Insight Tech

每位城市駕駛者都深知在交通擁堵中花費數小時的挫折感，以及在擁擠混亂的道路上對安全的焦慮。

城市經理和交通工程師除了相同的擔憂外，還有一些其他的困擾。智慧交通管理解決方案製造商 ISSD Electronics 的首席系統工程師 Gurur Yildiz 表示：「目前最迫切的挑戰是透過高效的、需求導向的交通管理來降低事故率，」。「但也有一些重要的生活品質問題需要考慮，例如像減少二氧化碳排放這樣的大局挑戰」。

這對所有參與者來說都是一個困難的局面。然而，好消息是，AI 深度學習技術和下一代高效能處理器已經使智慧交通系統（ITS）成為可能。這些解決方案提供了應對全球交通管理挑戰的答案，並打開了通向更安全、更高效和更可持續未來的大門。

AI交通管理實踐中

ISSD 在市政客戶的實施案例中展示了智慧交通系統在最具挑戰性的交通管理情境中能夠取得顯著的成果。

該公司在土耳其科尼亞的部署示範了如何利用智慧交通系統來進行交通現代化，即使是在不太可能的場地也可以實現。科尼亞是一個真正古老的地方：自公元前3000年以來就是人類居住的地點。如今，它是土耳其最大的城市之一，擁有超過 200 萬的人口。而且由於參觀者、遊客和前來朝聖該市眾多神聖場所和考古遺址的人湧入，這個數字通常會增加。

現代的科尼亞是舊與新的美麗迷人融合。但這也帶來了一些嚴重的交通管理挑戰。Yildiz說道：「科尼亞的城市規劃根本無法滿足城市目前的需求，」。「因此，在尖峰時段和大型清真寺和旅遊景點周圍出現了嚴重的擁塞情況」。

ISSD 與科尼亞市政當局合作，部署了智慧交通系統（ITS）來緩解這些問題點。他們在整個城市架設了智慧攝影機網路，以協助管理交通流量。這些攝影機可以即時計算平均佔用率和車輛數量，決定應該給予哪些交通車道綠燈以及持續多久，並相應地改變交通訊號。

這個新系統的成果令人印象深刻。科尼亞的交通路口等候時間減少了30%。碳排放量減少了40%。此外，系統提供的資料洞察讓交通工程團隊能夠建立交通流量的詳細模擬，並進行最佳化效率的變更。

ISSD 在伊斯坦堡還有另一個實施案例。多年來，運輸部和當地收費公路營運商一直在北伊斯坦堡高速公路的隧道入口和收費亭處努力應對頑固的事故類型。最令人沮喪的是：這些事故一開始就不應該發生。這些事故是由於駕駛大卡車的司機未意識到他們的車輛太高，無法通過隧道入口或收費門架。

ISSD 實施了智慧交通系統，可以檢測接近這些關鍵位置的過高車輛。智慧攝影機掃描逆向車流中可能出現問題的車輛。如果識別到過高的車輛，其車牌資訊會被廣播到收費公路的頂部電子顯示螢幕上，以警告卡車司機他們即將發生碰撞的危險，並讓他們尋找替代路線。

高速公路上的過高車輛事故數量從每月平均一到兩起事故下降至整年零事件。

AI 和硬體：實現智慧交通系統的關鍵技術

類似這樣的顯著成果是新一代智慧交通系統的特點，這些系統成功地克服了許多前幾代系統的限制。

傳統的事件偵測系統使用完全依賴 CPU 的影像處理演算法，這是昂貴且難以擴充的方法。此外，在惡劣的天氣條件下以及使用來自全景傾斜縮放（PTZ）攝影機的資料時，這些系統在影像處理精度方面也遇到了困難。

現代智慧交通系統依賴於 VPU 加速、人工智慧支援的自動事件偵測（AID）。這就是為什麼它們在視覺處理任務方面優於舊系統，並且通常更具成本效益。

例如，ISSD 的解決方案將交通攝影機資料傳送到針對視覺處理進行最佳化的集中式伺服器。伺服器配備了 Intel VPU，可並行處理電腦視覺工作負載。它們還運行著 ISSD 經過微調的 SPECTO 視覺處理軟體，該軟體充分利用了 Intel^® OpenVINO^™ 工具套件的 AI 深度學習能力。系統的 CPU 被釋放出來，不再負責推理任務，只負責控制響應行為，例如向駕駛員和操作員發送警報。

這種結合的 AI 最佳化和工作負載分化使整體解決方案極其迅速。如果偵測到事故，人類交通安全人員會在不到 10 秒內收到警報，並透過整合 SCADA 系統和路邊交通設備以近乎即時的方式採取自動回應。

Yildiz 將 ISSD 與 Intel 的技術合作視為使這類深度學習最佳化處理成為可能的關鍵因素：「OpenVINO 對我們來說是技術上的突破。這對整體產品性能有直接影響，透過最佳化和提升我們在演算法中使用的深度學習模型的效率」。

打造交通未來

智慧交通系統呈現令人印象深刻的成果。但同樣重要的是，這些系統背後的創新者正在針對解決方案的發展採取整體性且具有前瞻性的方法。這對未來發展是個好兆頭。

ISSD 將軟體遮罩和匿名化演算法納入其解決方案中，將其開發工作未來防範了當今以及未來幾年的資訊安全和數位隱私法規。

該公司也正在研究如何將現有技術適應其他應用案例和垂直領域。Yildiz 說道：「我們正在開發類似電子收費系統和智慧停車系統等相關應用案例，」。

從長遠來看，ISSD 的研發團隊正在為合作式智慧交通系統（CITS）奠定基礎，這些系統有朝一日將直接向車輛中的駕駛員廣播安全警示訊息。值得注意的是，他們還在為未來的交通管理做準備，商業和私人車輛已經開始飛行，Yildiz 說：「我們目前正在透過探索基於飛行的物流和交通管理，為即將到來的飛行器和無人機時代做好規劃」。

智慧交通管理將引領交通更安全、更高效、更可持續的世界。儘管涉及所有高科技，Yildiz 還是用非常人性化的語言表達了公司工作的最終目標：「智慧交通系統可以減少事故，拯救生命。而且，它們提高了出行效率，讓駕駛員重新獲得了失去的時間，從而改善了我們的日常生活品質」。

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

一般來說，顧客走進更衣室試穿新衣服時，最終都會抱著一堆風格、顏色與尺寸各異的選項。如果他們可以不用大費周章搜尋貨架，省去試穿這些衣物的麻煩呢？有了互動式智慧鏡，他們就能省去這些麻煩。智慧鏡解決方案採用 AI 技術，透過從即時庫存協調商品、不同的尺寸與顏色，以虛擬方式化身為另一層的客戶服務。此外，購物者可以瞭解，他們想要的服裝是否有庫存或者是否可在線上購買。

這類解決方案現已問世，例如全方位服務硬體解決方案供應商 Pyramid Computer 所推出的 Polytouch Magic Mirror。這個平台利用線上購物的優點，結合近距離欣賞及觸摸商品的功能，協助零售商提供獨一無二的客戶互動體驗。

店內零售的個人化體驗走向虛擬

某大型運動時尚零售商，運用 Polytouch Magic Mirror 打造了智慧型試衣間，便是典型的案例。該零售連鎖店在試衣間部署的解決方案，全部搭載小外型規格的電腦，包含配備 HD 顯示器、10 點觸控螢幕的鏡子，以及用於 RFID 型商品識別的天線。

這個解決方案捨棄攝影機，改採 RFID 掃描技術，因為顧客基於隱私考量，顯然不希望攝影機出現在試衣間。

掃描器感應帶進空間的商品後，利用這項資料建議相稱的配件，並且告知客戶是否有其他選項可供選擇。店內與線上庫存資訊之間的順暢連結，提供了「無限貨架」的客戶體驗。同時，這個連結讓零售商能夠吸引更多顧客前往商店、獲得全新的深入解析、克服員工短缺問題，以及降低營運成本。

Pyramid Computer 行銷與設計部主管 Anthony Hunckler 表示：「零售商可以將分配給店員的工作最佳化，不必派他們前往試衣間諮詢顧客及尋找商品。」

RFID 讀取器與後端軟體聯繫後為顧客提供資訊，並且為零售商提供有價值的資料。Hunckler 說明：「軟體是與顧客進行最終品牌互動的元素，例如高品質的產品圖片與媒體。軟體與硬體元件必須相互搭配，才能在 UI 與 UX 提供這種彈性與流動性。」

庫存管理已安裝 RFID 系統的零售商，輕輕鬆鬆就能實作 Magic Mirror。在這種情況下，他們的後端隨時都可以加裝這款掃描產品的偏好。在維護方面，Pyramid 隨附提供高服務層級的保固。Hunckler 表示：「如果發生問題，我們很容易就可以更換系統和顯示器。從這個角度來看，合作夥伴幾乎沒有任何風險。」這個解決方案中 Intel® 技術的電腦，提供強固的全天候可靠性，這點對於在零售環境部署非常重要。

銷售、顧客偏好與物流的深入解析

Magic Mirror 解決方案能夠與顧客互動，並收集有關顧客選擇與偏好的資料，因此有機會獲得寶貴的店內零售深入解析。

視零售商選擇或開發的軟體而定，他們可以收集及分析深入的銷售資料、辨別顧客偏好、將物流與庫存管理最佳化，以及交叉銷售相關商品。Hunckler 表示：「零售商若要根據顧客習慣方面的即時資料將庫存最佳化，分析非常重要。」「舉例來說，如果發現銷售的 T 恤中有 80% 是白 T，便可得知庫存需要增加白色 T 恤，減少其他顏色。」

傳統零售商利用這項資料，可以準確預測庫存需要多少商品、時間與地點，協助提供物流決策資訊，並且跟上需求。

精細層級的深入解析，有助於零售商為實體零售業瞬息萬變的未來做好準備。Hunckler 表示：「過去我們熟知的零售結構，如今已經不再那麼重要。」有些顧客仍會前往商店逛逛、試穿衣服，以及用傳統的方式做決定，但是其他顧客很多則只是去實體商店領取線上事先訂購的商品。如果零售商可以透過加強僅限親訪才能提供的購物體驗，例如特別優惠與額外好處，強化與線上顧客的連結，那麼這些顧客便能感受到造訪實體商店的價值，而零售商店則可獲得品牌忠誠度。

Hunckler 表示，留意顧客的個人偏好與需求，是成功的關鍵因素。「顧客是獨一無二的。有些人喜歡店員提供支援，其他人則不希望受到這類關注。零售商必須專心致力於提供大量數位支援，並且將整個體驗個人化。」

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

顧客期望走進商店就能找到他們需要的物品。當客戶無法找到他們需要的商品時，不論是因為嚴重的勞工短缺還是效率低下的手動進貨流程，顧客將會轉向其他地方購物。

然而，零售商無法因為缺貨或物品放置不當而失去顧客。最近的報告發現，全世界每年因庫存不足或商品放錯位置，可能導致高達 9840 億美元的銷售損失。然而，問題是許多零售商仍舊依賴手動流程來補貨。這就是為什麼越來越多的零售商開始轉向使用人工智慧零售分析解決方案來最佳化其庫存管理。

透過人工智慧零售分析最佳化顧客體驗

以總部位於英國的零售雜貨連鎖店 Nisa 為例。Nisa 發現商品未妥善進行庫存管理對其顧客體驗造成了負面影響。為了改善情況，他們轉向 Shelfie，一家依賴雲端軟體的零售分析平台提供商，以改進他們的流程並更有效地了解庫存的變動情況。

有了 Shelfie，Nisa 可以在其商店使用連接的相機拍照，並將目前的庫存與預定的圖表進行比較，該圖表顯示每個受監控的貨架應該是什麼樣子。

為了實現這一目標，相機拍攝影片影像並將其傳輸到雲端，這裡使用一個先進的機器學習和影像處理演算法來分析關於庫存位置和可用性的資料。當商品庫存不足或產品放錯位置時，員工會透過他們的儀表板或行動應用程式即時收到警示訊息。警示訊息可以透過條碼掃描器、平板電腦或其他連接設備傳送。

在 Nisa 商店的一次試驗中，Shelfie 能夠保持庫存可用性約為 95%。來自 Nisa 多家商店的老闆兼經營者 Rav Garcha 表示：「這提供了我作為零售商所需的所有資料，以便做出有關採購、預測和最佳化店內商品位置的決策。」

提升人類努力的效率

隨著科技在各個行業迅速增長，令人驚訝的是，根據 Shelfie 的執行長 Yehia Oweiss 所說，大多數零售商仍然依賴人工進行商店內巡視，檢查貨架上的商品情況，看哪些商品有貨、哪些商品庫存不足，然後再進入倉庫或後備儲藏室，推著手推車補充庫存。

Shelfie 的開發旨在減輕人工零售工作人員的負擔，使其能夠輕鬆監視貨架並獲取有意義的洞察。Oweiss 解釋：「這個解決方案並不是要取代店內人員，而是旨在讓他們的工作更加高效，」。「我們的軟體會告訴您庫存最不足的時間和日期，以及是在哪個貨架上。現在，如果您手上有這些資料，您可以更有效地調派負責補充庫存的人員。」

影片 1. Shelfie 包含一個分析平台、圖像擷取裝置和報告儀表板，以提供貨架庫存管理的洞察。（來源 Shelfie）

雖然類似的解決方案在擴展時可能複雜或成本高昂，但 Shelfie 易於部署且容易擴展。這個解決方案處理所有分析工作，並向店家發出任何缺貨或庫存不足的警示。

Oweiss 解釋：「您所需要的只是一個對著貨架的相機，連接到網際網路，」。「其餘的工作則是我們遠端在雲端完成。」

這個解決方案也被開發成相機通用方案，只要現有的安全相機能夠連接到網際網路，零售商就可以使用。此外，如果有需要，也可以選擇在現場設置該平台。

為了實施能夠偵測零售店鋪內情況的人工智慧模型，Shelfie 使用了 OpenVINO^™ 人工智慧工具套件。當一位新客戶決定採用這個解決方案時，他們會提供有關每個貨架應該是什麼樣子的照片和資訊，從而啟動一個為期兩週的人工智慧神經引擎訓練過程。

隨著時間的推移，人工智慧零售解決方案能夠滿足更多店家的需求

隨著人工智慧軟體學習各種商品的位置並追蹤銷售情況，Shelfie 可以提供許多超出基本缺貨或錯置商品警示的額外洞察。

例如，儀表板顯示了關於哪些庫存單位（SKUs）的銷售量最高和最低，以及哪些庫存單位最常缺貨的資料。管理者可以看到某個商品缺貨了多久，某些商品在一天中的哪個時間銷售最多和最少，以及哪些是銷售最好的商品，他們需要確保這些商品永遠不會缺貨。像這樣的細節資料，如果使用手動流程收集將會非常困難，甚至可能無法實現，根據 Oweiss 的說法，這些資料可以提供重要的洞察，有助於最佳化銷售和庫存工作。

他解釋：「最終，Shelfie 所做的就是改善業務流程，」。「這對顧客滿意度有很好的效果。零售商面臨著眾多事務，每一天都帶來新的挑戰。這個解決方案能夠提供他們所需的資料和洞察，讓他們保持領先地位並知道該優先考慮什麼。」

這個解決方案的使用案例不僅限於零售領域。例如，Oweiss 表示 Shelfie 正在被引入加油站，用於監控洩漏、計算顧客人數，以及維持法規遵循。該公司還在石油和天然氣行業實施這個解決方案，用於監測油頭（油井中的油層）是否有洩漏和溢出情況。Oweiss 表示：「每個使用案例都關乎業務流程效率，」。「當您手中擁有關鍵資料時，您可以更有效地調度人力，並最大化其效能。」

隨著零售分析的應用擴展，Oweiss 預見未來的解決方案將更加增加擴增實境和人工智慧的作用。目前來說，雖然大型連鎖店和擁有多個分店的公司通常需要應對所需的變革管理，以在新解決方案中取得成功，但較小的公司和獨立零售商則更容易地採用像 Shelfie 這樣的解決方案。

Oweiss 表示：「對於他們來說，靈活性和成本節省都是優勢，」。「我們的解決方案不需要特定的相機型號或高解析圖像，因此他們可以迅速地使用他們已經擁有的技術進行運作。」

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

大家都有過這種經驗：手上只拿了兩樣商品，卻得在收銀台前的隊伍等上二十分鐘。（至少已經沒有人拿支票付錢了。）您不禁懷疑，科技明明日新月異，我們為什麼還得在雜貨店排隊排到天荒地老！難道沒有更好的辦法？可能有。事實證明，這個方法不僅能為商店解決排隊管理的問題，還可發揮更多效益。

過去幾年，零售版圖發生了巨變：客戶期望持續演變，以智慧靈活且有意義的方式解決困難點的工具和技術也持續進化，而且很多都用到了 AI。如今，大量的機會與優勢伴隨 AI 而來，但是若要開發及打造這類 AI 解決方案，許多零售商不是措手不及，就是尚未替開發團隊配置人力，即使他們知道自己想達成哪些目標也只能搖頭嘆息。

幸好，現在已經有完整的實作專業知識生態系統，因此 Intel AI 軟體架構設計師暨推廣長 Ria Cheruvu，以及零售空間智慧解決方案供應商 Pathr.ai 的資深產品行銷與營運經理 Nicole O’Keefeare 於是利用這個機會，探討了開發真正能發揮影響力的 AI 零售解決方案（影片 1）。

影片 1. Pathr.ai 的 Nicole O’Keefe 與 Intel 的 Ria Cheruvu，探討了 AI 對零售營運的影響，以及 AI 解決方案目前最重要的機會。（資料來源：insight.tech）

零售商目前面臨的最大挑戰是什麼？

Nicole O’Keefe：顧客追求順暢的結帳體驗，包括排隊隊伍短，以及等待時間短。如果顧客看到收銀台大排長龍，難免會感到煩躁，甚至可能乾脆放棄購物車，走出商店。這是零售商最不樂見的情況，因為放棄購物車會損失銷售量，還可能影響客戶忠誠度。另外，人力短缺和人力成本攀升也是他們擔心的問題。

這些因素都是現今零售業面臨的挑戰。由此可見，零售商尤其必須為顧客創造高效的結帳體驗。

AI 如何解決其中幾個困難點？

Ria Cheruvu：就整合多項解決方案，以及開發智慧隊伍管理和自動自助式結帳的模型而言，人工智慧絕對能派上用場。人工智慧可識別客戶體驗並提供見解，然後將見解整合至系統，針對多家商店與客戶提供寶貴的深入解析。我們發現，AI 還能協助擴充那個程序，並且將所有不同的功能整合在一起。

開發者如何成功建置及實作 AI 零售解決方案？

Ria Cheruvu：這項任務頗有難度，一來是因為這些模型有技術限制，二來則是模型設法滿足的使用案例類型所致。請試想，AI 能夠計算貨架上的商品數量，或是識別有人拿起商品後將它放入購物籃的情況。它可以整合到智慧購物車、智慧貨架或智慧機器人等。事實上，我們很多時候可以利用現成的模型，也可以運用技術訓練及建置自己的模型，靈活性很高。

隨後，您確實必須融入隱私與安全性這類元素。我們必須針對究竟如何在演算法整合這些元素慎重其事展開對話，包括遮住個人的臉，或是就他們購買的商品尊重他們的隱私，以及基本上讓個人保持匿名，同時擷取持續改進演算法所需要的深入解析。

然而，大量的 AI 技術陸續問世，加上技術推陳出新，因此展開零售領域方面的對話越來越容易。

Nicole O’Keefe：Pathr.ai 的品牌標語就是：見微知著。穿梭於樓層平面圖的每個點都是購物者，而且那個點沒有附加可識別個人身分的資訊。因此，零售商便能真正利用維護隱私的深入解析，以不偏不倚的方式做出業務決策。

您如何與零售商合作，實作這些 AI 解決方案？

Nicole O’Keefe：我們可以實作 AI 的方法之一是空間智慧，關鍵在於測量人們在實體店內的移動方式與行為。我們運用零售商現有的攝影機基礎架構，提供整間店的深入解析，瞭解排隊隊伍的長度以及人們等候的時間，雖然側重於收銀台四周，但一般而言是著眼於整間商店的作業現況。目標是讓這些作業順暢無礙，儘可能讓客戶享受愉快的體驗。

此外，零售商希望降低營運成本及提高營運效率；他們只要以資料驅動的方式利用這些深入解析，便可實現這些目標。舉凡是以更高效的方式分配資源，或是減少不必要的人力成本都是他們的期望。舉例來說，他們可以設法瞭解一天內使用的收銀台數量，如果收銀台使用頻率不高，或許可以趁機將那個空間改造為賣場，並且在那裡陳列更多商品。

請進一步告訴我們，Intel 在實現這些應用時扮演了什麼樣的角色？

Ria Cheruvu：Intel 團隊雖然熱衷於開發技術，但同時也致力於為 Pathr.ai 這樣的夥伴奠定基礎，進而帶動這些技術發展，並且據此進一步創新。我們採取的方法之一是以 OpenVINO^™ 工具組為主軸，而且這套工具組為建置及部署 AI 模型提供了許多不同的最佳化機會與選項。

另外，我當然也向夥伴推薦 OpenVINO 筆記本 GitHub 儲存庫，因為該儲存庫包含關於如何開始使用 OpenVINO 及如何開發這些應用程式的豐富資訊。我們設計這些參考工具組、教學課程與筆記本的方式，旨在讓合作夥伴基本上能夠在拿到它之後自行執行，然後看到成果。接著，他們便可以此為靈感或基礎，進一步瞭解其他模型、在自己的使用案例試用模型、在他們慣用的邊緣裝置部署模型，然後繼續更上層樓。

另外，我們也非常關注端對端堆疊，以及 Intel 硬體可以如何協助大規模加速這些類型使用案例所需的大量管道和大量運算需求。

從 Pathr.ai 的角度來看，Intel 的夥伴關係是什麼樣子？

Nicole O’Keefe：Intel 一直是 Pathr 寶貴的夥伴，因為我們正在零售界拓展空間智慧。我們的電腦視覺利用搭載 Intel^® CPU 的邊緣伺服器以及 OpenVINO。我們能夠以非常符合成本效益且高效的方式大規模部署隊伍的深入解析，而 Intel 從一開始就是我們的後盾。

您如何在整間商店順利推展 AI？

Ria Cheruvu：我們有很多不同的方式可以建置於現有的管道。雖然已經有非常熱門且強大的物件偵測和分類模型問世，但在我看來甚至超越這個範疇。另外還有其他的模型陸續誕生，例如姿勢辨識與活動辨識，能夠幫助我們更瞭解個人在商店走動的情況以及他們正在做什麼，讓我們可以獲得更豐富的深入解析。

此外，我們確實必須就我們所執行的預先處理與後置處理思考這些 AI 模型。舉例來說，我們取得這些偵測結果後，可以從中擷取哪些類型的資訊，包括屬性與特定類型的特性。我們還能從這些模型看出哪些趨勢？

從更宏觀的觀點來看，能夠在管道中整合這所有的模型的意義其實更為深遠，無論是驗證多重攝影機配置的輸出結果，還是為了視覺化之便，將每個管道的輸出結果附加於儀表板。

在您看來，這個領域將如何發展？

Nicole O’Keefe：摸索方向是投入零售界 AI 領域最令人興奮的事情之一。身為客戶，在購物時獲得順暢的體驗依舊是我們的心願。但是對於零售商而言，將商店營運最佳化將是重中之重。方法可能包括利用即時警示及瞭解即時情境降低人力成本，例如收銀台何時需要開啟及關閉？接著，根據這些資訊做出真正資料驅動的決策。如果當下並未使用收銀台，或許可以將員工分配到商店的其他區域。

另一項有趣的趨勢則是 Ria 先前提過的自助結帳。目前許多零售商採取自助結帳和傳統人工結帳並行的方式。Pathr.ai 可以提供員工結帳與自助結帳方面的深入解析助零售商一臂之力，而且我們還能協助他們瞭解兩者之間的績效差異。

零售業的 AI 將如何發展，開發者與零售商對此有何看法？

Ria Cheruvu：開發者紛紛採用 YOLOv8 這類模型和演算法進行物件偵測與分類時，他們腦中絕對浮現了更全方位的藍圖。他們深知，無論 AI 模型的效能有多高，功能有多強大，有時還是難免會故障，他們對於這些隨之而來的挑戰與困難點心知肚明，也更能瞭解自家解決方案是否適合真實環境。

就未來以及 Intel 與團隊對於空間智慧和零售界發展的看法而言，我們正善用現有的幾種演算法，透過最佳化與加速締造出全新類型的演算法。未來將有很多體驗會因為 AI 而徹底改變，我們的目標是讓每個人都能對科技融入環境的方式感到自在。

最後我要補充的一點是關於 AI 領域的女性從業人員，以及在領導層發揮影響力的女性開發者——請務必持續朝這個方向邁進。我認為，這些參考工具組以及隨裝即用的實作環境普及化，對於開始投身這個領域而言將是一大動力。我們絕對樂於見到 AI 領域朝這個方向發展。

Nicole O’Keefe：消費者行為瞬息萬變，打算靜觀其變的零售商終將落後。利用資料採取行動的時候到了。零售商能夠領先群倫的方式之一，就是運用 Pathr 與 Intel 的空間智慧。我認為這是完美的組合。

相關內容

若要進一步瞭解零售技術開發，請閱讀空間智慧是零售技術的未來、收聽利用 AI 架構的隊伍管理簡化零售結帳，並且在 GitHub 加入 OpenVINO^™ 討論的行列，分享您的體驗。如需瞭解 Intel 與 Pathr.ai 的最新創新技術，請在 Twitter 的 @intel 與 @pathr_ai，以及在 LinkedIn 的 Intel Corporation 與Pathr.ai 關注他們。

 

本文由 Erin Noble 編審。

參加音樂會或體育活動時，任何細節都不容錯過。但是您有時為了上廁所或是肚子餓而必須離開座位，就有錯過精彩畫面的風險。Zack Klima 目前是 WaitTime 的創辦人暨執行長，對於這類兩難，他有切身經驗。Klima 永遠忘不了，他為了排隊買幾瓶啤酒，而錯過了底特律紅翼隊巨星 Henrik Zetterberg 幫助球隊打進致勝球的那一刻。

他腦中浮現的第一個念頭是：「這太荒謬了。一定有更好的方法。如果我離開座位前可以先知道隊伍有多長就好了。」那次的經驗催生了這個構想，而後最終演進為 WaitTime 這間公司，運用 AI 與尖端影像技術監測及分析人群行為。

時間快轉九年，該公司的 AI 與電腦視覺技術 WaitTime Crowd Intelligence 平台，目前已獲得各大體育場、購物中心、娛樂場所與機場採用。業主、營運者與房客可享有各種效益，包括人群管理、卓越的訪客體驗、精簡的營運方式、更低的成本，以及新的收益機會等。

明尼蘇達州布盧明頓 Mall of America，是 WaitTime 行為分析發揮效果的極致實例。這個場所不僅僅是購物中心，更是為了改變實體零售競爭態勢，替訪客、零售商、餐廳，甚至是環境部署創新技術的先驅。對於每年有數千萬訪客的觀光勝地來說，這件事顯得尤為重要。全美最大的室內主題公園佔地 560 萬平方英尺，商店與餐廳數量超過500 家，需要覆蓋的範圍很大。

人群行為分析提供高價值的業務優勢

Mall of America 近期的 Intel 活動，突顯了人群行為分析意想不到的優勢，並且彰顯出正確的夥伴關係如何實現顛覆性的解決方案。

首先，顯而易見，WaitTime 邊緣 AI 軟體結合部署於全購物中心天花板的 700 部攝影機，可以如何提供容量、人群密度與購物者的即時深入解析。這份資料有助於購物者在判斷運用時間的方式與地點時無須猜測。Mall of America 專案管理辦公室資深經理 Patrick Wand 及其團隊，輕輕鬆鬆便能取得這類資料，就強化訪客體驗做出更明智的決定。

Wand 表示：「我們將不同的資料集整合至模型儀表板，協助我們瞭解財務狀況，以及我們日後能締造多高的效率。」

即時資訊也有助於購物中心營運採取預防性行動。舉例來說，雖然每天都有保全人員在 47 個入口站崗，但有時候單靠一個人根本不夠。預期繁忙的入口可能未必都是最繁忙的入口。Wand 表示：「我們透過 WaitTime 能夠建立儀表板，以更主動的方式將保全人員重新部署到各區域。」

Klima 補充道：「我們掌握任何時間賣場有多少人的準確率超過 95%，也知道他們是從哪個入口進入賣場。」

天氣等因素可能直接影響購物中心人流。Wand 指出，週六兩英寸的降雨量，搭配大型商店拍賣會與其他活動，吸引的訪客人數幾乎與黑色星期五不相上下。他表示：「如果我們知道這週六的訪客人數會比平時多，我們就能透過應用程式與房客溝通，讓他們主動為商店加派員工。」

邊緣 AI 讓人群管理如虎添翼

WaitTime 人群分析的智囊包括四種支援不同使用案例的演算法，而且準確率超過 95%：

• 排隊演算法的設計主要參考該公司初始的解決方案，旨在量測無序的排隊隊伍。演算法會追蹤每個移動物件的速度與方向，提供這項資訊協助廠商加派員工或增加結帳選項。
• 反之，支架演算法適用於有序的排隊隊伍，例如可能在星巴克舉目可見的隊伍。軟體會在該區域周圍畫出周界，排除周界外的任何事物。另外，這項資訊有助於判斷加派員工的最佳地點。
• 入場/出場演算法是購物中心最常用的其中一種演算法。它可即時大量精確監測同時進出的人數。
• 集合演算法則與其他演算法不同，會利用側視圖監測區域的飽和程度。舉例來說，WaitTime 在美國網球公開賽部署了這個演算法，將攝影機對準看台，追蹤座位容量，幫助觀眾更快也更容易找到座位。

然而，即時分析需要高效的邊緣運算，而 WaitTime 經過最佳化後可在 Intel 硬體上執行。另外，使用 Intel^® oneAPI 程式設計模型可協助 WaitTime 提高開發效率，並且增加異質工作負載，儘可能實現最高的效能。

WaitTime 技術長 John Mars 表示：「我們儘量設法讓軟體發揮效率，光靠單一執行緒就能操控大部分攝影機。」「因此，處理器越強大，速度越快，也有更多核心可以處理更多攝影機，而且初始架構基本上完全不需要調整。如果我們能儘量加快它的速度，那麼其他一切都將水到渠成。」

合作的重要性

Mall of America 所展現的技術領先地位與業務創新，只能藉由 Mall of America 及其解決方案供應商之間的這類夥伴關係才能實現。這種夥伴關係是部署成功的關鍵。

除了 Intel 與 WaitTime，Cisco 及其廣泛的解決方案也是 Mall of America 解決方案部署成功的關鍵。Wand 表示：「在運算方面，我們採用 Cisco 的技術。」「範圍涵蓋邊緣到核心：我們的無線存取點、網路骨幹，以及所有的交換器。」

Wand 表示：「Mall of America 建立夥伴關係時，必須就目標取得共識。」「我們如何讓技術發揮到極致、如何找到目標，以及如何共同找到目標，一起實現偉大的成就？」Cisco、Intel 與 WaitTime 也不例外。

從 Wand 的觀點來看，重點不在於與特定一家公司建立合作關係。重點在於他們如何攜手協助 Mall of America 經營業務，在當前與未來實現整體目標。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

如今無論在街道還是媒體上，電動車似乎無所不在。企業行號、政府機關，甚至公用事業機構都提供激勵措施，鼓勵人們改用電動車。特別在某些城市地區，充電站一如雨後春筍般湧現。對於各種化石燃料的擔憂以及各種技術創新而言，這無遺是一項好消息。

然而，過渡時期的電動車轉型對能源使用及電網狀態都產生重大影響。技術在實現能源永續發展上面臨巨大壓力，而基礎設施則在確保電網可靠、滿足今後需求上承受重負。尖端解決方案 SECO 開發商產品長 Maurizio Caporali 和能源系統供應商 Imagen Energy 技術長 Ezana Mekonnen 和我們一同探討電動車與充電站的興起，以及支持電動車轉型所需的產業支援（影片 1）。

影片 1。SECO 與 Imagen Energy 探討阻礙電動車技術成為真正主流的因素。（資料來源：insight.tech）

什麼推動了電動車的興起，以及人們對它的興趣？

Maurizio Caporali：電動車是一種解決方案，以不同方式顛覆汽車產業。一般而言，傳統燃油發動機解決方案出現了分歧。當然，電動車不使用化石燃料，因此可能會減少特定環境中的污染，這一點非常重要。

此外，還有許多方面對終端使用者具有吸引力。例如駕駛舒適度。電動車非常安靜，與傳統汽車的振動感也有所不同。維護需求較少，因為這種解決方案需要維護的元件較少，汽車運動零件的故障也較少。

另一項極其重要的考量在技術層面：電動車內部有許多技術。這是一個複雜的環境，內含電腦、許多感應器，以及比傳統燃油汽車更多的技術。從技術角度來看，最後一點是電池技術的改良。

在某種程度上，我們也能把電動車與自駕車串聯起來思考。舉例來說，電動車可實現遠距互動，終端使用者可在智慧手機的應用程式中取得有關電動車的所有資訊。也能進行遠距控制，例如在上車前開啟空調。

電動車對電網有何影響？

Ezana Mekonnen：我認為電動車對電網的影響既深且遠。需求增加如果管理不當，可能會加劇對電網的負擔。但論及電網，不光只是需求方的問題。將太陽能引進電網時，我們也遭遇類似的問題，能源供應過剩也會造成同樣的壓力。

重點在於供需平衡。透過智慧負載可實現這個目標；智慧電網可更加協調供需，並且在系統中增加儲存空間，以便進一步平衡再生能源的供應以及電動車的需求。

目前有哪些充電解決方案的基礎設施？

Maurizio Caporali：先從電動車談起；現在我們考量的是充電站的基礎設施。關鍵在於打造電動車的成長空間，但如果沒有充電站，這種轉變就不可能實現。

我們的興趣在於快速充電站，讓終端使用者有機會在旅程中花短短幾分鐘的時間為車輛充電。同時，我們也希望提供充電站位置、可用與否，以及充電站相對於汽車的特性等資訊。

實現這項目標涉及與技術相關的重要面向，不僅包括硬體，連軟體都涵蓋在內。我們對此面向進行分析，並定義一個能以不同方式與實體空間與環境配合使用的解決方案；一方面透過感應器瞭解環境狀態，另一方面透過介面與終端使用者互動，向終端使用者提供資訊。

電動車充電器在資料意義上也是非常重要的焦點。充電站可為終端使用者產生大量資料，也能為市政當局提供重要的資訊。因此它們不僅是汽車充電的途徑，也是一個資料資訊系統。

另一個重點是管理這些充電站設備。隨著化石燃料轉為電力，我們必須確保汽車充電的能力。此外還要備妥所有必要資訊，並即時提供有關整個充電站設備狀態的預測分析資訊。

SECO 如何努力在公路或城市內安裝充電站？

Maurizio Caporali：解決方案的靈活性很重要，以便我們為公司提供自訂解決方案最後一層的機會。我們的特色是定義非常靈活的模組化產品，然後提供自訂的機會。

另一個重要的面向是從軟硬體的角度提供這種自訂服務。然後為客戶提供一套工具，為不同層級的使用者定義合適的服務和解決方案。一部分關乎基礎設施維護，還有行銷環節：遠距管理資訊、定價與廣告系統。我們提供多種機會，新增大螢幕顯示資訊、新增付款系統，以及新增多個感應器，根據裝置的安裝地點提供不同等級的服務。

如何確保現今的努力持續擴展？

Ezana Mekonnen：我認為答案可以從兩個方面回答。第一個關鍵是對我們實際部署的內容有一個長遠的展望。例如，我們正在開發雙向充電器，不是因為現在有所需求，而是想要確保基礎設施到位，不僅能為車輛充電，還能將能源輸送回電網。這樣一來，電動車就會從電網的負擔變成電網的資產，我們就會擁有實質上的車載電池，對吧？

第二個方面是電動車充電設施的業主擔心因為充電站使用不足，產生所謂的「擱淺資產」。因此，我們設計一種架構，可以先部署一座充電站，然後隨著使用率的提升增加充電連接埠。這將有助於基礎設施跟上電動車的普及採用，並且可以持續成長。

SECO、Imagen 和其他公司之間的關係如何？

Ezana Mekonnen：Imagen 意識到充電器不只是充電器，而是多功能裝置。 就好比我們的手機，不只是電話，也具備攝影機、GPS 系統等功能。因此，雖然我們致力製造足以進行電力轉換和傳輸的小巧型轉換器，但仍希望 SECO 提供附加功能。這就是諸如 CLEA AI 等功能，具有圖像處理和音訊處理的能力，驅動大螢幕播放廣告，可以抵消充電成本或提供其他功能。可為電動車充電器的使用者和周邊企業提供功能。基本上我們認為，具備這種大量處理能力的基礎設施可以發展至充電以外的其他功能。

而 Intel 提供的技術相當出色，特別是我們用於電源轉換的 FPGA 。這是一種非常可靠且強大的電源轉換方法，特別是當我們努力提高效率和極度緊湊性時。開發這種未來基礎架構，不僅需要單一公司的努力，因此我們很高興能與 SECO 和女Intel 合作。

Maurizio Caporali：是的。我們的技術核心是以 Intel 晶片為基礎。特別是我們採用 Intel 最新一代的工業解決方案，基於 Atom^® 系列處理器的低功耗解決方案。這些處理器非常靈活、功能非常強大，而且功耗極低。

另一個重點是，由於可以分析來自不同類型感應器的大量複雜資料，因此這些資料全都可以即時分析。這樣一來，您也不必將所有資料傳送至雲端，而是可以直接在邊緣裝置預先分析。這也要歸功於 OpenVINO^™ 技術。我們的解決方案也具有工業級的溫度效率以及較長的使用年限，解決方案可維持 10 年以上的壽命。

此外，一如我之前所說的，可將這個解決方案定義為模組化解決方案，而且能擁有一系列的介面與 IO。例如，我們與Imagen Energy 的電子設備直接連線，以正確、完美的方式在兩個系統之間交換資料。

這項協作（Imagen 的解決方案，與能源轉換的電源效率相關，以及我們的解決方案，負責管理所有的資料以及能源的建立）讓我們有機會與現有的基礎設施進行交流，並管理所有的人機介面，這一切都基於一個大螢幕為終端使用者提供所有資訊。

最後有任何結語跟我們分享嗎？

Ezana Mekonnen：現在正是激盪人心的時刻，掀起了交通轉型為電動的這場重大革命。它能帶來許多新機會、新市場，以及更永續的未來。

Maurizio Caporali：是的，而且轉變即將發生，透過新一代更高效的電動車充電，就有可能以正確的方式使用電動車。讓未來的充電與旅行更簡單、更智慧。這對於與終端使用者和環境之間的互動，產生了很重要的新可能性。

相關內容

若要進一步瞭解電動車，請閲讀 AI 與電腦視覺推動電動車充電站的蓬勃發展（AI and CV Power Up the EV Charging Station Boom），並收聽電動車的動力：透過 SECO 與 Imagen Energy 攜手合作（Powering Up EV Technologies: With SECO and Imagen Energy）。若要瞭解 SECO 的最新創新技術，請在 Twitter @SECO spa 與 LinkedIn 關注，並在 LinkedIn 關注 Imagen Energy。

 

本文由 Erin Noble 編審。