兴大开发「最佳口罩配置AI模式」 可预测领取点需求量有效配置
▲兴大杨明德（中）团队开发「最佳口罩配置AI模式」。（图／中兴大学提供）
透过大数据与人工智慧计算出口罩的最佳配送模式！中兴大学土木系系主任杨明德带领「AIPal」团队与大叶大学企管系副教授陈怡萍合作，开发出「最佳口罩配置AI模式」，介接汇整多笔政府开放即时资料，根据过去7天的数据，可预测明后天各领取点的口罩需求，有助于减少口罩的库存，达到快速流通。
新冠肺炎疫情爆发初期，发生口罩及医疗资源发生短缺问题，当时团队即积极想开发一套人工智慧演算法，改善此现象。研究团队表示，团队从今年3月开始开发，经过2星期不眠不失的投入，以内政部各月人口资料、中央气象局每日气象资料、中央气象局特约机构即时剩余数量明细清单、历时确诊病例数为资料库，设定的变数包含位置、竞争关系、服务人口、进货量、出货量、储存量、病例数、降雨与否等，再以AI融入空间资讯研发传染病大流行的稀缺物资配置模式。
▲兴大杨明德（右1）团队开发「最佳口罩配置AI模式」。（图／中兴大学提供）
此套「最佳口罩配置AI模式」，在34队参赛作品中脱颖而出，日前荣获财团法人中技社2020「AI与健康照护」创意竞赛第二名及30万元奖金。该竞赛由中研院院士陈力俊担任召集人，评审团认为此作品在大数据处理分析及机器学习极具技术前瞻性，并跨领域搭配精准行销专业，未来可扩大用于提供政府在「有限医疗资源最佳化需求管理及分配」，能使资源达最高效配置。
▲兴大教授杨明德（左2）与大叶大学陈教授怡萍嶯（右2）团队开发「最佳口罩配置AI模式」。（图／中兴大学提供）
杨明德表示，目前的口罩地图只能看各据点的剩余量，而这套系统则是汇整多笔政府开放即时资料，使用递归神经网路（Recurrent Neural Networks）之长短期记忆模型（Long Short-term memory），以台中市635家销售据点资料，建立关键物资最佳配置模式，根据过去7天，领取的数量及速度，推估需求量，预测明后天的口罩需求，作为口罩配置依据，可降低近50%的口罩滞留量，在物资不足时，提供最有效率的口罩配置，防止疫情扩散。