運輸

每個駕駛都知道疲勞的時候看路有多難，而且看簡訊、調廣播和喝熱咖啡都很容易讓人分心。對那些比我們花更多時間在路上的專業駕駛來說，駕駛的時候要保持專注又更難了。

不過現在，採用邊緣 AI 和電腦視覺的進階駕駛輔助系統（ADSD）以傳統解決方案無法達到的方式幫助解決疲勞、分心駕駛的問題。這對所有人來說都是好消息，對車隊管理、物流和叫車業更是一大解脫。

專注於電腦視覺和深度學習解決方案服務平台供應商 TesorGo 軟體私人有限公司的創辦人兼執行長 Srini Chilukuri 表示： 「分心和疲勞駕駛是企業安全主管的主要擔憂，ADAS 解決方案利用邊緣 AI 改善舊的安全系統，提供即時監測、分析和警示，幫助駕駛集中注意力。」

雖然在邊緣部署 AI 解決方案充滿挑戰，但電腦視覺專家和硬體製造商合作，幫助把創新系統引入商業車輛和投入使用。

Raspberry Pi 上的 邊緣 AI

TensorGo 和 Intel 合作開發的進階駕駛注意力計量指標（ADAMS）解決方案就是一個絕佳案例。ADAS 系統設計簡潔明瞭：包括小型攝影機、邊緣運算裝置和監測危險駕駛的電腦視覺演算法。

ADAMS 同時執行三種獨立的 AI 行為偵測演算法：

• 睡意偵測分析駕駛的臉部特徵，例如頻繁打哈欠或是閉眼等睡意跡象。
• 頭部姿勢偵測透過識別駕駛視線從道路上移開的情況，例如調整導航系統、撿拾掉落的物品，來揪出分心駕駛。
• 物體檢測識別駕駛是不是在注視手機等分心物品。

如果任何演算法偵測到問題，系統會馬上透過行動裝置提醒駕駛，同時發送警示給安全人員。

雖然在產品開發階段已經確立了基本的系統架構，但是距離 ADAMS 上市還有重重挑戰。這項概念驗證在一台龐大的邊緣裝置上執行，結果證明裝置效率過低也不靈活，沒有辦法轉化成可行的產品。TensorGo 的工程師希望把他們的系統移轉到小巧又節能的 32 位元 Raspberry Pi 邊緣裝置和 Raspberry Pi 攝影機上。但是目前還不確定怎麼在不讓處理器過載的情況下，在小型邊緣裝置上執行多種 AI 演算法。

TensorGo 團隊與 Intel 合作，克服了工程挑戰。他們利用 Intel^® OpenVINO™ 工具組最佳化並加速 AI 演算法，這樣就能在小巧的 Raspberry Pi 裝置上高效執行。Intel 架構師還建議處理比原始原型更少幀攝影機影片資料的策略。這個方法提供足以進行高精度電腦視覺分析的資料，同時減輕處理器的負擔，從而改善 ADAMS 的整體效能和穩定性。

案例研究顯示提升安全性和節省成本

TensorGo 在中東地區一間大型卡車和配送公司部署的系統展現了 ADAS 系統在真實使用情境的功能。

這間公司旗下超過 500 輛卡車的車隊面臨日益增長的事故問題，駕駛分心和疲勞就是罪魁禍首。管理層無法接受讓駕駛和一般大眾身陷安全風險中。車輛停機時間和責任成本造成的營運效率問題也是他們擔心的點。就算實施了駕駛訓練計畫，問題還是沒有解決。

這間公司跟 TensorGo 合作之後，在車隊的每輛車上都部署了 ADAMS 系統。六個月內，結果就顯示邊緣 AI 方法大有斬獲。這間公司發現跟分心相關的事故減少了 32％，疲勞相關的也減少了 27％。駕駛注意力系統還協助提升了 18％ 的準時交貨率，預計節省了超過 150 萬美元的成本。

Chilukuri 談到：「像 ADAMS 這樣的 ADAS 系統對企業安全人員來說是一大變革。這些系統改善了安全性，也提高公司獲利，解決關鍵安全挑戰之外，還協助克服了採用新技術遇到的障礙。」

交通安全的未來和延伸應用

ADAS 解決方案結合強大的安全性和成本節省優勢，對車隊管理公司來說是具有吸引力的選擇，預計在未來幾年內，這些系統的採用率會提高。

TensorGo 正為未來做準備，計畫在現有的解決方案推出更多功能。這間公司在研究把 GSM 模組新增到 ADAMS 的方法，讓警示可以直接從邊緣裝置，而不是駕駛的手機發出去。工程團隊也在探索怎麼把 AI 碰撞偵測整合到解決方案，提醒駕駛潛在的道路危險。

除了 ADAS 系統之外，解決方案的基礎技術還能支援其他使用案例。ADAMS 使用的核心軟體和電腦視覺技術可以適應工作場所安全、輔助生活監測和工業作業等應用。

Chilukuri 談到：「未來幾年，邊緣 AI 和電腦運算會在物流和其他領域發揮變革性的作用。即時監控和分析將改善全面的安全性和效率，我們的目標是成為這場變革的關鍵角色。」
 

本文由 insight.tech 編輯總監喬治妮．貝內施（Georganne Benesch）編輯