書籍介紹
為減少海岸公路及港區因越波造成的災害，本計畫透過網路攝影監視系統與影像判釋技術，分析易發生越波區域的波浪襲擊情況，發展影像判釋越波警示技術。本年度 (第4年期) 主要工作包括維護與精進波浪溯升與越波影像資料庫，運用影像特性分析技術進行自動化判釋，提升海岸公路及花蓮港防波堤的越波示警能力。此外，將影像自動化判釋結果回傳至運輸研究所，推動影像判釋與示警系統作業化，並整合港區防波堤觀測資料，驗證並優化既有機器學習溯升/越波模型，評估其精進效益。最終，將溯升/越波模型導入運輸研究所的海岸公路及花蓮港浪襲預警系統，分析越波潛勢區與越波情形，提升防災應用效能，提供相關單位更精確的預警資訊，以降低災害風險。完成工作如下：
1.溯升與越波影像資料蒐集：本年度持續進行人定勝天路段及花蓮港區之影像蒐集，並於人定勝天路段完成攝影設備更新後重新施測控制點高程與校正，確保影像之空間對應。港區部分亦持續進行影像觀測，並蒐集更多不同情境條件下的影像資料。至本年度，已累積完整之影像資料，涵蓋多次颱風事件，可作為越波判釋及潛勢分析之核心資料來源。
2.作業化影像判釋系統維運與精進：除持續維運既有影像判釋系統外，本年度針對前期發現之判釋誤差與效能瓶頸進行系統性優化。在海岸公路部分，完成自動化判釋流程強化與準確率檢核模組建置，提升整體運算效率與判釋可靠性；於港區部分，導入 ResNet50 深度學習架構進行越波分類訓練，並依影像特性分別建立彩色與夜間灰階模型，以強化系統對不同環境條件的適應性與判釋穩定度。經測試，模型可正確辨識大部分無越波時段，並成功捕捉主要越波事件，顯示其具備實務應用潛力。
3.作業化越波警戒系統維運與精進：本年度維持越波警戒系統穩定運作，並配合 TaiCOMS 2.0 海象預報系統進行介接與程式優化。系統已建立自動化越波預報流程，並有效提升運算效率與系統穩定度。同時，針對預報模型之準確度進行混淆矩陣與誤差分布分析，結果顯示模型對越波事件具有一定的預測能力。此外，持續依據該作業化架構，建置港區越波警戒系統與準確度檢核流程，以完善防災應用機制。
4.溯升與越波潛勢分析：本計畫至今所累積影像資料數量相當多，因此若以人為方式來進行溯升與越波潛勢分析相當費時。本計畫運用目前所建置影像判釋方式來作為溯升/越波潛勢分析方法，以提升分析效率。該分析結果則作為越波潛勢分析所用。
目次
目 錄
目 錄III
表目錄X
圖目錄V
第一章 緒論1-1
1.1緣起1-1
1.2計畫目的1-1
1.3研究範圍1-1
1.4計畫工作項目1-2
1.5工作流程規劃1-3
1.6工作執行進度規劃安排1-5
1.7四年期(111~114年)計畫概述1-5
1.8預期成果1-19
1.9環境背景現況說明1-19
1.10國內外應用影像判釋於港區防波堤越波相關研究蒐集1-30
第二章 溯升與越波影像資料蒐集2-1
2.1海岸公路溯升/越波影像資料蒐集2-1
2.2花蓮港區防波堤溯升/越波影像資料蒐集2-2
第三章 作業化影像判釋系統維運與精進3-1
3.1海岸公路溯升/越波影像作業化判釋系統3-1
3.2花蓮港區防波堤越波影像作業化判釋系統3-27
第四章 作業化越波警戒系統維運與精進4-1
4.1作業化海岸公路越波預報系統4-3
4.2作業化港區防波堤越波預報系統4-12
4.3越波預報準確率分析4-19
第五章 溯升與越波潛勢分析5-1
第六章 教育訓練6-1
第七章 結論與建議7-1
7.1結論7-1
7.2建議7-2
7.3成果效益及應用情形7-3
參考文獻參-1
附錄一 AI 模型與參數說明附1-1
附錄二 花蓮港東防波堤越波影像判釋示警及數值模擬預警技術研發成果教育訓練簡報附2-1
附錄三 海岸公路人定勝天路段越波影像判釋示警及數值模擬預警技術研發成果 教育訓練簡報附3-1
附錄四 花蓮海岸公路浪襲預警系統-人定勝天路段與 花蓮港東堤越波示警及預警系統附4-1
附錄五 期末報告審查意見回覆及辦理情形附5-1
附錄六 期末報告審查意見回覆及辦理情形附6-1
附錄七 歷次工作會議紀錄附7-1
圖目錄
圖1.1 計畫研究範圍圖1-2
圖1.2 計畫工作流程與執行架構1-4
圖1.3 海岸公路原始影像1-7
圖1.4 RGB色彩空間及其經對比度調整強化後的影像1-8
圖1.5 HSV色彩空間及其經對比度調整強化後的影像1-8
圖1.6 YUV色彩空間及其經對比度調整強化後的影像1-8
圖1.7 YUV色彩空間統計分析結果1-9
圖1.8 U色彩空間(紅框表示白沫區)1-10
圖1.9 水線擷取之成果1-10
圖1.10 海岸線判釋技術流程圖1-11
圖1.11 影像分析水線有效性之判釋成果1-12
圖1.12 影像分析水線有效性通過門檻之局部時間點結果1-12
圖1.13 地形高程資料套疊影像之成果1-12
圖1.14 溯升影像水線之高程判釋成果1-13
圖1.15 不同情境之影像水線判釋結果1-13
圖1.16 影像判釋越波成果圖 (光學影像)1-15
圖1.17 自動化影像判釋越波警戒線圖1-15
圖1.18 花蓮港區防波堤影像判釋結果1-15
圖1.19 實驗配置圖1-16
圖1.20 本年度作業化影像判釋建置之流程圖1-17
圖1.21 前期與本期模型水線判釋的比較1-18
圖1.22 花蓮氣象站月平均溫度與日照時數分布圖(2022/6~2025/5)1-20
圖1.23 花蓮氣象站月平均降雨量與降雨日數分布圖(2022/6~2025/5)1-20
圖1.24 花蓮港歷年四季及全觀測期海流流速機率分佈圖1-24
圖1.25 花蓮港歷年四季及全觀測期海流流向機率分佈圖1-24
圖1.26 花蓮海岸聚落於災害徵兆(Ts)-災害潛勢(Tp)二維分布情形1-26
圖1.27 浪襲台11線海岸公路事件現場概況1-28
圖1.28 花蓮海岸公路浪襲預警系統畫面及燈號1-29
圖1.29 海灘區常見的二類離岸流偵測1-30
圖1.30 彌陀海堤－燦樹颱風溯升預測值與現地量測資料比對1-31
圖1.31 葡萄牙海岸越波災害預警系統1-32
圖1.32 Flash rip偵測方式1-33
圖1.33 架設波浪溯升監視系統1-33
圖1.34 透過影像分析技術萃取波浪溯升情況1-34
圖2.1 海岸公路人定勝天路段日間未降雨影像(瑪娃颱風)2-3
圖2.2 海岸公路人定勝天路段日間降雨影像(瑪娃颱風)2-3
圖2.3 海岸公路人定勝天路段夜間未降雨影像(瑪娃颱風)2-4
圖2.4 海岸公路人定勝天路段夜間降雨影像(瑪娃颱風)2-4
圖2.5 海岸公路人定勝天路段現階段之影像2-4
圖2.6 海岸公路人定勝天路段於2025年丹娜絲颱風期間影像2-4
圖2.7 海岸公路人定勝天路段於2025年薇帕颱風期間影像2-5
圖2.8 海岸公路人定勝天路段於2025年楊柳颱風期間影像2-5
圖2.9 海岸公路人定勝天路段於2025年樺加沙颱風期間影像2-5
圖2.10 花蓮港東防波堤之日間影像2-5
圖2.11 花蓮港東防波堤之夜間影像2-6
圖2.12 花蓮港東防波堤於2025年丹娜絲颱風期間的日間越波影像2-6
圖2.13 花蓮港東防波堤於2025年楊柳颱風期間的日間越波影像2-7
圖2.14 花蓮港東防波堤於2025年樺加沙颱風期間的日間越波影像2-8
圖2.15 花蓮港東防波堤於2025年樺加沙颱風期間的夜間越波影像2-9
圖3.1 海岸線判釋技術流程圖3-3
圖3.2 本計畫使用之高斯濾波器3-3
圖3.3 影像邊界鏡射示意圖3-3
圖3.4 CIE 1931 色度圖3-4
圖3.5 色彩空間轉換流程圖3-4
圖3.6 感興趣區域於影像中之相對位置3-5
圖3.7 感興趣區域示意圖3-5
圖3.8 陰晴 (小浪) 之感興趣區域影像分割結果3-6
圖3.9 降雨 (大浪) 之感興趣區域影像分割結果3-6
圖3.10 陰晴 (小浪) 之群心數值統計圖3-7
圖3.11 降雨 (大浪) 之群心數值統計圖3-7
圖3.12 二值影像示意圖3-8
圖3.13 形態學運算使用之結構元素3-8
圖3.14 形態學閉運算之概念圖3-8
圖3.15 經閉運算之二值影像示意圖3-9
圖3.16 經後處理之二值影像示意圖3-9
圖3.17 第一次影像辨識之海岸線示意圖3-9
圖3.18 第二次影像辨識之感興趣子區域3-11
圖3.19 第二次影像辨識之海岸線3-11
圖3.20 熱成像範例影像3-11
圖3.21 熱成像之K-means分群法結果3-11
圖3.22 後處理後之熱成像二值影像3-11
圖3.23 熱成像範例影像之影像判釋結果3-11
圖3.24 針孔相機模型3-13
圖3.25 現場量測及量測工具3-13
圖3.26 影像高程量測 (光學影像)3-14
圖3.27 影像高程量測 (熱成像影像)3-14
圖3.28 影像分析水線有效性之判釋成果3-15
圖3.29 影像分析水線有效性通過門檻之局部時間點結果3-16
圖3.30 人定勝天路段日間影像判釋結果圖 (光學影像)3-17
圖3.31 人定勝天路段日間影像判釋結果圖 (熱成像)3-17
圖3.32 前期計畫(112年度)影像判釋自動化建置之流程圖3-18
圖3.33 前期計畫(113年度)影像判釋自動化建置之流程圖3-18
圖3.34 本年度作業化影像判釋建置之流程圖3-21
圖3.35 人眼無法判釋水線於不同模型間的比較3-24
圖3.36 人眼可判釋水線於不同模型間的比較3-25
圖3.37 人定勝天新增消波塊情況3-26
圖3.38 K-means門檻調整比較分析3-26
圖3.39 花蓮港區防波堤破損前3-27
圖3.40 花蓮港區防波堤破損後3-27
圖3.41 花蓮港區防波堤一日的單張影像平均亮度(V)分布3-29
圖3.42 花蓮港區防波堤越波影像判釋模型建置流程3-31
圖3.43 花蓮港區防波堤夜間影像的測試集混淆矩陣3-32
圖3.44 花蓮港區防波堤日間影像的測試集混淆矩陣3-32
圖3.45 花蓮港區防波堤越波影像作業化系統分析流程3-33
圖4.1 颱風事件追算模擬與量測資料時序列比較 (以2016年莫蘭蒂、馬勒卡、梅姬颱風事件為例)4-5
圖4.2 影像分析與溯升追算比對結果4-5
圖4.3 溯升預報、感測器觀測值與影像分析高程之比較結果(2023瑪娃颱風事件)4-6
圖4.4 溯升預報、感測器觀測值與影像分析高程之比較結果(2023海葵颱風事件)4-6
圖4.5 溯升預報、感測器觀測值與影像分析高程之比較結果(2024凱米颱風事件)4-7
圖4.6 溯升預報、感測器觀測值與影像分析高程之比較結果(2024山陀兒颱風事件)4-8
圖4.7 前期計畫之溯升/越波預報自動化建置流程4-9
圖4.8 作業化溯升/越波預報系統維運成果4-10
圖4.9 作業化海岸公路越波預報警戒條件4-10
圖4.10 花蓮港外廓防波堤示意圖 (影像擷取自Google 地球)4-14
圖4.11 花蓮港東防波堤開放垂釣區域圖4-14
圖4.12 花蓮港近岸波場模擬結果(1/4)4-15
圖4.11 花蓮港近岸波場模擬結果(2/4)4-15
圖4.11 花蓮港近岸波場模擬結果(3/4)4-16
圖4.11 花蓮港近岸波場模擬結果(4/4)4-16
圖4.13 2023年海葵颱風事件越波記錄資料4-17
圖4.14 花蓮港防波堤越波機器學習模型的訓練集樣本分布4-17
圖4.15 花蓮港防波堤越波機器學習模型之(a)訓練集、(b)驗證集和(c)測試集4-18
圖4.16 花蓮港防波堤越波機器學習模型於不同越波誤差值的累積分佈4-18
圖4.17 前期計畫之溯升/越波預報自動化建置流程4-19
圖4.18 2022年颱風事件追算模擬結果4-21
圖4.19 2023年颱風事件追算模擬結果4-22
圖4.20 2024年颱風事件追算模擬結果4-22
圖4.21 人定勝天路段越波預報模型混淆矩陣圖4-23
圖4.22 花蓮港越波預報模型混淆矩陣圖4-23
圖5.1 2022-2025年間颱風波浪越上人定勝天路段次數統計5-4
圖5.2 2022-2023年間颱風波浪越過花蓮港東防波堤次數統計5-4
圖6.1 臺灣港務股份有限公司花蓮港務分公司教育訓練現場實況6-2
圖6.2 交通部公路局東區養護工程分局花蓮工務段教育訓練現場實況6-2
表目錄
表1 1 本年度(114年)計畫分項工作進度規劃1-5
表1 2 花蓮浮標每月波高統計表(2005-2024)1-22
表1 3 花蓮潮位站逐月潮位統計表(2005-2024)1-22
表1 4 石梯潮位站逐月潮位統計表(2005-2024)1-23
表1 5 花蓮港測站分季流速分佈統計表(2003~2020)1-23
表1 6 花蓮港測站利年分季流向分佈統計表1-23
表3 1 陰晴 (小浪) 之感興趣區域各分群群心數值3-7
表3 2 降雨 (大浪) 之感興趣區域各分群群心數值3-7
表3 3 範例影像之最大值指數與平均值指數3-11
表3 4 前期計畫(113年度)自動化影像判釋維運作業項目3-19
表3 5 本計畫(114年度)海岸公路自動化影像判釋維運作業項目3-20
表3 6 本計畫(114年度)花蓮港東防波堤自動化影像判釋維運作業項目3-20
表3 7 人眼無法判釋水線類型之統計資訊3-24
表3 8 人眼可判釋水線之統計資訊3-24
表3 9 花蓮港防波堤夜間影像資料集 (來源：2023-2025颱風期間)3-31
表3 10 花蓮港防波堤日間影像資料集 (來源：2023-2025颱風期間)3-32
表4 1 以機器學習進行溯升/越波預測之相關研究4-2
表4 2 海岸公路作業化溯升/越波預報系統維運項目4-11
表4 3 花蓮港東防波堤作業化溯升/越波預報系統維運項目4-19
表4 4 再分析波場資料規格4-21
表5 1 2022至2025年間有發布颱風警報的颱風資訊及資料蒐集情形5-2
表5 2 2022年至2025年期間溯升/越波影像分析結果5-3
表6 1 114年12月4日至5日教育訓練行程表6-1
編／著／譯者簡介
本所主辦單位：運技中心
主管：蔡立宏
計畫主持人：林雅雯
研究人員：陳鈞彥
聯絡電話：(04)2658-7200
傳真號碼：(04)2657-1329
合作研究/共同研究單位：國立成功大學
計畫主持人：吳漢倫
研究人員：蕭士俊、陳彥龍、左秀文
地址：701台南市東區大學路1號
聯絡電話：(04)2658-7200
序言／導讀
為減少海岸公路及港區因越波造成的災害，本計畫透過網路攝影監視系統與影像判釋技術，分析易發生越波區域的波浪襲擊情況，發展影像判釋越波警示技術。本年度 (第4年期) 主要工作包括維護與精進波浪溯升與越波影像資料庫，運用影像特性分析技術進行自動化判釋，提升海岸公路及花蓮港防波堤的越波示警能力。此外，將影像自動化判釋結果回傳至運輸研究所，推動影像判釋與示警系統作業化，並整合港區防波堤觀測資料，驗證並優化既有機器學習溯升/越波模型，評估其精進效益。最終，將溯升/越波模型導入運輸研究所的海岸公路及花蓮港浪襲預警系統，分析越波潛勢區與越波情形，提升防災應用效能，提供相關單位更精確的預警資訊，以降低災害風險。完成工作如下：
1. 溯升與越波影像資料蒐集：本年度持續進行人定勝天路段及花蓮港區之影像蒐集，並於人定勝天路段完成攝影設備更新後重新施測控制點高程與校正，確保影像之空間對應。港區部分亦持續進行影像觀測，並蒐集更多不同情境條件下的影像資料。至本年度，已累積完整之影像資料，涵蓋多次颱風事件，可作為越波判釋及潛勢分析之核心資料來源。
2. 作業化影像判釋系統維運與精進：除持續維運既有影像判釋系統外，本年度針對前期發現之判釋誤差與效能瓶頸進行系統性優化。在海岸公路部分，完成自動化判釋流程強化與準確率檢核模組建置，提升整體運算效率與判釋可靠性；於港區部分，導入 ResNet50 深度學習架構進行越波分類訓練，並依影像特性分別建立彩色與夜間灰階模型，以強化系統對不同環境條件的適應性與判釋穩定度。經測試，模型可正確辨識大部分無越波時段，並成功捕捉主要越波事件，顯示其具備實務應用潛力。
3. 作業化越波警戒系統維運與精進：本年度維持越波警戒系統穩定運作，並配合 TaiCOMS 2.0 海象預報系統進行介接與程式優化。系統已建立自動化越波預報流程，並有效提升運算效率與系統穩定度。同時，針對預報模型之準確度進行混淆矩陣與誤差分布分析，結果顯示模型對越波事件具有一定的預測能力。此外，持續依據該作業化架構，建置港區越波警戒系統與準確度檢核流程，以完善防災應用機制。
4. 溯升與越波潛勢分析：本計畫至今所累積影像資料數量相當多，因此若以人為方式來進行溯升與越波潛勢分析相當費時。本計畫運用目前所建置影像判釋方式來作為溯升/越波潛勢分析方法，以提升分析效率。該分析結果則作為越波潛勢分析所用。
分類
其他詳細資訊
- 適用對象：成人(學術性)
- 關鍵詞：影像智慧化，越波，海岸防護，浪襲預警
- 附件：無附件
- 頁/張/片數：188
授權資訊
- 著作財產權管理機關或擁有者：交通部運輸研究所
- 取得授權資訊：聯絡處室：交通部運輸研究所運輸技術研究中心
姓名：王胤容
電話：04-26587142
地址：台中市梧棲區中橫十路2號