自驾车的基础建立在计算机指令与机械设备之间的对话，AI所做出的判断要精确地反应在车体上，必须先将所有的驾驶行为数据化，比如将转向的幅度以公分数或是角度表示。唯有建立出车辆在行驶上所需要的所有参数，AI所下达的数位指令方能控制车辆。今年4月在农博亮相的自驾车，其线性控制参数便是由奕兆绿能所建立搜集。

奕兆绿能总经理王伟兆表示，将驾驶行为数据化的过程需要反覆的人为驾驶、绕行等，才能建立出全面的、与驾驶行为相对应的数据及参数。由于驾驶行为相当抽象，不同车种、车款、以及驾驶手都会带来不同的乘车体验，在车辆的系统整合阶段，必须从大量的数据中取出平均值，才能够确保最后建立的参数能够带来舒适的乘车体验，减少急煞、起步太快、下坡不够平稳等情况发生。

王伟兆表示，线性控制参数的搜集是电动车、自驾车的基础，建立在全面的参数之上，人工智能在自驾车上的决策与控制才能下达到车辆之上。当整车参数建立完善，在特定区域绕行、训练AI系统的优化才有意义；也因为自驾车每在一条路上行驶，都需要大量的前置参数设置以及人工智能的训练，对此王伟兆表示，一条成功的自驾车路线要复制到其他路段仍需要相当高的成本，因此认为现阶段台湾的自驾车发展仍会以封闭园区、或是特定路段行驶为主要发展方向。

虽然对自驾车的发展持保守态度，但是对于自驾车在智慧城市中能扮演的角色上，王伟兆的态度相当乐观。表示自驾车的应用越普及，越能提高交通行为的效率。因车辆的驾驶行为都已经被数据化，哪一个路口导致了较多的停等、废气排放、上坡有多少耗能等，都可以被精确地计算出来，进一步可以提供交通主管机关做相关的道路规划或是重整。

由于整车的系统整合都是由奕兆独力完成，王伟兆表示，这让奕兆不论是与自驾车业者合作、或是其他的电动车业者合作，都能保有对车辆的掌握度，能够因应不同的情况做快速的调整。除了今年4月在农博展示与台湾智慧驾驶合作的自驾车之外，建好参数的底盘车亦能够用于工厂、码头、港口等开放场合。

?作者：李逸涵