淡江統計系學生跨域合作奪國道智慧交通亞軍 AI提前預測塞車

記者許若茵／台北報導

AI遇上交通，光會寫程式、做模型還不夠，還得真正理解「車流」怎麼運作。淡江大學統計與資料科學學系數據科學碩士班學生施宇鴻、李昇峰等人，跨域攜手運輸管理學系學生，參加交通部高速公路局「114年國道智慧交通管理創意競賽」，以「基於深度學習與物理學和衝擊波理論融合的未來交通預測人工智慧決策系統」，從51組學生團隊中脫穎而出，在冠軍從缺的情況下拿下學生組亞軍，展現AI與大數據結合交通專業的應用成果。

這項競賽以「國道車流行為AI分析與應用」為主題，淡江獲獎團隊由統計系數據科學碩士班學生施宇鴻、李昇峰、魏祺紘、應用統計碩士班學生盧品蓉，以及運管系大四學生呂昀宸組成，指導教師為統計系副教授李百靈、助理教授高君豪，以及運管系教授陳俊穎。

施宇鴻表示，當初參加比賽說明會時發現，過去參賽者多是資訊工程、資訊管理等資訊背景學生，但主辦單位也期待加入交通專業，因此他思考，如果只靠資訊端技術，可能無法真正理解交通問題，便決定尋找運輸管理領域的師生合作。但真正合作後，團隊很快就發現不同專業的思考方式存在落差。
統計與資料科學背景的李昇峰指出，資訊端學生比較重視系統架構、預測成果與最後呈現方式，但運輸管理學生更在意演算法背後的交通理論，以及如何定義交通問題。

施宇鴻舉例，團隊一開始處理車流密度時，直覺認為車輛數量除以道路長度就能計算，但加入運管專業後才發現，不同車種本身就會影響交通分析，例如聯結車與小客車的車身長度不同，對道路容量與車流密度的判斷也會不同。「我們一開始想的是，我要用深度學習、AI去解決這個問題，但沒有想到真正開始預測之前，資料本身可能就存在需要先處理的交通專業問題。」施宇鴻表示，這也是團隊初期碰到的落差，但運管學生加入後，反而補上原本缺少的一塊。

李百靈將兩個領域的差異歸納為，「他們比較著重技術，運管則是回到問題本身的定義。」資料科學本身就不是單一領域可以完成的工作，統計負責分析與方法，資訊技術負責工具與系統，而真正要將成果應用到交通、醫療、金融等領域，仍需要該領域的專業知識。這次競賽正好呈現跨域合作的價值。

團隊最後整合高公局ETC電子收費系統、VD車輛偵測器等多源資料，建立涵蓋國道1號與國道3號共62個關鍵監測站點的資料集，再結合深度學習車流預測與物理衝擊波理論，開發「高速公路智慧交通預警決策支援系統」，與Google Maps等一般導航工具主要呈現「現在」交通狀況不同，團隊希望讓系統進一步回答「未來會怎麼樣」。

統計系助理教授高君豪說明，目前導航工具打開後看到某路段變紅，代表當下已經壅塞，但團隊系統則是預測未來5至10分鐘的車流變化，若提前知道某路段可能即將塞車，就能讓管理者或用路人在壅塞形成前先採取行動，若未來能取得更細緻的GPS定位資料，掌握每台車的位置與移動狀況，預測精度就有更多提升空間。

除了預測車流，團隊也將生成式AI導入系統，透過RAG（檢索增強生成）技術整合道路資訊、即時交通狀況與模型預測結果，再交由大型語言模型分析，讓AI進一步提供交通管理建議。李昇峰分享，這就像打造一名「交通指揮官」，系統預測未來10分鐘可能發生壅塞後，AI可以根據道路條件、車道數與當下交通狀況，提出可能的管控方案；而對一般用路人，則可以轉化為「是否提前改道」、「從哪個交流道下」等較實際的建議。

不過，團隊開發過程中最耗時的工作之一，並非AI模型，而是「建路網」。，李昇峰表示，高速公路包含車道數、道路長度與寬度等大量資訊，模型不像人類可以直接看懂地圖，因此必須把道路環境轉換成模型能理解的資料結構，團隊甚至透過Google Maps逐一檢視道路狀況，確認各路段配置。

施宇鴻表示，這次競賽讓團隊更深刻體會跨域合作的重要性。AI可以成為分析工具，但如果缺少交通專業，可能連真正的問題都沒有定義清楚；反過來，交通專業若沒有資料科學與AI技術，也難以將想法轉化為預測系統。