| 中華電信串聯5G、物聯網與大數據，打造交通治理數位基礎(下) |
| |
|
| |
|
 |
65 |
|
| 最後更新時間：9月 | 30日 , 2026 |
|
| |
 |
 |
|
|
| 智慧交通的另一項核心資源來自行動通訊網路所累積的移動資料。中華電信將經過去識別化處理的電信大數據，用於分析人口移動、通勤路徑、運具轉換及道路建設效益，補足攝影機、地磁與GPS 資料難以涵蓋的區域。 |
| |
傳統道路建設效益評估多仰賴交通調查與偵測之「平均車速」與「點位流量」。然而，當周邊路網已趨飽和，新闢道路所帶來的車流分流效益，往往無法僅透過車速提升來呈現，因而容易低估政策的實際效益。
為突破此盲點，中華電信運用廣域且經去識別化處理的電信大數據，進行全域交通動態分析。團隊透過高精度的空間移動資料，精準篩選特定產業園區之跨區通勤車流，並排除在地區域性活動干擾，完整重構主要交通樞紐至園區之動線轉移路徑。分析結果成功證實，新闢道路確實有效分流既有飽和幹道的車流，並顯著縮短整體通勤廊道的旅行時間。此項技術讓交通管理單位得以突破單點監測限制，改以「路網車流重分配」與「總體旅行時間節省」等多維度指標，客觀量化重大交通建設之實際效益。
電信大數據也被運用於TPASS 通勤月票政策分析。單純比較捷運或台鐵進站人數，只能知道公共運輸使用量增加，難以判斷新增乘客原本的私人運具移轉來源。透過政策實施前後的移動路徑比較，分析人員可以辨識私人運具轉向軌道運輸的比例，進一步估算減少的行駛里程與碳排放量。
在大型活動的交通規劃上，電信大數據也可協助評估臨時停車場的設置效益。活動主辦單位可分析周邊道路原有的進出動線、停車場設置後的車流變化，以及是否達到預期的分流效果。當經費不足以支應大量攝影機建置時，電信大數據可作為替代性的交通分析工具。
AI 攝影機從計數走向事件理解
影像辨識是目前智慧交通最成熟的AI 應用之一。傳統車流調查需要由工讀生在路口人工計數，現在可透過攝影機自動辨識汽車、機車、公車與行人，同時分析直行、左轉、右轉流量、排隊長度及道路流暢率。
中華電信研究團隊也將部分AI 模型部署於攝影機端，讓設備可直接執行車種辨識、動態軌跡、異常停等及特定區域進出分析。前端辨識可以降低影像回傳所需的頻寬及處理延遲，後端平台則適合執行需要較高運算能力的分析。部分應用亦採用前、後端混合架構，例如先在攝影機端擷取車牌區域，再將影像送至後端進行辨識，以提高運算效率與辨識品質。
在行人安全應用方面，AI 可計算行人從斑馬線起點行走至終點所需時間，協助交通單位檢討號誌秒數。面對高齡人口較多的路口，或需要採用行人早開、早關及行人專用時相的區域，持續累積的行人通行時間資料，可以成為號誌設計與調整的依據。
然而，傳統AI 辨識多半只能確認物件與動作。系統可以知道兩輛車長時間停在道路上，卻未必能判斷是事故、壅塞或車輛故障。中華電信目前嘗試將影像辨識結果轉換為結構化描述，再交由推論模型理解交通情境。
例如，平台可將車輛數量、停等時間、前後路口流量及車道狀態一併提供給模型，協助判斷事件類型，進而提出可能的處置方式。影像辨識提供精確數據，推論模型負責理解事件脈絡，兩者結合後，交通中心才有機會從「看到異常」進一步走向「理解原因」。
數位孿生與模擬工具培養AI 交通代理人
交通管理涉及公共安全，AI 提出的建議仍須符合號誌控制、道路幾何、交通工程與車流理論。為降低模型判斷風險，中華電信採取人機協同方式，由AI 先提供分析與決策建議，再交由交通技師及交管人員審核。
模型訓練也需要大量資料，但嚴重事故、極端壅塞及大型活動等特殊情境出現頻率有限，難以只依靠真實資料完成訓練。團隊因此導入交通模擬軟體及NVIDIA Omniverse 等數位孿生工具，在虛擬道路中建立不同車流、號誌、施工與事故情境，補充極端事件樣本。
當AI 提出號誌調整或車流疏導建議後，系統可將建議重新放入模擬環境測試，觀察壅塞是否改善。若結果不理想，模型便可根據模擬結果持續修正。透過反覆訓練，AI 將逐步具備辨識事件、分析原因、提出方案及驗證結果的能力。
這項發展最終指向「交通大腦」。當城市道路發生壅塞時，系統可以主動判斷事故、施工、號誌異常或大型活動等原因，通知相關單位，提出疏導建議，並預估事件排除時間。
面對工業區擴建、大型科技廠設廠或重大活動，管理單位也可在工程完成前，先利用數位孿生建立道路環境，輸入預估卡車數量、上下班人口及交通需求，模擬不同道路配置與號誌方案，提前進行交通維持與動線規劃。
以端、網、雲、用形成智慧交通生態系
中華電信的智慧交通發展建立於「端、網、雲、用」的整合架構。感測器、攝影機與車載設備負責蒐集現場資料，5G與固網提供通訊能力，雲端平台執行資料管理與AI 運算，再將分析成果導入交通、鐵道、物流及公共運輸等應用，協助管理單位提升營運與決策效能。
在智慧物流方面，中華電信從早期車隊定位與簡訊通知，逐步發展至零售配送至及大型物流車隊管理。平台除了掌握車隊即時動態，也進一步整合配送路徑與車輛稼動率資訊，以提升配送準點率與車輛使用效率。
自動駕駛則需要高精地圖、5G通訊、定位、道路感測及雲端平台共同支援。中華電信透過合作夥伴與關係企業，整合圖資、車載設備、網路及應用平台，參與不同道路場域的自駕接駁與測試計畫。
智慧交通的真正價值，來自資料能否被取得、整合與轉化為決策。從鐵道列車精準定位、智慧安全路口，到道路效益分析與AI 交通大腦，中華電信目前的布局呈現一條清楚的技術路徑：先建立可靠的感知與通訊基礎，再透過雲端、AI與數位孿生，協助管理單位理解交通現況、預測風險並驗證決策。
當交通管理逐步由事後處理走向預測與預防，AI 的角色也將從辨識工具發展為決策輔助者。中華電信累積的電信網路、雲端平台、研發團隊與交通工程能力，正逐步形成智慧交通治理所需的數位基礎，並推動台灣交通系統朝即時化、標準化、國產化與智慧化方向發展。
點此觀看「中華電信串聯5G、物聯網與大數據，打造交通治理數位基礎(上)」 |
| |
| ※本文圖文非經授權不得轉載，洽詢授權，請E-Mail至contact@aimag.tw[ iDS智慧安防雜誌聲明 ]※ |
| |
| |
|
| |
