媒體報導

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。

【以上文章轉錄自DIGITIMES】