AI 交通應用

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。

採用 Hailo-8 AI 運算主機 搭配 MAXAIOT AI 智慧辨識攝影機，建置一套具備 AI 物件偵測與追蹤能力的智慧影像辨識系統。該系統可即時判斷行人在穿越斑馬線前是否有擺頭確認來車，並偵測是否違規起步穿越馬路，進一步輔助交通安全教育現場的實作與回饋。 透過影像辨識與即時告警機制，學員能在模擬實境中獲得具體行為反饋，有效加強正確交通行為的認知與養成。整套系統具備即時性、高辨識率及可攜性，不僅提升教學效率，也減少傳統人工作業的負擔，協助監理單位推動智慧交通教育。

透過影像事件進行路口車流量偵測分析器監控、管理與操作。 針對號誌路口和交通路口進行動態交通資訊偵測蒐集管理控制應用，應用於雙向路口／十字路口以及多種路口型態於交通路口進行既有網路攝影機或是規劃新設置於號誌路口網路攝影機，透過現場單處AI單路偵測分析器接收影像串流進行即時偵測路口車流以及轉向車流資訊統計，透過4G或光纖網路傳輸，以通訊3.0方式或API傳輸數據至交控中心。 路口CCTV攝影機提供一影像串流H.264/RTSP數位串流訊號於AI影道路偵測模型分析器。其分析器將偵測分 析數據結果透過通訊協定及實體無限4G通訊傳輸至機房端於數據接收整合系統接收，並與AI影像辨識管理平 台資料庫處理應用提供使用者介面顯示、告警、接收、儲存、記錄、查詢。 在勤務疏運管制上，可透過車輛資料紀錄可即時了解是否有車輛受困，保障大型車用路安全。

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。

因應基隆東岸至正濱漁港、八斗子廊帶地區帶來觀光車潮所產生的交通問題，因中正路/祥豐街/北寧路鄰近海洋大學及和平島，受平日通勤、假日遊憩旅次影響，有各方向車流不穩定之特性，故挑選做為智慧影像AI車流分析路口。

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。

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。

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。

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。

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。

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！

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。

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。

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)。

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。