CES 2015 ：觀測之二、車聯網、機器視覺與機器學習的全新交通樣貌

從去年 CES ，車聯網與車載應用就開始受到矚目，主要是由於 4G 連網以及美國的車對車通訊 V2V 即將標準化，加上駕駛輔助技術由於感測器技術以及運算平台的進步而更智慧，今年的 CES 車載應用可說是兵家必爭之地。筆者認為，由車聯網、機器視覺加上機器學習所組合而成的車載技術，將會把現知的汽車產業帶領到全新的高峰。

車聯網可分為兩種類，一種是直接將平台連接到網際網路，另一種則是 V2V ，兩種功能在相輔相成後可有更多元的應用；透過連接到網際網路平台，可將車子所在地的資訊傳遞到統一的平台，也可接收遠程的異地資訊，另外就是享受行動網路所提供的各類即時更新以及娛樂功能。

至於 V2V 則可透過中短距離車輛對車輛、車輛對基礎建設的資訊交換取得更多訊息，例如透過基礎建設的監控，可得知路況並且提供路線規劃建議，車對車則能了解對方目前的行車情況，當對方忽然急踩煞車前也能應對，或是即將超車前也預先警示前方車輛減少意外發生。

不過筆者對於車聯網最大的期待，還是藉由大數據分析以及即時交通分析，能夠動態的改善交通狀況；以現在的交通號誌，多半是按照預設的模式決定紅綠燈，然而當一些時段明明其中一方沒有來車、另一方車況壅塞，但紅綠燈仍是照著既定的規律調整，往往造成塞車。

但是若能結合 V2V 與基礎建設的路況監控與分析，理論上就可透過即時的車流分析更有效率的動態調整號誌的時間，且透過 V2V 將號誌的持續時間推播給汽車駕駛，也能讓駕駛掌握何時該開車或是停車，不需靠肉眼判讀號誌；如此一來像是上下班時間以及連續假期的交通，也能比起過往更有效率的管理，雖未能 100% 不讓塞車發生，但交通時間則更能掌握。

至於機器視覺結合機器學習，則是另一波改變駕駛體驗的技術整合；對於車輛來說，機器視覺就如同人的眼睛一般，透過機器視覺能夠補足車輛設計產生的視覺死角，延伸則作為駕駛輔助的應用，且這裡所謂的駕駛輔助不光只是自動、半自動駕駛系統與停車輔助系統，結合機器學習後甚至可協助駕駛辨識交通狀況。

舉例來說，讓車子學習交通號誌代表的含意，簡易的分辨各類車輛，就能夠幫助駕駛在行車時獲得更多的資訊；像是高速行駛或是可視距離因天候受到影響時，車載的攝影機若是捕捉並辨識到交通號誌，即可將資訊提醒給駕駛，像是速限、禁止超車等等，即便駕駛一時漏看也能得到資訊。

而且若能分辨車輛類型，像是小客車、大型車、警消車輛時，也能依照不同車種的駕駛動態及時提醒駕駛避免誤入前方車輛的動線，或是當警消車輛通過時也能讓路，或是發現警車停在路邊可能架設動態測速相機時提前將車速控制在安全速度。

把機器視覺、機器學習與車聯網整合後，也可望使交通建設更為完善；例如當車輛開到臨時施工的區域，即可將當地的路況資訊傳給整個 V2V 系統平台，提醒其他車輛斟酌是否改道；或是當前方發生意外事故時，也可即時通報給系統，甚至記錄下事故情況傳遞給警消。

此外透過機器視覺與學習所蒐集的駕駛動態資訊，也能彙整到資料庫中與其他車輛所蒐集到的資料整合，藉此透過機器學習的方式提供更聰明的駕駛輔助提醒，透過機器視覺與演算發現到前方車輛動線有異常也能提早預防。

甚至像今年一些車廠展演的自動停車場車位找尋與停車系統，若能結合 V2V 通訊整合，駕駛能夠更快的找到仍有車位的停車場，若是停車場本身也具備車位偵測，亦能使車輛減少進行自動駕駛找尋車位的時間，可更快速的開到有車位的區域並且自動停車。

自動駕駛也是需要配合 V2V 與機器視覺、機器學習的應用，畢竟後兩者是自動駕駛的基礎，沒有機器視覺與學習功能，就無法判斷路況並且做出正確的應對，其次也需要 V2V 接收路況以及與其他車子相互溝通將路線最佳化；筆者認為，由現在半自動駕駛走到真正的自動駕駛，關鍵將取決於運算平台、機器視覺與感測系統在惡劣氣候下的穩定性與 V2V 建設的完整度。

當然全自動駕駛雖是未來之路，不過相信不會是血中仍留有辛浣質的熱血駕駛所樂見的，但是藉由這些新科技的輔助，也非單純降低駕駛樂趣，畢竟透過資訊交換與機器視覺所獲得的路況資訊，能夠使駕駛過程減少事故的發生，也能讓出遊的路線更為順暢。

你或許會喜歡

想買台 iPad 當新年禮物，Air 2 和 mini 3 大家偏好哪一台呢？

史上最細 HDMI 線誕生！好看又好整理的 much in HDMI 1.4 線材動手玩！