台南古都融合 AI 科技,發展交通智慧化

作者 | 發布日期 2021 年 06 月 24 日 10:00 | 分類 AI 人工智慧 , 交通運輸 Telegram share ! follow us in feedly


人工智慧(AI)一直是近年的熱門科技詞彙,根據「2021 台灣 AI 趨勢報告」,台灣有 84% 的受訪企業導入 AI 技術,以提高組織效率及創造營收為主要目標,在製造、行銷與客服等領域中獲得深入地應用。

AI 深度學習效果事半功倍

綠捷能智控股份有限公司(HIPOWER)長期致力於AI影像偵測辨識演算法的開發,過去應用領域也多於車牌辨識、車輛追蹤相關。2020 年參與臺南市政府合作 AI 城市巡檢先導應用試驗計畫,在臺南市政府智慧發展中心及交通局的協助之下,以臺南市東區東門路與自由路口、中西區府前路與南門路口為試驗場域,試驗情境則是配合臺南市政府的基礎設施下,在未對現有攝影系統架構有任何調整的情況,利用路口現地攝影鏡頭搜集影像數據,最終所使用影像解析度為 640×480,採用 YOLO 類神經演算法進行物件深度學習,並加入深度物件定位追蹤演算法。

在試驗的計畫裡,YOLO 模型主要應用在多類別與多場景的物件辨識上,所以會設計較多的卷積層,而每一種會再進行多次的卷積運算,造成模型本身較大,考量這次計畫中所需辨識的物件類型與場景相對單純的情況下,過多的卷積層及運算對提升準確率沒有明顯地影響,並且會造成模型訓練效能不佳,因此利用剪枝技術減少卷積層數與運算次數,來提升模型的訓練效能。同時在影像數據上進行優化的前置處理,提升整體影像亮度達一致程度,降低亮度不均及部分雜訊的干擾,如此對後續物件辨識及定位追蹤準確率將有所幫助。因此在本案中僅利用約 5,000 張的物件圖快速片建立辨識模型及完成調校參數,成功開發出路口行人偵測、車種(機車、小型車、大型車)辨識、各向車流及其轉向偵測辨識的解決方案。經過最終的驗證測試,在不同天色的情況下,整體車流偵測辨識準確率可達 95%,車流轉向比分析及車種辨識準確率則有 90% 以上,而人流亦有 90% 以上的辨識準確率。

▲ 模型建立作業流程

原有設備升級,效益最大化

此方案除可以有效減輕交通單位的人力負擔外,也能為交通智慧化提供充足有效的即時基礎數據,並且因為使用地方政府路口現有攝影系統,未來在複製擴散上也可以用相對較低成本的方式來進行,試驗單位不需要為了導入AI技術而將現有攝影機升級。未來將可以此解決方案為基礎,建構路口動態資訊即時回饋,協助路口及行人號誌燈秒數優化,以提升整體交通運行的順暢度。

▲ VDS 系統辨識畫面 

在完成上述臺南市政府試驗計畫後,2021 年第一季也順利將此方案的核心技術衍生應用到隧道事件偵測系統 IIDs 及在道路壅堵偵測系統 QLD 中,用以偵測追蹤隧道逆行車輛、隧道路邊停等、壅堵車流(種)偵測及佔有率計算等情形。在新一代行動通訊日漸普及的情況下,未來將會有更多以 AI 影像辨識技術為基礎的衍生性應用產生,推進智慧化應用的演進。

由此可見,影像辨識技術所衍生的應用豐富性,對於地方政府推動城市智慧化的過程中,將能以最低成本的方式來發揮既有影像系統的最大效益。

▲ 以 AI 影像辨識為基礎的衍生應用

公私協力成為 AI 應用夥伴

目前市場上 AI 影像辨識分析應用開發上,多半採用開放式模型來進行演算法的開發,而實務環境條件複雜多變,為能達到商品化對穩定性的要求,通常需要搭配自主開發的演算法,以強化模型偵測及辨識的能力,同時更需要實際場域建置的經驗、高品質數據的採樣及訓練參數組的建構,來對模型進行分析與調校,如此才能成為成熟且穩定的應用系統架構。

臺南是一個持續進化的科技古都,市府非常積極在導入創新科技應用,也因此保持開放態度在智慧化應用推動上,有系統地啟動在地方政府間相當少見的應用試驗計畫,在提供題目、條件限制及實際場域的情況下,邀請產業界進行解決方案開發與技術驗證,並希望業者能持續投入資源進行商品化,協助地方政府智慧化應用能夠水平擴散及垂直深化,這是一個成功案例,將對公部門與民間合作推動智慧化應用有正向的影響。

▲ 辨識分析結果畫面呈現

(首圖來源:Shutterstock)