技術與應用

technology & service

核心技術

技術應面

公共政策-智慧消防決策
人工智慧

藉由火災風險模型評估建物/場所之火災風險高低, 做為未來施政之優先判斷

商業智慧

藉由商業智慧資料視覺化, 我們可以在地圖上了解各建物/場所之火災風險高低(左圖), 並藉由互動式操作快速查詢並在地圖上展示

決策優化-消防安檢

思考消防資源之分配, 藉由優化之演算法計算人力該如何分配可以確保高風險建物/場所得以優先執行消防政策, 以此設計出資源優化之模型

依據歷史資料, 模擬未來消防安檢數量變化, 可用人力資源與火災風險變化(右圖), 並且設計各種決策優化之演算法協助決策合理的安檢優先排程

推算未來兩週之數據與統計, 並呈現給決策者以提早因應即將發生之變化

決策優化-消防安檢

模擬消防大隊分派安檢人員到各安檢場所, 設計決策優化之演算法能考量場所位置, 安檢期限以及風險優先等因素(左圖), 以達到縮短工時與安檢逾期之風險之優化結果

在地圖上展示分派之結果, 並讓決策者可於地圖上修改分派, 同時推算各安檢人員之每日工作量與工時, 以確保工作能合理平均分配

決策優化-住警器推廣

以建物火災風險與其他因子考量住警器之供給與需求, 評估各路段的供需指數並且在地圖上呈現(右圖), 並提供一操作介面給決策者規劃優先推廣區域

統計決策者規劃之區域各項數據, 並且輸出優先推廣區域給消防大隊並依照政策優先執行

決策優化-住警器推廣

建立一介面整合住警器推廣區域內之所有建物資訊(左圖), 以了解各建物內之各戶住警器安裝狀態

決策者可於此介面分派任務並且輸出住警器訪視清冊給隊員依據計畫執行

公共政策-獨居老人智慧安全網絡
人工智慧

本案藉由人工智慧學習獨居老人使用手機之頻率, 並且評估獨居老人長時間未使用手機背後所暗示的風險, 藉此建立智慧安全網絡

商業智慧

藉由儀表板顯示各獨居老人之狀態(左圖), 社服人員可以快速追蹤獨居老人安全狀態, 並且在警示與安全疑慮發生時做出判斷

大數據分析

本案藉由硬體追蹤器得知獨居老人之GPS座標位置、時間資料與各據點位置,進行分析以了解行為模式,而社區照護人員則可掌握獨居老人行為及預測其未來行為的發展,提供主動服務並更具有效率方式進行關懷, 賦予GPS資訊更多實質資訊價值(右圖)

本案共分成四塊:

  • 核心演算法: 賦予政府之公開據點資料新的價值
  • 建立行為模式: 從GPS座標還原老人模式資訊
  • 行為模式診斷: 找到真正需要社會參與/健康促進之老人,並及時給予鼓勵/建議
  • 行為模式儀表板: 提供視覺化老人狀態給社工人員,以快速反應
  • 經內部測試, 98%之活動得以被偵測出來, 偵測到的活動時間誤差僅4分鐘, 偵測之靈敏度: 86%(確實去過的據點中,被正確辨識比例), 而偵測之陽性預測值: 89%(所有被辨識據點中, 為正陽性比例)

    大數據分析

    GPS資訊搭配政府公開資料的分析, 將能夠還原個別獨居老人之行事曆(左圖), 而社服人員則可從關懷之獨居老人行事曆來分析其是否有正常的社會參與, 是否規律做健康促進, 並且定期的醫療行為, 以確保獨居老人之身心健全

    商業智慧

    藉由儀表板顯示(左圖), 社服人員可以快速閱讀關懷之獨居老人行為模式, 藉由圓餅圖/長條圖分析個別老人之狀態, 並且可以點選以了解更細節內容, 讓社服人員更清楚服務的老人狀態, 拉近彼此關係, 也可藉由此儀表板得知在老人較空閒時間, 以利安排訪問或主動邀請參加關懷據點的活動

    大數據分析

    GPS資訊搭配政府公開資料的分析, 將能夠統計整個社區老人之狀態, 整個社區據點被使用之頻率等資訊(右圖), 社服人員將可藉由這些資訊擬訂全社區之照護計畫, 舉辦更吸引老人之活動, 並了解目前之照護是否對老人身心有明顯幫助

    商業智慧

    藉由儀表板顯示(右圖), 社服人員可以快速閱讀整個社區之老人狀態, 藉由圓餅圖/時間軸分析整個社區之時間與空間資訊, 並且可以點選以了解更細節內容, 社服人員將可因資料視覺化而能輕鬆解讀龐大資訊, 並且做出決策

    癌症醫學-放腫治療為例
    人工智慧

    放射線治療主要分為四大步驟:

  • 診斷
  • 擬定治療計畫
  • 放射線治療
  • 治療後追蹤
  • 人工智慧可被應用於上述之各個步驟, 本團隊發展人工智慧嘗試建立智慧化放射練治療

    人工智慧

  • 診斷
  • 利用attention-Unet解讀電腦斷層之影像, 並且勾畫出各個重要器官, 協助放射線團隊節省時間 , 人工智慧能從圖中自動找尋重點區域, 最後聚焦於各個重要器官邊界(右圖)

    人工智慧

  • 擬定治療計畫
  • 利用生成對抗網絡(GAN)學習放射線劑量之分布圖, 人工智慧將能被應用來預測放射線治療之劑量給法(右圖), 此將有助於放射線團隊評估計畫是否仍有改善空間, 未來亦有可能發展全自動之計畫擬定