即時車流資訊是現代都市治理重要的一環，是智慧交通系統的主軸，也是智慧城市願景中不可或缺的基礎，但廣域且即時的車流資料獲取與交通路況監控確也是目前智慧交通領域的痛點。近年由於無線通訊技術與光學影像技術的進步，各地政府於各重要幹道（如：高速公路及快速道路）與重要路口廣設路側攝影機，透過影像監看掌握即時交通路況，以利及早發現交通事件並妥善處理，可避免甚或預防情勢惡化，提升治理效率。但如何跳脫以人工監控大量影像的情境，結束工人智慧的時代，達到自動事件偵測並將影像資料轉化成車流大數據，將是重要的關鍵技術。

在這個研究中，利用各政府單位提供的開源路側車流影像，透過電腦視覺與深度學習技術進行影像分析，取得微觀車流軌跡，配合虛擬閘道技術可統計各車道及車種的車流數據，亦可結合車道等級的高精圖資，偵測違規或危險的駕駛行為；另外，利用前景及背景影像分離，建立各路段的車流常規模型，用以開發交通事故自動偵測功能，並可進行道路車流擁塞程度分類及塞車警示；其他如：違規路側停車、並排停車、占用公車停車格等，皆可透過相關技術來達成。相關技術的特點包含：
1.廣域及彈性佈建：利用現有廣設的路側影像為來源，因此可以取得各路段及路口的車流資料，亦可搭配空拍機的機動佈署，取得車流影像串流，以應付臨時或動態的交通事件發生。
2.微觀車流資料：系統輸出的資料是以影像幀為基礎，不論在時間或空間上的解析度皆高於傳統，另外基於深度學習車種辨識，可按車輛分類進行統計與行為研究。
3.低幀率與低解析影像：開源的路側車流影像，通常幀率低且不穩定，而且解析度不佳，夜間影像的挑戰性更高，團隊開發的系統已克服了相關的問題。
4.計算資源的有效利用：系統需動態及即時處理大量的影像串流，透過container技術可以有效的調配伺服器資源，避免資源的浪費。
5.自動化及視覺化交通監測：以人工智慧取代工人智慧，改善低效費力及容易失誤的人工監測，搭配視覺化的地理圖資，可節省交管人力、提昇管理效率並增加監測項目。

本系統利用開源的SAGE2共享大螢幕系統，結合電子地圖視覺化呈現車流影像與資料，可同時監測多個車流流影像串流，有效執行交通監測管理。雛型以台中市即時交通資訊網之路側影像串流為例，透過多物件偵測與軌跡分析技術計算即時交通流量。未來將開發整合多攝影機的資料融合技術，並結合IoTtalk物聯網平台，開發加值的應用服務。

在深度學習技術上，將連續幀輸入的概念加入YOLOv3，以加強在低幀率及低解析度影片的辨識與追踪能力。使用虛擬閘道技術，計算車道等級的分向與分類車流量。結合雲端與容器技術，可達到廣域車流資料的收集的效果。最後，自動化的交通事件偵測，可減少交管人力需求並提高交通事件偵測的效率。

本技術開發的智慧交通監督系統，未來可結合控制功能成為交通管理系統，進一步規劃或控制各路段車流；長期收集國內路段車流資訊可強化深度學習辨識速度與準確度，並依據國內交通特性改良目前所使用的開源網路，發展出更多相關應用；未來更可將相關車流與路況資訊結合至車輛導航系統或自動駕駛系統，以提供最佳的路徑規劃。