【活動報導】如何用AI科技提升交通安全?

作者:謝涵如

自物聯網技術興起後,「智慧交通」已成為交通運輸發展的大趨勢,未來交通領域拚比的將不再是硬體,而是如何活用車聯網、雲端運算、大數據與AI人工智慧,做好車、路、人三者之間的資訊整合串連,提高運輸的可靠性、確定性,讓交通運輸更安全順暢。先前的社聚中,已經帶領觀眾探討過AI輔助路況辨識,這次則聚焦在怎麼結合高效能運算核心及智慧演算法,邀請經驗豐富的友通資訊以及中華電信專家,帶領觀眾一起探討如何建構更具機動性、全面性的智慧交通網路。

道路安全應用的AI建置

第一位講師是對IT媒體、硬體製造、儲存系統、區塊鏈與物聯網等領域都有所涉獵的友通資訊產品經理劉人豪,由他來為觀眾簡單介紹DFI與中華電信聯手打造AI即時車牌辨識系統。
去年年底開始在南投上路的「靈活佈署可攜式人工智慧車牌辨識系統」,結合高效能運算核心及智能演算法,針對違規車輛進行拍照辨識,並同時與雲端資料庫的留存的車牌資料比對,立即發現註銷及報廢的問題車牌並攔查舉發。導入此系統協助南投縣警局取締違規車輛,除了解決警力不足的問題外,也能有效減輕執勤警察的精神負擔,且在夜間也有絕佳辨識力,維護行車安全24小時不斷電。

此辨識系統的網路攝影機等所有關鍵部件均通過無線網絡連接,可加快拆裝作業速度,方便特定路段的移動部署。另外搭載DFI的工業電腦也讓裝置非常省電,實際運作時耗電量僅20瓦出頭,且工業電腦及本身及兩組無線網路攝影機。都可以藉由外接式行動電源來供電,相當便於使用。

車牌辨識系統的網路攝影機等所有關鍵部件均通過無線網絡連接,方便特定路段的移動部署。(圖片來源:廖人豪)

如何應用AI科技提升交通安全

第二位講師則邀請到中華電信數據通訊分公司的產品經理王博文,為觀眾介紹使用OpenVINO建置的移動中的車牌辨識、可攜式的大貨車偵測兩項應用案例,以及其他雲端科技執法方案的架構與實際執行情況。
移動中的車牌辨識裝置是以行車記錄器的鏡頭拍攝機車前方影像,傳送到辨識主機後,即時與車牌資料庫進行辨識與比對,並將便是結過透過Wifi傳輸到執勤警察的手機中即時管理。不過這一裝置受限於公家機關的權責問題,並沒有被採納,但是好在之後以此裝置為基礎,又開發出了後來的可攜式的大貨車偵測裝置,裝設至今執行成果相當良好。
可攜式的大貨車偵測裝置則是便於警方因應民眾檢舉臨時設置,在道路禁行大貨車時段設置在中央分隔島等地,藉由車牌辨識通行汽車是否為大貨車,找出違規車輛。

可攜式的大貨車偵測裝置執法成效相當良好。(圖片來源:王博文)

此外中華電信還有建制過許多雲端科技執法服務,如紅線違停、違規佔用、違規闖入、區間測速等等,在降低事故發生、違規件數都大有幫助。不過王博文也不諱言,目前科技執法設置上最大的阻礙就是成本問題,不過好消息是,目前最新 AI 影像辨識都是以應用現有設備為原則,並且提供以租代買服務,有望省下超過八成的建置維運成本。

從車牌辨識系統了解OpenVINO的威力

第三位講師是專長於影像演算法開發的中華電信研究院副研究員邱敬淳,由他向觀眾分享車牌辨識系統的開發歷程及技術問題:「在設計系統時,原本想採用顯示卡,但若要安裝顯卡,會需要更大型的伺服器,對機房空間與耗電量的需求也會大增。」
邱敬淳表示,實際開發時有許多不同層面的考量都要兼顧,不僅要達到30FPS最低需求設備及功耗以及90%以上的辨識率,也必須思考硬體成本及裝置是否適合放在道路使用。

開發車牌辨識系統時需兼顧不同層面。(圖片來源:邱敬淳)

在開發初期團隊原先使用較重的模型,但模型越重需要的運算效能就越高,成本也隨之提高。利用OpenVINO將模型輕量化後,在損失極少的辨識精確度的情況下,FPS卻大大上升。輕量化後還可利用OpenVINO的功能FP32轉換為FP16,再精進推論速度,並將模型移植到低功耗的核芯顯示卡上運算,由此就研發出兼具機動性及準確度的可攜式車牌辨識系統的解決方案。

小結

結合AI技術的智慧交通,目前最受矚目的就是以汽車為中心的智慧車流管理,透過科技執法裝置的輔助更快速準確的找出違法車輛,可以有效提升行車秩序安全。雖然目前智慧交通仍有許多成本、技術上的挑戰仍待克服,但未來若能利用軟硬體的整合並借助AI辨識的協助,降低事故發生率,讓交通運輸更安心可靠,想必人們也能加輕鬆舒適的出行。

謝涵如

Author: 謝涵如

喜歡窩在自己的一方世界裡寫作閱讀,也喜歡四處旅遊找驚喜,希望能多接觸學習各種知識,從中拼湊出世界的全貌。

Share This Post On

發表

跳至工具列