如果有一天，我們不必等紅綠燈，不會堵車，不怕發生交通意外，路上每輛車都能優雅流暢地行動，最後抵達目的地時，還不必找車位就能順利停車，是不是很美好呢？台灣大學資訊工程系教授施吉昇告訴我們，這樣美好的未來是可以實現的。

自駕車的優勢和挑戰

目前人駕系統的設計很容易造成交通堵塞，其中一個原因是交通號誌，畢竟交通號誌是為了安全，而不是效率。再者，為了避免交通堵塞，車與車之間必須協調、合作，每輛車都必須知道自己和其他車要做什麼，並且必須維持，不任意改變，例如：在國道五號上維持時速90公里的車速，如果後方有人低於這個時速，後方車子自然就跟著變慢，造成堵塞。

人或機器做得到協調、合作嗎？我們都知道每個人都是獨立的個體，相反的，每個機器出工廠時長得都一樣。我們把人送去教育學習，把機器送去機器學習，看起來都是學習，目的卻截然不同。我們希望人學習後變得人人都一樣，例如送去駕訓班、考駕照後，希望人人都遵守交通規則，用一樣的方式開車；卻希望機器學習後，變得像人一樣。這根本違反自然，因此施吉昇說：「應該讓人去做人適合的事情，讓機器去做機器適合的事情。」

自駕車需要各種協調、遵守指令，機器的設計本來就是遵守命令，所以非常適合做這樣的事情。而且自駕車有非常多優勢，它不會疲勞駕駛，可以全天候24小時開車；具多重感測，有360度的視線；安全性可被檢驗，知道什麼情況下可能發生錯誤，錯誤發生率是多少；最後它還不受情緒影響。

當然，目前尚有一些挑戰需要克服。例如感測器容易受天候影響、價格也偏高、遇到不確定因素時（如地震），自駕車該如何反應等等。

從自動化到自主化，CPS實現自駕車願景

如何實現自駕車？這時就需要引入智慧整合控制系統 （Cyber Physical Systems, CPS）。CPS是把自動化系統結合計算系統，變成自主化系統。

自動化與自主化有何不同？自動化系統是在「已定義」的環境中，收集感測資料，並依據事先設定好的規則，完成指定任務，例如日常生活中的電視機、洗衣機、冷氣機等。而自主化系統是在「未定義」的環境中，收集感測資料，藉由具人工智慧的判斷引擎，完成指定任務，例如無人戰鬥機，大氣中環境不測，只能根據收集到的感測資料去判斷如何飛行。自駕車也是一種自主化系統。

施吉昇團隊為公車裝上CPS並於台中的馬路上做測試。他們利用相機與光學雷達收集感測資料，可以在高速情況下偵測人、車等物體，也可以在各種光線下偵測物體與陰影。這樣的公車在前方偵測到物體時，會自動慢下來或停下，而且還可以維持行駛穩定，不會忽快忽慢，或是在轉彎時過快。換句話說，自駕車兼具了安全性和舒適性。

施吉昇說：「自駕車無法一步到位。」必須先從有限制性或半開放的場域開始實施，一方面測試自駕車以增加安全性，另一方面也教育民眾了解自駕車的行為模式，以適應自駕車的存在。

自駕車技術已慢慢實現，或許未來開車也會如馬車、自行車一般，變成一種運動或休閒娛樂。