AI 交通應用

本系統運用AI電腦視覺與深度學習技術，針對停車場即時監視影像進行車輛偵測、追蹤及進出方向判定。系統可依場域設定入口、出口、有效辨識區域及忽略區域，自動分析車輛移動狀態，判斷車輛進場、離場及場內狀態，並建立事件紀錄及統計資訊。透過既有監視攝影機即可導入AI辨識功能，減少額外感測設備需求，並可與Web管理平台、資料庫及其他資訊系統整合，提供即時查詢、事件管理及後續智慧停車應用。

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)。

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。

AI避障功能特色在晶片成本增加US$1的狀況下，換成RGB sensor以及DeepMentor收集的dataset後，運用微型化大型AI Model並保有精確度，能精準計算距離及物件辨識，大幅降低False Alarm。 亦保有銜接Tof的架構，擴充性可利用其拉類型Sensor fusion，閃避其他的障礙物。

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。

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。

因應國内外人工智慧的發展熱潮，嘗試引進市政管理創新演進，藉由此計劃進行小規模場域，發展智慧化的交通解決方案。特此選定臺南市區最繁忙之路段，藉此分析該路段之車流、車種及車輛轉向率等資訊，以輔助市府號誌燈時制計畫優化。針對台南市東區東門路三段及自由路三段路口與南門路及府前路口為分析基礎，具備分析取得行經該路口車流、車種、轉向比率、人流 等資訊的能力，以每小時、每1分鐘及每5分鐘為單位做動態資訊呈現，並以檔案圖表(.csv)形式輸出。將所獲得之數據進一步分析，作爲路口之時制計劃中紅綠燈號誌調控的決策依據。

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。

IIDs隧道事件偵測管理系統在於提升了交控管制中心面對山區隧道交通通行問題即時監控與事件觸發通報應變管理方式應用沿線隧道環境的監控系統佈設，依照隧道高度與寬度和道路實際環境狀況每70~100公尺建置攝影機進行連續隧道內道路沿線監控與偵測辨識管理，運用AI影像偵測辨識，針對車流狀態、車輛異常停等、人員闖入作業區或車道、路面散落物、煙霧濃煙產生、車輛逆行駕駛以及機車闖入行駛隧道等等，透過光纖網路傳輸即時串流至中心管理平台進行輪播監控管理，同時搭配事件偵測IID系統鎖定隧道事件觸發位置連動影像彈跳顯示於中心畫面，同時建立連續事件同質性關聯判讀篩選為單一事件減少同一事件頻繁通報造成執勤管理人員重複作業問題，同時提升管控中心對於緊急異常事件通報接收信賴度和訊息精確度傳遞，搭配電子圖資顯示和訊息同步可以大幅提升交控管理中心對於長隧道環境進行即時有效監測與精確事件觸發訊息應對管理作業。

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。

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。

物流/快遞公司每天面對的問題是： 1. 20,000件貨要遞送，公司有300輛車，哪些貨要分配到哪些車，而且不會超過貨車容量？ 2. 一旦100件貨放上了貨車，由於每件貨有貨主指定的收貨時間，司機如何決定送貨順序才能用最少時間每件都準時送完？ 3. 對於新型態的快遞業來說，如何有效率解決短時間內的大量訂單(如食物快遞)？ 4. 有些特殊遞送型態的行業，如需要邊撿邊送(pick up/delivery)，應如何進行調度才能用最少車輛進行最多路順？ 5. 台灣的貨運/快遞業有超過45000家，大部分是中小企業，公司沒有資訊人才，如何能快速導入智慧調度軟體，且不需維運軟硬體？ A.I.R是以人工智慧為基礎的車隊調度服務，以訂閱制(subscription)為主，能夠解決業者上述的痛點。

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！

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。