自駕車的基礎建立在電腦指令與機械設備之間的對話，AI所做出的判斷要精確地反應在車體上，必須先將所有的駕駛行為數據化，比如將轉向的幅度以公分數或是角度表示。唯有建立出車輛在行駛上所需要的所有參數，AI所下達的數位指令方能控制車輛。今年4月在農博亮相的自駕車，其線性控制參數便是由奕兆綠能所建立蒐集。

奕兆綠能總經理王偉兆表示，將駕駛行為數據化的過程需要反覆的人為駕駛、繞行等，才能建立出全面的、與駕駛行為相對應的數據及參數。由於駕駛行為相當抽象，不同車種、車款、以及駕駛手都會帶來不同的乘車體驗，在車輛的系統整合階段，必須從大量的數據中取出平均值，才能夠確保最後建立的參數能夠帶來舒適的乘車體驗，減少急煞、起步太快、下坡不夠平穩等情況發生。

王偉兆表示，線性控制參數的蒐集是電動車、自駕車的基礎，建立在全面的參數之上，人工智慧在自駕車上的決策與控制才能下達到車輛之上。當整車參數建立完善，在特定區域繞行、訓練AI系統的優化才有意義；也因為自駕車每在一條路上行駛，都需要大量的前置參數設置以及人工智慧的訓練，對此王偉兆表示，一條成功的自駕車路線要複製到其他路段仍需要相當高的成本，因此認為現階段台灣的自駕車發展仍會以封閉園區、或是特定路段行駛為主要發展方向。

雖然對自駕車的發展持保守態度，但是對於自駕車在智慧城市中能扮演的角色上，王偉兆的態度相當樂觀。表示自駕車的應用越普及，越能提高交通行為的效率。因車輛的駕駛行為都已經被數據化，哪一個路口導致了較多的停等、廢氣排放、上坡有多少耗能等，都可以被精確地計算出來，進一步可以提供交通主管機關做相關的道路規劃或是重整。

由於整車的系統整合都是由奕兆獨力完成，王偉兆表示，這讓奕兆不論是與自駕車業者合作、或是其他的電動車業者合作，都能保有對車輛的掌握度，能夠因應不同的情況做快速的調整。除了今年4月在農博展示與台灣智慧駕駛合作的自駕車之外，建好參數的底盤車亦能夠用於工廠、碼頭、港口等開放場合。