道路鋪面損壞形成原因很多，尤其於汛期(每年5月至11月)前或豪雨及颱風過境之後，道路鋪面破損更加嚴重，因此道路鋪面巡查工作，是維護修補道路損壞一項重要之前置作業，傳統性道路鋪面巡查工作是採人工巡查方式，會因人為身體或是情緒因素造成道路鋪面巡查工作枯燥費時又耗力，且人工巡查道路鋪面亦無法依序細判道路損壞方式狀況，因此本研究以科技結合巡查車巡查道路鋪面影像，透過巡檢影像經過電腦數位演算以即時性自動辨識道路鋪面情況，依據內政部營建署出版之《市區道路管理維護與技術規範手冊研究》一書，其針對柔性鋪面之分類為有以下幾種類型：坑洞、龜裂、龜裂、裂縫（橫向、縱向及塊狀）、人孔高差、薄層剝離、及車轍…等14種。
本研究針對道路鋪面情況最嚴重，需要立即派工修補坑洞為研究目的，於汛期前養護道路經過人工智慧(Artificial Intelligence，AI)道路巡查缺失即時自動辨識系統(以下簡稱AI道路巡查系統)判別，並將道路鋪面拍攝影像照片，由車機工業電腦經4G或5G數位網速上傳至後端高階伺服器電腦再經演算法方式及數位電腦深度學習判別道路鋪面坑洞狀況，其不僅可以加速巡查工作也可以於汛期前，將道路判別狀況立即回報後勤道路鋪面修補人員，讓道路鋪面修復人員迅速妥善安排調度道路鋪面工作，並可全面性展開道路鋪面修補範圍，則可提高執行效能及節省經費，甚至可以增進民眾行的安全，避免民怨產生或是國賠事件發生，因此未來善加利用AI道路巡查辨識系統，導入道路鋪面巡查作業方式是道路鋪面維護管理另一種創新的作業方式，本研究也將列舉台南實況案例分析汛期前演示道路缺失即時自動辨識查報技術與巡查通報，並由後端派工實際運用修繕道路鋪面處理狀況，已達修復養護管理之效益。

This research aimed to identify the most serious potholes on road pavement which needs a dispatchment for repair immediately. Artificial Intelligence Real-Time Road Inspection and Damage Identification System (for short, AI Road Inspection and
Identification System) uploads the photos of road pavement via the 4G or 5G digital network speed from the vehicle-mounted industrial computer to the digital computer of the high back-end server. Then the pothole condition of road pavement is judged by algorithm method and digital computer deep learning.
Taking West Central District of Tainan City as an example, from January to March of this year (2022), this study examined the identification accuracy of the road damage (potholes) on roads wider than 8 meters. AI Road Damage Warning System identified 59 potholes in January and 24 potholes in March, and the pothole identification accuracy has improved from 71% to 77%. The cost per kilometer of AI Road Damage Warning System is about NT$41, and the cost of human observation per kilometer is about NT$82. In addition to the good accuracy of AI road inspection and identification, the cost is also competitive.
In the future, if the AI image recognition technology is more mature, AI road inspection system can not only replace human observation in road pavement inspection and identification, but also provide competent agency for detailed surveys as one of the sources to understand current road condition. In addition, through big data analysis, we can also understand the area where potholes are distributed, as well as their positions on the road (such as: fast lane, slow lane), etc., as a reference for subsequent road pavement maintenance units.
Keywords: AI recognition technology, road damage warning system, road pavement inspection before flood season, road pavement maintenance management

1. Huang, Y., & Xu, B. (2006). Automatic inspection of pavement cracking distress. Journal of Electronic Imaging , pp30
2. Tsai, Yi-Chang James, and Feng Li. "Critical assessment of detecting asphalt pavement cracks under different lighting and low intensity contrast conditions using emerging 3D laser technology." Journal of Transportation Engineering138.5 (2012): 649-656.
3. 大和有話說，「完整解析AI人工智慧：3大浪潮＋3大技術＋3大應用」(2018)。
4. 內政部營建署，「柔性鋪面損壞調查手冊」，(2002)。
5. 李長青，「線掃瞄式照相機應用於路面破壞影像調查之研究」，國立中央大學土木工程系碩士論(2005)。
6. 交通部運輸研究所，「路面缺陷影像辨識技術之研發」(2010)。
7. 交通部運輸研究所，「國道養護巡查設備及管理系統研發建置之研究」(2012)。
8. 交通部公路局，「臺灣公路工程月刊」，第40卷第1期，(2014)。
9. 林志勇、吳健碩，「道路鋪面破壞影像辨識系統之研究」，龍華科技大學學報第十八期(2005) 。
10. 林昇甫、曾育賢，「道路上的危機-像坑洞檢測滯洪池水文設計之研究」，科學發展第572期(2020)。
11. 陳建達，「路面缺陷影像校正之研究」， 國立中央大學土木工程系技術報告(2009)。
12. 陳林君，「影像辨識技術應用於鋪面破壞調查之研究」，國立中央大學土木工程碩士論文(2014)。
13. 許峻榕、陳繼藩，「利用卡爾曼濾波與區段技術擷取與偵測鋪面裂縫」，航測及遙測學刊10卷3期(2005)。

14. 許士威，「基於DSP之影像導航實現」，中華大學電機工程學系碩士論文 (2009)。
15. 國家發展委員會，「政府機關資訊通報」第309期、第311期(2013)。
16. 黃立遠、李惠裕、劉家銘、張泰昌、楊博森、周蘇文、黃立遠，「使用深度學習透過移動設備進行道路缺失巡查之研究」，鋪面工程 19卷3期，P71-88(2021)。
17. 臺南市政府工務局，「臺南市道路養護作業規定」(2016)。
18. 鄭進源，「自動化鋪面破壞影像辨識系統導入鋪面破壞維護管理系統之研究」，國立中央大學土木工程碩士論文(2013)。
19. 鄧智陽，「自動化鋪面破壞檢測系統之研究」，國立台灣大學土木工程學系碩士論文(2008)。
20. 蔡鎮宇，「鋪面雷射掃描儀應用於鋪面績效分析」，國立台灣大學土木工程學系碩士論文(2011)。
21. 魏榮俊，「道安智慧車系統」，國立中央大學機械工程研究所碩士論文(1997)。