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。
本文由鴻海研究院授權轉載。原文詳見：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
