迎接智慧車聯網時代:通訊、AI與資安技術共構可信任的新產業生態系

結合安全、可信任與穩健的技術,智慧車聯網不只改變人們對於「交通」的印象,並且將徹底翻轉產業遊戲規則。

想像一下,當智慧車聯網成真之後,我們的生活可能會變成這樣:上下班途中不再遇到塞車問題,一路綠燈暢行;外出談業務時,不必再多花20到30分鐘找停車位,手上的App會通知我們哪裡有空位,或者車子可以自己停妥,根本不需費心。什麼時候該充電、到哪裡充電最方便,車子和路邊的充電樁可以直接連線,同樣一氣呵成。

這樣的未來,離我們並不太遠;但要達到這樣的理想,其實也並不太容易。鴻海研究院在2021年元月正式掛牌後,新世代通訊研究所、人工智慧研究所,以及資通安全研究所,共同投入智慧車聯網相關技術應用研究,期待在這個產業典範轉移的關頭發揮技術研發關鍵力量。

從2020年到2021年,由於技術持續突破、淨零碳排的壓力,以及鴻海集團積極投入號召成立電動車平台,使得電動車成為新世代最具發展潛力的產業。不過,除了車子本身,必須要有其他配套才能成就智慧行動的願景,而智慧車聯網就是其中的關鍵,藉由智慧車聯網技術發展,不但提升產業,也能強化交通安全及效率。

智慧、連結與安全缺一不可

鴻海研究院執行長兼資通安全研究所所長李維斌指出,智慧車聯網組成的兩個關鍵就是「智慧」跟「連結」,智慧的關鍵是人工智慧,連結則必須倚賴通訊技術;而由於交通、車輛都與生命安全直接相關,因此,確保資通及數據安全、保障隱私,必然是貫穿車聯網技術的基礎建設,不可或缺。

連結自帶智慧的車,其中牽涉到的不只是車,影響的也不只是車。智慧交通有四大關鍵組成:車、路、人和環境。電動車只是其中的重要環節之一,必須和其他三大關鍵組合起來,以通訊、人工智慧與資安技術為基礎,透過系統性思考,拆解其中關聯與動態變化的各種可能性。

李維斌說,最簡單的拆解方式是分成訊息「輸入」、「處理」和「輸出」三個步驟,輸入的是由各種感測器(sensors)所蒐集到的資料,處理則由人工智慧判斷、預測,進而輸出訊息給車輛或紅綠燈以採取具體行動。

連結車路資料快速掌握全局路況

新世代通訊研究所所長吳仁銘解釋,在輸入階段,連結是非常重要的。因為單一台車雖然自己有感測器,雷達、光達(Lidar),也已經有自駕功能,但因視角有限,例如被前車擋住或受限於原本的視線盲點;或者環境的限制,像是看不到轉彎之後的路況、太遠看不清楚,或暴雨、濃霧影響視線,所以蒐集的資料還是不足的。

若要掌握全局路況,首先當然必須跟其他車輛合作,聯結、分享各自取得不同角度與不同時間的資訊。同時,還要連結路側單元(Roadside Units),例如智慧電線桿、智慧路燈等,它們可以一天24小時在固定位置收集資料,再跟每台車輛不同的感測結果連結在一起,才能有完整、精準、且能夠幫助自駕車的資訊。

舉一個最簡單的例子,有行人闖紅燈穿越馬路,某台小客車的視線卻正好被旁邊公車擋住,沒辦法看見。但是如果在智慧車聯網的環境下,雖然駕駛人看不到違規的行人,但路旁的智慧紅綠燈、路燈或者旁邊的車輛都已經感測到這件異常行為,並且立刻傳遞訊息到車上,駕駛人可以馬上踩剎車。假設是無人駕駛的自駕車,速度可能更快,在不到一秒的時間裡傳遞給無人車,立即減速閃避,避免事故發生。

快速判斷有用資訊動態調整

要蒐集多大範圍的道路資訊才足夠?這會牽涉到資料處理量、處理速度以及反應速度的問題。

吳仁銘指出,每台車以自己為中心,會有一個蒐集數據、交流互動的範圍,稱為關注區域(Region of Concerns)。隨著車輛的移動,一環接一環,每台車有它需要在意的範圍大小,只要超過範圍之外的資訊,價值就不大。而如果將這些範圍外的資訊全部蒐集並拿來分析,反而會降低效率甚至有害行車安全。

當然,區域關注的範圍大小會變動,例如在市區道路,5公里外發生的事情可能已經跟你無關了,但高速公路上距離10公里遠的車禍,或許就會影響後面20分鐘內所有將經過這個路段的車輛。該如何判斷多大的範圍最恰當?必須透過蒐集更多資料並進行分析後,逐步優化、隨時調整。

或許大部分的人都知道,目前Google地圖的路線規劃就有這個功能,透過不同顏色標示,讓使用者可以看到哪個路段車流量多,可以隨時選擇切換到最快抵達的路線。不過,這同樣只是起步。

影響資料判別的重要因素

車聯網的發展有不同進程,像車流量多寡就是透過感測、蒐集資料後連結送出;接著不同來源與型態的資料必須融合,再下一步才能做出判斷:是不是重要、是不是緊急、是否需要應變,是不是需要重新規劃路線?

吳仁銘指出,在思考這些問題時,影響通訊系統配置規劃的考慮點主要是「不同訊息來源」、「距離遠近」,以及「不同發生時間」。他指出,「年紀愈大的訊息愈不重要」,如果是緊急的訊息,像2021年發生的太魯閣號事件就必須立即處理,如果當時已經有類似的智慧系統,是有機會阻止悲劇發生的。

而在考慮智慧車聯網的技術與系統配置時,資通訊安全是至關重要的前提。

李維斌從資通訊安全角度補充說明,判別來源和完整性,同樣是在資料輸入時就必須確認的關鍵事項。

車聯網系統環節多被攻擊風險大

他指出,車聯網的系統有太多環節,某個環節出問題就會延伸,影響所及,變成整個系統的問題。就資安的角度來看,我們熟悉的網際網路其實只有一個入口,只要確保那個入口安全就可以。然而自駕車與智慧車聯網整合許多系統,可以被被攻擊的切入點很多。甚至於,因為車子都在外面跑,環境與天氣的因素變化多端,所以資安問題不見得都是人為造成的。

例如交通號誌可能被駭客入侵,使得經過的車輛錯把紅燈當綠燈,但也可能因為天氣因素,造成連結中斷或連結錯誤;甚至自駕車更新軟體時也很可能出錯,這些都必須考慮並預防。李維斌舉例,例如原本應該由A紅綠燈送進來的資料,會不會其實是B紅綠燈的資料?來源出錯,後續的處理和輸出都跟著錯。再來,送進來的資料是完整的嗎?中間有沒有被刪改過?如果被刪改了又要如何應變?這些都是一開始就必須處理的問題,才能確保智慧車聯網的安全。

兩層次資料處理 AI快速應變提升安全

當確認資料安全無誤輸入後,就進入「處理」階段,處理數據最重要的應用技術就是人工智慧。人工智慧研究所所長栗永徽表示,人工智慧的處理可以分成Low Level與High Level兩個不同層次。前者包括物件偵測,例如辨識出汽車、腳踏車或是行人;接著是物件分割(Object Segmentation),標出哪個物件在哪個畫素。這個階段的工作必須做得很準並且夠快,一秒要有30格(Frame),也就是超過人類肉眼所能夠感知的真實速度。

至於High Level則必須做到軌跡預測,如果有行人從左前方走來,然後走到正前方,接下來就能夠預測他會走到右前方。人工智慧可以預測每個物件的下個時間點會在哪個位置,並根據這個預測來做下一步的計畫,接著就會發出指令採取行動。從資料輸入、資料處理到採取行動,這些速度都比人快很多,因此應變的時間和空間比較大,也才能提升行車效率和安全性。

由於AI演算法的不透明性、複雜性與不可解釋性,在這個處理過程中,當然對資訊安全是很大的挑戰,「攻擊可能透過原始資料、模型,甚至是雜訊干擾進行,」李維斌舉例,如果衣服上有一個人眼無法辨識但足以干擾鏡頭判讀的圖形,很可能就讓自駕車誤判穿上這件衣服的人「不是人」。防止這種干擾的技術現在已經相當普遍,「必須採取預防措施,不能等出問題再亡羊補牢,」他強調,維護AI本身的安全、可信任和穩健性,是智慧車聯網能否發展的重大問題。

產業遊戲規則轉變「可信任」為關鍵

另一個關注重點,智慧車聯網的價值並不只在於安全,還能夠讓我們的交通更加便利。栗永徽和吳仁銘分別舉例,未來車子充電能夠自己找到最近的充電樁、進而發展出車輛能源管理系統;或者紅綠燈時所有的車輛能夠同時起步,節省後車等待前車的時間⋯⋯這些都是不用多久就能夠看到的未來。

「這是遊戲規則徹底轉變的時刻,」李維斌指出,從自駕車、智慧車聯網到智慧城市一連串的技術發展,必須倚賴通訊的速度與穩定度、AI的可信度與安全性,以及對於資訊安全的保障,才能夠逐步建構完成,「電動車無法容忍次級品,『還算安全』是無法接受的。」

因此,電動車與智慧車聯網的技術提升之後,不僅讓車輛產業全面升級,同時也建構起可信任的新產業生態系。李維斌強調:「可信任,不只是車子的機會,」無論通訊技術、AI與資安,都必須在這樣的基礎上發展,「未來的企業會分成兩種,安全的與不安全的。」

新世代通訊研究所 吳仁銘所長:
"車聯網的發展有不同進程,像車流量多寡就是透過感測、蒐集資料後連結送出;接著不同來源與型態的資料必須融合,再下一步才能做出判斷:是不是重要、是不是緊急、是否需要應變,是不是需要重新規劃路線?"

人工智慧研究所 栗永徽所長:
"從資料輸入、資料處理到採取行動,這些速度都比人快很多,因此應變的時間和空間比較大,也才能提升行車效率和安全性。"

資訊安全研究所 李維斌所長:
"這是遊戲規則徹底轉變的時刻,從自駕車、智慧車聯網到智慧城市一連串的技術發展,必須倚賴通訊的速度與穩定度、AI的可信度與安全性,以及對於資訊安全的保障,才能夠逐步建構完成。"

⊕本文選自鴻海研究院2021年鑑

回到頂端