資策會 智慧系統研究所所長 雲協技術專家 蒙以亨
道路安全一直是國人每天出門在外最關心且最重要的議題之一，即便在大眾運輸已經相當普及的今日，仍然有許多人仰賴個人運具來滿足每天『行』的需求；然而，也因為講求速度與追求效率的生活狀態下，忽略了用路過程可能面對的風險。以台灣特殊之都會交通特性，便利性極高的二輪機車更成為許多都會區通勤民眾的交通移動首選運具，又隨著Uber Eats, Foodpanda等類型的服務普及，更推升了二輪機車的市場成長率。目前全國平均每1.6人即擁有一輛機車，如此高密度的二輪機車數量，也讓機車常常成為道路交通事故的主角。
依據WHO世界衛生組織的資料顯示，東南亞、西太平洋區域四輪車與二輪機車造成衝突之意外死亡率分別為43%與36%，高於全世界平均的28%（如圖1所示）。
資料來源：WHO世界衛生組織，全球道路安全現狀報告2018
圖1 - 全球各區域不同使用者交通死亡比例結構
以台灣為例，當事者類別事故人數之中，機車甚至高達占53.5%（如圖2所示），其中包含四輪車與二輪機車之衝突，這也是台灣與亞太地區事故的重要特殊性。一一
圖2 - 台灣交通事故人數與當事者類別 (資料來源：警政署道路事故資料)
又再從事故發生地點進行分析，更有約莫五成以上（約52%）之事故發生在道路交會處，因此勢必在肇事率較高之路口進行肇事資料收集與路徑統計分析，以利即早進行安全防撞警示。再依據事故類型分析相關之肇因，可發現主要肇事類型諸如『左轉彎未依規定』、『變換車道或方向不當』、『違反號誌管制或指揮』與『大型車轉彎內輪差』等等。因此，本文即針對易肇事路口與常見之肇因進行分析並提出可能之解決方案--『智慧道路安全警示系統 TranXonSafe』進行說明與介紹。
系統概念架構與功能說明
如前所述，『智慧道路安全警示系統 TranXonSafe』主要利用AI與物聯網技術提早警示用路人可能面臨之風險，進而間接降低事故發生率之整合型解決方案，其系統概念架構如下圖3所示：
圖3 - 系統架構圖
主要部件包含工業級AI-Edge、感應設備與網路通訊設備等。其中，工業級AI-Edge主要用以執行核心之AI演算法，可以全天候（日間晴天、夜間晴天、日間雨天、夜間雨天等）辨識路口經過之載具種類、載具移動速度並預測未來之移動趨勢，最終判斷碰撞的可能性。
圖4 - 系統外觀圖
資策會配置之感應設備（如圖4所示）：CCTV，採用高解析之光學元件，可根據不同之場景配置不同之鏡頭，全時擷取道路影像進行AI分析；雷達用以精準感測載具之移動速度；可變號誌系統CMS（Changeable Message Sign）用以顯示警示訊息，提醒周邊駕駛與行人；網通設備，包含實體網路設備、無線網路設備（4/5 G通訊設備、wifi等）用以將路側設備之各項資訊回傳至後端管理系統抑或是傳送至周邊之車載機設備。
『智慧道路安全警示系統 TranXonSafe』之系統運作方式如下：
- Phase 1, CCTV與雷達擷取周邊道路動態資訊：
CCTV與雷達等兩種感應裝置裝設在路口相對高處，並以斜對路口車流方向，以能拍攝（或感測）到彼此交會之之車流為主，CCTV所擷取之影像儘可能完整包含載具之來向與去向，並以串流（Stream）之方式將影像與資訊串接給AI-Edge進行物件辨識與資訊融合。
- Phase 2, AI（AI-Edge）演算法進行載具物件辨識、軌跡追蹤與動態預測：
利用已完成訓練之yolo等深度學習技術由CCTV所擷取之串流影像，辨識影像中交通物件（大型車輛、四輪車輛、二輪車輛與行人等），並與雷達所感應之速度資訊融合後，即可於相連續之影像內進行物件追蹤（Tracking），後續便可根據物件追蹤之歷史軌跡進行動態潛勢（Potential）預測（如圖5示意）。
圖5 - 物件辨識與軌跡之示意圖
- Phase 3, 估算衝突機率與發佈警示資訊：
承Phase 2之載具動態潛勢運算結果，即可估算載具間衝突發生的機率。並將警示資訊透過CMS警示周遭用路人（如圖6所示），亦或利用先進通訊技術（如DSRC、C-V2X等）直接將警示資訊傳送到車載機（On Board Unit, OBU）提醒駕駛可能發生的交通事故風險。
圖6 - CMS顯示警示資訊
場域試驗與應用情境
『智慧道路安全警示系統TranXonSafe』已於桃園、台北等多處易肇事路口進行實驗，實驗目的以解決車輛於路口轉彎處未禮讓行人、大型車輛內輪差、非號誌化路口車流衝突等。並根據實驗數據分析系統效益，確認有助於路口安全。
- 實驗一，路口未禮讓行人警示
本實驗設置於具備行人穿越道之號誌化路口（如圖7），該路口於交通尖峰時期，經常發生車輛在右轉時，無法注意到同時有意圖穿越行人穿越道之行人，進而造成事故；因此，本實驗主要透過CCTV、雷達與AI技術，偵測車輛於路口右轉時，是否有行人有穿越馬路之意圖，若有，即透過CMS提早警示駕駛。另本案並增加車牌辨識功能，可提醒特定駕駛人注意自身的駕駛情形，以有效遏止未禮讓行人之情形發生。
圖7 - 桃園地區車輛右轉未禮讓行人警示
- 實驗二，大型車輛右轉內輪差警示
本實驗設置於常有機車與大型車輛（公車，貨車等）匯流之號誌化路口（如圖8），主要偵測大型車輛右轉時，警示右側內輪差盲區內是否有二論車輛或行人，同時透過CMS警示大型車輛駕駛減速或煞車，避免事故發生。經測試，本系統可有效提升大型車輛與機車之行駛距離，自5.42公尺至5.58公尺（提升約3%），以減少右轉側撞事故發生情形。
圖8 - 內湖區大型車輛右轉內輪差警示
- 實驗三，車流衝突警示
本實驗設置於仰德大道之車流密集之非號誌化路口（如圖9），主要在於提早警示輛經過路口時，注意路口之側向來車，間接降低因無號誌可依循所造成之風險。仰德大道四段山仔后分隊對面共蒐集1.3萬筆車速資料，可有效降低行駛速率1.8%-6.8%，並透過樣本t檢定證明，各偵測位置之平均速率，皆有顯著差異(p-value>0.05)，故推測CMS開啟可有效降低通過車輛的平均速率。
圖9 - 仰德大道車流衝突警示
- 實驗四，機車安全警示
本實驗設置於國立東華大學、國立高雄科技大學、佛光大學及中山大學四所學校，系統除了由智慧路側AI偵測外，結合車聯網（V2X）技術，安全警示訊息透過路側設施及雲端中心通訊設備發布，機車端則配置車機（On Board Unit, OBU）定期發送機車相關的車身資訊（車速、GPS位置、方向、傾斜角等），以供路側設備進行接收運算，並且接收警示訊息顯示在數位儀表板上提醒騎士，提供超速警示、對向來車警示、鄰向來車警示等應用，提供汽機車主動式安全防護，進而改善交通安全（如圖10）。
自2018年1月起，於四校區超共過70處易肇事路段及路口設置智慧型路側設施，並募集超過9,300部機車以加裝車載機方式加入本計畫進行系統試行，這也是全球首創大規模服務運行之機車V2X解決方案。透過實地試行發現，東華大學交通事故平均降低達35%、佛光大學在導入本計畫系統，事故總數不僅下降50%，更維持下降後之水平至今。而中山大學場域設置路側設施之交叉路口事故發生情形，亦較前一年同期降低達80%。整體而言，對於改善校區騎車安全，成效相當顯著。
圖10 - 校園機車安全警示
結語
『智慧道路安全警示系統TranXonSafe』經過約兩年多之數據收集與實地驗證，可直接或間接降低路口之肇事率，提升用路人行的安全，尤以在交通車流繁忙之路口，成效更是顯著。然而，因受限於車-路設備間之通訊設備尚未被廣泛採用，本系統目前大多以依靠CMS顯示警示訊息之方式提醒用路人，難免會因些許外在因素造成無法及時警示駕駛的狀況而降低了系統成效；但可預期不遠的將來，會因5G、C-V2X亦或是更先進之車-路通訊技術之市場普及，更可發揮系統之成效，同時拓展更多元之應用；舉凡可用以訓練AI- Model之混合交通物資料集--『Sardina Data Set』、多元道路科技執法與整合車-路-雲系統之先進駕駛補助系統、搭配智慧儀表之機車等，均可提升整體用路環境的安全性，促進國內車載資通訊以及智慧安全機車產業之發展。
專案技術聯絡人
資策會智慧系統研究所／智慧系統工程中心 劉文楷副主任 wkliu@iii.org.tw
資策會智慧系統研究所／智慧系統工程中心 林謙組長 stevenlin@iii.org.tw
