不正常的車牌、非車輛照片,都構成車號判讀的挑戰
在這些情況下,遠通都被期待要能正確辨識車牌,以便向正確的車主收費。
然而,據2014年交通部呈報立法院的資料顯示,當年一至八月份之間未能透過eTag感應,且無法進行車牌辨識的車輛超過 224 萬餘筆,需由遠通部分吸收的通行費高達 530 餘萬元。
除了無法辨別與收款的部分之外,2014 年有七十五件左右的錯帳。前文提到的李經理,就是其中一個案例。
雖然遠通電收已經達到關鍵績效指標的要求,但是民眾只要收到一筆收費錯誤,很可能就會投訴抱怨,影響民眾對高速公路電子收費的觀感。遠通電收對這樣的結果並不滿意。
為了大眾對ETC收費正確度的信賴,並且減少人工肉眼識別車牌的辛勞,遠通對車牌辨識技術進行十餘年曠日持久的戰爭。
打磨系統,化解一道道難題
辦公室裡,第一線業務員和機電技術專家,討論著今天車牌辨識錯誤的報告;一旁的幾位營運專員,則和熟悉物聯網的系統工程師一同觀看國道錄像,檢視上個月辨識出錯的場域。這裡不屬於某特定部門的辦公室,而是一個跨功能編組團隊的辦公區。這個團隊名稱為:「執法創新團隊 」(Enforcement Innovation Group, EIG)。
「執法創新團隊」每年從高速公路的錄製影像中,蒐集大量車輛特徵與錯誤案例,透過人工智慧技術與深度學習技術,開發商業智能(Business Intelligence)以優化作業流程,強化自動化車牌辨識技術。以下舉出三種辨識模式做為說明案例:
案例1
當車輛行駛經國道的車牌攝影區域時,恰巧因為落葉遮擋,而無法辨識車牌號碼時。
因應採用的商業智能模式:
駛至下一個門架時,車牌上的落葉很有可能已經被吹落。此時,攝影機會再次捕捉車牌號碼,進行交叉比對。團隊藉此模式,計算出這是未成功感應的車輛,解決落葉遮擋車號的問題。
案例2
高速公路上,會受到陽光直射、高架橋、山坡陰影等影響,影響國道攝影機拍攝,導致車牌照片曝光過度、偏暗而難以辨識。
因應採用的商業智能模式:
團隊運用人工智慧技術,在拍攝車輛前,先辨別當前高速公路的光線強弱,系統再同步調整相機參數設定,以符合正常成像條件,解決車牌照片過曝的問題。
案例3
部分國道收費路段上,車牌攝影機在取像過程中,容易受到特定角度陽光影響,在玻璃、金屬、鈑金反射下形成眩光現象,干擾系統解析車牌照片。
因應採用的商業智能模式:
團隊發展新一種技術,在國道攝影機身內,加裝一層特殊隔熱紙。隔熱紙能有效過濾陽光,減緩眩光現象,提升車牌照片的辨識度。