以立普思LIPS 邊緣 AI 交通視覺強化城市治理，實現智慧路口即時偵測
新北市政府，作為大型都市交通治理單位，面臨複雜多變的道路環境與日增的交通管理需求。長期以來，在有號誌與無號誌路口皆缺乏足夠的即時偵測能力，導致交通效率下降、事故風險提高與行人安全疑慮。為改善交通治理能力，新北市政府導入立普思 LIPS 的邊緣 AI 交通視覺（路口 AI 監控）演算法，用於重要路口的前期部署。該方案提供車流量監控、行人偵測、路口預先示警與事件感知能力，協助政府進行風險控管與強化智慧交通基礎。此專案大幅提升路口的觀測能力，並建立可擴充至全市的技術基礎，為智慧交通奠定長期發展的核心能力。
高密度交通環境的挑戰：為何需要路口 AI 監控？
新北市交通密度高且路型多樣，包含有號誌控制的主幹道路與大量無號誌巷道。既有監控設備多偏向錄影蒐證，而非即時偵測，使管理單位難以掌握車流狀況、行人行為與事故風險。在交通高峰時段，無法即時掌握壅塞或異常行為，進而影響交通效率、事故通報速度與行人安全。市府希望透過路口 AI 監控方案改善交通秩序、降低事故風險並建立長期可用的資料基礎。
在有紅綠燈的路口，市府缺乏高精度的車流量監測工具，難以做出動態調控。在無紅綠燈的路口，更缺乏針對行人與車輛的即時偵測與預警能力，使事故風險提高。這些挑戰使得政府必須尋求一套具備智慧路口即時偵測能力、能大規模部署、且能在城市中持續運作的 AI 解決方案。
傳統紅外線偵測器與磁線圈技術無法覆蓋所有路型，也無法提供細緻的交通分類資訊。加上維護成本高，無法滿足城市級規模部署。市府需要能跨地點部署、即時運作並具備可擴展能力的方案。因此，本案啟動並導入立普思LIPS 邊緣 AI 交通視覺方案。
立普思LIPS 邊緣 AI 交通視覺方案：從架構選型到路口部署
新北市政府選擇 LIPS 的主要原因在於其視覺 AI 方案能同時於有號誌與無號誌路口運作，並具備高速運算能力，適合在邊緣設備上部署。其核心優勢包括：高 FPS 推論能力、可客製化路口區域設定、可偵測車輛/行人/事件、可在既有攝影機環境快速導入。
立普思LIPS 邊緣 AI 交通視覺在本案中提供完整套件，包括車流量偵測、行人偵測、闖入偵測、轉向、路口預警模組，以及可用於後端交通治理的資料回傳機制。演算法能適應不同高度、角度與環境光源條件，使部署彈性高。
導入分為三階段：前期場勘與 ROI 校調、路口邊緣設備安裝、偵測區域標定與模型調參。實際建置過程中跨越了光源變化、巷弄視角等挑戰，透過模型微調逐步改善偵測精準度。本案預計成為新北市擴大建置的基礎示範點。
前期成效與城市治理效益：路口安全、監控能力與預警機制的提升
初步成效包含：系統成功在各種環境條件下穩定執行、智慧路口即時偵測與事件畫面順利回傳、於無號誌路口成功進行行人/車輛預警顯示。後續將加入量化資料比較，以優化交通號誌決策與城市交通治理。
質性面向中，前期使用者反應顯示：交通管理單位在非視線可及路口的監控能力大幅提升；行人與無號誌路口的風險顯著降低；整體治理能以更數據化的方式進行。本案預計推動更大規模的交通 AI 升級與決策流程優化。
常見問題：路口 AI 監控部署、整合、應用與後續擴充
Q: 是否適用於其他市區？
A: 立普思LIPS 邊緣 AI 架構可直接移植至其他城市，只需重新標定偵測區域即可。
Q: 是否能與現有交通號誌系統整合？
A: 可以，可透過 API 與號誌控制器整合，用於動態調控。
Q: 是否需更換攝影機？
A: 多數情況可沿用既有攝影機，只需調整視角與串流品質。
Q: 需要多久建置？
A: 典型路口從場勘到上線約 1–2 週。
Q: 如何開始導入？
A: 提供路口影像與需求，即可進行前期評估。
Q: 什麼是路口 AI 監控？與傳統監控攝影機有何不同？
A: 路口 AI 監控是指在路口端部署具備即時 AI 推論能力的視覺系統，能主動偵測車輛、行人與事件，並即時輸出結構化資料。傳統監控攝影機以錄影蒐證為主，無法主動偵測或觸發預警；路口 AI 監控則能在事件發生當下即時回傳資訊，協助管理單位從被動應對轉為主動治理。
Q: 立普思LIPS 邊緣 AI 交通視覺如何在城市路口運作？
A: 立普思LIPS 邊緣 AI 交通視覺將 AI 推論運算直接部署於路口邊緣設備，無需將影像傳送至遠端伺服器。系統可適應不同攝影機高度、角度與環境光源，偵測項目涵蓋車流量、行人、闖入與轉向行為，並透過後端 API 將資料即時送入城市交通治理平台，支援號誌動態調控與風險預警。
Q: 智慧路口即時偵測能解決哪些城市交通管理問題？
A: 智慧路口即時偵測主要解決三類管理痛點：（1）有號誌路口缺乏高精度車流量數據，難以動態調控號誌時序；（2）無號誌路口行人與車輛衝突無法提前預警，事故風險高；（3）非視線可及路口監控死角無法即時掌握。透過 AI 即時偵測，管理單位得以建立資料驅動的交通治理機制。