https://hogo-zoushin.jp/r8/shinsei.html
１．運行管理の高度化に資する対象機器→ Omnieyes 機器の記載は14ページ目(全21ページ)
２．過労運転防止に資する対象機器→ Omnieyes 機器の記載は 5ページ目(全34ページ)

今回の国土交通省の助成対象認定により、OmniEyesのソリューションが日本の商用車安全支援プログラムの技術的および機能的要件を満たしていることが確認されました。

さらに重要な点として、対象となる日本の自動車運送事業者は、OmniEyesのソリューションを導入(購入)する際に政府の助成金を申請できるようになり、車両全台への導入に必要な初期投資を削減することができます。

主に事故後の検証に使用される他のドライブレコーダーとは異なり、OmniEyesは前方カメラと運転席向けカメラ、およびエッジAI処理を組み合わせることで、違反や危険な行動をAIによるリアルタイム検知を実現しています。

このAIボックスは、信号無視、一時停止違反、車間距離不足、脇見運転、居眠り、シートベルト未着用などを自動で検知し、車内で即座に音声アラートで警告を発します。

OmniEyesの強みは、個々のAI検知機能にとどまりません。重要なイベント映像の動画や運転データをリアルタイムでクラウドにアップロードできるため、運行管理者は遠隔から事故や危険事象を確認し、ドライバーごとのリスク傾向を分析すると共に、データに基づいた安全指導を行うことが可能になります。つまり、リアルタイムのリスク検知、ドライバーへの即時介入、動画による証拠、車両全体のリスク管理、そして継続的なドライバーへの安全教育までを、一つの運用フローとしてシームレスに実現します。

OmniEyes創業者兼CEOのTing Chouは次のように述べています。
「日本の運送事業者が求めているのは、高性能なAIだけではありません。運用のしやすさ、現場で実証された信頼性、そして公的機関による評価も重要です。OmniEyesのソリューションは、既に日本の大手タクシー会社や物流事業者に導入されています。今回、補助対象機器として採択されたことで、公的な信頼性と導入時の経済的支援の両方をお客様へ提供できるようになり、日本市場への本格展開に向けた基盤がさらに強化されました。」

OmniEyesは「運行管理の高度化に対する支援」および「過労運転防止のための先進的な取り組みに対する支援」という2つの補助金カテゴリーに正式に指定されています。
対象となる事業者は、条件を満たす場合、対象経費の3分の1または2分の1の補助を受けることができ、通常は1事業者あたり最大80万円まで補助されます。また、「運行管理の高度化に対する支援」の一定の要件を満たす場合には、1事業者あたり最大120万円まで補助を受けられる場合があります。
OmniEyesは、日本国内の販売パートナーと連携しながら、タクシー、バス、物流事業者が自社に適した補助制度を活用できるよう支援してまいります。本制度を通じて、日本の商用車市場におけるAIを活用した予防型安全運行システムの普及をさらに加速させていく考えです。

OmniEyesについて
OmniEyesは2019年に設立された台湾のAI運行安全ソリューション企業です。台湾、日本、北米、インドを中心に、物流事業者、路線バス・貸切バス事業者、モビリティサービス事業者、スクールバス事業者など、商用車フリート向けにAIを活用した安全運行管理システムを提供しています。

The post OmniEyes、日本の国土交通省「2026年度事故防止対策支援推進事業」補助金プログラム」 に採択 first appeared on OmniEyes | 動見科技.

背景：ジャイアント・グループとYouBike
世界的な自転車メーカーであり、広範な市場シェアを持つジャイアント・グループ（Giant Manufacturing Co. Ltd.）は、持続可能な都市モビリティのリーダーとして長年業界を牽引してきました。エコフレンドリーな交通手段を強化するというミッションの一環として、同社は台湾最大級のステーション型シェアサイクルサービス「YouBike」を運営しています。

公共交通機関のハブや都市の主要スポットに戦略的に配置された7,900以上のステーションを擁するYouBikeは、台湾の都市通勤ネットワークにおいて不可欠な存在となりました。台北、台中、高雄を含む6大都市における2024年の年間レンタル回数は1億6,000万回を超え、その普及度の高さと重要性を裏付けています。

ユーザーにシームレスな体験を提供するため、YouBikeは各ステーション間の自転車を再配置するための専用フリート（車両部隊）を運用しています。これらのトラックは交通量の激しい都市環境で走行しており、特に「信号無視」などの交通違反が安全上の大きな懸念となっていました。安全かつ効率的なフリート管理の重要性を認識したYouBikeは、ドライバーの安全性向上と運用監視の強化を目指し、高度なAI駆動型ソリューションを導入しました。

課題：ドライバーの安全性とコンプライアンスの向上

常に交通量の多いエリアを走行するフリートを抱えるYouBikeは、以下のようないくつかの主要な課題に直面していました。

• 信号無視や交差点での一時不停止を含む、交通リスク全般の低減。および、歩行者・自転車・ドライバーを保護するため、事故を未然に防ぐリアルタイムアラートの提供。
• AI駆動のインサイトとドライバーの挙動監視による、フリート管理の向上。

2023年、YouBikeはOmniEyesのAI搭載フリート管理ソリューション「MyFleet」の導入を決定するという戦略的な一歩を踏み出しました。その後、導入車両を当初の約200台から300台近くまで拡大し、その全車両にOmniEyesの技術を搭載しました。この投資は、ドライバーの挙動に対する監視体制を強化し、安全性と責任感（アカウンタビリティ）を重んじる文化を醸成することを目的としています。

ソリューション：AIによるモニタリングとドライバーコーチング

OmniEyesの「MyFleet」システムは、ドライバーの挙動をリアルタイムで継続的にモニタリングし、信号無視や交差点での一時不停止といった重大な安全上の懸念を検知します。また、ドライバーにリアルタイムでアラートを通知することで、他車両や歩行者との衝突回避を支援し、より安全な運転環境を確保します。このソリューションは即座にフィードバックと実行可能なインサイトを提供するため、運行管理者はリスクの高い運転挙動を迅速に特定することが可能です。

2024年4月より、YouBikeはOmniEyesのAIが生成したインサイトを活用し、特に信号無視や交差点での法規遵守に焦点を当てた、体系的なドライバーコーチングプログラムを開始しました。このプロアクティブなアプローチにより、ドライバーは安全運転の習慣を身につけるために必要な意識とツールを備えることができました。的確な介入が行われたことで、ドライバーのリアルタイムな状況把握能力が高まり、安全運転の実践が強化されました。

成果：交通違反の顕著な減少

OmniEyesのAIによる介入の効果は、迅速かつ数値として明確に現れ、継続的な安全性向上に対するYouBikeの取り組みを裏付ける結果となりました。主な改善点は以下の通りです。

• 2024年4月から12月にかけて、信号無視の違反件数が53%減少。
• コーチングプログラムの実施後、ドライバーの挙動において全体で94%の改善を達成。
• 交通法規の遵守率が向上し、道路交通の安全化と、YouBikeの安全への取り組みに対する社会的な信頼獲得に貢献。

お客様の声：YouBikeの体験（Customer Testimonial: The YouBike Experience）

「YouBikeにとって、安全は最優先事項です。それはYouBikeを利用するユーザーだけでなく、道路を共有するすべての人々にとっても同様です。OmniEyesのAIソリューションを導入したことで、当社のフリート管理の方法は一変しました。『MyFleet』を活用し始めて以来、ドライバーの挙動に対する意識が大幅に向上し、交通違反の顕著な減少につながっています。」 – [YouBike担当者]

「OmniEyesから提供されるデータ駆動型のインサイトにより、特定の課題に焦点を当てたコーチングや挙動の是正が可能になりました。その成果は数値として明確に現れており、フリートの安全性とコンプライアンスの向上を非常に嬉しく感じています。」 – [YouBike 運行管理者]

結論：AI主導のインサイトが切り拓く安全な未来

YouBikeは、OmniEyesのAI技術「MyFleet」を業務に統合することで、ドライバーの安全性を大幅に高め、コンプライアンスを改善し、台湾全土の道路安全に貢献しました。本ケーススタディは、フリート管理におけるAI駆動型インサイトの有用性を強調するものであり、データに基づいた意思決定がいかにインパクトのある変革をもたらすかを証明しています。

安全性と卓越した運用への継続的な取り組みにより、YouBikeとOmniEyesは、未来に向けたより安全でスマートな都市モビリティ・エコシステムの構築を目指し、これからも協力し続けてまいります。

The post U-Bike first appeared on OmniEyes | 動見科技.

Currently, both regular and commercial vehicles can enhance driving safety by extensively applying driving image equipment and technology through either pre-installation or post-installation. For example, regulations require larger commercial vehicles over 3.5 tons to be equipped with a driver assistance system with at least four cameras. These images can be displayed in real-time on dazzling screens for driver reference, stored in in-vehicle devices like DVRs for future accident investigation, or even streamed live to the cloud for real-time monitoring by management or driver live streaming. They can also be stored in the cloud for big data analysis using various AI technologies. Consequently, the value of images is rising rapidly, with a promising outlook.

To conclude, more money is always better. Just as the moon waxes and wanes, and life is full of uncertainties, who knows what the future holds? However, poverty is said to limit imagination, and truly wealthy people worry about being so poor that all they have is money.

Whether through government regulations or existing fleet management technologies, driving images are often viewed as a form of currency—the more, the better. Just as the moon waxes and wanes, and vehicles face uncertainties, who knows what might happen in the future? It’s best to store everything, both in the vehicle and in the cloud. As for how much is stored, how much is used, and whether it becomes something people like, that can be discussed later.

Let me temporarily put on the hat of a National Taiwan University professor and propose a method to turn images into something as desirable as money: Once images are stored in the cloud, they can undergo various image recognition or AI computations using the cloud’s powerful computing capabilities. Without the limitation of computing resources, the most accurate models and highest quality images can be utilized. If that’s not attractive enough, images uploaded from different vehicles can be integrated and analyzed to build various smart city applications, turning these invaluable images into something golden.

As for how much money needs to be spent initially to generate more money, a professor only needs to focus on imaginative research without worrying about costs. However, as the CEO of a startup, I can clearly tell you that customers won’t spend $1,000 to generate $100 worth of gold. The costs of the three major cloud platforms are available online and are more transparent than taxi fares. We spend a considerable amount on AWS every month, and the service is decent, but the proportion of AI computing costs is zero—not because it’s free, but because it’s simply unused.

The post AIフリートマネジメントシリーズ Part 2：映像はすべてを解決するのか？ first appeared on OmniEyes | 動見科技.

Data shows that the risk level for commercial fleets or professional drivers is several times higher than that of general drivers (this can be objectively compared through accident rates and insurance premiums). Let me first clarify that this is not entirely because professional drivers are worse. If you drive on the road for 8-10 hours a day, need to park by the roadside dozens of times, get in and out of the vehicle to load or unload, or let passengers on and off, and on top of that, deal with complaints from bosses or customers about late deliveries, your record might not look so good either.

However, the data is clear: poor or even dangerous driving behavior is a long-standing issue that any commercial fleet must face and resolve. Where there is demand, there will be supply—this is an unchanging law of market economics. As a result, various products and technologies for detecting and monitoring driving behavior flood the market, many of which claim to be backed by scientific evidence. Just like various health supplements, they not only always receive certification from some unheard-of authoritative British institution but also often claim to be the result of years of effort by doctors or professors from National Taiwan University.

The effectiveness of many fleet management technologies is as inscrutable as the medical effects of these supplements. While data itself does not lie, those who select and interpret the data might. This time, let’s explore two indicators that are often valued in both the Taiwanese and Western markets: Harsh braking and Harsh acceleration.

From the perspective of the average person, harsh braking or acceleration is indeed a negative indicator of driving behavior. For commercial fleets, it may lead to frequent accidents or unnecessary fuel consumption, making it a good basis for fleet management. Products that obtain these two data points using OBD, CAN, or gyro/accelerometer are as numerous as fish in the sea.

To conclude: if you’re hesitating about whether to bring an umbrella, just look at the probability of rain, not the height or thickness of the clouds. While understanding cloud information is helpful, looking at the probability of rain is more direct and effective.

Back to the topic, when do people usually brake harshly? Aside from professional tofu delivery drivers like Takumi Fujiwara, it’s usually when following too closely (poor driving), being aggressive or being aggressed upon (the former is poor driving, the latter is helplessness), or encountering unexpected obstacles on the road (emergency defensive driving). Can harsh braking data distinguish between poor, helpless, or emergency defensive driving? Maybe, but it’s like observing cloud height and thickness—not direct or effective. Is there a more direct and effective method? Yes—direct video analysis.

When do people usually accelerate harshly? Typically, it’s to beat a red or yellow light (poor driving), aggressive driving (poor driving), maintaining speed uphill (normal driving), or merging into fast traffic (normal driving). Can harsh acceleration data distinguish between poor and normal driving? Maybe, but it’s not direct or effective. Is there a more direct and effective method? Yes—direct video analysis.

You might say that video analysis can’t analyze fuel consumption, right? From my understanding of various fuel consumption analysis methods, I’ve never seen one using video, because it’s not direct or effective. But can harsh braking or acceleration analyze fuel consumption? Maybe, but isn’t it simpler and more direct to use the total mileage/total fuel consumption figures for a single trip, day, week, or month? Isn’t this elaborate process similar to deciding whether to bring an umbrella by looking at cloud height or thickness?

The post AIフリートマネジメントシリーズ Part 1：運転行動 vs 車両コンディション first appeared on OmniEyes | 動見科技.