智慧交通號誌控制

• 自適應控制紅綠燈時序，緩解車流壅塞。
   

複雜/混合車流路口管理

• 包含汽車、機車、自行車與行人等多元參與者之動態交通調度。
   

幹道協調控制（Arterial Coordination）

• 強化主幹道路與支道之車流連貫性，減少車輛停等次數。
   

無需中心主控系統

• 可單點部署於路口，獨立運作，不依賴中央伺服器或網路穩定性。

自研邊緣運算 AI 車流影像辨識模型

• 此模型基於義隆電子與合作學術單位過往發表的 AI  模型 CSPNET、YOLOv4、YOLOv7和YOLOv9   的框架，在邊緣端有限算力下，發展出多任務偵測 GElanNet ，可達到每秒20幀以上的處理速度。
   

強化學習（Reinforcement Learning, RL）引擎

• 採用 RL 模型預測混合車流，非僅依賴傳統定時或感測器驅動方式。
   

非週期性號誌控制架構

• 根據即時交通變化動態調整燈號，非固定循環，提高十字路口通行效率。
   

邊緣運算（Edge SoC）搭配 AI 交通攝影機

• Edge AI 與交通攝影機深度整合，所有 AI 運算皆於邊緣設備執行，能毫秒級回應混合車流變化，無需依賴雲端，確保即時性與穩定性。
   

低延遲與高安全性

• 減少網路傳輸延遲與資安風險，提升實際部署的可靠性。