在高度時變的行車環境中，車流軌跡預測的準確度、範圍和延遲將影響用路人的決策安全，若偵測範圍太小，高速目標容易脫離偵測而造成軌跡預測錯誤；另一方面，降低交通資訊延遲能提供用路人更多反應時間餘裕以避免事故發生。有鑑於此，本案提出一個基於5G蜂巢式車聯網（Cellular Vehicle to Infrastructure, C-V2I）架構之廣域智慧車流預測及預警系統，可實現於具有雷達的路側單元（Roadside Unit, RSU）與5G邊緣運算伺服器（Edge Computing Server, ECS）架構，以滿足超可靠低延遲通訊（Ultra-Reliable and Low Latency Communications, URLLC）需求。本系統包含兩項關鍵技術：「低複雜度廣域車流預測技術」以及「低延遲擴增知覺導航技術」。
在智慧交通預測系統中，車輛、行人、障礙物等目標物軌跡為決策判斷的重要依據。相較於攝影機、光達及GPS系統，雷達在夜間、濃霧等惡劣環境中也可正常運作，是較靠的物件偵測方式，其藉由分析目標物反射回波在時頻域之變化特徵，得到目標物預測軌跡。惟此方式無法良好預測因駕駛的意志或複雜環境造成目標非線性移動，此外，受限於雷達的偵測死角及有限的偵測距離，單一雷達無法達到廣域的軌跡預測。
為解決此問題，本提案提出「低複雜度廣域車流預測技術」，設計輕量化遞迴式卷積神經網路以取代傳統的數位訊號處理，並藉由人工智慧學習目標間互動關係或駕駛行為的複雜目標軌跡，可以極低運算時間實現複雜的目標軌跡預測；另設計深度學習神經網路，整合單個或多個路口的多個RSU雷達之車流預測資訊，成為廣域車流預測資訊。基於此廣域車流預測資訊進行危險區域偵測，進一步建立路口鄰域的安全與危險區域，並辨識危險區域內可能發生之事件樣態；最終，整合廣域車流預測資訊與危險區域資訊成為增強型廣域車流預測資訊。
本提案另一項關鍵技術「低延遲擴增知覺導航技術」，將前述「低複雜度廣域車流預測技術」所產出之增強型廣域車流預測資訊回傳至5G應用伺服器，進行擴增知覺導航訊息計算，並藉由5G C-V2I架構將此擴增知覺導航訊息廣播給用路人，用路人使用簡易的APP解碼擴增知覺導航訊息並結合自身導航訊息顯示於車機，即可獲得包括本身與周遭車輛的軌跡，以及路口動態與危險預警訊息，可大幅提高其主動安全等級。

本案提出基於5G C-V2I架構之廣域智慧車流預測及預警系統，使用不受環境限制的毫米波雷達，開發以人工智慧驅動之多站台融合車流預測及預警技術，藉由低延遲邊緣運算與5G C-V2I通訊網路傳送精確之增強型廣域車流預測資訊給用路人，使其可以使用簡易APP獲得擴增知覺導航能力，可大幅提升其主動安全等級。

本案提出之廣域智慧車流預測與預警系統可提供用路人更多時間餘裕進行必要的決策與判斷，用路人可藉由簡易的APP與車機或手機獲得此安全性服務，有極高潛力成為5G智慧交通垂直應用的商轉案例。本系統架構符合5G C-V2X規範，可望與現有車流監測平台整合，切入智慧交通市場，為5G服務開拓藍海，產業前景可觀。