高雄打造城市AI大腦，讓AI從看懂影像到推理事件原因，早一步發現淹水、塞車與道路異常

傳統的城市治理高度仰賴人力，從「有人發現問題」開始，例如當道路出現坑洞，除非道路巡查人員自己發現，否則要等民眾撥打1999陳情；另外當道路發生大量積水，市府可能要等民眾通報才會處理。

高雄市希望改變這種傳統的城市治理模式。2024年高雄市政府和Nvidia、中華電信、鴻海、Linker Vision、資拓宏宇等業者合作，共同啟動「高雄AI燈塔」計畫，目的是打造一套城市級AI治理架構，讓AI扮演大腦的角色，從城市中的攝影機、感測設備與各類資料中主動發現異常事件，再將相關的分析結果通知相關權責單位處理。

高雄市政府今天(10/29)對外展現AI燈塔計畫初步成果，高雄市長陳其邁表示，過去智慧城市發展過程中，各局處已累積大量資料與應用，包括交通、水利、環保、工務等領域，但是不同局處的系統多針對單一業務應用需求建立，容易形成資料孤島，各局處建置獨立(Silo)系統也造成經費負擔，例如警政系統擴建攝影機，用於公共安全監控之用，環保單位也擴建攝影機，用於監控環境污染，這些系統及資料不能共用。因此高雄希望透過主權AI架構，將不同領域資料整合起來，讓AI成為城市治理的大腦。

他指出，未來城市治理不只是被動接受民眾反映問題，而是讓城市本身具備感知能力，透過AI主動發現異常，協助政府更早掌握事件、更快投入處理。

高雄AI燈塔計畫的核心差異，在於AI能力從傳統的AI影像辨識，從影像中辨識車輛、人、物等物體，到走向理解與推理。

AI燈塔計畫初期導入了視覺語言模型（Vision Language Model，VLM）。VLM模型讓AI能理解影像內容，不只是辨識畫面中是否有人、車輛或特定物件，而是能用文字描述影像中的城市情境。

例如在交通場景中，VLM可以從攝影機的影像畫面判斷某個路段出現車流停滯，從而知道這裡可能正發生交通壅塞；而在公共安全的場景中，也能辨識道路上是否出現異常狀況。

高雄市政府整合固定式攝影機、移動式載具(如公車、工務車、清潔車)、空污或淹水感測器、雨量站等，以645萬小時影像資料、2,000TB訓練資料、108種訓練情境，結合算力調度、IOWN全光網路，讓VLM學會從城市影像分析「發生什麼事」。

但是，VLM主要解決的是「看到什麼」的問題。當AI看到一張道路影像時，它可以描述「這裡發生交通壅塞」，卻還無法進一步判斷造成交通壅塞的原因。

因此，高雄市政府後續導入Nvidia Cosmos Reason 2（CR2）模型後，AI能力進一步具備推論能力。不同於VLM僅根據單一圖片分析，CR2能夠綜合多張影像與連續事件等資訊，進一步推論事件發生的背後原因。

例如當AI發現某一路段車流異常時，傳統的VLM只能判斷「這裡塞車」，但透過更強的推理能力，AI能進一步分析是否可能是因為道路積水、交通事故或施工占道才會造成壅塞。

這使得城市的AI大腦從「看見異常」，進一步走向「理解異常」。

高雄也持續測試後續版本的Cosmos Reason 3模型，希望提升AI面對更複雜城市情境時的判斷能力，讓AI不只是影像分析工具，而能成為協助城市治理決策建議的智慧管理系統。

不過，AI發現問題只是第一步。對政府而言，更重要的是AI分析結果能不能真正進入行政流程。

因此，高雄燈塔AI計畫建置Smart Governance City（SGC）的城市智慧治理平臺，將AI模型提供的資訊和各局處業務流程串接。

當城市中的攝影機或感測設備發現異常事件，AI模型會先進行分析與推理，再透過SGC平臺整合事件資訊，通知對應的權責單位處理。

例如AI發現道路坑洞後，資訊可以送往工務單位；發現積淹水事件，則提供水利單位掌握；交通異常則通知交通管理單位；環境污染事件則交由環保單位進一步查處。

換言之，AI燈塔不是單純訓練一套VLM影像辨識系統，而是將AI判斷結果嵌入城市治理的流程，讓政府從過去「收到通報後處理」，轉變成「AI協助提前發現並啟動應變」。

高雄市政府展現水利、交通、環保、工務，與市民生活習習相關的4大領域AI燈塔計畫應用成果。道路巡檢就是應用之一。

過去道路坑洞主要依靠民眾1999通報或人工巡查，但一座城市道路數量龐大且複雜，光靠人工巡檢難以掌握全天候的路況品質。高雄市政府導入AI影像分析，利用公車、工務車、清潔車等45輛移動載具，加上135支攝影機蒐集道路影像，交由AI辨識路面異常。

當AI發現可能的坑洞或道路問題後，系統會將影像畫面及位置資訊送入SGC，由相關單位確認之後派工處理。

高雄市政府工務局強調，過去從發現道路問題到派工可能需要數十分鐘甚至數小時，但透過AI流程整合，最快案例可以在約2分鐘內完成通報與派工。

高雄市工務局以9月AI發現的道路坑洞為例，AI於下午14:36發現坑洞後，將訊息送至SGC平臺，14:38即完成權責分流、通報相關單位，約1小時後工務單位回報完成填補。

AI的角色並不是取代工程人員，基於行政責任，AI判斷辨別的結果送到SGC，由管理人員確認後通報處理，高雄市政府透過AI擴大道路巡檢範圍，縮短問題被發現與處理的時間。

在水利防災方面，AI也改善過去的人工通報。

傳統防汛作業主要依靠水情監測站、淹大感測器，加上民眾反映陳情，但由於城市範圍廣大，部分區域難以被掌握。導入AI後，系統可以結合水情資料與影像來源，協助發現積淹水等異常狀況。

高雄市政府整合400處的水情監測站，超過1.3萬支攝影機影像資料，透過AI分析影像及資料，判斷是否發生淹水、規模大小，以及造成的影響，將災情送到SGC平臺，來加快市政府的應變處理。這讓防災應變從「發生後確認」轉為「提前發現」。

高雄市政府水利局以8月22日發生的高大雨事件為例，透過AI主動偵測的事件占整體事件的52%，強調AI主動發現，提升防汛的效率。

交通是另一個導入AI應用的領域。交通局整合7組交通專家系統、串接128個API，利用VLM偵測非常態壅塞及可能的原因，強調比傳統人工紀錄提前14分鐘發出路網異常告警，讓管理人員及早交通疏導應變。

過去交通影像系統主要協助人員監看道路狀況，例如判斷某一路段是否壅塞。但AI進一步回答「為什麼壅塞？」

透過VLM與CR2模型，AI可以結合不同時間點影像，分析造成交通異常的可能原因。

例如某路段車流下降，可能不是單純車多，而是因為發生事故造成車道受阻；也可能是道路積水或施工影響通行。

這讓交通管理單位不只是知道「哪裡塞」，而能更快掌握「為什麼塞」，再採取更精準的交通應變決策。

環境治理也是高雄AI燈塔的重要應用之一。

高雄市環保局導入AI辨識能力，涵蓋黑煙、露天燃燒、非法棄置及道路垃圾等事件，運用公車行駛蒐集巡檢影像畫面，讓AI可從影像中主動找出異常，強調能在30秒內推播影像、位置等異常事件的相關資訊，通報相關單位查證、稽查。

高雄市政府透過AI與治理平臺，讓過去仰賴人力的環境治理工作，轉為AI偵測，也從被動接受通報轉為主動巡查。

環保局以岡山一處火警案例，AI最先發現火警黑煙後，主動通報SGC平臺，並在Line推播，現場派人處置及監測，而消防局則是晚了約3分鐘收到報案。

高雄AI燈塔計畫所代表的，不只是導入更多AI工具，而是城市治理模式的改變。

過去智慧城市強調資料蒐集、系統建置與資訊透明；AI燈塔進一步嘗試讓城市具備理解與判斷能力。

從VLM讓AI看懂城市影像，到Cosmos Reason 2讓AI推理事件原因，再透過SGC平臺將分析結果送入行政流程，高雄市政府的AI燈塔計畫目的是建立主動感知、分析與協助處理問題的城市智慧治理架構。

當城市不再只是等待民眾反映問題，而是透過AI提前發現異常，讓城市治理從被動處理，走向主動應變。

陳其邁表示，高雄市政府透過AI燈塔驗證的新型態城市治理模式，不只是高雄市可用，國內其他城市將來也能使用，可以購買代替重新建置城市AI大腦。