根据市警局资料,台北市自2020年推动科技执法以来,起初全年取缔件数仅约2.6万件,至去(2024年)已飙升至36.5万件,今年更可能突破70万件,后端行政与审核机制却跟不上执法规模的快速扩张。

曾献莹说明,科技执法并非「机器自动开单」这么简单。实际上,设备拍摄特定违规画面(如闯红灯、违规变换车道等)后,依行政区分类上传至警察局云端,再由各分局交通大队下载、逐笔确认是否违规属实,制作举发单后交由裁决所处分并寄发罚锾,且因涉及财产权益,每一笔罚单皆须由员警亲自确认签名,日后若民众申诉,也由该警员说明开罚理由,开单责任与审核工作最终仍落在基层警员身上。

曾献莹以大安分局为例,辖内共有29处科技执法设点,全年预估将开出逾11万件罚单,但负责处理这些案件的交警仅有7人,除了审查影像与制单,还需轮值外勤、处理交通事故及申诉案件;若每件需1至2分钟审查,每人每年将多出逾400小时行政工作负担,只能靠下班或牺牲休息时间完成,长期下来对员警身心造成极大负荷。

推荐新闻:把握好天气!今起雨势趋缓、高温回升 下周恐又有台风袭来

北市科技执法量暴增,基层警须逐笔审核影像、制作罚单。警方提供
北市科技执法量暴增,基层警须逐笔审核影像、制作罚单。警方提供

他建议,北市府全面检讨流程,加速导入AI技术进行影像初判,将明确违规与争议案件分流,人工资源应集中处理真正需要判断的部分,提升整体效率。同时,应依历史资料分类违规类型,对出错率高或争议大的案件保留人工审查,并将判读结果用于AI训练,强化系统判断能力;至于正确率高、稳定性佳的违规类型,可考虑简化确认程序,改由AI直接开单,并保留民众申诉机制,让AI持续从申诉结果中学习优化。

最后,曾献莹强调,针对取缔量特别密集的分局,北市府更应同步检讨人力配置,适度增派行政支援或调整编制,让制度设计与人力调度同步升级,才能真正实现「科技减压、智慧执法」的政策目标。

议员批科技执法成「不眠电子检举魔人」,压垮警员身心。示意图/云林县警局提供
议员批科技执法成「不眠电子检举魔人」,压垮警员身心。示意图/云林县警局提供

點擊閱讀下一則新聞 點擊閱讀下一則新聞
大S骤逝母走不出阴影 权威精神科医揭「丧亲9大哀伤反应」!这些状况得求救