台北市逢甲大學校友會

Knowledge sharing

知識分享

洞燭機先的安防利器── AIoT 與邊緣運算

文．攝影／逢甲大學GIS中心

自網際網路(WWW)問世，人類從工業社會邁入網路資訊時代，資通訊技術的發展改變了人類生活方式與社交型態。而後隨著「物聯網」(Internet of Things, IoT)與人工智慧(AI)的興起，搭著低功耗廣域網路（LPWAN）及5G新世代寬頻無線網路服務的風潮，更激發出「萬物相連」大數據創新應用的無限可能。
物聯網產業環境中，其協定逐漸統一、架構益趨成熟，透過物聯網感知層、網路層與服務層及應用層完整架構蒐集即時感測數據，當透過物聯網取得的資料從二維、三維到四維陸續建構出具深度及廣度的資訊後，即時大數據人工智慧分析即為邁向智慧物聯(AI+IoT=AIoT)的下一步。

一、物聯網平台
準線智慧科技股份有限公司(逢甲大學育成公司)開發【LOOK物聯網平台】(圖 1)，將物聯網資料儲存於大數據服務層，再將所需於應用層分析或展示之特定資料及結果轉拋至應用端進行運算/展示，達到分層管理之效益；前端可藉由儀表板、地理資訊圖台等圖控平台呈現分析與運算結果，外部控制則可透過MQTT/MQTTS通訊協定呼叫/啟動特定硬體設備進行對應指令，抑或可提供使用者透過訂閱方式提供適地適時之客製化資訊服務，應用範疇相當廣泛。

二、GISAI運算平台
【GISAI】為了提供人工智慧辨識運算及分析平台，依據不同辨識主體特徵建立不同的模型，本項產品已發展淹水辨識、人臉辨識、車牌辨識、人流、河川水位高度、水庫水位高度、鴨子辨識(作為逢甲大學智慧學程教學實作應用教材)等(圖 2)，並開發APP邊緣運算計技術(配合行動裝置適用的演算法)切換適用之模型與演算法進行辨識。
以淹水預測應用為例，透過全方位布建之多元水情感測物聯網接收水位站、雨量站、水閘門、抽水站、路面淹水監測站等不同來源之即時監測數據，此類多元大數據結合透過AI人工智慧運算建置即時淹水預報系統，並整合與淹水潛勢相關之各種不同即時監測資訊，提供AI模式持續學習、透過大量學習可提高預測準確性。系統進一步透過關鍵參數進行初步檢測、排除異常資料、降低資料錯誤率，快速地進行AI模式調教優化，在經歷多場颱風豪雨事件訓練驗證後後，AI模式能提供更為準確之淹水預報。搭配淹水範圍及災損評估分析，主管單位據以進行後續復原補助，協助民眾回復正常生活。另一方面，運用多元立體水情物聯網大數據分析可研判可能之淹水成因，可作為後續治理改善工程之重要參考。

三、邊緣運算
當AI運算發展至一定之成熟度，即可朝向邊緣運算發展。邊緣運算可以視為物聯網之延伸、介於雲端與設備端的一種運算。邊緣運算之起源可歸納自以下幾點：
(一)有限頻寬影響傳輸與時效
(二)資料隱私與機密性
(三)通訊延遲影響一致性與即時性
(四)網路覆蓋完整性不足
以上與網路相關之影響因子造成資料無法持續回傳資料中心，因此邊緣運算之興起主要用以減少雲端資源負荷。簡單來說，邊緣運算裝置例如手機、本地端伺服器（伺服器等級的邊緣運算）、NAS（資料儲存）或單晶片，均可視為減輕雲端資源的分散式裝置。只要將AI運算之CPU/GPU移植至邊緣運算設備，即可因應不同程度之需求發展邊緣運算。而目前市場上在不同場域/產業均有不同應用邊緣運算之情境，包含以下應用面向：
(一)成本導向：需要大規模資料傳輸而須透過邊緣運算降低成本，如智慧工廠、智慧能源、智慧防災(圖 3)等多元、連續、即時之應用場域。
(二)效能導向：以分散式運作達到即時協作之目的，如智慧金融、智慧農業等應用場域。
(三)體驗導向：優化使用者體驗，簡化資料流往返，提供更便民、親民服務，如智慧零售、人臉辨識、虛擬實境等。
(四)時間導向：主要考量以本地端運算降低通訊延遲、訊號不足產生之風險，如自駕車、無人機、智慧醫療等應用場域。
資通訊技術不斷進步，AIoT搭載5G優勢如虎添翼，各種不同場域之新型態應用情境如雨後春筍般有爆發性成長，科技始終來自於人性，過去科幻電影一幕幕將陸續成真，輕量化、微型化的AIoT整合應用是現在、也是未來。