AI 交通應用

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。

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！

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)。

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。

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。

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。

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。

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。

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。

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。

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。

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。