Itri
event
 

【教授創業風】道路影像反應駕駛行為 OmniEyes助車隊落實車輛管理

台大電機系教授兼OmniEyes執行長周俊廷表示,透過邊際運算與AIoT的技術,於安裝於車端的設備端完成影像辨識,將龐大的影像資料精簡為有用的資訊。李逸涵

電子商務的交易額逐年升高,連帶促成對商用車隊、物流車隊的工作量,這成為物流業者的新考驗。當大量車隊在道路上行駛,除了確保物流配送的效率與準確率之外,車輛的安全管理亦越發重要。

過往在車隊管理上,業界常見的解決方案為連網的隨車GPS Tracker或電腦診斷系統(OBD),透過回報車輛位置或狀態,明確記錄車輛的移動軌跡;隨著影像辨識的發展,以及數起因疲勞駕駛導致的悲劇發生,部分車隊業者開始在車內裝設攝影機,監控駕駛臉孔與肢體變化,在駕駛狀態不佳時對其即時預警。

而在多樣的解決方案中,一間由台大電機系與資工系教授組成的新創公司動見科技OmniEyes,祭出駕駛視角的智慧影像辨識方案,透過對類似「行車記錄器所蒐集的畫面」進行影像辨識,掌握該路段的交通標誌、號誌、標線,駕駛速度、駕駛方向,判斷該駕駛是否有違規行為。

台大電機系教授兼OmniEyes執行長周俊廷說明,透過邊際運算與AIoT的技術,於安裝於車端的設備端完成影像辨識,將龐大的影像資料精簡為有用的資訊。與GPS、傳統車機相比,影像辨識能夠補足哪些既有技術的限制?

周俊廷以近期一位德國行為藝術家Simon Weckert為例,這位藝術家拿了99台二手手機,全部開著Google Map導航在路上慢慢走,竟然造成了一起「虛擬塞車」,Google Map上該路段直接被標記為紅色等級。以此說明,GPS等定位服務所能回報的位置、移動速度,並無法真實代表路況。

雖然Simon Weckert實驗的例子較為極端,卻完全接露了GPS的盲點,更遑論在有大量干擾源的城市中,GPS定位常有飄移的情況發生。這道技術上的缺口,成為影像辨識展現優勢的最佳場景。

以GPS為基礎,影像辨識能夠跟據道路影像,對車輛是否在移動或式轉向作出推估,再加上判斷駕駛行駛的車道位置等級可判斷:是否超過停等線、是否於單行道逆向行駛、是否闖紅燈等違規駕駛或是違規停車等行為。

多樣資訊結合,彼此截長補短之後,便能夠提供車隊後台精確且即時的駕駛行為評估,將車隊管理的節奏加快,進而落實預防勝於治療的道理,減少因為駕駛失誤導致的人員傷亡與財產減損。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 車隊管理系統