| 光林智能金海濤：讓十字路口擁有感知、判斷與學習能力 |
| |
|
| |
|
 |
113 |
|
| 最後更新時間：10月 | 28日 , 2026 |
|
| |
 |
 |
|
|
| AI正逐步從資料中心與雲端運算走向實體世界，智慧交通的發展也開始進入新的階段。隨著感測器、AI運算與資料分析能力逐漸成熟，路口開始需要具備即時感知道路狀態、分析人車的行為，甚至依照即時狀況調整交通控制策略的可能智慧交通涵蓋公共運輸與基礎建設等不同領域性。 |
| |
長期深耕LED交通號誌、道路照明及基礎建設市場的光林智能，近年也將發展方向延伸至AI與智慧交通。光林智能總經理暨永續長金海濤表示，智慧交通涵蓋公共運輸與基礎建設等不同領域，而光林智能目前主要聚焦在交通基礎建設，尤其以十字路口基礎設施為核心，透過硬體、軟體與AI整合，針對交通安全、交通效率及設備維運等實際問題提出解決方案。
光林智能總經理暨永續長金海濤認為，智慧交通是一個高度客製化、碎片化的市場，不同國家、城市甚至不同路口所面對的交通問題都可能完全不同。例如荷蘭可能高度重視自行車交通，日本因人口結構而更加關注高齡者通行安全，其他城市也可能將兒童、行人或特定道路使用者列為優先改善對象。因此智慧交通很難透過單一產品或一套固定方案處理所有問題，必須根據當地人口結構、道路環境、交通行為與地方需求，找出真正需要解決的痛點。
智慧交通產業鏈也具有高度分工特性，從直接承接政府大型工程的系統整合商，到專精攝影機、照明、V2X等領域的中型系統整合商，再到攝影機、雷達、軟體與各類裝置供應商，各自扮演不同角色。光林智能將自身定位在其中的整合層，聚焦Intersection Infrastructure，也就是十字路口基礎建設，再依照特定交通問題整合不同硬體與軟體，形成交通安全解決方案，提供大型工程公司與系統整合夥伴作為規劃依據。
金海濤表示，智慧交通方案必須因地制宜。同樣改善路口安全，不同道路可能需要不同感測設備與基礎設施配置，現場環境、道路現狀與既有設施都會影響方案可行性。光林智能會依據不同條件提出多種方案，再與熟悉當地環境及政府需求的合作夥伴討論，找出較符合現場條件的建置方式。
Agentic AI走進交通維運 RenAI讓設備開始主動處理問題
談到光林智能目前的AI布局，金海濤以兩項AI發展趨勢說明公司的產品方向，一項是Agentic AI (代理式AI)，另一項則是Physical AI (實體AI)，而RenAI與Interlux分別代表光林智能在這兩個方向上的發展。
RenAI所對應的是Agentic AI概念。金海濤指出，目前許多交通基礎設施的維運仍高度依賴人工，例如道路照明或交通號誌故障後，需要人員巡檢、通報，再由維修單位前往處理，完成後再透過照片、Excel等方式建立紀錄。當管理範圍擴大，設備數量持續增加，這樣的作業方式也會產生大量人工作業。
導入AI之後，設備可以逐步具備自我診斷能力，主動判斷設備是否正常運作，並進一步分析異常可能來自供電系統或設備本體，藉此判斷應由哪一個單位處理。後續維修、回報、故障紀錄與維運資料也可以持續累積，形成下一階段分析的基礎。
當資料量逐漸增加，AI還可以進一步參與備品與維修資源規劃。例如進入夏季汛期或颱風季節前，系統可以依照過去設備故障狀況，預估未來一段時間可能需要準備的電源相關設備或其他備品，提前進行庫存安排。金海濤形容，未來的交通維運控制中心可以朝向類似智慧助理的方向發展，管理者進入控制中心後，AI便能整理過去24小時發生的事件、已完成的處置，以及目前仍需要人工決策的工作，讓維運逐步從人工巡檢與被動處理，走向主動診斷、派工、紀錄與預測。
Interlux打造Physical AI路口 讓號誌系統開始理解真實世界
另一項光林智能的核心產品是Interlux，Interlux對應的是Physical AI的發展。金海濤表示，若希望AI改善十字路口效率與安全，首先必須讓AI理解真實世界正在發生什麼事情。其中「更安全」或「更有效率」只是概括性的目標，真正落地到實際場域的，是AI需要知道目前有哪些車輛、行人移動的動線、哪些行為可能形成風險，以及不同交通狀態彼此之間存在什麼關係。
Interlux的概念，就是將攝影機及各類感測能力視為十字路口的「感官」，再結合AI運算形成「腦袋」，透過感測資訊分析現場狀態。隨著人類持續提供判斷依據，加上系統長時間累積道路資料，AI便能逐步理解哪些狀況屬於正常、哪些狀況可能存在問題，進而提出改善建議，這也讓交通號誌的服務對象逐漸從人類駕駛延伸到未來的自動駕駛車輛。
金海濤認為，自動駕駛車輛比例未來勢必逐步增加，當道路上自駕車從極少數逐漸提升至更高比例，交通基礎設施也必須思考如何與這些「機器駕駛」溝通。未來車輛本身是一個具備AI能力的移動載具，十字路口也可以成為具備AI能力的基礎設施，雙方透過資料交換，使路口狀態能以數據方式提供給車輛，進一步提升道路安全與交通效率。
用長期數據建構Digital Twin，尋找交通智慧最佳解方
當路口開始持續蒐集車流、人流及行為軌跡，智慧交通下一階段便是將不同路口的資料串聯。金海濤以Digital Twin說明這項構想，透過長時間累積的交通數據建立十字路口數位分身，再利用模擬分析過去事故發生的位置、時間與環境條件，進一步找出事故背後可能存在的道路設計、視線、號誌時制或其他問題。
這樣的分析方式可以將交通改善從經驗判斷進一步延伸至數據模擬。例如某個路口過去十年持續發生特定類型事故，系統便可以分析事故集中在哪些位置、哪些條件下較容易發生，再透過Digital Twin模擬不同改善方式，尋找較適合現場的解決方案。不同城市與道路環境仍會存在差異，因此每一次案例都會成為AI持續學習的資料來源，案例累積越多，系統對不同交通情境的理解也會逐步增加。
金海濤也以目前常見的號誌情境為例，有時駕駛停在紅燈前，另一方向完全沒有車輛，號誌仍然依照固定秒數運作。這類現象的根本問題在於傳統號誌缺乏即時感知與判斷能力。即使現在許多路口已經設置攝影機，攝影機可以「看見」現場，若缺乏後續分析與控制能力，資料仍難以真正影響號誌決策。
因此，光林智能希望讓十字路口同時具備感知與運算能力，知道現場發生什麼事情，再分析這些資訊所代表的意義。當單一路口資料進一步與上下游路口連結，便可以發展Adaptive Traffic Control。然而，要做到真正的自適應交通控制，系統需要理解一個路口24小時、甚至一年以上的交通變化，也需要掌握相鄰路口在相同時間尺度下的資料。當數十、數百甚至數千個路口逐步建立長期數據，城市交通才有機會透過模擬分析找出更完整的改善方向。
六都持續進行試點 花蓮導入AI動態號誌與緊急車輛優先
目前光林智能已在台灣六都進行不同規模的試點。金海濤表示，現階段智慧交通AI在全球仍處於持續學習與驗證階段，各地多以POC及點狀建置為主，尚未進入全面性、大規模部署。AI要真正發揮作用，前提仍然是取得足夠的道路資料，因此目前各國普遍透過攝影機、雷達及各類感測器蒐集資料，再逐步驗證即時分析與應用方式。
在光林智能目前在花蓮的試點就具有代表性。除了AI動態號誌之外，也納入緊急車輛優先通行應用，讓救護車等緊急車輛能夠透過號誌控制取得優先通行條件，同時持續蒐集道路上的人流、車流與移動軌跡。這些軌跡資料長時間累積後，未來便有機會進一步進行人車行為預測與風險示警。
金海濤表示，目前相關應用仍在POC與學習階段，不同案場規模有所差異，有些可能只有一、兩個路口，也有五、六個、七、八個甚至約十個路口的試驗規模，主要目的仍是持續取得實際道路資料，驗證不同交通情境下AI可以發揮的作用。
圖：透過Interlux在既有架構上加入判斷能力，讓系統依據現場交通狀況決定何時執行不同號誌時序
保留既有交通設備 透過AI為號誌加上一顆「腦袋」
金海濤提到另一個目前智慧交通升級經常面臨另一項現實問題，就是既有號誌、交通控制器及管理平台來自不同廠商，如果導入AI就必須全面汰換設備，將大幅提高建置成本與導入門檻。對此，金海濤表示，光林智能的訴求是以既有Traffic Controller比喻為一隻負責執行指令的「手」，按照原先設定的時序控制紅綠燈，再透過Interlux在既有架構上加入判斷能力，讓系統依據現場交通狀況決定何時執行不同號誌時序，這樣下來，原本固定依照Timer執行的號誌系統，在加入AI分析之後，可以依照道路現場資訊調整控制策略，讓既有基礎設施逐步具備智慧化能力。
部分進階功能仍可能需要額外感測設備，例如希望進一步掌握號誌設備壽命與衰減狀態，進行預測性維護，就需要增加相對應的感測能力。整體導入程度則可以依照使用單位需求逐步擴充，降低智慧交通升級對既有基礎設施造成的衝擊。
行人安全優先 AI號誌必須同時兼顧安全與交通效率
談到台灣智慧交通下一階段應優先發展的方向，金海濤提到，近年台灣持續強化行人路權與車輛禮讓行人的要求，但既有號誌時制未必同步調整。常見情況是車輛綠燈右轉時必須等待行人通過，等到行人完全通過後，綠燈時間也接近結束，後方車流因此無法有效通行。安全性提升之後，若號誌控制仍維持固定模式，就可能進一步影響路口效率。
而高齡者、輪椅使用者及其他弱勢道路使用者也有不同的通行需求。這些族群通過路口所需要的時間可能較長，固定時制難以完整回應個別狀況。透過AI感知現場道路使用者與即時交通狀態，號誌便有機會依照不同時間與不同道路條件進行調整，在行人安全與車流效率之間取得更適合當下情境的控制方式。
32年基礎建設經驗 長期服務能力成為智慧交通的決定要素
金海濤認為，交通基礎建設還有一項很重要的條件，就是長期服務能力。交通設備的生命週期往往長達十年以上，供應商必須具備足夠的營運穩定度與維運能力，才能承擔長期合約與基礎設施服務責任。光林智能至今已有32年發展歷史，長期深耕台灣與美洲市場。也因為AI的猛爆性發展，智慧交通的競爭正快速的從AI模型或單一設備功能，延伸到系統整合、現場經驗與長期維運能力。
金海濤表示，下一階段的智慧交通，就是從一個個十字路口開始建立感知與運算能力，持續累積真實道路資料，再透過Physical AI、Agentic AI與Digital Twin逐步形成能夠學習交通環境的基礎設施，為未來自適應交通控制與自動駕駛時代建立更完整的道路底層能力，而這些要素，需要具備長期服務的能力，這也正是光林智能具備的相對優勢。 |
| |
| ※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 ]※ |
| |
| |
|
| |
