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。

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。

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。

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。

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。