雙層巴士的安全挑戰
上層甲板的站立乘客會改變巴士的重心，增加轉彎時的不穩定性與跌倒風險。雖然「僅限入座」的規定幾乎是通用的，但執行方式卻大不相同。一家公共交通業者與研揚合作，部署了車載攝影機並搭配邊緣 AI 分析，以自動化方式加強合規性。
關鍵系統需求
即時邊緣推論
在邊緣進行極低延遲的 YOLO 推論，以即時偵測乘客。
堅固耐用與高韌性
必須能承受高震動與車輛供電的環境而不發生故障。
輕鬆整合至車隊
只需最少的設定，即可無縫部署於 70 輛以上的巴士。
解決方案：BOXER-8623AI
研揚的 BOXER-8623AI 是一款由 NVIDIA Jetson Orin Nano 驅動的精巧型無風扇嵌入式 AI 系統，正是理想之選。憑藉對 Super Mode 的支援，它能提供高達 67 TOPS 的 AI 效能，實現此應用所需的高推論速度與多串流處理能力。
其寬廣的 -15°C 至 65°C 溫度耐受度與 12V–24V 電源輸入範圍，使其完全適合車載部署。
專為車載部署打造
高震動與衝擊耐受度能保護行駛中車輛內的內部元件。
4 個 PoE LAN 連接埠
透過單一纜線提供資料與電力 — 無需額外的電源配線。內建的過電流與短路保護免除了對 DC 變壓器的需求。
精巧且易於安裝
BOXER-8623AI 尺寸僅 180×136×75mm，可透過四顆螺絲進行壁掛安裝，從而加快在大型車隊中的部署速度。
應用架構
上層甲板的 PoE 攝影機將影像傳送至 BOXER-8623AI，後者在 NVIDIA Jetson Orin Nano GPU 上執行 YOLO 模型以偵測站立乘客。當識別出安全問題時，系統會觸發警報，透過 Wi-Fi 模組傳輸至駕駛艙內的數據機，讓駕駛能立即採取行動。
研揚靈活的開發支援
交付客製化 BSP
- 預先載入最佳化的 YOLO 推論模型
- 預載 NVIDIA JetPack 且可隨時部署的作業系統
- 針對多攝影機推論預先設定的函式庫
- 針對所有周邊裝置的驅動程式相容性評估
研揚在短短幾週內，便完成了從原型設計到試運行的進程。
關鍵影響與成果
安全事故減少
預估減少了可能影響乘客安全的事故發生率。
合規率
即時的自動化警報確保了整個車隊完全遵守「乘客入座」的規定。
更快的發車檢查
減少了駕駛在每站發車前確認乘客已入座所花費的時間。
BOXER-8623AI 堅固的模組化設計加上研揚的持續支援，為車隊提供了面向未來的保障，延長了營運壽命，並提供順暢的軟體更新管道。