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。
檢視內容物流/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。
檢視內容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。
檢視內容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。
檢視內容奕瑞科技將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！
檢視內容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。
檢視內容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。
檢視內容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。
檢視內容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。
檢視內容在 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。
檢視內容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。
檢視內容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。
檢視內容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。
檢視內容