黎明工程顧問公司 李坤哲  技  師

黎明工程顧問股公司 黃志杰  主  任

  工研院資訊與通訊研究所 鄭安凱  副組長

工研院資訊與通訊研究所 曾蕙如  經  理

一、計畫緣起

臺灣目前車行橋梁約2萬3仟座，其中橋齡逾20年之數量近6成，為延長橋梁生命週期，及早發現橋梁劣化狀況並維修補強，有賴管理機關確實辦理橋梁檢測工作。依據交通部頒佈之「公路橋梁檢測及補強規範」規定：「定期檢測方式以直接目視或間接目視檢測為主，檢測人員以徒步儘可能接近檢測構件，必要時搭乘輔助載具，或使用其他觀測、量測設備取得相關資訊，判斷構件是否有劣化或異常情況。」故橋梁檢測人員進行橋面系統構件之伸縮縫、橋護欄、排水設施等項目之檢測時，目前係沿著橋梁路肩步行，用肉眼以直接目視方式進行上述橋梁構件之檢測(圖1)。此種作業方式之最大風險來源，為後方道路行駛車輛之撞擊，故需事先於橋梁路肩或外車道佈設相關交通維持設施，警示行駛車輛並區隔檢測人員，惟國道高速公路及省道快速公路之車速快，遇有駕駛人未注意「車前狀況或違規行駛時，傳統之LED警示車、交通錐及活動型拒馬等。」無法有效攔阻車輛之高速撞擊，將造成工作人員嚴重傷亡。

為改善傳統交通維持設施防護能力不足，且佈設時間過長、佈設期間交維人員之危害風險，為此，交通部高速公路局從109年開始，導入國外盛行的「緩撞車」，其主要以一輛工程車於後方裝載一具緩撞設備所組成，因為延展後形體，就好像蠍子伸出前肢，因此有「蠍子車」的別名，其作用是為了預防工程人員進行路面施工作業時，遭到後車直接撞擊，所以放在施工隊伍最後面當作第一道防線，即便工程隊伍不慎被駕駛撞上，也不至於引發大幅傷亡。除了可以保護前方作業人員的安全外，也因為緩撞架構設計成可吸收約1.8噸轎車時速100公里的撞擊力，所以也能大幅減少撞擊車輛所承受的衝擊，對肇事雙方的安全都更有保障。

惟近年車輛輔助駕駛功能逐漸普及，加上部分駕駛過度依賴其功能，導致路面施工車輛及緩撞車遭撞事故數量連年攀升，嚴重影響路面工作人員及車輛駕駛人之風險。據新聞報導，統計110~111年期間，國道緩撞車遭撞事故共計193件，平均每3天就有1起事故發生(圖2)。

二、現行降低快速公路作業風險處理措施

當肇事車輛為高速行駛且高載重之大貨車、砂石車或貨櫃車時，緩撞車之防護作用亦有不足情形，故公路主管機關，除持續向用路人宣導勿過度依賴輔助駕駛功能外，皆積極思考如何透過有效對策降低作業風險。以交通部公路局為例，為改善上述高度風險作業情形，交通部公路局特訂定「快速公路施工交通管制手冊」，受檢橋梁若位處快速道路，為保障檢測人員及該路段用路人車之安全，工作期間應確實遵照規定，以外側路肩移動施工為原則，於工作隊伍之前設置LED標誌警示車及LED標誌緩撞拖車(圖3)，並於施工前通知警廣、及登載施工資訊於公路交通資訊顯示板(CMS)，以加強警示駕駛人及防護工作區域人員及用路人車之安全。

此外，交通部公路局中區養護工程分局，經由交通量調查，分析轄內台61線車流結構，發現假日時段重車數量較平日減少約40%，故將非急迫性工項(含橋梁檢測)安排於假日進場施工，且要求施工車輛裝載行車影像即時傳輸及GPS定位設備，由監看人員即時掌握車距及行車動態(圖4)，以降低快速道路重車事故發生機率及萬一發生事故時災害之嚴重程度。

三、遙控無人機應用於橋梁上方檢測之限制

另外，雖然交通部公路局近年研發無人機智慧橋檢系統有成，可利用UAV進行橋梁投影面下方之自動化檢測(圖5)，惟依據交通部民用航空局「遙控無人機管理規則」第28條規定：「操作人從事遙控無人機飛航活動時應遠離高速公路、快速公（道）路、鐵路、高架鐵路、地面或高架之大眾捷運系統、建築物及障礙物三十公尺以上。」為避免使用UAV檢測時、因飛安事故進一步造成用路人傷亡，故無法使用UAV飛行於高速公路、快速公路等橋梁上方，進行橋面構件檢測。

四、AI智慧橋梁檢測車研發及成效探討

財團法人工業技術研究院，長年深耕人工智慧發展及自駕車研發，所開發之自駕車透過AI影像辨識技術，偵測周遭人車及障礙物，可行駛於人車混流真實道路中(圖6)。黎明工程顧問公司與工業技術研究院以自駕車AI辨識技術為基礎，研發AI智慧橋梁檢測車。

為確實拍攝橋梁橋面構件並記錄劣化發生位置，分別於檢測車車頭、車尾及左右車側，共安裝五組攝影鏡頭、一組GPS紀錄器，並於車內架設系統主機(圖7)，記錄多角度鏡頭拍攝之影像與當下GPS資料，由AI進行劣化偵測後，即時呈現於螢幕上，供橋梁檢測人員立即檢視(圖8)，並將劣化偵測結果導入數位資訊平臺。

本AI智慧橋梁檢測車，將取代傳統檢測人員徒步直接目視檢測之【橋護欄】、【排水設施】及【伸縮縫】等三項橋面系統構件。(註：「公路橋梁檢測及補強規範」107年版，已將橋梁檢測項目之【鋪面】，回歸公路養護巡查)。故計畫一開始，即針對上述構件蒐集其常見之劣化類型影像，共計21,454張，經人工標記劣化範圍建立影像資料庫，供AI進行深度學習，如橋護欄之「混凝土結構裂縫」、「混凝土剝落、鋼筋外露、銹蝕」、「護欄損傷」、「生銹或腐蝕」，排水設施之「排水設施阻塞或功能性」、「排水設施損傷」，伸縮縫之「伸縮縫間雜物堆積」、「伸縮縫間隙異常」..等劣化類型(圖9)。人工標記劣化影像，經AI深度學習後，於檢測車行駛當下，即時偵測橋面劣化構件，更可將劣化影像整合至系統平臺，透過AI進行劣化程度、劣化範圍、對橋梁結構使用性及用路人安全性之影響及處置的急迫性、DER&U值評等，輔助橋檢人員快速產製橋面構件檢測成果。

本研究於台72線快速道路頭屋至公館路段，辦理實際場域驗證，檢測車以穩定時速40公里行、駛並蒐集構件影像，並立即由AI系統針對影像進行劣化判釋，除驗證場域無「橋護欄螺栓生銹」之劣化類型外，其餘訓練之劣化類型，AI偵測準確度皆可達90%以上(表1)(圖10)，證實AI智慧橋檢車進行橋面構件檢測可行性。

五、結語

全球人工智慧正迎來爆炸性發展，隨著AI逐漸成熟可靠，如何有效導入AI，改善工作環境及效率，成為各機關及企業之重要課題。橋梁定期檢測為守護橋梁安全最前線，惟每年待檢橋梁數量眾多，專業橋檢人才人力吃緊，加上道路作業風險高，層層影響橋檢作業品質。隨著AI智慧橋檢車的導入，可有效降低人力、交維成本及作業風險，大幅提升作業經濟性、安全性。本研究後續為符合高速公路及省道快速道路速限需求，將以時速80公里進行軟硬體提升，擴大應用層面。

表1  AI影像辨識成果