N-0149
运用图像分析及机器学习技术的升降机/自动梯智能巡查清单
全港现时约有70,000部升降机及10,000部自动梯，当中约54,000部（即 67.5%）装置的使用年期已经超过20年。部件持续老化无疑会为这些装置带来潜在的安全隐患。目前，约有100名员工每年对全港的升降机及自动梯进行约28,900次巡查，并已计划至少每五年为装置作出一次巡查。为了进一步提升现时升降机/自动梯的日常管理和监察工作的效率和效果，我们计划开发一个附设有人工智能协助的平台，让升降机/自动梯的负责人、注册升降机/自动梯承办商和执法机构可以共同参与，从而确保升降机/自动梯的部件处于适当的状态，并确保这些装置的安全正常运作。
城市管理
运输
我们的初步构思是开发智能巡查清单，以供进行巡查时作记录之用。已填写完成的智能巡查清单会即时被上传到云端伺服器，以供工程师随时取阅，并将会在发现异常情况时自动生成给负责人和/或注册承包商的信件，以供工程师在发出信件前作进一步审阅。
对此，我们希望人工智能(AI)模型可以就某些巡查项目提供协助。我们会利用一组照片（例如升降机机房内的360度照片，或者升降机悬吊缆索等关键部件的照片等等），作为新安装或现有升降机/自动梯的参考条件。我们需要使用大量照片训练AI模型作深度机器学习，透过注册承办商定期提交的相同/同类照片，或当进行升降机/自动梯进行巡查期间拍摄相同/同类的照片，这些照片会供给经过训练的AI模型与参考照片进行比对和分析。如果AI模型于进行分析后检测到异常情况（例如发现悬吊缆索出现锈粉）或任何其他部件已到达临界状况，系统除了通知工程师及自动生成给负责人和/或注册承包商的信件外，系统亦会向相关方面，特别是注册承办商即时发出警报，促使承办商尽快进行适当的整改工作。与此同时，相关负责人亦可以知悉其管辖的装置的最新情况。
平台和系统可以分阶段开发（即不时加入发展的模块，或者我们可以先从升降机的悬吊缆索等关键部件开始试用，然后再加入限速器缆索、门锁、制动器等其他部件）。
人工智能
云端运算
数据分析
深度学习
机器学习
预测分析
