興大開發「最佳口罩配置AI模式」 可預測領取點需求量有效配置
▲興大楊明德（中）團隊開發「最佳口罩配置AI模式」。（圖／中興大學提供）
透過大數據與人工智慧計算出口罩的最佳配送模式！中興大學土木系系主任楊明德帶領「AIPal」團隊與大葉大學企管系副教授陳怡萍合作，開發出「最佳口罩配置AI模式」，介接彙整多筆政府開放即時資料，根據過去7天的數據，可預測明後天各領取點的口罩需求，有助於減少口罩的庫存，達到快速流通。
新冠肺炎疫情爆發初期，發生口罩及醫療資源發生短缺問題，當時團隊即積極想開發一套人工智慧演算法，改善此現象。研究團隊表示，團隊從今年3月開始開發，經過2星期不眠不失的投入，以內政部各月人口資料、中央氣象局每日氣象資料、中央氣象局特約機構即時剩餘數量明細清單、歷時確診病例數爲資料庫，設定的變數包含位置、競爭關係、服務人口、進貨量、出貨量、儲存量、病例數、降雨與否等，再以AI融入空間資訊研發傳染病大流行的稀缺物資配置模式。
▲興大楊明德（右1）團隊開發「最佳口罩配置AI模式」。（圖／中興大學提供）
此套「最佳口罩配置AI模式」，在34隊參賽作品中脫穎而出，日前榮獲財團法人中技社2020「AI與健康照護」創意競賽第二名及30萬元獎金。該競賽由中研院院士陳力俊擔任召集人，評審團認爲此作品在大數據處理分析及機器學習極具技術前瞻性，並跨領域搭配精準行銷專業，未來可擴大用於提供政府在「有限醫療資源最佳化需求管理及分配」，能使資源達最高效配置。
▲興大教授楊明德（左2）與大葉大學陳教授怡萍嶯（右2）團隊開發「最佳口罩配置AI模式」。（圖／中興大學提供）
楊明德表示，目前的口罩地圖只能看各據點的剩餘量，而這套系統則是彙整多筆政府開放即時資料，使用遞歸神經網路（Recurrent Neural Networks）之長短期記憶模型（Long Short-term memory），以臺中市635家銷售據點資料，建立關鍵物資最佳配置模式，根據過去7天，領取的數量及速度，推估需求量，預測明後天的口罩需求，作爲口罩配置依據，可降低近50%的口罩滯留量，在物資不足時，提供最有效率的口罩配置，防止疫情擴散。