4千萬百分百國產打造！搭乘MIT自駕小巴一日遊初體驗|數位時代 BusinessNext

4千萬百分百國產打造！搭乘MIT自駕小巴一日遊初體驗

造價4000萬元的「WinBus」，有望成為台灣第一個進入自駕車沙盒的無人車，順利的話，官方預估經過兩年的沙盒測試後，2021年就可以開始量產。

沒有方向盤、油門，WinBus最大時速可達50km/h

比起國內先前用大巴、轎車、高爾夫球車改裝的無人車，WinBus因為是完全從頭設計打造，外觀上不僅俐落，還多了強烈的現代感。

車輛內裝採類似遊艇的環形座位，搭配皮質座椅，乘坐起來相當舒服，特別的是，WinBus是雙向車頭設計，具備雙軸轉向、雙軸驅動動力的功能，跟捷運的設計一樣，也就是說WinBus可以依營運方向，隨意切換車頭，因為是Level 4等級的無人車，車內沒有配置方向盤、煞車、門踏板，工作人員會從遠端後台監控自駕車，如果是第一次搭乘無人車，將顛覆你對車子的想像。

車輛中間有長條狀的資資訊顯示器，能告知乘客自駕車即時資訊，車頭與車尾皆有投影機，會顯示 WinBus 從周遭環境中蒐集的道路狀況，接著透過車載電腦演算且避開路障、行人。WinBus最多可以乘坐15名乘客，電力全滿單次續航可以行使 70 公里，最大時速可達 50 km/h。

根據《數位時代》實際搭乘體驗，WinBus行駛的狀況非常穩定、安靜，行駛速度也不快，ARTC在試乘中加入幾個情境，像是有行人突然衝出馬路，車輛急煞的速度相當快，由於車內沒有安全帶，稍有不甚很有可能會造成危險；車輛周遭有行人、車輛時會先減速再停車；在遇到紅綠燈時，光達、攝影機會辨識燈號決定要停止或前進。

目前WinBus偵測周遭環境的反應非常敏感，試乘中有落葉、乾草飛出，車子也有可會反應過度急煞，ARTC表示，接下來目標就是加強辨識能力，判斷該物體是否有生命，以及是否會對行車安全造成威脅。

從車體到軟體，100%國產打造的自駕車

過去台灣做自駕車研究，都是由既有的車輛改裝而成，「從蹲馬步開始，硬底子功夫。」ARTC研發處協理翁國樑自豪地介紹無人小巴WinBus，因為從車體到軟體，全部都是由ARTC統合20幾家動力、電能、車體製造、系統整合、轉向系統等20家以上廠商一起打造100%國產。

ARTC董事長黃隆洲解釋，由於系統完全由台灣本土製造，要適應多摩托車、道路狹窄等亞洲特色的交通狀況，也就更容易排除問題。WinBus是一台達到美國汽車工程師協會（SAE）Level 4等級的無人車，意思是在固定路線或封閉式場域內，車輛無須人為介入，就能完成所有駕駛，但仍需配有一名隨車人員。

WinBus光是定位系統就有三套，比特斯拉（Tesla）的一套還多，在定位的精準度上，能從目前國際上的30公分縮小到20公分，可提升對準停車格的準確度。WinBus的車體外觀，設有2D與3D光達（Lidar）、雷達、攝影機，可以蒐集周圍車輛環境資訊，在複雜的交通狀況下做出決策，且可以做到在白天、夜晚辨識行人、車輛能力。

去年11月，台灣立法院已經三讀通過《無人載具科技創新實驗條例》，展現政府對產業的重視。（中國無人駕駛進度催油門，武漢發出3張無人車商用牌照）

WinBus將有望成為台灣第一個進入無人小巴沙盒實驗的車輛。ARTC表示，預計在今年第四季WinBus將以固定路線的方式，從ARTC發車，行經台灣玻璃館、緞帶王觀光工廠、白蘭氏健康博物館、彰濱秀傳健康園區、鹿港天后宮。

預估兩年的沙盒測試後，2021年就可以開始量產，提供規模化的接駁服務。

責任編輯：陳映璇

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。