台中市議員邱愛珊在115年8月28日丟出了一個值得所有人停下腳步思考的問題：當我們滿心期待科技執法能降低交通事故時，系統卻連最基本的「看對」都做不到？根據她的質詢資料，115年路口科技執法撤銷案件中，高達68%是因為「影像判讀有誤」。說白話一點，每三件被撤銷的罰單，就有超過兩件是冤枉的。

這不是一篇在唱衰科技的文章。事實上，台中市的科技執法確實繳出了亮眼的成績單：路口交通事故從113年的2,568件，下降到114年的1,972件，整整減少了596件，降幅達到23.2%。這個數字不騙人，科技執法當然有用。但問題在於，當我們為了這23%的事故降幅感到欣喜時，那些因為系統誤判而收到罰單的民眾，他們的困擾與時間成本，該由誰來買單？

撤銷案件中的影像判讀黑洞

先來看數字背後的意義。邱愛珊議員引述的數據顯示，114年全年路口科技執法共舉發了372,971件，其中撤銷189件，撤銷率其實只有萬分之五左右。這個比例聽起來很低，對吧？但問題出在撤銷原因的結構上。這189件撤銷案件中，有73件是因為「影像判讀有誤」，占了將近四成。到了115年，截至7月為止的23件撤銷案中，影像判讀錯誤的比例更飆升到68%。

這說明了什麼？代表系統的誤判問題不僅沒有改善，反而在撤銷案件的占比中越來越突出。邱愛珊在質詢時點出了一個關鍵：民眾曾經反映車牌號碼中「0」與「D」容易被混淆，這在光線不足或角度偏移時確實是常見的辨識漏洞。如果連最基本的光學字元辨識都會出錯，那後續的裁罰程序從一開始就站不住腳了。

「根據台中市警察局的統計，115年路口科技執法撤銷23件，其中『影像判讀有誤』15件、占68%，為最大宗撤銷原因。換句話說，民眾收到的錯誤罰單中，超過三分之二是因為機器『看走眼』。這個比例已經不是個案，而是系統性的問題。」

禮讓救護車反被罰：科技與人性的矛盾

另一個被邱愛珊點出的痛點，是「禮讓救護車反而被科技執法舉發」的荒謬情境。數據顯示，114年共有36件案件是因為避讓救護車而事後撤銷，占了當年撤銷案件的19%。這類案例往往發生在醫院周邊的關鍵路口，駕駛人聽到救護車的鳴笛聲，本能地往旁邊閃避，卻因此壓線或進入違規車道，被系統自動擷取並開罰。

目前台中市在中國醫藥大學附設醫院周邊設置了2組智能辨識鏡頭，專門用來過濾這類情況，115年7月一共辨識出9件避讓救護車的案件。但邱愛珊認為，不能只因為這9件占整體舉發案件的比例只有1.2%，就認定這項功能的效益不高。真正的成本效益評估，應該把人工複核的時間、民眾申訴所耗費的行政資源，以及最重要的——民眾對執法體系的信任感——全部納入計算。

警察局交通大隊長劉永昌在回應時提到，目前的做法是：若遇到車牌辨識有疑慮，會再與監理機關進行車籍資料比對；AI判讀的違規影像會經過承辦同仁初步過濾、分局交通組複核，再由交通大隊執法系統抽核。聽起來是一套嚴謹的三層把關機制，但話說回來，如果在前端的AI辨識階段就能把錯誤率壓低，後端的人力又何需浪費在彌補系統的漏洞上？

AI判讀的正確率迷思與精準執法路徑

這裡我們必須先釐清一個概念。邱愛珊強調，68%並非科技執法的整體錯誤率，而是在「已經被撤銷的案件」當中，因為影像判讀錯誤所占的比例。整體來看，台中市科技執法的舉發正確率仍然在99.9%以上。但問題就在於，當每年有將近40萬件的舉發量，即便只有千分之一的錯誤率，換算下來也是幾百位民眾必須跑申訴流程、請假、花時間證明自己的清白。

從產業面來看，這其實是AI導入公共治理時典型的「轉型陣痛期」。科技執法系統的供應商通常會強調辨識率達到98%或99%，但這類數據往往是在實驗室環境或標準化條件下測得的。一旦進入真實道路場景，面對不同的天候、光影、車流動態、甚至車牌的髒污程度，辨識率的下滑是可以預期的。真正的考驗不在於系統「大部分時候」是對的，而在於系統能否在「不確定的時候」選擇不舉發，而不是寧可錯殺也不願放過。

警察局長吳敬田在會中給出了一個值得肯定的方向：後續若遇到影像模糊、無法明確判斷的案件，將採取「從寬認定」原則予以排除。這個態度是對的，但從實際執行面來看，什麼叫做「無法明確判斷」？標準由誰來定義？如果AI的判讀邏輯本身沒有透明化的檢核機制，最後可能只是把責任從AI身上轉移到基層承辦人身上，反而增加了第一線員警的負擔。

【編輯觀點】從數據來看，台中市科技執法的撤銷率極低，但影像判讀在撤銷原因中的占比卻持續攀升，這釋放出一個明確的警訊：系統的誤判正在集中化。未來市府在導入下一階段的科技執法時，不應該只是追求「舉發數量」或「事故降幅」這類KPI，而應該把「誤判率」與「民眾申訴成本」也列為核心的採購與驗收指標。說白了，一套會經常誤判的AI系統，不僅無法建立執法威信，反而會消耗更多的社會信任與行政資源。建議市府在115年底前提出的優化規劃中，明確納入AI影像過濾機制與車牌、車型、車色的交叉驗證功能，從源頭降低誤判，而不是讓基層員警用大量的人力來幫AI收拾殘局。

從「科技執法」到「精準執法」的最後一哩路

邱愛珊在質詢中提出了一個具體的時間節點：要求市府於115年底前提出科技執法系統優化及後續擴充規劃，且未來的選點必須將119救護車的實際通行頻率納入評估，特別是醫院周邊的救護動線。這個要求切中了問題的核心——科技執法的目的從來不應該是「盡可能多地開罰單」，而是「在正確的時間、正確的地點，用正確的方式守護用路人的安全」。

事實上，從113年到114年的事故降幅已經證明，科技執法在關鍵路口的設置確實具有嚇阻與導正駕駛行為的效果。但下一步的挑戰在於：如何在維持執法強度的同時，建立一套更細緻的誤判防堵機制。這不只是技術問題，更是一個治理哲學的問題。當我們把一部分的執法權力交給AI時，相對應的課責機制與救濟管道也必須同步升級，否則民眾面對的將是一個「申訴比違規更累」的荒謬困境。

換個角度想，對一般駕駛人來說，收到一張莫名其妙的罰單，第一時間的反應往往是「算了，幾百塊錢繳一繳比較省事」。但這種心態正是科技執法最大的隱憂——當民眾對系統的正確性失去信心，轉而以「花錢消災」的心態來面對交通罰單，那科技執法不僅無法達到教育與導正的效果，反而會變相成為另一種形式的「道路稅」。這絕對不是當初推動科技執法的初衷。

最後，回到最根本的問題：我們究竟需要什麼樣的科技執法？答案或許不是更先進的辨識演算法，也不是更昂貴的攝影設備，而是一套「承認AI會犯錯」的系統設計思維。在AI真正成熟之前，人類駕駛與AI執法者之間的信任關係，需要靠更透明的判讀邏輯、更嚴謹的複核流程、以及更友善的申訴機制來維繫。否則，當每一張罰單背後都可能藏著一個「0與D分不清楚」的烏龍故事時，科技帶來的不是正義，而是另一種形式的折磨。

如果你也曾在收到罰單時感到一頭霧水，不妨多留意罰單上的舉發照片與車牌號碼。下次當你覺得自己被冤枉時，記住——你並不孤單，而且你有權利申訴。唯有更多的民眾願意站出來指出系統的錯誤，我們的科技執法才有可能真正走向「精準」的那一天。

本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。

常見問題 FAQ

台中市科技執法的整體撤銷率到底高不高？

不高。以114年為例，全年舉發約37.3萬件，撤銷189件，撤銷率僅約萬分之五，整體正確率超過99.9%。但問題在於撤銷案件中影像判讀錯誤的占比過高，達到39%至68%。

收到疑似誤判的科技執法罰單該怎麼辦？

可以直接向舉發的警察機關提出申訴，或透過監理機關的裁決櫃檯申請撤銷。申訴時建議檢附行車紀錄器畫面或其他佐證資料，若涉及車牌號碼辨識錯誤，可要求警方比對監理機關的車籍資料進行覆核。

禮讓救護車被科技執法拍到一定會被罰嗎？

不會。只要確實是因避讓救護車而產生的違規行為，經查證屬實後都會撤銷舉發。目前台中市在中國醫藥大學附設醫院周邊已設置智能辨識鏡頭，專門過濾這類案件，民眾也可在收到罰單後主動檢附相關證據申訴。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。