科技产业报订阅
活动+
 

【教授创业风】道路影像反应驾驶行为 OmniEyes助车队落实车辆管理

台大电机系教授兼OmniEyes执行长周俊廷表示,透过边际运算与AIoT的技术,于安装于车端的设备端完成影像辨识,将庞大的影像资料精简为有用的信息。李逸涵摄

电子商务的交易额逐年升高,连带促成对商用车队、物流车队的工作量,这成为物流业者的新考验。当大量车队在道路上行驶,除了确保物流配送的效率与准确率之外,车辆的安全管理亦越发重要。

过往在车队管理上,业界常见的解决方案为连网的随车GPS Tracker或计算机诊断系统(OBD),透过回报车辆位置或状态,明确记录车辆的移动轨迹;随著影像辨识的发展,以及数起因疲劳驾驶导致的悲剧发生,部分车队业者开始在车内装设摄影机,监控驾驶脸孔与肢体变化,在驾驶状态不佳时对其实时预警。

而在多样的解决方案中,一间由台大电机系与资工系教授组成的新创公司动见科技OmniEyes,祭出驾驶视角的智能影像辨识方案,透过对类似「行车记录器所搜集的画面」进行影像辨识,掌握该路段的交通标志、号志、标线,驾驶速度、驾驶方向,判断该驾驶是否有违规行为。

台大电机系教授兼OmniEyes执行长周俊廷说明,透过边际运算与AIoT的技术,于安装于车端的设备端完成影像辨识,将庞大的影像资料精简为有用的信息。与GPS、传统车机相比,影像辨识能够补足哪里些既有技术的限制?

周俊廷以近期一位德国行为艺术家Simon Weckert为例,这位艺术家拿了99台二手手机,全部开著Google Map导航在路上慢慢走,竟然造成了一起「虚拟塞车」,Google Map上该路段直接被标记为红色等级。以此说明,GPS等定位服务所能回报的位置、移动速度,并无法真实代表路况。

虽然Simon Weckert实验的例子较为极端,却完全接露了GPS的盲点,更遑论在有大量干扰源的城市中,GPS定位常有飘移的情况发生。这道技术上的缺口,成为影像辨识展现优势的最佳场景。

以GPS为基础,影像辨识能够跟据道路影像,对车辆是否在移动或式转向作出推估,再加上判断驾驶行驶的车道位置等级可判断:是否超过停等线、是否于单行道逆向行驶、是否闯红灯等违规驾驶或是违规停车等行为。

多样信息结合,彼此截长补短之后,便能够提供车队后台精确且实时的驾驶行为评估,将车队管理的节奏加快,进而落实预防胜于治疗的道理,减少因为驾驶失误导致的人员伤亡与财产减损。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 车队管理系统