關鍵數字：台中市路口科技執法遭撤銷的案件中，高達 68% 是因為「影像判讀有誤」——這不是整體錯誤率，但這個比例，足以讓任何用路人頭皮發麻。
開車經過路口，被科技執法鏡頭拍下違規，結果罰單上門，你滿臉問號。申訴、跑流程、等結果，時間成本自己吞。如果最後發現，是機器看錯了，你會不會覺得，這套系統其實是在懲罰守法的人？
台中市議員邱愛珊在 8 月 28 日的質詢中揭露了這個痛點。根據台中市警察局的數據，115 年截至 7 月，路口科技執法總共撤銷 23 件 裁罰，其中 15 件 就是因為「影像判讀有誤」，占了將近七成。說真的，這數字背後，是 15 個可能被冤枉的車主，以及 15 次對系統公信力的扣分。
📊 數據總覽
先來看整體數據。科技執法確實讓交通事故數字下降了，但錯誤率（尤其是撤銷案件的組成）也透露出系統還有不小的 bug。
從表格可以清楚看到，114 年全年撤銷 189 件，其中 73 件是影像判讀問題；而 115 年才過了一半多一點，撤銷案件中影像判讀的比例已經飆到 68%。這趨勢不太對勁，不是系統變更不準，就是民眾開始更懂得申訴了——無論是哪一種，都代表問題正在浮上檯面。
AI 認錯車牌，你只能乖乖繳罰單？
邱愛珊議員點出了一個很日常卻很關鍵的 bug：車牌號碼的「0」跟「D」，在影像辨識下長得實在太像。這不只是技術問題，而是 系統設計時有沒有想到「人性」 的問題。
如果 AI 連基本的字元判讀都會出錯，那後續的舉發流程就形同虛設。更麻煩的是，警察局交通大隊長劉永昌說，若有疑慮會再跟監理機關比對車籍資料——但問題是，這個「比對」是在開罰單之前還是之後？如果是之後，那民眾已經收到罰單、已經產生困擾了。用白話講就是：系統亂開槍，然後叫民眾自己跑流程證明自己沒中彈。
台中市警察局長吳敬田則承諾，未來影像模糊、無法明確判斷的案件會「從寬認定」、不予舉發。這個方向是對的，但「從寬」的標準是什麼？會不會變成另一種執法不公？這些細節需要更透明的機制來支撐。
禮讓救護車反被罰，這合理嗎？
另一個讓人哭笑不得的場景：為了讓救護車先過，結果被科技執法拍下「違規」，然後收到罰單。114 年，台中市就有 36 件 因為避讓救護車而事後撤銷，占所有撤銷案件的 19%。
邱愛珊質疑，這類案件不能只看占總舉發量的比例（比如她提到 115 年 7 月只占 1.2%），因為 背後的成本效益不是這樣算的。人工複核、申訴處理、民眾的時間與信任損失，這些都是隱形成本。如果你為了救一個人，結果自己要先被罰一筆、再花時間申訴，那下次你還會選擇讓嗎？這不是道德題，這是制度設計題。
目前台中市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 月成功辨識出 9 件避讓救護車的案件——換句話說，這 9 位駕駛原本可能被罰，但系統即時「認出來」了。這是好的開始，但只靠 2 組鏡頭，顯然不夠。
數據告訴我們什麼？
整理一下幾個關鍵數字：
- 113 年到 114 年，科技執法路口事故從 2,568 件降到 1,972 件，減少 596 件、降幅 23.2%——這是實實在在的成效，不能因為有錯誤就全盤否定。
- 但 114 年舉發 37 萬件，撤銷 189 件，看似比例極低（0.05%），可是撤銷案件中將近四成是影像判讀問題；115 年這個比例更拉高到六成八，代表 系統的「誤判集中度」正在惡化。
- 禮讓救護車這類「善意違規」被誤抓，反映的是 AI 缺乏「情境理解」能力——它看得到車子動了，但看不懂為什麼動。
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，並將救護車通行頻率納入未來選點評估。這個要求非常務實，因為科技執法的目的不是「抓越多越好」，而是 讓違規者得到警惕、讓守法者不被騷擾。
編輯觀點 從產業面來看，台灣各縣市都在搶著建置科技執法，但「建置」跟「精準」是兩回事。台中這次的數據揭露了一個關鍵問題：系統的誤判成本，現在是由民眾的申訴時間和基層員警的複核人力在吸收。但說真的，這不合理。如果 AI 辨識準確率不夠，就應該導入更嚴格的影像過濾機制，例如車型、車色、甚至多張連續影像的交叉比對，在前端就把可疑案件擋下來，而不是讓民眾收到罰單後再來「有訟有解」。換個角度想，這也是一個機會——當科技執法進入第二階段，誰能把誤判率降到最低，誰才能真正贏得市民信任。否則，再高的舉發數字，也只是數字而已。
話說回來，科技執法不是洪水猛獸，它確實讓路口變得更安全。但當系統的「眼睛」開始模糊，它抓錯人的機率就會上升。這個時候，政府要做的不是「盡量不錯放」，而是「確保不錯抓」。
警察局長說會從寬認定，這很好；但如果能從系統端就避免誤判，那不是更乾脆嗎？導入 AI 影像過濾機制、建立車牌字元防呆比對、並針對救護車等特殊情境設計例外規則——這些都不需要等到 115 年底，現在就可以開始做了。
最後，這件事其實跟每個開車、騎車的人都相關。下次你收到一張莫名其妙的罰單，別急著繳，先看看照片——說不定，是機器看走眼了。
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？
最常見的原因是車牌字元辨識錯誤，例如「0」與「D」、「8」與「B」等相似字元在影像模糊時容易被 AI 誤判。另外，光線、角度、車牌髒污也會影響辨識準確率。
收到科技執法罰單後，該如何申訴？
可以直接向舉發的警察機關（如交通大隊）提出申訴，提供行車記錄器畫面、停車記錄等佐證資料。如果確認是系統誤判，通常會撤銷罰單。建議收到罰單後先確認違規照片，若有疑慮儘速提出異議。
禮讓救護車被科技執法拍到，一定會被罰嗎？
不會。台中市目前已在中國醫藥大學附設醫院周邊設置智能辨識鏡頭，可自動辨識避讓救護車的行為。若仍被舉發，可提供事發時間、地點及救護車通行記錄申訴，經查證屬實通常會撤銷處分。
科技執法撤銷案件比例高，代表系統不準嗎？
不完全是。撤銷比例反映的是「已被舉發案件中的錯誤率」，而非整體辨識錯誤率。不過，當撤銷案件中影像判讀錯誤占比持續上升（如台中從 39% 升至 68%），確實代表系統仍有明顯的改善空間。
未來科技執法會導入哪些機制來降低誤判？
台中市警察局表示將與監理機關比對車籍資料、加強 AI 影像過濾機制，並對模糊案件從寬認定不予舉發。議員也要求市府在 115 年底前提出系統優化規劃，包括將救護車通行頻率納入未來選點評估。
※ 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。
