「這套系統的辨識準確率是 99%，可以上線了嗎？」——科技執法案子走到系統測試階段，機關承辦人最常問的就是這一句。問題在於，這個問句本身就少了三個條件：99% 是怎麼算的、錯的那 1% 是哪一種錯、以及錯了之後誰擋得住。少了這三個條件，AI 影像辨識的準確率只是一個沒有辦法拿來做決定的數字。
更精確地說：準確率門檻不是技術問題，是風險分配問題。模型的能力決定「錯誤有多少」，但「錯誤要不要流到民眾手上」是由人工複核的分流設計決定的。兩件事分開處理，門檻才訂得出來；混在一起談，就會變成廠商報一個好看的百分比、機關簽收，然後在申訴案件上升時才發現對不上帳。
這篇文章不談規格書的條文怎麼寫——那部分請見科技執法標案規格書怎麼寫裡的準確率四要件（測試條件／樣本／判定基準／複驗機制）。這篇只談三件事：門檻的數字怎麼推算出來、人工複核怎麼分流、抽查比例訂多少才有統計意義。
先把三個被混用的數字拆開
驗收會議上最常見的失焦，是所有人都在討論一個叫「準確率」的數字，但每個人心裡想的都不是同一件事。真正要分開列的是下面三組。
誤判與漏判：代價完全不對等，不能合併成一個數字
誤判（沒有違規卻被判定違規）會造成錯誤舉發，後果是民眾申訴、行政救濟、機關信譽受損，而且每一件都需要人力善後。漏判（確實違規卻沒有被抓到）的後果只是執法效果打折，不會有人因此受害。把兩種錯誤加總成一個「準確率 99%」，等於把代價相差極大的兩件事平均掉——一套誤判 0.1%、漏判 1.9% 的系統，和一套誤判 1.9%、漏判 0.1% 的系統，在紙上準確率一模一樣，實際風險天差地遠。規格書與驗收報告都應該要求兩個數字分開列。
逐字元與逐張：同一份測試結果可以差 5 個百分點
車牌辨識的正確率有兩種算法。逐字元計算是把每個字元分開算對錯；逐張計算是整面車牌全部正確才算對。兩者的換算是乘冪關係：逐字元正確率 99%，套到一面六字元的車牌上，整面全對的機率約為 94.1%（0.99 的 6 次方），也就是每一百面裡有將近六面至少錯一個字。而舉發實務上，車牌錯一個字這張單就是錯的，沒有「錯一半」這種東西。問廠商報的是哪一種，比問數字本身更重要。
辨識與判定：兩層模型，不能共用一個門檻
「認出車牌是哪幾個字」和「判斷這個行為構成哪一條違規」是兩件事，難度也不同。車牌辨識有明確答案、可以逐張對答案；違規態樣判定則牽涉到時間、位置、號誌狀態與行為連續性的綜合認定，主觀成分較高。實務上應該分違規態樣各報一組誤判與漏判：有號誌連動可以佐證的態樣，與需要判讀行為意圖的態樣，本來就不該套用同一個門檻。
還有一個容易被忽略的變因是測試集的組成。日間、晴天、無遮蔽的樣本本來就容易辨識，如果夜間、雨天、逆光、車牌污損或部分遮蔽的樣本只佔測試集的一小部分，平均數字自然會很漂亮。要求分場景列出結果，並且由機關自行提供未經廠商挑選的現地影像複驗，是最省力也最有效的一道防線。整條資料流從影像辨識到紅單寄達各有哪些環節，可對照科技執法一條龍全流程解析逐段檢視。
門檻怎麼訂？從「每月可容忍幾件錯單」回推
不要一開始就問「準確率要幾趴」。這個問法沒有錨點，最後多半是抄別的標案的數字，或是接受廠商建議的數字。可以落地的問法是倒過來走：先確定機關能承受什麼後果，再回推模型要達到什麼水準。
需要先回答的只有三個問題：本機關每月的案件量級距是多少、每月最多可以承受幾件錯誤舉發流到民眾手上、承辦人力每月最多能複核幾件。這三個數字機關手上都有，或至少估得出來，而且都不需要技術背景。
回推的順序
① 可容忍錯單件數 ÷ 月案件量 ＝ 複核後可接受的錯誤率上限
② 複核後錯誤率上限 ÷ （1 － 人工複核攔截率） ＝ 複核前模型誤判率門檻
③ 需複核件數 × 單件複核秒數 ÷ 3600 ＝ 每月複核工時（回頭檢查人力撐不撐得住）
用一組試算把它走一遍。假設某交通隊每月案件量約 10,000 件（各警察機關的實際量體差異很大，我們協力建置的單位落在每月 1,000 至 20,000 件之間），機關評估每月最多可以承受 5 件錯誤舉發，那麼複核後的錯誤率上限就是 0.05%。若人工複核對誤判的攔截率保守估在 95%，模型本身的誤判率門檻大約是 1%——也就是每月會有 100 件誤判案件被送進複核佇列，其中 95 件被攔下、5 件流出。
這組試算真正的價值不在那個 1%，而在於它逼出了兩個平常不會被寫下來的假設：複核攔截率是多少、以及機關對錯單的容忍值是多少。攔截率若只有 80%，同樣要守住每月 5 件，模型誤判率門檻就得壓到 0.25%，難度差了四倍。這個推導過程應該寫進機關的內部評估文件，而不是留在會議室的口頭討論裡。
最容易出錯的一件事：門檻訂在複核前還是複核後
AI 判定在完整的入案流程中只是預審分流，最終舉發與否一律由承辦人員複核裁決。因此對外說明時該講的是複核後的錯誤率，對廠商驗收時該量的是複核前的模型指標。兩個數字混用，會出現兩種典型爭議：機關拿複核後的低錯誤率去驗收，等於把自己人力的功勞算給廠商；或是廠商拿模型指標對外宣稱系統整體錯誤率，一旦有錯單見報就沒有人說得清楚責任在哪一段。合約與對外說帖都要標明每一個百分比是在哪一個環節量的。
人工複核不必全件看：信心值分流的三層設計
把每一件都送人工複核，安全但撐不久；全部信任模型自動放行，快但沒有人擋得住錯誤。實務上可行的中間解，是用模型輸出的信心值設兩道門檻，把案件分成三層，各走各的路。
第一層：高信心 — 進抽查池，不逐件複核
信心值在上界門檻以上的案件，經系統自動彙整後進入舉發流程，僅以固定比例抽查。這一層通常佔案件量的大宗，也是分流設計省下人力的主要來源。
前提：上界門檻必須經過校準驗證，見下方「門檻怎麼定」。
第二層：中信心 — 全件人工複核
落在兩道門檻之間的案件逐件由承辦人員判斷。這一層是誤判攔截的主戰場，介面設計要讓複核者能在同一畫面看到原始影像、辨識結果、信心值與判定依據，減少切換視窗的時間。
單件複核耗時是可量測的驗收指標，也是人力估算的輸入值。
第三層：低信心 — 不進舉發流程
信心值低於下界門檻，或影像品質不足、車牌被遮蔽污損、辨識結果與車籍資料不一致的案件，直接退回或轉人工重新判讀，不進入舉發程序。這一層要記錄退件原因分布，它是攝影機角度、鏡頭髒污或路口環境變化最早的預警訊號。
退件原因若集中在單一路口或單一時段，通常是硬體問題而非模型問題。
兩道門檻該定在哪裡
不要直接採用模型預設值。正確做法是用一批已知答案的歷史樣本，畫出「信心值區間 vs 該區間的實際正確率」的校準曲線，再找出實際正確率穩定達到目標水準的切點作為上界。這一步之所以不能省，是因為模型輸出的信心值本身並不等於機率——信心值 0.95 不代表這件有 95% 是對的，兩者的關係必須用資料量出來。沒有校準就設門檻，等於用一把沒有刻度的尺在量。
另一個實務上的取捨是：上界門檻拉得越高，高信心層越小、越安全，但中信心層會膨脹，複核人力可能直接爆掉。門檻不是越嚴越好，它是一條準確率與人力之間的取捨曲線。因此系統必須把兩道門檻做成後台可調參數，而且每次調整都要留下稽核軌跡：誰調的、什麼時候調的、調整前後各層的案件比例與錯誤率變化。這件事在驗收時要實際操作一次，不能只看規格書寫有支援。這類參數與稽核紀錄同時牽涉權限分級與資料保存，機關若採委外維運，平台端的網站代管責任範圍、備份頻率與存取紀錄保存期限應一併寫進契約。
抽查比例怎麼訂才有統計意義
抽查最常見的誤解，是把它當成「多抓幾件錯的」。實際上高信心層的錯誤本來就稀少，靠抽查去撈個案效率極低。抽查真正的目的是估計高信心層的實際錯誤率——也就是驗證「當初設的上界門檻現在還成不成立」。目的講清楚了，樣本數就有算法。
估計比例所需的樣本數取決於要求的精度，而不是母體有多大（母體遠大於樣本時，母體大小的影響可以忽略）。在 95% 信心水準下的保守估算是 n ≈ 0.25 ÷ 誤差²：
| 要求的估計精度 | 所需樣本數 | 實務意義 |
|---|---|---|
| 正負 5 個百分點 | 約 385 件 | 只能看出大方向，不足以判斷門檻是否需要調整 |
| 正負 3 個百分點 | 約 1,068 件 | 適合上線初期每月的例行監看 |
| 正負 1 個百分點 | 約 2,401 件 | 適合模型改版前後的對照驗證，成本較高 |
把樣本數換算成比例才是可執行的排程。以每月 10,000 件、高信心層佔 70%（7,000 件）為例，要達到正負 3 個百分點的精度，每月要抽 1,068 件，約為高信心層的 15%——這對多數交通隊是不切實際的。務實的做法是分階段：上線前三個月採較高比例（例如高信心層的 10%）建立基準，指標穩定後降到 1% 至 3% 的例行水準，並改用季度累積樣本來取得需要的精度。
抽查比例要自動回升的六個觸發條件
- 模型改版或重新訓練——新版本的信心值分布會位移，舊門檻不一定還適用。
- 攝影機更換、位移或維修後復位——角度差幾度，辨識條件就變了。
- 路口工程或標線重劃——判定違規態樣的參考基準改變。
- 季節性光線變化——日照角度與日落時間隨月份移動，逆光時段會跟著移。
- 申訴或撤銷率上升——外部訊號，通常比內部指標晚，但最不容易自欺。
- 新增違規態樣或新增路口——尚未累積樣本的部分，一律視為新系統重新建立基準。
還有一個常被忽略的細節：抽查必須盲抽。如果介面上把抽查件標示出來，複核人員自然會格外謹慎，估出來的錯誤率就會系統性偏低，失去監看的意義。抽查結果至少要記錄三欄——抽查件數、判定不成立件數、推估錯誤率與信賴區間——並且逐月留存，才能看出趨勢而不是只看單月數字。
上線後要盯的五個數字與複核人力試算
系統驗收通過只是起點。門檻與分流設計是活的，路口環境、車流結構與模型版本都會變，因此需要一組固定的月報指標。建議固定看下面五個。
每月固定監看的五項指標
- 三層分流比例：高／中／低信心層各佔多少。比例明顯位移，通常代表現場條件或模型版本變了。
- 高信心層抽查推估錯誤率：附信賴區間。這是上界門檻是否仍成立的直接證據。
- 中信心層複核推翻率：人工把 AI 判定改掉的比例。推翻率長期偏低，代表這一層其實可以往高信心層挪，省下人力。
- 低信心層退件原因分布：集中在特定路口或時段，優先查硬體與環境，不要急著調模型。
- 舉發後的申訴與撤銷率：從外部驗證整套設計的指標，但有數週到數月的延遲，不能拿來當即時控制訊號。
人力面則用一條算式就能估。以前面的例子推算：每月 10,000 件、需全件複核的中信心層佔 30%（3,000 件），單件複核以 30 秒計，等於每月 25 小時；再加上抽查 1% 的高信心層（70 件）約 0.6 小時。相比傳統人工逐案登打的每件 5 至 10 分鐘，同樣的案件量差距是數量級的。這條算式也是談 SLA 與人力編制時最有說服力的依據——它把「要不要導入」從感覺變成可以算的帳。
最後補一個上線節奏的建議：不要直接切換，要設並行期。讓新系統與既有作業對同一批案件各跑一次，比對雙方判定的差異件，差異率收斂之後再正式切換。並行期通常一到三個月，看起來多花人力，但這是少數能在真實案件上驗證門檻與分流設計的機會，比測試環境跑出來的數據可靠得多。多模型交叉驗證與高可用架構的技術背景，可另參2026 科技執法趨勢解析。
瑪尼國際深耕資訊服務 20 年、服務逾 500 家企業，並以協力廠商身分參與新竹市、新竹縣、宜蘭縣、苗栗縣、新北市、金門警察局交通隊及鐵路警察局台北分局的入案系統建置與維運。機關若正在評估準確率門檻該怎麼訂、複核分流的參數該怎麼設，或想估算導入後的複核人力，我們可以依實際路口條件與月案件量提供技術說明。從 AI 辨識、複核介面、M3 資料界接到後端主機維運都在同一個技術體系內完成，是一條龍服務對機關最實際的價值；成效公開專區與宣導頁面的網頁設計也可一併納入同一案處理。系統的完整技術規格與資安設計，請見智慧警政科技執法系統方案頁。
常見問題
Q：科技執法的 AI 影像辨識誤判率要低到多少才能上線？
沒有一個放諸各機關皆準的數字，因為門檻要從機關自己可以承受的後果回推，而不是從技術規格挑一個好看的百分比。建議的算法是先問三個問題：本機關每月案件量級距多少、每月最多可以承受幾件錯誤舉發流到民眾手上、承辦人力每月最多能複核幾件。把可容忍的錯單件數除以月案件量，得到的就是複核後可接受的錯誤率上限；再依人工複核的攔截能力往前推，才會得到模型本身的誤判率門檻。特別要注意門檻是訂在複核前還是複核後，兩者差距很大：AI 判定在完整的入案流程中只是預審分流，最終舉發與否由承辦人員複核裁決，所以對外承諾的是複核後的錯誤率，對廠商驗收的則是複核前的模型指標，兩個數字不能混用。
Q：科技執法系統的人工複核，一定要每一件都看嗎？抽查比例怎麼訂？
不一定要全件複核，但要用信心值分層，而不是憑感覺放行。實務上的做法是設兩道門檻把案件分成三層：高信心層進入抽查池、中信心層全件人工複核、低信心層不進舉發流程直接退回或轉人工重判。抽查的目的是估計高信心層的實際錯誤率，不是把每一件錯的都抓出來，所以樣本數取決於要求的估計精度而非母體大小。在 95% 信心水準下，若要把錯誤率的估計誤差控制在正負三個百分點，樣本數約需一千件出頭；要控制在正負一個百分點，樣本數則要兩千四百件左右。建議上線前三個月採高比例抽查，指標穩定後再降低，並保留模型改版、攝影機更換或位移、路口工程與申訴率上升時自動回升抽查比例的機制。抽查必須盲抽，抽出的案件不要在介面上標示為抽查件，否則複核人員會特別謹慎，估計值就失真了。
Q：廠商說 AI 車牌辨識準確率 99%，這個科技執法數字要怎麼判斷好不好？
先追問三件事，數字才有意義。第一是計算單位：逐字元計算與逐張車牌整面計算差很多，若逐字元正確率為 99%，一面六字元車牌要全部正確的機率約為 94.1%，等於每一百面就有將近六面至少錯一個字。第二是誤判與漏判的組成：把兩種錯誤合併成一個準確率會掩蓋真正的風險，沒違規卻被判違規的誤判會造成錯誤舉發與行政救濟，違規沒被抓到的漏判只是執法效果打折，兩者代價並不對等，必須分開列出。第三是測試場景的組成：日間標準場景本來就容易，夜間、雨天、逆光、車牌污損或遮蔽的樣本若只佔測試集的一小部分，平均數字會被稀釋得很好看。要求廠商分場景、分違規態樣列出誤判與漏判兩個數字，並以機關自行提供、未經廠商挑選的現地影像複驗，比追問一個總平均百分比有用得多。