離，攝影機在近距離偵測和物體辨識方面十分出色，當兩者攜手合作，雷達則可作為遠方對象早期預警作用，攝影機影像辨識則可精準判斷近距離號志、交通信號，遠近分工達到智能駕駛目的。

　　車聯網打造道路信息透明平臺

　　自駕車傳感器其搜集信息僅留存在單一車輛層次，但如果在車輛無法感測的死角，或者不可見遠方突發事件，即須要透過車輛聯網，以取得更詳盡信息；目前車聯網層次分為點對點傳輸，以及云端傳輸。

　　點對點直接傳輸主要傳遞具有時間敏感性(time-sensitive)數據，透過車輛間(VehicletoVehicle；V2V)、車輛對道路裝置(VehicletoRoadsideDevice；V2R)直接對話，若透過“遠在天邊”的云端匯整數據，可能緩不濟急，因此透過點對點傳輸強化車聯網溝通效益。

　　當前車聯網的技術格式，主要包含車用環境無線存取(WAVE)/專用短程通訊(DSRC)與LTE-V2X兩種規格方向。其中車間點對點通訊最重要的是低延遲性，如此才能做到實時傳遞效果。

　　WAVE/DSRC傳輸延遲約20毫秒，相對于LTE-V2X4G約50毫秒，相較具發展潛力，雖然下一代LTE-V2X5G傳輸延遲性僅有1毫秒，但其技術規格仍尚未成熟，目前各國現今發展車間傳輸仍以DSRC為主流。

　　另一部分，云端傳輸主要應用于高精圖資(HighDefinitionMaps)反饋與實時更新，高精度協助自駕車完落實點對點全自動駕駛，因此這個給機器看的地圖，必須具備有高精度的坐標、道路線標、路標，同時含括道路垂直坡度、曲率、側傾、外圍對象等信息，同時可透過云端實時更新路況、障礙、道路維修等實時動態路況訊息。

　　當車間點對點傳輸與云端傳輸共同運作，將可建立一個綿密道路傳輸網，協助自駕車掌握不可見、不易感測訊息。

　　AI匯整內外信息進行駕駛決策

　　當車輛傳感器偵測到周邊環境信息，同時車間傳輸取得實時遠方路況訊息，此時即需要透過人工智能平臺將多元信息進行匯整、運算、處理，最后做出正確駕駛決策。目前各種人工智能途徑當中，以深度學習(Deeplearning)為最為可行，但該方法需要即大量對象數據庫，才能訓練出精準分析系統。

　　深度學習如同人類學習分類的過程，透過大量分類完成的樣本標的數據庫，持續將不同分類樣本投入，教導系統學習，使系統逐漸「參透」照片中的規律性，當未來發現特例也可如同人類自行推敲分析。

　　在整個自駕車系統架構內，感測端如同五羅近處可見訊息，車聯網將五官延伸搜集遠程不可見信息，遠近訊息融合后，交由車輛的人工智能平臺進行運算決策，最后由如同人類四肢的控制系統執行大腦命令，當自駕車的大腦、五官、四肢可以協調合作，即可落實機器安全駕駛。