【硬塞智慧交通】從資料看智慧交通的發展 IBM 與 WeMo 如何用數據交通革新

自製專題

評論
評論

智慧交通掀起一波商業與科技革命,隨著各行各業蒐集到的資料越來越多,究竟如何將資料應用在交通產業,真正提升人類交通運輸?本次論壇中,首先以「從資料看智慧交通的發展」,帶領觀眾對智慧交通與背後數據應用有更深入的認識,在主題演講中,IBM 技術長暨業務副總經理徐文暉深入淺出的介紹,怎麼讓「人工智慧」與「應用」結合創造更大的商業價值。

人工智慧、大數據到智慧交通 IBM 案例分享

徐文暉首先幫大家對人工智慧進行科普,從資料、知識、演算法、人機互動的結合,AI 背後多項技術結合,像是擴增智慧、機器人Robotics、機器學習系統、自然語言處理、預測分析、指導性分析及深度學習等。

59843138_10156043964146566_4945914158584

然而,從發展現況來看,目前有 83% 的企業將 AI 視為商業發展的策略,然而大約有 80% 的資料數據屬於無法取得、缺乏可信度或是無法分析。有 81% 的企業無法理解導入 AI 所需要的資料。  

「不好、不精準的資料無法協助企業改善問題,再多的資料量也是無用的。」他強調。

而 IBM 身為全美專利之王,從大數據開始走入人工智慧開發,他們堅信 AI 應用不是取代人類,而是藉由人機協同來幫人類做出更好的決策,創造更大的商業價值,目前 IBM 已有不少投入智慧交通、智慧城市的實際案例,包含車聯網、自動駕駛及智慧物流、城市監控。

IBM 的 AI 平台 Watson 可以建立在私有的雲端更彈性的運用,逐漸也導入智慧交通的實際應用,像是車聯網、車用系統,以及在美國與合作商建立的 3D列印自動駕駛公車。

先前,olli 自動駕駛公車就是由 Watson 導入,已在美國紐約、華盛頓運行,在自駕公車上建立虛擬司機讓乘客能與 Watson 對話,像是可以問司機哪裡可以找到好吃的,預報未來天氣,提醒乘客。

至於車內系統平台部分,Watson 在後台搜集資料,根據數據給駕駛更好的使用建議。

「車子變成更大型的手機。」在合理使用下,從後台搜集資料,根據數據給駕駛更好的使用建議。

他也表示,車聯網的運用將會越來越多,與智慧交通該如何串聯,日本Toyota 開發自駕技術,雲端技術無法支援智慧駕駛的速度,藉由邊緣運算( Edge Computing )將資料的處理與運算,往資料來源移動得更近一點,縮短網路傳輸的延遲,達到智慧駕駛的分析測試。

基於車聯網的資料洞察可以提供哪些具體的效用呢?他舉例,像是駕駛行為分析、地圖事件管理、事件分析模式、交通模式分析等資料洞察。

以駕駛員為例,可以分析駕駛行為如何(加速、轉向、怠速)、駕駛環境如何(加速模式、天氣)、起點終點及行使軌跡模式以及駕駛員訊息紀錄。

可應用的場景包含,個性化導航、駕駛員的健康監控、基於位置的廣告促銷、貴賓服務、地理圍欄和車輛追蹤,分析駕駛員行為可以發展基於使用付費的保險、基於使用的徵稅、汽車共享與順風車。

除了數據洞察,AI 也能用在影像分析(Vedio Analytics),全球首個智慧城市監控計劃,是在芝加哥建立全市光纖骨幹網路,使用超過 3000 支攝影機進行重要路口監控,透過影像分析辨識車牌、文字,應用於反恐監控、交通管制、禁區監測等等。另外,與物流公司合作的案例,則是透過區塊鏈分散式技術,從出貨、運送、海關、港口等物流歷程,可以進行高達 121 個貨櫃動態即時追蹤。

創造智慧城市:共享機車與車聯網的協奏曲 

由共享電動機車代表 WeMo 的創辦人吳昕霈,就在地特性與數據分析,討論科技、產業與實際應用的交集和挑戰。吳昕霈表示,移動產業五大趨勢,包含三大技術,兩個運用,包含車聯網、電動/綠能、自動駕駛,達到共享服務與交通整合。

59938543_10156044024286566_9493067258302

車聯網協助打造智慧及綠能新城市,目前我們在交通上最常遇到的像是塞車問題,透過新技術舒緩城市交通問題,而在台灣運輸現況,高度依賴私有載具也是一大問題,台灣在交通運輸工具, 48% 為機車,台北市則有 26% 機車占比。

然而,從目前燃油機車的實際使用現況來看,平均每台機車一天僅 3% 使用率,一天使用 39 分鐘,46 % 的機車車齡超過 10 年,整體來看機車這項載具的使用上仍不是相當智慧。

WeMo 認為以共享機車為中心,打造大眾運輸共享載具服務,以共享機車作為主體,互補運輸需求,釋放城市空間,提高其他大眾運輸使用率。以此出發,WeMo 主要的核心結包含,車聯網、共享機車、大數據應用,搜集來的資料做更好的運用,聽起來都很美好但要怎麼實際應用呢?

吳昕霈舉例,像是無站點式租借、獨家研發智慧控制盒,控制盒技術核心,在機車上搜集資料,系統介面整合監控、車輛安全防護警告、用戶行為優化,軟硬整合,未來可能有螢幕,達到個人化服務。至於車聯網技術應用實例則包含,機車/電池資料,即時遠端數據分析、使用者資料、環境資料。

另外,在智慧城市部分,可透過空氣資料、道路平整度、車流量,甚至 5G 時代,可捕捉影像,加深政府智慧城市的應用。

另外 WeMo 的營運成績也說明著,共享機車為交通運輸帶來的正面影響,從過去個人機車的低使用率,到 WeMo 至今可達一台共享機車在一天被使用超過 90 分鐘,每11 秒就有一台車被租借,在去年度,降低二氧化碳排放達到 40000 棵樹,等同於整座大安森林公園的規模,雖然只有在台北市,目前他們也已引入新北市,積極向台灣更多城市邁進。

對於大多數人對共享經濟的失敗疑慮,吳昕霈認為這是企業需負擔之責,共享單車最大失敗原因,是運具本身的問題, 這些共享單車平台在某個市場失敗,多半是進入的市場本身在使用習慣單車的不足,以及背後更多資本上的問題。機車在台灣營運市場已經非常成熟,是大家非常熟悉的交通工具。

談到智慧交通未來發展,WeMo 會持續擴張服務,目前已經進入新北,短期之內做更好的服務,讓更多人認識共享機車,長期下來,提供企業合作夥伴、車隊管理、UBI 保險,制定更好的保險方案,駕駛習慣,保守還是激烈駕駛,智慧城市平台串連(道路平整度、空氣品質),交通燈號系統優化,像是在台北市就有需要等待超過九十秒的紅綠燈,到底該如何藉由數據優化變得更有效率都是待解的問題。

「交通大數據」對於改善城市治理、生活環境的確會帶來更多加值的效果,不過同時也面臨到相當多考驗,在下一個環節,台北市長柯文哲、Taiwan AI Labs創辦人杜奕瑾、輔大財經法律系翁清坤教授也對此智慧交通的發展困境、自駕車的道德倫理等進行更多討論。

延伸閱讀:






評論