媒體報導

在汽車產業自駕轉型的路上，與資通訊產業的界線越來越模糊，為了讓車輛對外在環境的感應更為周全，越來越多感測器加身於移動載具。而在全自駕的境界來臨之前，配備有大量感測設備的車輛，將成為重要的城市資訊蒐集者，移動載具對城市輪廓的掌握度，會隨著轉型車輛數的增加，越來越完整。

對此台大電機系教授兼OmniEyes執行長周俊廷以「影像共享」說明了移動載具會帶來的新興資料產業模式。OmniEyes係以邊緣運算(Edge Computing)與AIoT的技術，於安裝於車端的設備端完成影像辨識，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。

OmniEyes已於今年簽下第一起商業合作案，與國內知名物流業者合作，用於協助企業內部駕駛、車輛管理。然而除了對內駕駛行為管理之外，對外也有越來越多配置攝影機的車輛，搭載能夠真實解讀影像的隨車AI Box，能夠產生的道路資訊將十分可觀。

周俊廷表示，常見的固定攝影機多由公部門或是私人店鋪持有，其設點位置固定、涵蓋的範圍有限，且空間不連續。然而，若將感測設備與車隊結合，諸如公車、物流車隊、計程車車隊等，會長時間在特定區間行駛、環繞的車輛，便可針對該地區取得涵蓋率高、高更新頻率的城市空間資訊。

周俊廷舉例，如在公車靠站時，計算公車站等車人數；計程車隊可以將影像系統與警政單位串聯，在偵測到嫌疑車牌時主動通報。或是結合GPS，一面透過影像辨識判讀車道，進而呈現出車道等級的車速、壅塞程度等。

除了路況偵測之外，台北市公共運輸處自2019年7月起，要求乘客在上下車都要刷卡。此舉本意是要掌握每趟旅次起訖點，進而做出熱點計算、班次增減等更精確的車輛規劃。

周俊廷表示，在這條規定下，OmniEyes團隊與大都會客運合作，在277號公車上將攝影機對著公車門，進而計算開關車門的時間，發現在停靠時間最長的一站中，停車時間整整多了16秒。說明影像辨識的應用彈性與精確度。

整體而言，移動載具上多樣的感測設備，給了營運商提升管理績效的工具；而在更長遠的影響中，取得數據的邊際成本逐漸趨近於零，移動載具上的感測器會加速權力的分散，過往集中於政府、公部門手中的城市資訊，如交通、監控逐漸地往車輛持有者、車隊營運商、移動服務開發商分散。在隱私與便利的模糊地帶中，數據有價的精神再次得到驗證，可預見握有新興移動資訊的單位，將開發出越來越多樣的城市解決方案。

【以上文章轉錄自DIGITIMES】