★ 如何運用人工智慧安控 將捷運攻擊事件發生率降到最低

3S Market 整理

上敦 AXXON 台灣總代理

一、核心觀念：不是「阻止攻擊」，而是「讓攻擊無法發生」

傳統安控的思維是「事後追查」，AI 安控的核心價值在於：

提早辨識異常 → 即時介入 → 降低動機與機會

在高密度公共運輸系統（如捷運）中，任何事件的關鍵都在「第一分鐘」之前。

二、捷運攻擊風險的三個關鍵節點

從風險管理角度，捷運事件通常出現在以下節點：

1. 進站前（入口與站外）
2. 站內（月台、閘門、動線交會點）
3. 車廂內（密閉、高人流空間）

AI 安控的設計重點，是在這三層形成連續的風險感知網。

凱樂奇(Klacci) K-U Campus系列校園安全系統

三、AI 安控如何「提前降低事件發生率」

1️⃣ 行為異常 AI：在事件發生前「看到不對勁」

AI 能做什麼？

AI 不是判斷「好人壞人」，而是辨識行為是否偏離正常模式：

• 長時間異常停留
• 明顯焦躁、來回徘徊
• 非正常動線逆向移動
• 在高風險時段出現不尋常行為

📌 關鍵價值

• 提早 3–10 分鐘發現潛在風險
• 將「突發事件」轉為「可管理事件」

2️⃣ 人流與密度 AI：降低「高傷害條件」的出現機率

攻擊是否造成嚴重傷害，往往取決於人流密度。

AI 應用方式

• 即時人流密度分析
• 高風險擁擠區自動告警
• 配合站務進行動線調整與分流

📌 實際效果

• 即使發生事件，傷害範圍大幅縮小
• 將「高風險場景」提前拆解

3️⃣ 車廂 AI 監控：縮短「無人察覺時間」

車廂是最難即時處理的空間，但也是最關鍵的一環。

AI 可協助

• 車廂內異常肢體動作偵測
• 突發混亂、乘客異常反應辨識
• 與駕駛室、行控中心即時連動

📌 關鍵指標

• 將事件察覺時間從「分鐘級」降到「秒級」
• 提高第一時間通報與處置成功率

四、AI 安控真正降低事件的「心理層面效果」

1️⃣ 提高被發現機率 → 降低犯案動機

• AI 不只是監控，而是可即時反應的監控
• 潛在攻擊者會感知「難以行動、不易成功」

2️⃣ 提升乘客安全感 → 增加通報意願

• 清楚的 AI 安控標示
• 結合即時通報與站務回應

📌 結果

• 形成「技術 × 人員 × 乘客」的安全共防網

五、AI 安控在捷運的「三層防護架構」

第一層｜預防層（Before）

• 行為異常 AI
• 人流與場景風險評分

第二層｜即時反應層（During）

• 即時告警
• 自動事件分級
• 行控中心快速決策支援

第三層｜事後優化層（After）

• 事件模式回訓 AI
• 高風險站點與時段優化
• SOP 與人力部署調整

六、實際導入的關鍵原則（避免反效果）

❌ 不建議

• 全面監控但無人處理（2025 北捷無差別攻擊事件，即類似此情形）
• 高誤報、造成疲勞告警
• 只裝設備、不改流程

✅ 建議

• 聚焦「高風險站點 × 高風險時段」
• AI 告警需對應明確 SOP
• 人機協作，而非取代人員

七、以台灣捷運體系為例的治理思維

像 台北捷運 這類高密度運輸系統，AI 安控的角色應是：

輔助站務與行控決策，讓風險被看見、被管理、被消失。

八、結論

捷運安全的關鍵，不在於「事後多快破案」，而在於「事件是否根本不會發生」。

AI 安控的真正價值是：

• 提早發現異常
• 降低成功機率
• 拆解高傷害場景
• 強化整體安全韌性

 Klacci 凱樂奇智慧門禁＋智慧建築解決方案

按此回今日3S Market新聞首頁