Radar LiDAR ADAS ECU

藉ADAS衝刺自駕願景 車載電腦廠商爭相投入智慧車

2017-12-11
汽車產業逐漸轉型,各大車廠紛紛以達到全自動駕駛為終極目標,積極導入相關應用開發,更帶動車載電腦相關供應商全力參與其中,包含研華、凌華、立端科技、恩智浦等廠商,加速自駕車應用市場快速成形。
車載電腦在智慧車當中,是訊息分析與整合中樞,具備導航、資訊傳輸、故障分析、車輛控制等功能,常搭載於商用車隊和大眾運輸工具,使遠端控制中心即時掌握車輛與人員資訊,提高資源配置效率。自駕車亦屬於智慧車,為達到全自動駕駛的目標,車載電腦必須與各類自動駕駛感測器連接,利用特殊演算法處理資訊及發布指令,技術困難度相當高。車載電腦配合自駕等級不同,功能要求頗有差異。高自動化等級自駕車興起,使車載電腦業者類型多元化,低自駕等級車輛也開始導入先進駕駛輔助系統,促使業者升級技術因應未來需求。 

車載電腦是智慧車的中樞,處理車內不同元件回傳的訊息,可輔助駕駛人或直接控制車輛做出適當反應、回傳資訊至遠端管理中心進行即時監控。 

智慧車常見配備有導航系統、行車紀錄模組、影像系統、電子收費模組以及整合式車載電腦。若為高等級自駕車,需搭配精密元件,例如雷達(Radar)、光達(LiDAR)、各類駕駛環境感測器,以及自駕車專用車載電腦與處理器。 

美國汽車工程師學會(SAE)依據自動駕駛系統對車輛的控制程度將車分為等級0~5,數字越大表示自動化程度越高。SAE等級0~2車輛由駕駛人主控,駕駛系統作用是輔助駕駛人完成特定動作,例如定速巡航(Cruise Control)、自適應巡航(Adaptive Cruise Control ,ACC)、自動停車,駕駛人隨時可取回車輛控制權。在等級0~2車輛上安裝特殊設備,達到資訊傳輸、駕駛輔助效果,即屬於智慧車。SAE等級3~5以自動駕駛系統控制車輛行駛,即稱為自駕車,達到等級5時,自動駕駛系統全面接管車輛。 

車載電腦隨自駕等級而異 

由駕駛所控制之智慧車中,車載工業電腦接收的訊息主要來自導航、影像、電子票務等系統,資訊經過處理提供給駕駛人、一般使用者和遠端車輛管理中心。常用服務有駕駛人輔助、車內顯示以及資料查詢;監控端則進行車隊、倉儲、駕駛行為管理。大眾運輸系統、商業車隊、工程車等特定用途車輛工業電腦的配置需求大,車載電腦廠商配合業者型態提供解決方案。 

而由機器控制之自駕車則必須準確感測環境中的障礙物並快速迴避,車載電腦接收大量感測器、雷達、光達及影像系統訊號,具備強大運算能力與大記憶空間,以取代人類駕駛。車載電腦自動對車內元件(引擎、電池、驅動器)下指令,控制行車速度和方向。自駕系統複雜度極高,目前業者開發出的自駕車原型尚在道路測試,距離大規模普及仍有諸多技術障礙。 

車載電腦的基本要求是:在車內嚴苛環境中穩定運轉,具備抗震、寬溫、持久電源續航力、低電磁干擾以及優良通訊功能,其餘功能隨車輛特性調整。 

自駕等級0~2車載工業電腦功能包含行車資訊串接、車隊管理、倉儲管理、車輛狀態管理、駕駛人輔助等。行車資訊串接是把行車紀錄器收集的訊息整理,輸出給監控中心利用;車隊管理與倉儲管理常見於商業車隊,例如貨運和大眾運輸業;車輛狀態管理包含行車耗油分析、車輛故障診斷系統等,監控車輛性能是否正常以及空氣汙染物排放狀況;車輛防碰撞警示、視線死角監測、駕駛疲勞偵測和定速巡航則屬於駕駛人輔助功能。 

先進駕駛輔助系統是達到SAE等級5全自動駕駛之前的重要階段,包含盲點偵測、停車輔助、碰撞警示、偏離車道警示等功能。ADAS系統接收到的人為指令和行車環境訊息由發動機控制器(Engine Control Unit, ECU)處理,傳送至執行器(Actuators)控制車輛運動。 

自駕等級3~5車載電腦發展高運算效能、快速指令傳導以及大儲存空間。部分業者掌握特殊運算技術,計畫讓車輛在行駛中學習路徑,或於車內配置乘客服務功能,讓AI技術加入自駕車車載電腦中。 

業者各擁優勢切入市場 

以下分析已上市或已投入道路測試的智慧車車載電腦,了解目前產品發展狀況以及未來自駕車運算中心所需功能,並觀察參與開發業者的型態轉變(圖1)。 

圖1 智慧車車電腦功能需求與性能差異
研華推出工業行動運算解決方案,涵蓋車隊管理、倉儲管理、資產管理、車輛管理、工作者管理以及其他用途,用於大眾運輸、物流、救護車、消防車、採礦車等。 

2016年7月推出的TREK-570車載電腦箱屬於eBus 2.0解決方案,是針對物流營運商需求設計的機型,系統繳出提貨單10分鐘後能確定帳單和發票內容,提升付款流程效率和客戶服務品質。TREK-570具備IEEE 802.11 a/b/g/n、GPS、GLONASS、HSDPA、CDMA和LTE等多種通訊技術,也支持語音識別,客戶自行選擇不同機型做搭配。 

凌華智慧交通車載系統解決方案,應用於汽車燃料使用監控、汽車維護安排以及司機與乘客安全,各類資料可回傳至控制中心。台北市2017年1月正式上路的雙層觀光巴士採用MXE-5500嵌入式無風扇強固型電腦,支援-20~70℃寬溫操作、100G耐衝擊和5G耐震動標準,搭配Intel Core四核心處理器能以高效率處理資訊。因應觀光客需求,配有人流偵測系統、QR Code票務管理和周邊資訊推播。乘客透過App掌握車輛動態、景點與購物資訊以及使用行動售票系統。 

立端科技為工業電腦與網路通訊商,產品依應用歸類為網路運算、通訊、交通、電源、工業自動化以及智慧系統。交通用工業電腦系列產品配備於巴士、小客車和工業重機具和火車等。包含車用NVR(Network Video Recorder)、車用DVR(Digital Video Recorder)、車載網關控制器(Vehicle Gateway Controller)以及鐵道機車電腦,主要功能為車隊管理、動態監控、車內資訊娛樂(In-vehicle Infotainment)和鐵道機車車輛運算(Rolling Stock Computing)。 

立端科技針對特殊用途車輛設計產品與服務,例如運鈔車解決方案提供IP攝影機連接、視覺技術、指紋辨識和反追蹤功能,已在阿拉伯聯合大公國實際應用。LVC-5770-7D無風扇電腦有多個用於行動監控的PoE LAN接口,可連接7個IP攝影機。電腦內建2個可交換式硬碟,支援最高4TB儲存空間,不但能長時間紀錄資訊,更可保存1080p高畫質影像。即時定位採用Geo Fence技術,一有異狀立刻發送訊息給監控中心和警察局。 

StackRack專注開發強固型電腦,包含高階軍用和圖資型運用電腦。StackRack強固型電腦符合美國MIL-STD-810G軍規標準,客戶包含大型軍事及國防設備商,應用在無人坦克、軍用無人機、無人海底探測機等。 

StackRack無人駕駛地面車輛(Unmanned Grounded Vehicle, UGV)解決方案分為三類:  

(1)自動引導車輛(Automated Guided Vehicle, AGV) 

(2)無人接駁巴士(Unmanned Shuttle Bus) 

(3)軍用戰術卡車(Military Utility Tactical Truck) 

無人接駁巴士和法商Navya合作,2015年10月推出搭載StackRack自駕車車載電腦的艾爾馬(ARMA)電動小巴,行駛在全封閉或半封閉環境,全封閉環境例如遊樂園、校園,半封閉則是工業區、園區、機場等。ARMA能搭載15位乘客、時速達45km、可感應式充電,依路況維持5~13小時電力,已在法國、瑞士、德國、美國等地道路測試。 

德國汽車零件公司ZF於CES 2017發布用於高速公路的ZF ProAI自動駕駛系統,採用NVIDIA DRIVE PX2 AI車載電腦,是第一間把DRIVE PX2帶入商業產品的Tier-1供應商。除一般小客車外,適用車型將擴展至卡車、運輸車、搬運車等,預計2018年正式量產。ZF ProAI運用6個CPU處理攝影機、雷達、光達、超音波感測器收集之資料,完成感測器視角融合,建立360度全視角效果,配合HD地圖與NVIDIA深度學習技術,使車輛自行判斷最適合行駛的道路。 

恩智浦(NXP)的ADAS和自動駕駛解決方案涵蓋車聯網(Vehicle-to-everything, V2X)、前視與後視攝影系統、汽車雷達系統、環繞視野及停車輔助感測系統、智慧後視攝影頭、汽車視野系統和智慧路邊單元。奧迪(Audi)、Cohda Wireless、Google、海拉(Hella)、微軟(Microsoft)、西門子(Siemens)都是NXP技術開發合作夥伴。 

2016年5月推出S32VLS2-RDB(BlueBox)自動駕駛車運算引擎,採用開放的Linux系統,分析駕駛環境並指揮汽車動作。BlueBox內建自動駕駛視野暨感應器處理器S32V234以及嵌入式運算處理器LS2085A,包含8個64-bit ARM Cortex-A72內核,在40瓦特的功率下每秒可處理900億個指令。NPX預計配備BlueBox的SAE等級4自駕車於2020年正式發售。 

Delphi和Intel、Mobileye合作開發中央感測定位與規劃平台(CSLP),Delphi負責研發多域控制器(Multi Domain Controller, MDC)、自動駕駛軟體演算以及雷達光達感測系統。MDC採用Intel SoC、自動駕駛演算軟體Ottomtika以及高精地圖進行決策規劃。搭載CSLP的SAE等級4自駕車已於2017年4月CES在上海展示。 

初階市場ADAS吃香 

SAE等級0~2車載電腦已達成將車輛有效率中央管理的目標,常安裝於各類商用和大眾運輸車輛,技術相當成熟,未來出現新興應用機會小。目前主要參與業者是車用電子和工業電腦廠商,業者設計客製化解決方案來和其他競爭者區隔。 

對於交通運輸、貨運業、特殊工程車等主要使用者,等級0~2車載電腦價錢較自駕車專用電腦低、能滿足資訊傳輸需求,且交通複雜路段目前必須由人類駕駛,此類客群對等級3~5自駕車專用電腦沒有迫切需求,等級0~2車載電腦仍維持一定市場。 

等級0~2車輛若要提升車輛功能,配備ADAS可在不變更車體結構條件下,享有初階自駕車功能。車載電腦業者可由ADAS切入技術研發,提升產品競爭力。 

ADAS是達到SAE等級5之前的重要階段,ADAS技術發展進度影響自駕車普及化的時間。ADAS為多功能系統,包含盲點偵測系統(Blind Spot Detection System)、支持型停車輔助系統(Backup Parking Aid System)、後方碰撞警示系統(Rear Crash Collision Warning System)、偏離車道警示系統(Lane Departure Warning System)、緩解撞擊煞車系統(Collision Mitigation System)、自適應頭燈系統(Adaptive Front-lighting System)、夜視系統(Night Vision System)、自適應巡航系統(Adaptive Cruise Control System)、碰撞預防系統(Pre-Crash System)、停車輔助系統(Parking Aid System)等。 

系統由感測器、ECU、執行器構成,ECU是ADAS的運算單元統稱,車輛安裝數個ECU實現不同ADAS功能,功能越多系統複雜度越高。首先,感測器收集到的數據由CPU-GPU組合成的感測器處理器分析與識別,接著中央CPU將不同感測區塊、目標追蹤和車輛控制訊息進行感測器融合(Sensor Fusion),再與執行器和診斷區塊作用。其中,ECU包含微控制器(MCU)、輸入/輸出迴路、類比與數位轉換迴路、電源元件等,作用如同嵌入式電腦。 

ADAS分為前裝與後裝市場,若屬於前裝ADAS,受到汽車性能安全檢驗標準嚴格規範,進入到整機廠後,需花3~5年或更長時間通過檢驗才能上市。 

各國政府因應自駕車發展,設立車輛安全性、道路測試規範、保險理賠等規範,或以車輛星級評鑑的方式促使車商加裝特定配備。例如ADAS主動安全技術於2014年納入Euro NCAP(The European New Car Assessment Programme)評鑑規則;美國NHTSA則在2016年訂定強制配備自動緊急煞車 (Autonomous Emergency Braking System, AEB)的要求。這些規範帶動ADAS需求與技術發展,未來智慧車加裝ADAS提升功能,朝向初級自駕車靠攏。 

高階市場拼演算性能 

SAE等級3~5車載電腦運算分析能力強大,部分車用電子廠商投入新技術研發,已擁有自動駕駛或AI技術的晶片廠也進入車載電腦市場。自駕車最重要的能力是辨識行駛環境,圖資處理技術為關鍵發展要點。業者亦加入AI客服、深度學習、自動駕駛雲端平台等技術,期望自駕車能自我學習路況並服務乘客。 

目前等級3~5自駕車的道路測試以封閉場所、半封閉場所和固定行駛路線實驗為主,可望優先應用於有專用道的大眾運輸工具或是路線固定的貨運車。一般小客車駕駛道路環境多變,短期內難克服技術障礙。 

自駕車新興軟硬體技術帶動異業合作趨勢,以汽車業、車用電子與工業電腦廠、晶片廠、自駕技術新創公司和網路通訊業為主。汽車業、車用電子與工業電腦業者擅長製造強固型電腦,在車載硬體占優勢;晶片廠提供車載電腦內部SoC、CPU、GPU等元件,並投入自駕演算法開發;新創公司通常與車廠合作開發自駕軟體技術;網路通訊業者則開發軟體和架設自駕車雲端平台。 

等級0~2車載電腦的製作技術和零組件發展成熟,未來變化不大,值得注意的是自動駕駛風潮帶來的影響。自駕車不僅是業者極力推動的產品,各國政府已設立相關法律為自駕車上路做準備。例如,美國和歐洲的規範以建議或強制的方式指定車輛應安裝的配備,加速一般車輛配置ADAS的時程。隨著安全要求提升,等級0~2車載電腦業者應開發可處理ADAS訊息的產品。 

由低度邁向高度自動駕駛,是否具準確機器視覺是關鍵。等級0~2和等級3~5車載電腦不同在於,自駕車搭載繪圖晶片以及強大運算力的CPU或MCU,使用多核心CPU運算圖資。例如,NXP BlueBox處理器含8個64-bit ARM內核,40瓦特功率下每秒可處理900億個指令。 

並非所有車種都有自動駕駛需求,自駕車短期內也無法量產,非自駕車車載電腦業者不會快速受到衝擊。業者在客製化商品之餘,應基於車輛安全要求提升的角度考量,儘快發展ADAS基本技術,增加產品可應用範圍。 

(本文作者為資策會MIC產業分析師)

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!