中華電信近年以行動通訊、固網、5G、雲端、物聯網與人工智慧等技術為基礎，將智慧交通服務延伸至鐵道數位孿生、輕軌防撞、交通影像辨識、大數據分析等多元交通應用領域。技術發展也逐漸從系統建置走向交通治理，協助管理單位掌握事件發生的起因、評估交通政策效益，並建立更具預測能力的交通決策機制。
數位技術打造鐵道數位孿生
台灣許多既有鐵道設備建置時間相當久遠，號誌、列車控制與通訊系統分別來自不同國外供應商，系統介面、資料格式及維護方式缺乏一致性。當管理單位希望取得列車運行、設備狀態或故障資訊時，經常受到原廠封閉架構與既有通訊條件限制。
中華電信所參與的智慧鐵道數位孿生計畫，透過團隊自行研發車載模組，擷取列車電腦、駕駛員顯示單元及各項感測器資訊，再利用5G高頻寬與低延遲特性，將資料即時回傳至雲端平台。
透過這套架構，管理人員可以在列車行控中心同步查看列車駕駛員所見的儀表畫面，系統並將取得的行駛速度、允許速度、設備狀態與故障代碼等數據資料，於後端重新建構列車的數位分身，使行控、維修與調度人員建立一致的判斷基礎。
這項技術同時也支援多列車監看。管理人員可透過電子地圖追蹤不同列車的運行狀況，搭配可視化儀表板掌握關鍵數據。當設備發生異常時，平台可連結數位化故障處理手冊，引導維修人員依照程序進行檢查，並保留完整履歷資料，供後續事故調查與維運分析使用。
複合式定位突破既有鐵道限制
列車精確定位是智慧鐵道計畫面臨的另一項重要挑戰。管理單位通常僅能掌握列車位於哪兩個車站之間，卻難以持續取得精確座標。當列車在山區、隧道或偏遠路段遭遇土石流、異物撞擊及設備故障時，定位誤差可能延長救援與搶修時間。
為改善這項問題，中華電信整合GPS、陀螺儀、G-Sensor、列車電腦資訊及軌旁感測資料，再透過演算法交叉比對，建立鐵道專用的複合式定位技術。即使列車進入GPS 訊號較不穩定的區域，系統仍可根據列車運動狀態與軌道感應資訊修正位置。
中華電信企業客戶分公司北資通工程處林柏儔處長說明：「過去列車位置掌握不足，容易影響到站時間預估的準確性，當平台可以持續追蹤列車位置、速度與行駛狀態後，管理單位便能提升班次預測、調度管理及異常通報品質。」
從鐵道治理角度而言，列車數位孿生僅是整體架構的一環。列車端資料可先回傳至鐵道營運單位的雲端平台，再與票務、營運及維修資訊整合，進一步協助主管機關掌握全國鐵道運輸狀態。當號誌、列車、車站與維修資料逐步標準化後，鐵道管理便能由單一設備監控，進一步發展為跨系統治理平台。
AI 預測設備狀態，改善備品與維修管理
取得設備運行資料後，AI 可以進一步分析列車健康狀態。以車門系統為例，正常車門可能需要五秒完成關閉，若關閉時間逐漸延長至七秒、八秒，便可能代表機構磨損或控制系統出現異常。這類變化若能持續累積，系統便可在設備完全故障前預警。
中華電信企業客戶分公司專戶處陳政敏科長指出：「我們希望透過AI 模型分析故障代碼、操作時間與維修履歷，建立預防性維護機制，推估設備可能損壞的時間點及未來備品需求。對鐵路營運單位而言，備品採購涉及庫存、預算及折舊成本。若缺乏精確資料，往往只能增加安全庫存；當維護平台可以提供設備壽命與故障機率預測後，管理單位便能更精準地編列採購數量與預算。」
路側光達預測車輛軌跡，降低輕軌碰撞風險
相較於封閉式鐵路系統，多數輕軌路線行經大量平面道路，列車、汽車、機車與行人的動線經常在路口交會。部分駕駛人未依專用號誌行駛，或在輕軌列車接近時搶快轉彎，容易形成碰撞風險。
中華電信在高風險路口導入光達、雷達與IP 攝影機，建立類似自動駕駛車輛的多感測器架構。系統透過光達取得車輛位置、速度、加速度與移動方向，再預測車輛未來三至五秒的行駛軌跡，判斷汽機車是否可能切入軌道。
顯示設備也整合輕軌專用號誌倒數資訊。當列車因告警緊急停車後，駕駛員可以知道剩餘通行時間，判斷是否繼續通過路口，降低列車停在道路中央或號誌切換期間進入路口的風險。
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。
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。
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。
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。
【資料來源】iDS智慧安防雜誌 2026/10/14
