五六七年級生應該對 There is something about Mary (哈啦瑪莉) 這部電影不陌生,片中很多人都想追求 Cameron Diaz (卡麥蓉 狄亞茲) 飾演的瑪莉,過程中發生很多瑪莉無厘頭且不為人知的一面。她從與Jim Carrey (金 凱瑞) 合演的The Mask (摩天大聖) 一砲而紅後便擠身天后之列,這部電影可算得上是卡麥蓉 狄亞茲的顛峰之作,而從那之後,我也喜歡上片中的主角卡麥蓉 狄亞茲 Ben Stiller (班 史提勒),沒有看過這部電影的年輕捧友,可以去Netflex 找一下,雖然髮膠的橋段有點低級,不過20年過去,我每次想起來都還是會會心一笑。
為什麼提到哈啦瑪莉這部電影呢? 動見科技自2019年創立以來,懷抱著滿腔的熱情與最尖端的技術,瞄準物流產業,期許以自家的邊緣AI技術對這個正在蓬勃發展的產業,帶來革命性的改變並為客戶創造新的價值。在這三年的 “追求”過程中,我們仔細研究了過往與現有市面上的產品與技術,密切的與上下游合作夥伴深度互動,以及更重要的是透過實際第一線服務客戶獲得第一手的反饋,讓我們體會到 --- There is something about fleets (that no one really tries to think thoroughly) --- 一個或許供需兩端都不是那麼清楚彼此的微妙關係。因此,動見科技從車隊管理的角度出發,開啟一個全新的線上blog --- There is something about Fleets (哈啦 ”芙莉”) ,以輕鬆的哈啦、專業的剖析,讓物流生態鏈的所有夥伴能用另一種思維思考、面對並解決現有跟將來的挑戰,共同創造一個高價值、高產出的生態鏈。
2023/01/01
最近幾年出廠的一般乘用車很多都已經配備不同等級的 ADAS 駕駛輔助系統,主要功能多集中在前車碰撞警示、車道偏離警示、盲點偵測乃至於行人碰撞警示等等,當駕駛未能採取有效的反應措施時,一些較 高級的車款也會即時介入以降低駕駛自身及用路人的危險。
隨著 ADAS 的日漸普及,越來越多的商業物流車隊也透過後裝或準前裝等方式將不同功能的 ADAS 導入旗下車隊,透過科技化的車隊管理,減少職業駕駛的危險行為,除了保障駕駛的安全,也可以降低各種事故帶來的車損、賠償乃至於保險費等 支出。
職業駕駛 | 一般駕駛 |
---|---|
每天平均 8-12 小時在馬路上 | 每天平均 1-2 小時通勤時間 |
較高的時間壓力,風險較高 | 較低的時間壓力,風險較低 |
職業駕駛每天平均花 8 到 12 個小時在路上,而你我大致上只有早上與傍晚通勤時的 1-2 個鐘頭。此外,職業駕駛的時間壓力非常大,無論是長途載運或是沿街配送,遲到除了沒有績效獎金,更會帶來擾人的客訴。
這樣的差異直接導致職業駕駛對 ADAS 有很不一樣的態度,試想你我一天開車收到 3-4 次 ADAS 警示,儘管有些警示蠻廢的,但還不至於產生困擾;倘若你一天聽到 30 至 40 次警示,而且這些來自不同系統的警示聽起來都是很相似的嗶嗶聲呢?
坐在行控中心的車隊管理人員可能覺得花了好幾萬元的 ADAS 正幫助駕駛們安全且迅速的完成任務,殊不知很多駕駛都「手刀關閉」Advanced Distracting & Annoying System(簡稱也同樣是ADAS)以換來耳根清靜。
2021 年一份警政署的 A1 車禍(有死亡的車禍)統計資料顯示:死亡車禍的前三大肇因並非未保持安全距離與轉彎(向)不當,大家深惡痛絕的酒駕「也才」第三名。
這裡要強調的是:現有的前車碰撞警示與盲點偵測並非沒用,而是更危險的行為沒有辦法有效地被防堵,至少目前的車隊管理沒有這樣的危險駕駛 解決方案。
統計資料顯示:避免在主道、支道路口不讓道、減少闖紅燈、逆向或違規左右轉其實更能降低重大死傷。透過抓大放小與明確的語音提示,避免職 業駕駛對於頻繁且混亂的警示產生警告疲勞或是當成背景雜訊,這樣的先進駕駛輔助系統才能在商業車隊管理中發揮其真正的效用。
現有的駕駛輔助系統不符合使用需求了嗎?
MyFleet 的設計適用各種規模的物流車隊,您可以選擇最適合您的硬體、 AI 功能和管理平台。畢竟,沒有人比你更了解你自己。我們深信保持產品功能的彈性是必需品而非奢侈品!
MyFleet 的產品設計同時也採納了駕駛的需求,不僅有效、安全,更符合現今駕駛及司機的用戶體驗。一起選用智慧、彈性又優秀的車隊管理工具吧!
2022/03/30
數據顯示商用車隊或職業駕駛的危險程度比一般駕駛高出數倍(可以透過事故率與保費客觀比較),先說明這不全然是職業駕駛都比較惡劣 --- 如果你一天在路上開車8-10個小時,然後需要路邊停車幾十次,上下車搬運或讓客人上下車,再加上老闆或是客人抱怨你送東西不準時,動不動就客訴你,我想你的紀錄大概也不會漂亮到哪裡去。但是數據擺在眼前,不良甚至危險的駕駛行為對任何一個商用車隊都是長久以來必須面對並解決的問題。既然有需求就會有供給,這是市場經濟不變的定律,所以各式各樣偵測及監控駕駛行為的產品與技術充斥在市場上,而且很多都有所謂的科學證據加以佐證。就像各種保健食品,不但總是獲得某沒人聽過英國權威機構的認證,而且常常都來自號稱台大醫生或教授多年的心血結晶。不少車隊管理技術的功效就跟這些食品的醫療效果一樣,高深莫測,雖說數據本身不會騙人,但是挑選數據跟解釋數據的人會。這次我們就來探討一下不管台灣甚或歐美市場常常看重的兩項觀察指標: Harsh braking (重踩剎車) 跟Harsh acceleration (重踩油門)的神奇療效。 依一般常人的感受來說,重踩剎車或油門的確都是駕駛行為的反指標,對商業車隊而言,可能導致頻繁的事故或是無謂的油耗,怎麼看都是車隊管理的好依據,市面上無論是用OBD、CAN或gyro/accelerometer 取得這兩項數據的產品更是如過江之鯽。先說結論: 如果你猶豫出門要不要帶傘,請直接看下雨的機率,不是現在雲層的高度或厚度,因為弄清楚雲層的資訊,是有幫助,但看下雨的機率更直接、更有效。話說回來,甚麼時候一般人會重踩剎車? 撇開藤原拓海這種專業豆腐遞送司機,通常是離前車距離太近(不良駕駛)、惡意逼車或被逼車(前者是不良後者是無奈)、路上有三寶、四寶或是五寶 (緊急防禦駕駛),而重踩剎車的數據有沒有辦法分辨出不良、無奈還是緊急防禦駕駛,也許可以,但是就像觀察雲層的高度與厚度,不直接也不有效。有沒有更直接有效的方法分辨呢? 有的 - 直接看影片分析。甚麼時候一般人會重踩油門? 通常是路口搶紅黃燈 (不良駕駛)、惡意逼車 (不良駕駛)、上坡要保持速度 (正常駕駛)、匯入高速車流 (正常駕駛)等。而重踩油門的數據有沒有辦法分辨出不良還是正常駕駛,也許可以,但是不直接也不有效。有沒有更直接有效的方法分辨? 有的 - 直接看影片分析。也許你會說看影片沒有辦法分析油耗吧? 就我對油耗分析各種方案的了解,還真是沒看過用影片的,因為不直接也不有效。但是重踩煞車或油門可以分析油耗嗎? 也許可以,但是我把單趟、單天、單周或是單月的總里程數/總加油公升數產生的數字更簡單更直接不是嗎? 這麼大費周章跟看雲層的高度或厚度來決定要不要帶傘是不是很像。
2022/04/30
目前無論是一般或是商用車都可透過前裝或是後裝的方式,將行車影像的設備與技術大量地運用在行車安全的提升上。以3.5噸以上較大型商用車為例,法規要求強制安裝至少四顆以上鏡頭之行車駕駛輔助系統。這些影像除了即時顯示在令人眼花撩亂的螢幕上供司機參考外,也可儲存在車內設備如DVR以利將來調查事故之影像調閱,更有甚者可以將影像即時串流至雲端,可提供管理人員即時監看或司機直播使用,當然也可存在雲端透過各種人工智慧技術進行大數據分析。一時之間,影像的價值水漲船高,後勢看漲。先說結論,錢當然是越多越好,月有陰晴圓缺,人有旦夕禍福,誰知道將來會發生甚麼事。不過貧窮據說會限制人們的想像,真正有錢人其實擔心的是窮到只剩下錢。無論政府法規或是現有很多車隊管理技術就是把行車影像想像成是一種錢的概念 - 影像也是越多越好,月有陰晴圓缺,車有旦夕禍福,誰知道將來會發生甚麼事,最好甚麼都存起來,車內存一桶,雲端也來一桶。至於到底存了多少,用了多少,有沒有變成人們喜歡的樣子,以後再說。姑且讓我先暫時戴上台大教授的帽子,幫大家想個把影像變成大家喜歡的錢樣子的方法: 影像放在雲端後,可透過雲端的強大計算能力對原始影像進行各種影像識別或AI運算,因為沒有運算資源的限制,最準的模型,最高畫質的影像都可以派上用場,若是還不夠吸引人,還可把不同車輛上傳的影像整合與分析,構建各種智慧城市應用,絕對可以把這些無價的影像變成黃澄澄的東西。至於這過程要先花多少錢才足以產生這更多的錢,教授只需負責天馬行空研究不需要在意成本,但是身為新創公司執行長的我可以很清楚告訴大家,客戶不會花1000元的錢請你產生100元的黃金。三大雲端平台的費用網路上都可以查的到,比多元計程車的車資還要透明,我們每個月都花不少錢在AWS上,服務還不錯,但是AI運算費用的占比是0,當然不是免費,是根本沒用。
2022/05/30
當我們展示人工智慧結合影像辨識進行各種駕駛行為辨識的技術與產品之後,客戶第一反應是讚嘆,接下來就是問這些產品準不準,這個問題其實一直都很困擾我,困擾的不是我們東西不準,而是客戶口中的準到底指的是甚麼?準就是正確或不正確的比例,有甚麼好困擾的,乍聽之下好像蠻有道理,但是我用下面這個例子來解釋一下,也許大家就了解可能的困擾是甚麼。請問檢舉達人(工人智慧) 檢舉別人紅線違停的正確率大概是多少? 一般人大概會是這樣算: 警察最後判定符合違規要件的案件數/總檢舉案件數,這數字有一個正式的名字,叫precision,中文應該是要翻譯成精確度,若是把它翻譯成正確率 我想一般人大概也不會有激烈的反應,精確度高,應該算準。先說結論,違規是抓不完的 ,你應該不會期待檢舉達人把路上的所有違規都檢舉出來才叫準吧? 否則我的荷包應該會大失血但是很多人其實希望AI可以把所有違規行為都偵測到,做到才叫準,這就像期待檢舉達人把路上的所有違規都檢舉出來一樣,是要逼死誰,這個目標在人工智慧的世界裡叫做 recall 很高 (姑且翻譯成捕獲率好了,召回率不是一個很直覺的翻譯),捕獲率 = 警察最後判定符合違規要件的案件數/所有路上的違規數,最好捕獲率 = 100%,讓所有壞人都繩之以法,這樣最準。請注意recall的分母跟 precision 的分母不一樣,在這個例子裡,前者 (所有路上的違規數) 比後者 (總檢舉案件數) 大非常多。可是檢舉達人的捕獲率很高嗎? 應該沒有,我雖然收到不少紅線違停或是變換車道不打方向燈的檢舉罰單,但其實相比我在路上真正違規的次數,其實是小巫見大巫,不過,我每次收到檢舉罰單都很幹,也都無法申訴,因為每張罰單都罪證確鑿,檢舉達人這方法其實是精確度很高,正所謂明槍易躲、暗箭難防。
2022/06/30
如果你沒有看過 哈啦芙莉第三彈,建議你去看一下,不然看這篇就只是讓自己回想起過去學數學時,要記一堆公式的不愉快經驗。先戴上教授帽子來個專業聲明,看辨識準不準不是只有precision 或是 recall這兩個指標,還有包含像是 Accuracy (正確率,真是受夠了這些完全沒有任何分辨性的中文翻譯),或是 F1-Score、AUC 等等。這是學者讓人討厭尊敬的地方,對於很多魚與熊掌很難取捨的時候,我他們的做法就是創造出更多的指標 然後讓人們更難取捨需要他們。先說結論,精確率高就是北宋包青天,被他狗頭鍘伺候的,沒人被冤枉。捕獲率高就是明朝東廠錦衣衛,沒有人可以對魏忠賢說三道四,然後人頭不落地。同樣都是人頭落地,車隊管理應該選擇包青天還是錦衣衛?對於車隊管理而言,需要的其實是可以行動的數據,而不是完整的數據。追求完整駕駛違規行為數據的人,其實是希望捕獲率很高,但是錦衣衛的捕獲率超高所付出的代價是甚麼,很多冤獄(司機被誤判),民怨很高(司機反彈),明朝滅亡(這類比我就不好說了)。精確率高的資料是可以行動的數據嗎?以檢舉達人為例,每張罰單我都氣得牙癢癢,但是卻有圖有真相(明察秋毫),雖然很多違規我還是沒被抓到,但是不斷收到罰單後,我就會更小心,小心就是行為的改變,就是車隊管理的真諦。山不在高,有仙則名,水不在深,有龍則靈,引進AI的目的在於提供精確度高的行為數據給車隊進行有效管理,資料不在多,在精。如果A駕駛每月實際闖紅燈50次,B駕駛每月10次,然後你說捕獲率若只有60%,你無法在這樣不完整的數據下 30次 (=50*0.6) vs. 6次 (=10*0.6),分辨需要被管理追蹤的駕駛,那麼包青天大概也救不了你。
2023/01/01
最近幾年出廠的一般乘用車很多都已經配備不同等級的 ADAS 駕駛輔助系統,主要功能多集中在前車碰撞警示、車道偏離警示、盲點偵測乃至於行人碰撞警示等等,當駕駛未能採取有效的反應措施時,一些較高級的車款也會即時介入以降低駕駛自身及用路人的危險。隨著 ADAS 的日漸普及,越來越多的商業物流車隊也透過後裝或準前裝等方式將不同功能的 ADAS 導入旗下車隊,透過科技化的車隊管理,減少職業駕駛的危險行為,除了保障駕駛的安全,也可以降低各種事故帶來的車損、賠償乃至於保險費等支出。
2023/04/15
物流或陸地運輸一直是人們依賴的交通方式,我們現時討論「物流」概念最早可以追溯至 1960 年代的日本,隨著科技與車輛的結合,安全與如何有效監控車隊則成為業界最重視的範疇之一,「車隊管理」一詞因此誕生。
2023/05/16
內政部和交通部日前共同主持了一場「路口安全大執法」記者會,將針對多項重點路口違規行為展開強力取締行動,希望駕駛能更注意行車與行人安全,讓台灣擺脫行人地獄的臭名。警政署也立即宣布從5/1日起針對「路口不停讓行人」、「非號誌化路口未依標誌、標線、號誌停車再開」、「人行道違規停車與違規臨時停車」、「取締道路障礙」以及「汽機車闖紅燈及紅燈右轉」等五大重點加強取締,取締重點之罰款更高達7200元。