N-0149
運用圖像分析及機器學習技術的升降機/自動梯智能巡查清單
全港現時約有70,000部升降機及10,000部自動梯，當中約54,000部（即 67.5%）裝置的使用年期已經超過20年。部件持續老化無疑會為這些裝置帶來潛在的安全隱患。目前，約有100名員工每年對全港的升降機及自動梯進行約28,900次巡查，並已計劃至少每五年為裝置作出一次巡查。為了進一步提升現時升降機/自動梯的日常管理和監察工作的效率和效果，我們計劃開發一個附設有人工智能協助的平台，讓升降機/自動梯的負責人、註冊升降機/自動梯承辦商和執法機構可以共同參與，從而確保升降機/自動梯的部件處於適當的狀態，並確保這些裝置的安全正常運作。
城市管理
運輸
我們的初步構思是開發智能巡查清單，以供進行巡查時作記錄之用。已填寫完成的智能巡查清單會即時被上傳到雲端伺服器，以供工程師隨時取閱，並將會在發現異常情況時自動生成給負責人和/或註冊承包商的信件，以供工程師在發出信件前作進一步審閱。
對此，我們希望人工智能(AI)模型可以就某些巡查項目提供協助。我們會利用一組照片（例如升降機機房內的360度照片，或者升降機懸吊纜索等關鍵部件的照片等等），作為新安裝或現有升降機/自動梯的參考條件。我們需要使用大量照片訓練AI模型作深度機器學習，透過註冊承辦商定期提交的相同/同類照片，或當進行升降機/自動梯進行巡查期間拍攝相同/同類的照片，這些照片會供給經過訓練的AI模型與參考照片進行比對和分析。如果AI模型於進行分析後檢測到異常情況（例如發現懸吊纜索出現锈粉）或任何其他部件已到達臨界狀況，系統除了通知工程師及自動生成給負責人和/或註冊承包商的信件外，系統亦會向相關方面，特別是註冊承辦商即時發出警報，促使承辦商盡快進行適當的整改工作。與此同時，相關負責人亦可以知悉其管轄的裝置的最新情況。
平台和系統可以分階段開發（即不時加入發展的模塊，或者我們可以先從升降機的懸吊纜索等關鍵部件開始試用，然後再加入限速器纜索、門鎖、制動器等其他部件）。
人工智能
雲端運算
數據分析
深度學習
機器學習
預測分析
