根據台中市議員邱愛珊今（28）日公布的數據，115年截至7月路口科技執法撤銷23件，其中高達15件、占比68%是因「影像判讀有誤」而撤銷。這個數字背後藏著一個尖銳的問題：當AI眼睛花了，代價為何是民眾的時間與基層員警的精力來承擔？
數據會說話：撤銷率極低，但判讀錯誤占大宗
先來看整體績效。台中市路口科技執法確實繳出一張漂亮的成績單：交通事故從113年的2,568件降至114年的1,972件，一口氣減少596件，降幅達23.2%。這個降幅不是紙上數字，代表的是數百個家庭可能因此避開一場車禍。
但把鏡頭拉近，114年全年科技執法舉發372,971件，撤銷189件，撤銷率僅約0.05%。從統計上來說，這套系統的精確度似乎無可挑剔。不過，細看撤銷原因，「影像判讀有誤」就占了73件、約39%；到了115年截至7月，23件撤銷案中更有15件、高達68%是同一問題。
【編輯觀點】從產業面來看，68%這個數字反映的是AI影像辨識在交通執法場域的「邊界案例」問題。車牌「0」與「D」的誤判，本質上是光學辨識（OCR）在字型、角度、光線交錯下的結構性困境，不是單純「升級軟體」就能一勞永逸。台中市警察局長吳敬田已表態「從寬認定」，這雖是務實的止血做法，但我認為更核心的癥結在於：系統設計之初是否低估了台灣特殊車牌字型與多變天候的干擾？若沒有導入以「錯誤樣態」為基礎的AI持續學習機制，類似誤判只會不斷換張車牌重演。
「0與D不分」只是縮影，AI的盲點比想像中更多
邱愛珊在質詢時點出一個關鍵案例：民眾反映車牌號碼中的「0」與「D」經常遭到系統誤判。這聽起來像是小問題，但對收到罰單的車主來說，跑一趟申訴流程耗費的時間成本，遠超過罰單金額本身。更別提有些人怕麻煩，可能就「摸摸鼻子」繳錢了事。
對此，台中市警察局交通大隊長劉永昌回應，若遇車牌辨識疑慮，會進一步與監理機關進行車籍資料比對，透過車牌格式、車型、車色交叉驗證。AI判讀的違規影像也會經過「承辦同仁初步過濾→分局交通組複核→交通大隊執法系統抽核」三層關卡。問題是，這套流程本質上還是用大量人力去彌補系統的誤判漏洞——前端交給AI，後端全靠人力苦撐。
換個角度想，如果AI在第一時間就能透過多張連續影像進行交叉比對，將「0」與「D」這類疑似錯誤案件直接在前端排除，不僅能減少民眾申訴，更能讓基層員警把時間花在真正需要人工判斷的複雜案件上。
禮讓救護車反被罰：1.2%的效益，該如何衡量？
另一個值得關注的痛點是「禮讓救護車反遭科技執法舉發」。114年共有36件案件因避讓救護車而事後撤銷，占撤銷案件的19%。目前台中在中國醫藥大學附設醫院周邊設置了2組智能辨識鏡頭，115年7月辨識出9件避讓救護車案件。
但邱愛珊點出了一個關鍵思維：不能僅以案件占比1.2%就認定效益不高。她要求市府在評估時，必須納入人工複核時間、避免錯誤舉發及後續申訴的成本。說真的，這個觀點非常實際。一套智能系統的價值，不只在於它抓到多少違規，更在於它「不冤枉」多少好人。尤其救護車通行涉及人命關天，如果系統設計讓駕駛人陷入「讓了可能被罰，不讓可能延誤救人」的兩難，那這套執法系統反而成了道德困境的製造者。
根據台中市警察局的說明，目前AI判讀的違規影像均須經過三層複核機制。但數據顯示，即便經過層層關卡，影像判讀錯誤仍是撤銷案的最大宗來源。這說明現行複核機制偏向「事後補救」，而非「事前預防」。
科技執法的最後一哩路：精準與信任
邱愛珊要求市府在115年底前提出科技執法系統優化及後續擴充規劃，並將119救護車實際通行頻率、醫院周邊救護動線納入未來選點評估。這項要求背後的邏輯很簡單：科技執法不該只是「抓得多」，更要「抓得準」。
警察局長吳敬田已承諾，後續若遇影像模糊、無法明確判斷的案件，將採從寬認定原則予以排除。這是一個好的開始，但從產業角度來看，更積極的作法是導入AI影像過濾機制，讓系統在舉發前端就具備「自我懷疑」的能力。當AI對某張車牌辨識的信心度不足時，自動標記為「待人工確認」，而不是直接進入舉發程序。
「我們不能讓系統誤判的成本轉嫁給民眾申訴，也不能由基層員警以大量人力彌補系統漏洞。」——台中市議員邱愛珊
從113年到115年，台中市科技執法在事故防制上交出了亮眼成績。但當撤銷案件中「影像判讀有誤」的占比從39%爬升至68%，這條曲線告訴我們的是：隨著科技執法據點增加，系統的邊際誤判率正在上升。如果不從根本優化AI辨識演算法，未來只會出現更多「被AI冤枉」的用路人。
行動呼籲：如果你是用路人，請這樣自保
在系統優化到位之前，身為一般民眾，我們不是只能被動等待。收到科技執法罰單時，請務必仔細核對照片中的車牌號碼、車型與車色是否與自己的車輛相符。若發現「0」被誤判為「D」或其他明顯錯誤，一定要提出申訴——這不只是為自己爭取權益，每一次申訴數據的回饋，都是讓系統「知道」自己哪裡看錯了。你的每一次申訴，都是AI最好的教材。
數據背後的啟示
綜合來看，台中市科技執法的撤銷率雖然極低（約0.05%），但「影像判讀有誤」在撤銷案中的占比從39%上升至68%，顯示系統在擴大應用的過程中，邊際誤判率正在提高。這不是全盤否定科技執法的成效——事故降幅23.2%的成績有目共睹——而是提醒決策者：精準度的投資必須與據點擴張同步推進。若未能建立以「錯誤樣態」為核心的AI持續學習機制，未來隨著更多路口導入科技執法，人力複核的負擔將愈來愈沉重，最終反而稀釋了科技本該帶來的效率紅利。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
科技執法影像判讀錯誤最常見的原因是什麼？
最常見的是車牌字元辨識問題，例如「0」與「D」因字型或光線角度而被系統誤判，另外車牌污損、天候不良或拍攝角度偏差也是常見原因。
收到科技執法罰單後如何申訴？
可在罰單上載明的應到案期限內，向原舉發單位（台中市警察局交通大隊）提出申訴，檢附行車記錄器或相關影像證據，若確認是系統誤判，案件將予以撤銷。
禮讓救護車卻被科技執法拍照舉發該怎麼辦？
保留行車記錄器影像作為證據，並於申訴時註明當時是為避讓救護車。台中市目前已在中醫大醫院周邊設置智能辨識鏡頭，可自動辨識避讓救護車行為並排除舉發。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
