AI 交通應用

使用人工智慧中之深度學習及機器學習等技術，以混合式多模型(Hybrid model)的設計方式，分析並利用各個傳感器的輸出資料，自動學習並歸類異常行為，並以此做為預測模型之輸入特徵，預估設備的使用狀態，並進一步預測其剩餘的壽命，提供系統使用者相關資訊和及時警告以提早做出最優決策，使潛在之危害最小化。 (1)依據過去人流歷史資料，進行人潮數量之預測，供彈性調度行車間距。 (2)即時分析軌道定位感測器回傳之即時訊號，可預測定位感測器之故障，在定位感測器故障前，即可提早檢知與提早因應，減少全線交通因定位感測器故障導致之停駛或降低行車速度 (3)常態性檢測車廂車軸振動訊號，即時檢測車軸正常或故障並立即辨別故障型態，減少車軸相關元件定期更換頻率，以預防性維修降低定期維修成本，提升行車安全及維修效能。

無人機是利用程式控制操縱的飛行器，作為「天空中移動的第三隻眼」，為交通領域的安全監管和應急處理帶來了很大的便利，因此臺北市政府利用無人機機動特性快速蒐集市內欲監測位置之影像數據，再透過AI技術分析車流狀況、紅綠燈、人口蓋等路面設施之現況，期望藉由無人機定點以及巡檢航拍的功能達到迅速座標化、數據化、3D模組視覺化等目標，以提升交通局交工處對於事件處理之效率和後續資訊歸檔之完整性。

市中心舊城區第二期路網壅塞告警機制與路網動態號誌策略，主要範圍包含成功路(含)以南、府前路(不含)以北、金華路(含)以東、北門路(含)以西，透過影像式自動化路況偵測系統、路網動態號誌策略，達到道路即時監控、動態控制及增進道路交通運行效率之目標。

本計畫之適應性號誌控制策略，主要係透過本計畫建置之6支CCTV配合AI影像辨識技術，偵測路口各方向之綠燈使用率與停等長度是否回堵至上游路口，並進行適應性號誌控制參數之推導。

Linker的Ground Truth服務旨在提供高效、準確且可靠的數據標註解決方案。Linker AI平台具有持續學習的AI演算法技術，能運用人工智慧技術增進自動標註準確度​，減少數據品管成本與整體輸出。平台​透過人工微調整參數，再運用相輔相成的Golden Sample機制，檢驗每次模型產出之metrics數字以確保更好的結果；再把標註好的資料放入平台做訓練，以保證品質達到客戶需求標準。Linker AI自動標註平台大幅提高客戶標註效率，為客戶節省許多時間和人力成本。另外，人工標註容易出現主觀判斷和錯誤，導致標註不一致或不準確。Linker AI自動標註平台利用深度學習演算法和大數據訓練模型，對影像進行更高精度的標註，提供準確的標註結果。再者，Linker AI自動標註平台能提供同時標註多種類型的對象和場景，大幅擴展標註的範圍，為客戶提供更全面和多樣化的數據，用於訓練客戶的自駕車系統，而多樣的標註數據也可以使自駕車系統更好地理解和預測各種交通情境，提高自駕車運行的安全性和適應性。

奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案，除了本身精研的核心演算法之外，還能貼近客戶的需求，與客戶共同討論出最適合的解決方案，並且跟著客戶的SOP，不斷地做滾動式的來回討論，以期用AI 人工智能技術，真正改善客戶在管理上的困難。利用全影像的車牌辨識好處是，無論何種車牌、戶外全天候的光照、氣候，只需要經過訓練，基本上沒有不能辨識的。除了不需要像傳統做法需要設感應線圈，少一個設備維護點之外，進而大幅提高辨識率，也能為往後的發展預留許多擴充可能！

在 2018 年Computex 會場，工研院展示了多款智慧無人機應用。這些無人機各有其功能及特色，如可設定飛行路線，能一鍵執行飛行任務，臺灣警政署、高鐵、水庫管理單位也使用工研院無人機來執行任務。電信操控無人機隊配備高解析變焦攝影機，結合航點規劃可在空中進行精準拍攝，運用 AI 影像分析技術可快速判斷觀測目標，適合用在工程設施的安全檢測，如勘查鐵路、水庫、橋梁、快速道路或是高樓層建築等。而長效智慧分析無人機，因配有繫留供電和自動捲線器，可長時間不間斷在制高定點監控，經工研院測試能持續飛行6小時以上，並具有抗干擾定位功能。此外，若無人機結合複合動力系統和輕量化航空用引擎，適合防災空拍巡檢、物流運輸、高壓電塔輸配電系統巡檢等。

車牌辨識是警政系統中至關重要的一項系統功能，為了能夠讓警政系統在進行維護工程的過程中，需要驗證品質以確保其車牌辨識功能可以正常運作，智能車牌辨識系統可根據各處地域、地理位置、環境需求擁有強大的環境適應能力，與以往車牌辨識不同，在於可日夜間全時段進行監控，並且能夠鎖定辨識高速行駛中之車輛車牌，實現高效率且精確的車牌識別，以提供品質維護的驗證，進一步提升交通管理與道路安全的水平。 核心功能 :１、車牌辨識-與以往傳統的車牌辨識相比，本系統在車輛時速超過100公里的高速行駛及任何光線條件的情況下，可以完整擷取車牌的辨識率有95% ２、車輛追蹤-利用車牌辨識系統功能，可以有效抓取車輛的車牌以及目前所在地，達到車輛追蹤的目的。 ３、即時影像-每個路口所拍攝的畫面都會在系統中呈現並且儲存。

本計畫開發此功能主要是一個基於RAG（Retrieval-Augmented Generation，檢索增強生成）技術的生成式儀控率決策輔助功能，交通管理使用者可以透過一個類似於聊天機器人的互動介面進行未來一段時間之儀控率決策詢問，此介面提供使用者以自然語言輸入查詢，例如「請問30分鐘後南屯交流道往南儀控率應為多少?」，輸入問題後，系統會由本計畫所開發之「流量預測模組API」及「路段容量搜尋模組API」取得目標地點、時間之流量預測數據、Qmax數據，以及現況高速公路之儀控率時制表，進行交互分析後生成建議的儀控率，若經過交互分析後，系統判斷目前路況無須進行匝道儀控，也會生成相關回應。

傳統投入大量人力及時間成本的人工巡檢方式，已無法因應高頻率與成效式的道路養護作業需求，因此，使用人工智慧演算法建立道路鋪面破壞辨識模型，透過攝影機與車機系統達成即時邊緣運算，並同步回傳影像與空間屬性於雲端品管圖台。

鑑於產業數據採集技術的逐年升級以及智能化辨識技術逐漸成熟普及，為有效執行環境數據的蒐集以及建立有效的空品污染源的來源蒐集與比對辨識，本計劃規劃建立一套具備整合路口機動的未定檢車輛辨識、機車AI判煙偵測與空品偵測蒐集以及結合噪音數據採集來進行建立多元化環境污染源蒐證數據庫，未來可依照個案需求或是針對區域屬性進行長期性採樣蒐證研究計畫來分析各地區污染源種類以及驗證污染源之間的關聯性。數據雲端服務平台分析功能:路口移動車輛AI黑煙汙染源及車輛類別偵測，移動源AI車牌偵測及辨識，路口車流量偵測及種類分類(大車/小車/機車)。

臺灣漁港數量眾多，傳統管理方式往往耗費大量人力與時間。為解決這一挑戰，我們運用WEB-GIS空間化技術搭配3D GIS技術模擬現況輔助漁港管理。此外，為掌握更完整轄區海域船隻活動資訊，整合了船隻自動識別系統（Automatic Identification System，AIS），即時提供船隻動態資訊，並利用CCTV監控影像開發AI影像辨識技術，精確識別進出港船舶，提升港口管理作業效率。 透過空間技術化、AI影像辨識、AIS資料整合以及三維數位孿生等技術實現智慧漁港管理與永續漁業發展之目標，落實船隻智慧管理，提升施政效能。此外，「三維漁港數位孿生智慧管理平台」專案榮獲第11屆智慧城市創新應用獎的高度肯定，展現AI 服務應用在智慧漁港管理領域的卓越成就。

臺中市政府為改善交通壅塞問題，以提供民眾更好的交通環境，與彰化、南投縣合作並結合高速公路局、公路總局，於民國 109年開始實施「中彰投交通協控計畫」，隨著協控平台逐步發展成熟，在 111 年「中彰投交通協控計畫」期望能藉由人工智慧車流計數數，以提供更完整 的交通信 息及提升 運輸效 率，並持 續改善區 域間之交 通問題，車流量資料分析模組針對路口車流計算要求，利用AI影像辨識建立車輛識別，藉由人工智慧車流計數，以提供更完整的交通信息及提升運輸效率，即時了解路口交通流量和趨勢，並持續改善區域間之交通問題。

Linker的Ground Truth服務旨在提供高效、準確且可靠的數據標註解決方案。Linker AI平台具有持續學習的AI演算法技術，能運用人工智慧技術增進自動標註準確度​，減少數據品管成本與整體輸出。平台​透過人工微調整參數，再運用相輔相成的Golden Sample機制，檢驗每次模型產出之metrics數字以確保更好的結果；再把標註好的資料放入平台做訓練，以保證品質達到客戶需求標準。Linker AI自動標註平台大幅提高客戶標註效率，為客戶節省許多時間和人力成本。另外，人工標註容易出現主觀判斷和錯誤，導致標註不一致或不準確。Linker AI自動標註平台利用深度學習演算法和大數據訓練模型，對影像進行更高精度的標註，提供準確的標註結果。再者，Linker AI自動標註平台能提供同時標註多種類型的對象和場景，大幅擴展標註的範圍，為客戶提供更全面和多樣化的數據，用於訓練客戶的自駕車系統，而多樣的標註數據也可以使自駕車系統更好地理解和預測各種交通情境，提高自駕車運行的安全性和適應性。

本計畫針對各種異常狀況使用不同的方法偵測，其中異常狀況有：壅塞、事故狀況、異常物件及逆向行駛，透過追蹤模組判斷是否發生異常事件。首先探討壅塞，壅塞發生在車流量大導致車速緩慢的狀況，針對此現象可以透過追蹤模組取得車速，若平均時速低於高速公路的60km/h 最低速限，則判斷壅塞。第二點事故狀況，由於在道路上行駛時須保持安全距離，若兩車距離過近，則會提高碰撞的機率，在事故發生前透過軌跡判斷兩車是否在前方會有交集點，並在兩車發生重疊時則判斷兩車相撞。第三點是否有異常物件，將一般道路上禁止出現的物件加入訓練樣本，以高速公路為例，正常情況下不會有機車出現，若畫面中辨識出異常物件則進行追蹤。最後一點逆向行駛，在路上行駛方向與其他車有所不同，在追蹤時軌跡會與正常情況下有異，判斷軌跡方向異常時發出警示將團隊所使用的 Smart AVI 與目前最常被使用的影像辨識技術之一的 YOLO 相比。雖然 YOLO 可以辨識的種類較多(屬於通用解決方案)，但要運用在交通方面則是Smart AVI 較具備優勢，因架構與設計屬於特定領域的解決方案，其訓練所需要的樣本數較低，演算速度也更快，最重要的是具備追蹤物件的功能。