智能应用 影音
Dtalk base_StarFab
event

动见科技有效活化行车影像资源 掌握智能物流运筹关键

动见科技有效活化行车影像资源 掌握智能物流运筹关键

进入後疫情时代,肩负着维持社会正常运作与提供基本民生需求重要责任的交通运输业与物流业者也面临诸多挑战,尤其行驶在外的车队车辆往往是业者最难掌控的环节。市面上虽有各种行车电脑、车队管理平台,但仅只撷取行车速度、刹车等数据,无法还原现场真实状况,导致管理效能不彰。

由台大电信所副教授周俊廷与资工系逢爱君、林守德两位教授共同成立的动见科技「MyFleet」移动影像解决方案,不仅可让行车纪录器具备AI边缘运算能力,协助业者善用影像管理车队,还能够进一步延伸AI价值,有效活化移动影像资源,让行车影像的应用扩展至智能交通与智能城市治理层面。

动见科技CEO周俊廷指出,多数的车队管理系统是透过车辆的行车电脑配合车内的GPS和传感器,借此追踪行车路径与数据信息,然而这些数据仅代表车辆状态,并无法有效判断驾驶当下的真实行为。

针对此一痛点,动见科技团队蒐集大量行车影像信息并结合团队设计的AI演算法进行实时影像识别,让系统得以识别外在环境并侦测车辆动向,当驾驶行为不当时,透过系统实时警示提醒驾驶,并将记录违规影像做为管理佐证。

除了作为商用的影像行车管理平台外,动见科技的「MyFleet」移动影像解决方案还可延伸其他功能,例如从动态行车影像实时撷取并与相关局处数据进行比对,一旦发现如道路或交通号志等基础设施出现异常,系统平台可立即通知派员前往复查与修复;也可以透过持续收集街资,建立动态图资大数据,提升政府机关及服务供应商对於智能城市服务的掌握度。

「MyFleet」移动影像解决方案的多元应用特色正是来自动见科技边缘运算AI演算法。周俊廷表示过往AI架构的运作方式采集中式运算,将边缘端蒐集到的信息传至云端处理,然而在车载应用场景中,此作法不仅数据延迟性过高,也会在传输与云端计算产生高额费用,因此最可行的方式是边缘运算,然而具有运算能力的终端设备硬件成本非常高且物流与交通运输业者车辆皆已配有行车纪录器,有监於此,「MyFleet」便是以平台为概念,不仅是兼具持有成本与实时处理效益的移动影像运算平台,更是符合现行系统厂商、车队拥有者需求的方案。

「MyFleet」在2020年获得台湾大型物流业者宅配通的青睐,将此平台导入至旗下的AIoT行控中心。台湾宅配通总经理徐庆懿表示,该公司第一代系统着重在资源管理与动线纪录,第二代AIoT行控中心则计划透过AI的动态影像识别技术,搭配该公司的管理策略,降低物流车驾驶的违规比例,在保护驾驶同仁的同时,也减少企业伤害。周俊廷表示,根据客户数据,MyFleet於2020第3季导入後於第4季即明显降低行车事故,足以证明此平台提升车队安全。

动见科技的边缘运算技术不仅已获得台湾物流业者、出租车队的肯定,快速崛起的东南亚物流系统业者也已经与动见科技展开洽谈,周俊廷认为此系统的功能将伴随着智能城市的发展趋势而愈加普遍,动见科技也将复制台湾经验逐步扩展产品触角至海外市场,创造更大商业利基。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: AI 智能物流