106年12月17日

運輸產業的全方位解決方案---天眼智慧運輸管理雲

文章發佈於:2017/12/04
作者:天眼衛星科技股份有限公司

        傳統車隊管理系統以GPS衛星定位技術為主,聚焦在車輛的監控與管理,然而,對商用車隊經營者來說,掌握車輛目前所在位置,只能知道駕駛有沒有認真執行業務,避免無謂的時間和油耗浪費,這對車隊經營管理所能帶來的幫助有限,而且還會讓駕駛有一種「時時被監控」的不良感受,增加系統導入和推廣的難度。


        因此,天眼公司研發出「天眼智慧運輸管理雲」,藉由「人」、「車」、「貨」三面向通盤考量,再針對出勤前、中、後不同階段的需求進行功能設計,提供全方位的智慧運輸管理服務方案。

 

出勤前:確認駕駛與車輛一切正常、自動媒合派工任務
1. 人:駕駛須先至血壓酒測健檢站進行量測,確認沒有血壓偏高/低、飲酒等不宜開車的狀況。

2. 車:再透過天眼自行研發的「司機專用APP」進行車輛巡檢,檢查車輛重要零件是否正常,並在APP上完成人車配對後,門禁管制系統才會放行、讓車輛上路。

3. 貨:至於駕駛該運送哪些貨品、送往何處,或是要去哪裡取件,則透過天眼的自動合車派工系統媒合派送任務,並顯示在司機專用APP上。自動合車派工系統會整合運輸業內部ERP訂單系統,根據當日訂單量、貨車容量及運輸路線去排定各車次的運輸任務。由系統自動派工,不只能提高運輸效率,也能縮減人工派車的作業時間,及可能引發的不公平爭議。


出勤中:監控司機駕車狀況、確保貨品準時送達
1. 人:應用影像辨識技術,偵測駕駛者有沒有疲勞、分心、操作手機等行為,若發現異常便立即發出警示音或語音提示,提醒司機注意,甚至在屢勸不聽的情況下,還能拍照回傳至後端管理平台或管理者APP,由管理者主動介入要求司機改善。另外,系統還會偵測有沒有偏離車道、蛇行、與前車距離過近等情形,避免發生交通事故。

2. 車:透過安裝在車內外的攝影機、行車記錄器及各式感應器,協助管理者監控車輛有無異常,例如:逾時停留、超速、偏離既定行駛路線、車廂冷藏/冷凍室的溫度等。
3. 貨:至於貨品端,駕駛可以透過APP回報裝卸任務,如果發現貨物異常,可拍照即時上傳至系統,另外,系統每分鐘都會去判斷車輛與目的地間的剩餘距離,並計算抵達所需時間,提前發出「送貨延遲」預警,確保貨品能準時送達。

 

出勤後:行車記錄大數據分析、持續改善營運效率
1. 人:可統計分析司機生理狀況、駕駛行為,作為健康評估、改善不良駕駛習慣、工作績效等判斷依據。
2. 車:透過油料、里程、維修保樣紀錄,統計分析車輛管理情形,並定時提醒車輛保養、汰換等資訊。
3. 貨:貨品送達後,可透過條碼點貨、上傳到貨情形、計算運費等功能,減少後續人工作業時間,提升貨品管理效率。


        「天眼智慧運輸管理雲」除了在商用車隊獲得肯定外,在數個縣市政府也有相關的應用,應用的領域包含「大眾運輸」、「災害防救」、「便民服務」等面向:
1. 提供「大眾運輸」災害預防方案:藉由駕駛注意力監控系統,進行駕駛疲勞/分心偵測、危險駕駛行為偵測、前方碰撞預警、車道偏離預警等警示,可即時示警減少意外發生率,並透過駕駛行為紀錄,進行數據分析,作為管理決策依據。
2. 提供「災害防救」車輛管理方案:結合消防救護派遣輔助系統,透過電子地圖進行消防救護車輛監控平台,可供管理者或民眾即時查詢消防救護車輛狀態,包含所在位置、車號、預計抵達時間等資訊。
3. 提供「便民服務」車隊管理方案:透過客製化智慧運輸管理平台及APP,可供民眾即時查詢清潔車清運資訊,例如鄰近清運地點、清運時間查詢、清運資訊推播等;或提供管理者管理拖吊業務資訊,包含拖吊違規統計、拖吊熱點分析,及民眾查詢被拖吊車車輛所在位置等資訊。

智慧城市應用範圍如下表所示:

應用領域

應用目標

應用範圍

大眾運輸

市區公車

國道客運

●前方碰撞預警

●車道偏離預警

●疲勞/分心駕駛偵測

●人臉異常偵測

●危險駕駛偵測

災害防救

救護車

消防車

●救災車輛管理系統

●派遣輔助系統

便民服務

清潔車

拖吊車

●清潔車便民服務系統及APP

●拖吊業務管理系統及APP

宗教禮俗 遶境活動  

媽祖遶境進香定位服務    

●進香路線管理平台


         傳統商業車隊導入車隊管理服務時,僅能透過衛星定位或攝影裝置紀錄車輛位置與車輛內外影像,對於運輸產業的資訊化效益不顯著,透過「天眼智慧運輸管理雲」服務模式,可將各種裝置所蒐集的資料,即時回傳、儲存,並進一步分析,產出有利於業主的資訊,在該服務推行之後,不僅協助運輸產業快速升級,更刺激其他車隊管理業者開始投入相關技術研發,大幅帶動相關產業的長遠發展。

        當其他車隊管理業者也逐步投入數據分析、雲端技術、物聯網等領域,天眼公司正規劃將資料蒐集、分析、加值應用此一流程再往下階段升級,例如將資料採礦技術升級為機器學習,再整合既有之數據分析、雲端技術,進入AI領域,讓預警反應時間再縮短或提前預警,或配對駕駛、車輛、貨物的最佳組合,或協助管理者預估未來營運績效及改善方針,上述規劃預期在既有的研發能量及外界資源的挹注下,將大幅縮減研發時程,也將再次為運輸產業與車隊管理產業創造新的價值。