0

0
0

文字

分享

0
0
0

企業防災(四):列車防災,乘客安全擺第一

陳妤寧
・2014/08/02 ・3389字 ・閱讀時間約 7 分鐘 ・SR值 551 ・八年級
相關標籤: 災害告警系統 (1)

採訪編輯 / 陳妤寧

本文由科技部補助,泛科學獨立製作

台灣高鐵公司之災害告警系統示意圖。(圖片來源:台灣高鐵公司)
台灣高鐵公司之災害告警系統示意圖。(圖片來源:台灣高鐵公司)

2010 年的甲仙地震是高鐵營運以來遭遇的一大嚴峻考驗。高鐵沿線佈置的地震儀一偵測到四級以上震度(地動加速度大於 40 gal),系統便自動執行列車停車。這個過程雖然僅需兩秒左右,但每台列車從啟動煞車到完全靜止所需要的時間,則和當時的列車行駛速度有關聯。

究竟什麼是天然災害告警系統(DWS)?除了即時偵測之外,高鐵平日有未雨稠繆的措施嗎?面對旅客抱怨延誤時,高鐵仍選擇暫停行駛的考量為何?本篇專訪邀請到了台灣高鐵營運安全室的蘇文傑經理、以及行控中心的任以永副主任,為我們深入淺出解答這些問題。

-----廣告,請繼續往下閱讀-----

天然災害告警系統,二十四小時即時偵測

天然災害告警系統 DWS 是 Disaster Warning System 的縮寫,台灣高鐵倚靠這套系統即時偵測地震、邊坡滑動、落石、異物入侵、強風、豪雨、洪水等各種災害。當佈置在高鐵沿線的偵測器探測到異常情形,便會立即將資訊回傳到行控中心。行控中心有如高鐵的大腦,接收外部偵測資訊後,對各場站和各列車做出決策,如停駛或降速運轉、啟動檢修或疏散措施等等。災害告警系統具自我檢測功能,當任何異常或是故障時,行控中心會即時收到警訊,並派出維修人員出動檢修。

因應不同災害的性質,DWS 啟動警訊的標準和方式也有不同。地震、邊坡滑動、落石、異物入侵屬於立即性的破壞力,例如隧道出口上方的道路事故導致車輛摔落軌道等突發狀況。強風、豪雨、洪水等漸變型災害,則是透過監測風速、雨量(時雨量和二十四小時雨量)、河川水位的變化-如河川水位是否已達可能破壞橋樑結構的標準-來判斷啟動何種級別的預警。

高鐵在沿線建立了獨立於中央氣象局的51個地震偵測器,一旦偵測到地表加速度超過安全值(40gal,約為四級地震),即透過號誌系統通知列車立即停車,降低列車出軌或翻覆的危險。如巡檢確認設備無受損,則以「分段提速」配合「動搖測試」來恢復正常行駛。

未雨綢繆,因地制宜

天災發生的瞬間固然要爭取應變時間,但平日的「減災」預防性工作也是高鐵每日的業務內容之一。除了突發狀況的即時監測,高鐵也和氣象資訊顧問服務公司合作,針對高鐵沿線區段整合更多劇烈性天氣的預測資訊。例如反聖嬰年的乾旱現象、沿線潮位估計等上中下游的資訊整合與預警等等。

-----廣告,請繼續往下閱讀-----

以災害歷史而言,工程必須依據不同地點的地質做出調整。「高鐵全長345公里,每個路段的土木結構是依據推算950年才會發生一次的大地震之震度來設計,其耐震係數可承受七級以內的震度,軌道旁也配有防出軌牆來防止翻覆。」營運安全室的蘇文傑經理表示。

而高鐵的內部基礎配備都有兩套甚至四套來相互支援運作,就如同人體中的腎,在任一套設備發生故障時,其他套可發揮備援功能,維持系統的正常運作。

另外,氣候條件對於電子元件的影響也非常大,例如鋼軌和電車線的材質都會熱脹冷縮,因此高鐵行控中心24小時監測環境溫度是否超過檢修標準值。由於產地國家和進口國家的氣候條件差異,高鐵公司在進口元件時,就會要求原廠針對台灣的氣候加強抗熱抗潮的能力。「就像如果你買歐洲產的車,總會覺得它的冷氣不夠強;溫帶國家生產的設備到了台灣溫熱潮溼的環境,也需要設計得更為抗熱抗潮才行。」行控中心任以永副主任和我們分享高鐵七年運營下來的維修改良經驗,發現梅雨季和元件汰換率的確有正相關的關係,因此一方面以「預防性保養」加強吸濕抗潮的工作、另一方面也要求原廠持續強化元件的抗潮力,「密封式元件」即為改良後的方式之一。

除了電子元件之外,在高鐵列車座椅的人因工程上,高鐵以95%台灣男性、5%的台灣女性的平均身高為標準進行設計;同時納入安全逃生的考量,座位前後距以及走道寬皆為60公分寬;而即便是椅套等車廂內的佈置用品,也必須符合國際防火規範中的耐燃、低煙、無毒等標準,將火災時可能造成的傷害降到最低。

-----廣告,請繼續往下閱讀-----

三十六計,「失效自趨安全(fail-safe)」為上策。

「失效自趨安全(fail-safe)」原則強調當列車核心機電系統(車輛、號誌、電力、通訊)發生危機時,暫停原本的列車運行作業來確保平安。例如一旦偵測到邊坡滑動、或是轉轍器故障,災害告警系統會立即通知受影響區域的列車停車,並阻止其他列車進入該區域,否則容易發生出軌意外。蘇文傑經理說:「既然功能失效,最重要的就是先暫停功能的運作,以免釀成更大的災害。」面對因列車減速或暫停行駛而引起的延誤,旅客容易心生不滿,但高鐵堅持在確認安全檢查無誤之前,決不會以「且戰且走」的方式貿然發車,並希望能從每一次的故障事件中找出根本原因,避免引發其他故障事件或是未來再犯。

以2010年高雄甲仙地震後的營運搶通為例,當天高鐵在 40 分鐘內決定先恢復台中到台北的區段營運;而受影響較重的台中到左營區段,在隔日才恢復「單線雙向」通車,意即受損較為嚴重的下行路段暫時共用上行軌道;於四天後恢復「雙線雙向」通車,但部分區段仍然要求限速行駛。整個恢復營運的過程可謂是「步步為營」。

高鐵列車速度快、運量大,從「企業風險管理」的角度來說,短視的偷工減料或是疏於檢修,只會在未來釀成更大的災害、使企業付出更巨大的成本。不僅是對內部設備保養的重視,自然環境的保護、政治環境的穩定到頭來都會反過來影響一個企業。蘇文傑經理表示,例如這次在越南發生的排華事件,若企業對外界危機的觸角不夠敏銳,就無法預先做出應變措施。

因此,安全可謂是高鐵最審慎也最重視的第一考量。而在旅客服務的課題上,高鐵則持續加強「溝通」的任務。除了務求第一線服務人員隨時掌握狀況、也開始強化車站電子看板和手機App的資訊直接推播。任以永副主任說:「如果高鐵將無法按時刻表準時營運,我們會第一時間請台鐵、高捷、北捷、和公路總局一併發佈高鐵延誤資訊,盡量讓旅客抵達高鐵站之前就能夠及早評估其他替代交通方式。」

-----廣告,請繼續往下閱讀-----

跨縣市的防救災方針

對於高鐵而言,除了自然災害之外,各種人為突發狀況也都可能演變為災害,諸如毒化物或爆裂物攻擊、偷剪電纜、菜網飄落等各種情況無所不包。而高鐵全長345公里,A縣市所發生的突發狀況,B縣市也必須即時因應。為了突破跨縣市的各種救災協調問題,高鐵自美國引進了災害現場指揮體系(Incident Command System,ICS)。

「美國在1970年代時因為冬季森林大火乾燒,火勢蔓延到跨州的規模,因此發展出了這套體系,以突破行政上的屬地主義。」蘇文傑經理表示,高鐵據此制定了「台灣高速鐵路交通事故整體防救災應變計畫」,和11個縣市以及地方警消、醫救等外援單位簽訂相互支援協定。在疏散作業方面,高鐵公司也和92家客運業者合作,在緊急逃生出口安排接駁巴士,負責將疏散旅客送到附近最近的鐵公路轉運站。

「考慮到外援單位的人員流動,我們持續辦理講習和演習,務求外援單位能夠熟悉救災流程以及現場指揮權如何進行轉移。」諸如列車出軌、電車線掉落、軌道破損等情境都需列入演練科目,而各單位之間在救災現場也有許多細節必須注意,例如消防灑水之前,必須先向行控中心確認電車線是否已經斷電,否則25000伏特的高壓電一旦藉由水柱導電,將對救援人員本身造成危險。

從災害管理的角度而言,風險不可能「等於零」,只能盡全力將之「趨近於零」;天災的發生是必然,而人造設備不可能無堅不摧。我們應該要做的,是透過平日的經營、在災害發生時將損傷降到最低。交通運輸系統是現代都市人每日仰賴的重要角色,一旦延誤便會對大量乘客甚至企業造成影響,也因為如此,承擔災害的責任格外重大。台灣高鐵屬於較「年輕」的運輸系統,設備在減災抗災的規格上更為先進,同時也承擔社會更多的期許和監督。(本文由科技部補助「新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣」執行團隊撰稿)

-----廣告,請繼續往下閱讀-----

本文原發表於行政院科技部-科技大觀園「專題報導」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!


責任編輯:鄭國威|元智大學資訊社會研究所

企業防災系列專題:

文章難易度
陳妤寧
38 篇文章 ・ 0 位粉絲
熱愛將知識拆解為簡單易懂的文字,喜歡把一件事的正反觀點都挖出來思考,希望用社會科學的視角創造更宏觀的視野。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。