沒有人類因素干擾，自駕車真能100% 零事故嗎？

這也意味著，如果發生事故，提供這種AI 輔助能力的提供者，有最終駕駛決定權歸車主的擋箭牌可用。

問題是，自動駕駛本身已是新事物，技術等級標準更是行業 ... Share 【為什麼我們要挑選這篇文章】車禍原因中，絕大多數是人為疏失，因此科技大廠發展自駕車，就是期望交由機器駕駛，提升交通安全。

然而特斯拉、Waymo等自駕系統都發生過事故，還有人因此死亡。

自駕車真的能夠做到零事故嗎？（責任編輯：郭家宏） 本文經AI新媒體量子位（公眾號ID：QbitAI）授權轉載，轉載請連繫出處 作者：量子位 自動駕駛＝無事故？ 蔚來首例NIOPilot致死車禍後，關於自動駕駛安全相關的話題討論愈演愈烈，一場信任危機正在殃及所有玩家。

甚至還形成了兩派觀點： 一派認為，「自動駕駛事故」面前，應該對所有的自動駕駛展開重估，因為技術能力有如此明顯缺陷，人命關天。

應該叫停研發，禁止推廣，從根本上杜絶類似事故。

另一派強調，輔助駕駛的鍋，不能讓自動駕駛背，「真正的自動駕駛」就會有絶對的安全，自動駕駛＝無事故。

一方限制，另一方辯護。

但對不起，都存在認知偏差，都可能阻礙一項利國利民造福人類的新技術健康發展。

既不能因噎廢食，也不宜把自動駕駛與零事故劃上等號。

不過確實是時候正本清源，釐清技術野蠻生長期裡遺留的種種歷史問題了。

自動駕駛的分級翻譯，遺留使用者認知的問題 最首要的就是自動駕駛技術等級劃分，以及翻譯用語加劇的「誤解」。

就在蔚來事故熱議中，理想汽車創始人李想、投資入局造車的360董事長周鴻禕，以及威馬汽車創始人沈暉，也都是圍繞自動駕駛技術等級相關的問題展開的討論。

有人說他們是作為友商在「落井下石」，但如果深入瞭解了他們口誅筆伐的「專業黑話」和統一用語倡議，就會真切感知——他們這是唇亡齒寒危機感下的自發自救。

因為自動駕駛技術等級相關的歷史遺留問題一日不明，行業野蠻生長、劣幣驅逐良幣的現狀就會始終得不到改變。

所謂的自動駕駛技術等級，核心就是這張圖： 其中的level（水準／等級），就是L幾的「產業技術黑話」。

L2，就是level2，也就是第二等級水準。

L3，就是level3，也就是第三等級水準。

這套「等級」標準，跟一家名叫SocietyofAutomotiveEngineers的組織有關，簡稱SAE，中文叫美國工程師學會。

在2014年全球自動駕駛研發，開始第一次欣欣向榮之際，SAE牽頭制定了一套自動駕駛技術等級標準。

目標是希望透過劃定不同的等級，可以指引產業針對性發展。

整個等級標準的制定，參考了很多影響因素。

但最核心的可以歸納為一個： AI系統在汽車駕駛中的參與程度。

整個標準，被分為了6個級別：0、1、2、3、4、5。

L0，AI參與程度最低，基本就是應急情況下輔助一下。

L5，AI參與程度最高，高到整個駕駛行為完全不需要人類的地步，也被叫做完全無人駕駛。

例如現在常聽到的RoboTaxi無人駕駛計程車，或者是不再搭載剎車油門腳踏板和方向盤的智慧車，就是朝著L5方向上的努力。

在這6個等級中，有一個關鍵分水嶺：L4。

L4以下，人類駕駛員都是駕駛行為的最終責任人。

L4及以上，AI系統就是最終責任人。

L4是權責界限的分水嶺。

換而言之，L4以下，無論是L2還是L3，都是人機共駕模式，AI系統提供的都是輔助能力。

區別在於，L2是你操作什麼，AI就執行什麼，比如車道居中保持、自適應巡航控制，以及你命令變道然後AI來伺機變道……都是L2。

L2情況下，AI完全不思考，也不主動做決策。

而L3最大的不同，就是AI開始能幫司機做決策了。

最簡單的例子就是，什麼時候變道，人類司機不用再給指令。

在駕駛過程中，AI會根據你的行程和路況來進行決策，甚至能在高速公路等非開放路況的場景下，幫助完成絶大部分的駕駛行為。

只是這個階段，人類依然是駕駛行為的核心決策者，所以特殊情況、緊急決策，依然需要人類駕駛員來執行。

所以現階段，各家產品有叫法上的不同，有NOA、NOP、NGP。

但基本都是指在高速公路等路況相對可控的場景的AI駕駛輔助。

援引SAE制定的術語和翻譯用語，他們確實可以被叫作「L2自動駕駛」、「L3自動駕駛」，甚至還有「L2.5自動駕駛」。

但歸根究底，又都是輔助駕駛，都是AI提供輔助能力，最終駕駛的決定權，依然在於車主。

這也意味著，如果發生事故，提供這種AI輔助能力的提供者，有最終駕駛決定權歸車主的擋箭牌可用。

問題是，自動駕駛本身已是新事物，技術等級標準更是行業黑話，普通車主和用戶，都缺乏完備認知。

加之利益相關的技術提供者，還可能在售前只談自動駕駛，利用認知偏差造成誤導。

這是為什麼會出現「買前自動駕駛，出事輔助駕駛」，以及「車主未能正確使用」之類的神調侃、神回覆。

所以現在出了事故，這套SAE技術等級標準和翻譯問題，確實難辭其咎。

這也是為什麼到了產業需要統一用語的時候，用戶的信任和監管信心，經不起類似事故挑戰了。

但客觀來說，鍋也不全在SAE。

因為就在2014年制定等級標準時，他們看到了RoboTaxi的終極目標，卻難以預料，圍繞自動駕駛技術發展，會走出不同主張的兩條路線。

自動駕駛的兩大路線：特斯拉、Waymo 特斯拉路線和Waymo路線。

最初SAE制定標準時，這兩大路線，只是推進自動駕駛的不同主張。

還沒到開花結果，產生實際影響的階段。

而這兩大路線，本質就是以L4作為分水嶺來實踐的。

剛才也說了，L4是一個人類是否在駕駛行為中起決定性作用的分界線。

其中以特斯拉為代表，希望從L4以下疊代到L4以上，後來被稱為量產自動駕駛。

以Google集團中的Waymo為代表，則認定只有直接從L4開始，才是符合「安全初心」的做法，後來進一步作為區分，被稱為完全無人駕駛。

兩大主張和路線之間，也時常你攻我伐，口水仗一直未間斷。

而且這兩大路線的開創者和最早實踐者，其實都是Google；但後來，Google認定不能走後來被稱為「特斯拉路線」的方案。

因為特斯拉路線認為自動駕駛可以在人機共駕的狀態下、在駕駛數據疊代下，不斷向上升級，最終從L2一直升級到L5。

特斯拉所謂的影子模式，就是在這種人機共駕的狀態下，讓AI學習人類的駕駛行為。

比如處於AI駕駛狀態時，忽然遭遇了困難，由人類接管完成了挑戰，就會被系統標記，其後由AI模型訓練和學習類似的問題，然後得到模型提升。

實際上，特斯拉路線也不斷展現其可能性和可行性。

從這幾年來看，特斯拉的自動駕駛能力，進步確實有目共睹。

而且特斯拉路線的優勢，集中體現在成本和規模化數據疊代上。

車賣到的地方，就是它開啟自動駕駛道路測試的地方。

核心要求是能賣更多車，並且自動駕駛方案的軟硬體成本在用戶可承受範圍內。

另外，特斯拉路線也存在明顯的悖論。

一方面，量產自動駕駛可以替代人類車主在一些場景下駕駛，但另一方面又要求司機在緊急情況下接管汽車。

這就要求一個長時間放鬆的人，必須還要時刻專注在車程中。

換一個更多人有過的經驗，上課允許恍神，但只要老師點名提問，就能馬上給出答案。

很多車主的血淚經歷說明，處於放鬆狀態的司機，會看影片、會睡著，而且過度信任特斯拉視覺感知系統的能力。

於是當老師點名提問，他們往往措手不及。

然而，開車上路，事關生命安全，代價有時是極其慘重的。

之前馬斯克說，車主用了自動駕駛就回不去了。

被吐槽說，有些車主確實「回不去了」。

而且這個悖論下，特斯拉不是個例。

只要是人機共駕狀態下，你不能要求所有司機一邊狀態，另一邊還能隨時接管。

人，一直是駕駛行為中最不確定的因素。

也正是出於人性和悖論的洞察，Google（Waymo）主動改弦更張，決定挑戰更難的完全無人駕駛路線。

作為全球這一波自動駕駛商用浪潮的開創者，Google最初也是希望打造一套人機共駕的系統，逐步實現RoboTaxi的L5終極目標。

但後來研發和測試階段，就發現駕駛決策中只要有最大不可控因素「人類」存在，就沒有真正的安全保障可言。

當時隨著研發的系統越來越完善，測試車上路後被接管的次數越來越少，導致有些工程師乾脆跑到後座去。

於是Google開始重新思考自動駕駛的推進路線。

因為從初心來講，Google決定重金砸向自動駕駛，就是為了用穩定嫻熟的AI駕駛，提高人類整體駕駛水平，有效減少大量的交通事故。

安全既是出發點，也是最終歸宿。

但如果無法100%控制全局，例如相對成熟的AI駕駛系統給了一個不太負責任的人類司機，最後由於司機過度信任，在遭遇極端場景時無法有效接管，就會造成安全事故。

當然，也有一種說法，事故也是AI系統debug的過程。

但用這樣的方式來推進自動駕駛，一將功成萬骨枯，是不是太過冷酷無情？ 所以Google之所以是Google，並非沒有原因，他們決定選擇更難的一條路：直接L4。

直接把代表不確定因素的人類，從駕駛位上趕下來。

最終產品形態，就是RoboTaxi。

於是這條直接L4的路線，也就被叫做Waymo路線。

這是一條先道路測試，在一個足夠安全有保障的成熟系統之後，再開啟量產和商用的路線。

這條路線優點顯而易見，安全至上，成本優先級不算高，可以用最冗餘的感測器方案來保障安全，畢竟車不向C端銷售。

但缺點也很明顯，推進起來沒那麼快，商業化和規模化的速度也嚴格受限。

在Waymo路線上，所有的研發、落地成本都需要自己承擔，規模化獲利更是遙遙無期。

所以這2年來，特斯拉和Waymo在資本市場遭遇了兩極待遇，特斯拉市值股價節節高昇，Waymo的估值被一而再下調。

而也是這種此消彼長之間，還長出第三種路線：Cruise路線。

直白講就是「融合路線」，把Waymo的L4級自動駕駛技術，兼顧成本之後，落在量產車上使用。

總之，一方面是看到了特斯拉路線的數據疊代之力，另一方面又希望透過Waymo路線來增強安全保障。

但即便如此，只要沒有擺脫人機共駕模式，人性悖論和權責歸屬的問題，就始終沒有消除。

安全隱憂，也就無法根治。

所以問題也就來了，既然現階段的自動駕駛無法根治安全問題，為什麼還要發展？還是燒那麼多錢、給那麼多有利政策來支持發展？ 自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故 是的，確實有理想化觀點這樣認為： 發展自動駕駛，讓天下沒有交通事故。

也對，但也不對。

對，是因為如果果真達到了理想化情況，路上皆自動駕駛車輛，或許就不會有不文明駕駛、違規的行為了，車車都文明，車車上路都穩妥，交通秩序跟自動化流水線一樣井然有序。

但之所以也不對，是因為這種理想化觀點，不符合數學和技術規律。

於本質來看，自動駕駛，機器開車，是一個電腦問題，更是一個數學問題，在這道題中，始終存在一些細微的變數，讓事故機率不可能完全為0。

更何況，自動駕駛面對的複雜長尾場景和狀況，事故機率也不可能為0。

所以自動駕駛=無事故並不成立，也沒有誰能打包票。

然而即便如此，自動駕駛依然有著更高的安全性，也是目前消解人類交通事故最接近本質的方法。

人類駕駛為主的交通安全，有著怎樣的現狀？ 援引去年12月「第九個全球交通安全日」的數據，在機動車保有量超過3.6億、機動車駕駛人達到4.5億的中國，每年就有數萬人喪生於交通事故。

更直觀的換算，平均每8分鐘就有1人因車禍死亡。

全球範圍內，按照WHO在2018年披露的數據，全球每年因道路交通死亡人數高達135萬人，意味著每25秒就有一人在交通中喪生。

其中，發生交通事故的主要原因，是最大的不確定性因素：人類司機。

無論中外，按照數據統計，肇事突出的10大交通違法行為分別為：未按規定讓行、超速行駛、無照駕駛、醉酒駕駛、未與前車保持安全距離、逆向行駛、違反交通號誌、酒後駕駛、違法超車、違法會車。

同時，還有酒駕醉駕、三超一疲勞（超速、人員超載、貨物超載、疲勞駕駛）、闖紅燈等交通違法違規行為。

但如果替換成AI司機，這些隱患行為和因素，就會從根本上被杜絶。

AI司機不僅不會有人類司機的疲勞駕駛、醉駕酒駕、情緒化，以及各種危險駕駛和不文明駕駛行為，而且還擁有人類無法「規模化複製」的優勢。

一個AI老司機養成，即意味著成千上百AI老司機ready。

相對應的是，人類從新手上路到老司機養成，繞不開線性時間和路上的磨練。

所以大道直白，雖然自動駕駛無法保證天下再無事故，但有自動駕駛，替代了交通中最大的不確定因素，一定能讓交通更安全。

此外，還有一組數據也可對比。

量產自動駕駛路線中，事故曝光率最高的特斯拉，凡有事故幾乎無處隱藏。

所以也有好事者，統計了特斯拉及AutoPilot造成的事故和傷亡情況。

統計顯示，從特斯拉2013年第一起曝光的事故至今，全球因特斯拉事故造成的死亡人數達201人，其中9人與AutoPilot相關。

Waymo路線上，全球唯一一起無人車致死車禍，由Uber測試時造成。

而對比起來，全球每年有135萬人在道路交通中喪生。

雖然這幾年中，自動駕駛依然是一個新業態，方興未艾，還遠未達到數量上的普及，但上述兩組數據和頻率，依然能見微知著。

所以即便自動駕駛≠無事故，但只有自動駕駛才能根本上減少事故。

更何況，現今正在有越來越多冗餘來加強安全，例如車端的感測器冗餘、安全冗餘，運營過程中的冗餘，以及中國正在高速推進的路端基建，車路協同帶來的更高維度的冗餘。

在這些多重冗餘保障之下，如果真正來到全部自動駕駛狀態，事故中的不確定性，還將進一步趨近於0。

有設想是，這些基礎設施完善後，可以保障所有上路的車輛都由自動駕駛，不再有人機共駕，也不再有人類駕駛的車輛和自動駕駛車輛混行。

人類司機，這個道路交通上最大的不確定性因素，也就沒有了。

甚至跟汽車替代馬車一樣，人類駕駛行為就跟騎馬行為一樣，變成了一種娛樂活動，甚至如果不是特許的道路，人類駕駛行為還會違規違法。

自動駕駛將完全接管城市出行網絡。

這個網絡中，電動車（新能源）、共享出行、車聯網，以及智慧化都實現了串聯。

車隨用隨叫，可以不再需要停車，沒電了自動規劃去充電，真正實現了高效、綠色、安全和低碳環保可持續，車真正變成了使用載體，而不是擁有主體，私家車從此退出歷史舞台。

這個網絡之下，自動駕駛車輛可以一體化運營、調度，就像現在的通訊運營模式一樣。

所以這也是為什麼，業內還有另一個隱而未宣的觀點，認為自動駕駛背後，也有5G一樣的「標準」之爭。

因為自動駕駛不是單一的一項技術，是一個從無到有、從個例到規模化落地的系統生態。

而且這不是一個地區、一個國家才需要的系統，是全球各地都需要的系統。

對於這個系統，誰最先擁有完備的方案和技術能力，就能成為標準的制定者，就能主導整個落地生態的發展。

也正是如此，在美國奇貨可居的先進技術限製出口中，自動駕駛地位很高。

但自動駕駛的技術發展和疊代，離不開大規模的數據和豐富的場景。

這也是中國在自動駕駛落地上，越來越展現出優勢的關鍵原因。

原本就跟全球處於同一起跑線，現在還有豐富和最具挑戰的路況數據、場景。

所以這也是為何自動駕駛的發展，更加不能因噎廢食。

因噎廢食不僅無法根本上解決問題，而且還誤國誤民，流弊千秋。

根本上，自動駕駛不僅是一項先進技術，還事關智慧交通、智慧城市等面向未來的全球標準和話語權，甚至是經濟發展和GDP的新動力引擎之一。

不過，現階段自動駕駛發展，也不是沒有安全路徑上的可完善之處。

更安全發展自動駕駛，還能做什麼？ 既然問題已經出現，就是時候在熱議中推動形成共識。

實際上，在監管和政策層面，中國可能已經是全球最謹慎的國家。

特別是在之前自動駕駛和RoboTaxi測試的資質和牌照發放中，從程序到過程，比美國加州DMV嚴格太多。

根據中國目前官方唯一的自動駕駛路測報告：《北京市自動駕駛車輛道路測試報告》披露，考核標準相當嚴苛，無論從公開道路的長度、還是標準制定程度上來看，都堪稱細緻。

還專門設置了64,827公里的無人化測試驗證，確認了測試技術的可行性、及測試方法和參數的可靠性。

而更早之前，有安全員的自動駕駛路測，也從牌照發放和運營等多重維度作出明確要求。

也是這種監管之下，中國路測里程最多的百度Apollo，完成多個城市RoboTaxi落地營運，有1,400萬公里的實路路測後，能夠做到零事故。

國外，Waymo再次開行業風氣之先，在去年發佈了事故報告，披露從2019年初到2020年9月，RoboTaxi落地期間的事故情況。

顯示在Waymo的610萬英里（982萬公里）路程中，包含沒有安全員的完全無人駕駛的測試里程也有65,000英里（10萬公里），總共出現過18次事故，另外還有29次被安全員干涉得以避免的潛在事故。

但這些事故有兩大共同特點： 第一，沒有一起嚴重到危及生命。

第二，無一起主動事故，都是其他人類駕駛車輛造成的被動事故。

所以對於RoboTaxi方向上的自動駕駛，從監管到測試，一直有數據支撐的安全可信印象。

但量產自動駕駛——或者更準確來說，需要人機共駕的輔助駕駛，之前有灰色地帶可走，處於野蠻生長。

一度只有道德標準，沒有嚴格的監管法規，但這種日子也正在成為過去時。

8月12日，中國工信部印發了《關於加強智能網聯汽車生產企業及產品準入管理的意見》，對智慧車在數據和安全方面，作出了明確規定。

其中最引人注目的，就是針對涉及自動駕駛功能的產品管理，按照使用前後做了不同層級的要求明確，強化車企在安全方面的責任。

並且明確規定，自動駕駛相關的功能OTA要先過審批。

國外，特斯拉AutoPilot相關的事故，也開始被美國管理機構立案調查。

所以即便是擦邊球路徑上的「量產自動駕駛」，野蠻生長期也到頭了。

只不過蔚來事故之前，「完全無人駕駛」和「量產自動駕駛」兩大路線之間，有爭論有口水仗，雙方以為可以各自為戰。

然而誰能想到，在事故後的不信任危機裡，輿論不分路線，所有人都被同一條船視之。

一榮俱榮，一損俱損，沒有誰能獨善其身。

不管是L幾的技術，不管是量產自動駕駛路線，還是完全自動駕駛路線。

不管是車廠、供應商，還是系統技術玩家。

一切是時候了，是時候以這次事故為鑒，直面一直存在的認知和信任危機。

而且只有所有玩家團結一致，達成公約，才能讓發展更安全、可持續。

至少是時候改變，且有三件事可以從我做起： 第一，規範使用產業用語，統一表達，明確權責歸屬。

但凡人機共駕，需要司機、車主緊急接管的，一律都叫輔助駕駛。

否則出現事故，無論是不是車主未能及時接管，都應由能力提供方承擔責任。

無需司機、車主緊急接管，或者責任明確就是技術服務提供方，才能以自動駕駛作為宣傳。

第二，輔助駕駛的上車，還要有多重安全冗餘配合。

不僅需要在使用前，明確向車主表明輔助駕駛系統的利弊，加強功能使用端的準入考核和監管。

還需要防止不靠譜車主，輕而易舉就可以繞過輔助駕駛開啟的必要規則，以及雙手離開方向盤、注意力不集中等危險駕駛行為。

此外，DMS等駕駛行為監測，應該成為輔助駕駛的標配，不僅是保護車主安全，也是保障其他路上交通參與者的安全。

私自加裝作弊器等行為，應該要與危險駕駛行為一樣被對待。

還有必要主動呼籲打擊銷售作弊器的行為，呼籲立法監管，由各大零售平台打擊，不能讓如此等同謀財害命的行為，大行其道。

第三，定期主動披露安全機制和數據。

安全機制可以增進產業信任，安全／事故報告能夠讓一切更公開透明，唯有擺脫談事故色變、諱莫如深的心態，產業才能真正健康良性發展。

這也是不斷科普，幫助大眾更加準確了解自動駕駛能力、狀態和階段的必要手段。

總之，事故當前，信任危機當前，警鐘為所有自動駕駛玩家而鳴。

如果此時此地，還不能用更具公約的方式，發展和推動自動駕駛安全和信任，等到更大危機到來，沒有人能置身事外。

如果依然要在輔助駕駛、自動駕駛等行業話語上爭論不休，如果讓每一次自動駕駛事故成為輿論焦點，如果行業玩家都不得不誇張宣傳才能不顯得落後，雪崩到來，沒有一片雪花無辜。

一切是時候了。

（註：作者為量子位主編，專欄僅代表個人觀點） 參考資料：特斯拉事故統計、Waymo自動駕駛報告、WHO道路交通死亡人數報告 （本文經AI新媒體量子位授權轉載，並同意TechOrange編寫導讀與修訂標題，原文標題為〈对不起，自动驾驶做不到零事故〉。

首圖來源：Shutterstock） Share 馬上訂閱CONNECT▼ NowReading 沒有人類因素干擾，自駕車真能100%零事故嗎？ 4minread 最新文章 雲端運算人工智慧 雲端服務 數位轉型應用 資訊安全 資訊科技 未來生活電動車 智慧城市 新零售 數位金融 數位行銷 通訊科技5G/6G 太空 低軌道衛星 電信通訊 新科技 供應鏈智慧製造 半導體 能源創新 ESG IoT Web3.0元宇宙 區塊鏈 虛擬貨幣 NFT 主題特展2022高薪職涯攻略 2022智慧大工廠趨勢 0% ✕ Close 徵才 報名資安快充線上研討會 最新文章 Podcast 主題特展 2022高薪職涯攻略 2022智慧大工廠趨勢 雲端運算 人工智慧 雲端服務 數位轉型應用 資訊安全 資訊科技 未來生活 電動車 智慧城市 新零售 數位金融 數位行銷 通訊科技 5G/6G 太空 低軌道衛星 電信通訊 新科技 供應鏈 智慧製造 半導體 能源創新 ESG IoT Web3.0 元宇宙 區塊鏈 虛擬貨幣 NFT 投資創新 新投資 新人才 數位醫療 創業故事 公共服務 線上學習 數位政府與未來治理 網路民主與公民 品牌簡介 ABOUTUS 聯絡我們 ✕ 徵才 最新文章 Podcast 主題特展 2022高薪職涯攻略 2022智慧大工廠趨勢 雲端運算 人工智慧 雲端服務 數位轉型應用 資訊安全 資訊科技 未來生活 電動車 智慧城市 新零售 數位金融 數位行銷 通訊科技 5G/6G 太空 低軌道衛星 電信通訊 新科技 供應鏈 智慧製造 半導體 能源創新 ESG IoT Web3.0 元宇宙 區塊鏈 虛擬貨幣 NFT 投資創新 新投資 新人才 創業故事 公共服務 數位醫療 線上學習 數位政府與未來治理 網路民主與公民 品牌簡介 ABOUTUS 聯絡我們 LatestPosts InnoVEX圓滿落幕！新創生態圈容納百川，台灣下隻獨角獸會是誰？ 英特爾與越南Vingroup集團簽戰略合作計畫，加速進軍汽車晶片領域！ Web3新創及時雨？BinanceLabs5億美元投資基金，推動區塊鏈及Web3新技術 帶你洞悉世界級駭客的思維！如何在隱私權成奢侈品的時代，拿下這樁勝利？ 在家看電視也有機會品嘗美食？日本教授腦洞大開，「可以舔」的螢幕遠距下載電視美食 為提供您更好的網站服務，本網站會使用Cookies及其他相關技術優化用戶體驗，繼續瀏覽本網站即表示您同意上述聲明了解隱私權政策同意並關閉視窗Manageconsent Close PrivacyOverview Thiswebsiteusescookiestoimproveyourexperiencewhileyounavigatethroughthewebsite.Outofthese,thecookiesthatarecategorizedasnecessaryarestoredonyourbrowserastheyareessentialfortheworkingofbasicfunctionalitiesofthewebsite.Wealsousethird-partycookiesthathelpusanalyzeandunderstandhowyouusethiswebsite.Thesecookieswillbestoredinyourbrowseronlywithyourconsent.Youalsohavetheoptiontoopt-outofthesecookies.Butoptingoutofsomeofthesecookiesmayaffectyourbrowsingexperience. Necessary Necessary AlwaysEnabled Necessarycookiesareabsolutelyessentialforthewebsitetofunctionproperly.Thesecookiesensurebasicfunctionalitiesandsecurityfeaturesofthewebsite,anonymously. CookieDurationDescriptioncookielawinfo-checkbox-analytics11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Analytics".cookielawinfo-checkbox-functional11monthsThecookieissetbyGDPRcookieconsenttorecordtheuserconsentforthecookiesinthecategory"Functional".cookielawinfo-checkbox-necessary11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookiesisusedtostoretheuserconsentforthecookiesinthecategory"Necessary".cookielawinfo-checkbox-others11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Other.cookielawinfo-checkbox-performance11monthsThiscookieissetbyGDPRCookieConsentplugin.Thecookieisusedtostoretheuserconsentforthecookiesinthecategory"Performance".viewed_cookie_policy11monthsThecookieissetbytheGDPRCookieConsentpluginandisusedtostorewhetherornotuserhasconsentedtotheuseofcookies.Itdoesnotstoreanypersonaldata. Functional Functional Functionalcookieshelptoperformcertainfunctionalitieslikesharingthecontentofthewebsiteonsocialmediaplatforms,collectfeedbacks,andotherthird-partyfeatures. Performance Performance Performancecookiesareusedtounderstandandanalyzethekeyperformanceindexesofthewebsitewhichhelpsindeliveringabetteruserexperienceforthevisitors. Analytics Analytics Analyticalcookiesareusedtounderstandhowvisitorsinteractwiththewebsite.Thesecookieshelpprovideinformationonmetricsthenumberofvisitors,bouncerate,trafficsource,etc. Advertisement Advertisement Advertisementcookiesareusedtoprovidevisitorswithrelevantadsandmarketingcampaigns.Thesecookiestrackvisitorsacrosswebsitesandcollectinformationtoprovidecustomizedads. Others Others Otheruncategorizedcookiesarethosethatarebeinganalyzedandhavenotbeenclassifiedintoacategoryasyet. SAVE&ACCEPT