传统灾害预警预测系统的局限性
纵观历史，人类饱受自然灾害如地震、飓风、野火和洪水等的威胁，这些灾害可能造成巨大的破坏和人员伤亡。
传统灾难管理系统严重依赖提前设定好的规则、过往的统计模型和人类专业知识，在处理庞大且多样化的数据流和考虑复杂变量时显得举步维艰。
目前人类使用的传统解决方案也存在着缺陷，虽然卫星影像提供大范围照片和影片，但由于快速拍摄频率和受限制的角度，缺乏某些任务所需细节。(如浅层滑坡、评估单个建筑物损坏情况) ，再者，透过钻孔倾斜探测仪的土力工程方法既昂贵、复杂且耗时，不符合现代经济效益。
透过高性能运算及物联网 (IoT) 技术可减少灾害损失
AI 正在改变灾害预警的方式，结合AI与物联网 (IoT)、边缘运算、摄影机和传感器后便可为灾害预测领域带来全新突破。利用生成式 AI、深度学习和机器学习算法等方式，在环境传感器、环境影像及灾害信息上进行训练、了解已知的灾害类型和现象。再透过已经训练好的模型，我们就能识别人类无法直接发现的潜在灾害迹象。于灾害预警初期，我们就可以识别潜在灾害的类型、地点和时间并且发布灾害告警，同时采取积极的防灾措施和行动以减少灾害范围及影响。
结合强固型 AI 运算平台及物联网框架即可打造实时 AI 灾害预测/预警系统
AI 可以从过去的灾害数据库 (含实时环境传感器数值、高分辨率图像文件和灾害记录) 中提取特征并设置卷标并用于训练灾害模型，透过推理就能识别人类或传统模型以往难以识别的潜在灾害。边缘AI计算平台可以实时收集现场传感器和摄影机的数据作为数据源并透过训练好的模型来推断和识别灾害的预兆，以满足 AI 可视化的应用需求，更能缩短预警响应时间。结合物联网框架后灾害预测系统可以部署在各种区域。此外，透过云原生环境和容器化技术开发的灾害预测 SaaS 服务，更能将 AI 模型、推理引擎及微服务部署到 Edge AI 运算平台，加速云地一体化应用的扩展范畴。然而，户外灾难管理系统面临着一些重大挑战，举例来说：
耐用性和环境适应能力:户外设备必须足够坚固耐用，能够经受恶劣条件的考验，包括极端温度、雨水、风、灰尘，甚至野火、洪水或山崩等灾害产生的飞溅碎片冲击。
电源自主性和不稳定性:持续的电源供给至关重要，但在户外，这样的机会有限。灾区甚至可能出现大面积停电，要透过外接发电机或太阳能电板自给自足，但这两种设备在电力储存和能源收集方面都有限制。此外，不可预测行为造成的电压波动，如受损电网、临时发电机或太阳能板因日照强弱而影响电压， 也会干扰系统运行。
稳定的连接及数据传输能力: 由于地形障碍、天气条件或与通信基础设施距离太远等因素，户外环境网络可能断断续续或受到物理条件影响，导致数据传输中断和潜在数据丢失，对灾害预警工作的准确性和实时性造成负面影响。
System Architecture
新汉集团的ATC 3750-IP7-6C 强固型 Edge AI 运算平台专为极端环境所设计。除了搭载高效的 AI 运算能力外，更拥有丰富的 I/O 接口，可整合无线通信模块、多种有线通讯接口、环境传感器及高速摄影机等。ATC 3750-IP7-6C 采用紧密的结构设计、高气密性防水材料、三重保护涂层并经过真空处理提高气密性等。更经过浸水测试，确保机器能在恶劣环境下正常运作。
ATC 3750-IP7-6C 采用 NVIDIA® Jetson AGX Orin™ 为核心，提供高达 275 (INT8) TOPS 的算力。该平台通过 NVIDIA® JetPack™ 6.0提供全新的NVIDIA® Jetson 平台服务，包括基础和 AI 分析服务、生成式 AI 功能、VST 影像存储工具 (Video Storage Toolkit) 及 NVIDIA® DeepStream 软件开发工具包等模块，并内建 NAL (NEXCOM Acceleration Linux)。NAL 能让开发人员不需要在 NVIDIA® Jetson 上从头开发，进而缩短开发时程，再透过 REST API，开发人员更能轻松存取各种微服务，从而构建云端到边缘 (Cloud-to-Edge) 视觉 AI 应用；也能透过物联网网关 (IoT Gateway) 和 OTA(Over-the-air programming) 将微服务和训练好的 AI 模型下放到边缘装置。
API 网关 (Gateway) 是监测软件使用情况的枢纽，提供软件执行中的宝贵信息，用于优化资源分配，确保系统能以最高性能运行。VST 和 DeepStream SDK 简化了对来自摄影机和传感器的数据管理、分析和优化推理性能。开发人员可以利用从云端到边缘的生成式 AI 支持的多摄影机追踪和无训练样本对象侦测 (zero-shot detection) 技术，构健复杂的灾难标志识别应用。
ATC 3750-IP7-6C 的主要优势之一是能够与各种环境传感器无缝介接，能够通过序列 (Serial) 和数字 (Digital) 等各种 I/O 端口以及 CAN Bus 通讯协议接口，透过现场传感器收集数据，为负责检测潜在灾害预警信号的 AI 模型提供必要的数据源。透过 NAL(NEXCOM Acceleration Linux) 的内置硬件接口，开发人员可使用 API 轻松串接外部传感器和外围设备，简化了获取传感器数据和控制外围设备的过程，使开发人员能够专注于创新。传感器部署在需要持续观察的灾区，用于收集温度、风速、空气质量、水位或地面移动等环境数据。它还可以连接更多外围设备，如全球导航卫星系统、IP 摄影机和 IEEE 1588 讯号接收器。
ATC 3750-IP7-6C 更通过了 IP67 等级认证，可在严苛的户外环境中运行，且支持宽温 (-20°C至70°C)、符合 MIL-STD-810 标准的抗振动及抗冲击等和支持 9-36V DC-IN 宽电压输入，即使在偏远地区也能正常运作。环境传感器数据数据、地理图形数据和地理信息也可透过有线和无线方式传输到数据中心。
ATC 3750-IP7-6C提供全方位的通讯选项，包括 Gigabit Ethernet (支持PoE+)、Wi-Fi 5/6、行动网络 (LTE/5G) 和 GNSS。可确保数据无缝传输和状态意识 (Situational Awareness)，使其能够与其他机构或团队进行有效协调。
透过各种算法对收集到的数据图像分类，以确保是否需要对其进行审查或采取行动。如果经判断需要采取行动，便会向指挥中心发出警报，控制中心的工作人员可以实时查看警报并立即纠正风险。可持续完善 AI 模型，提供概率预测并实现实时监控，以便及早发现问题。往后，将可借助深度学习等先进技术，AI 能更有效地仿真天气模式或野火行为等高度复杂的非线性行为，从而发出更可靠、更及时的天灾预警，同时深入洞察潜在的灾害风险。
