60 日車隊風險趨勢
每日 Risk Score 與 7 日移動平均
每日風險7 日移動平均
DriveTrust AI
風險分布
目前車隊風險等級
優先處理車輛
依最新風險排序，最多顯示五台
| Vehicle | Risk | Level | 30D Trend | Critical | Primary Factor |
|---|---|---|---|---|---|
近期 Critical Events
直接進入 AI、TDX 與 Evidence 調查
證據健康狀態
每日 Merkle Root 與 Blockchain Anchor 摘要
車隊風險
搜尋、篩選並比較十台車輛的長期 Risk Score 與事件頻率。
Fleet Vehicles
10 vehicles · Aug–Sep 2026
風險事件
依車輛、日期與風險條件調查 OBD、AI、TDX 與 Evidence。
風險分析
比較長期趨勢、風險分布與道路情境偏離。
60 日風險趨勢
Daily Risk 與 7-day moving average
車隊風險分布
Current portfolio
TDX 情境訊號
相同速度在不同交通情境下不應得到相同風險。
模型效能與限制
呈現實際測試指標、特徵重要性、資料組成與 PoC 使用邊界。
使用限制
目前實車資料量有限，部分長期資料由合成情境擴充。AI 風險評分屬決策輔助，不應單獨作為法律責任、裁罰、保費或保險詐欺認定依據。
- 合成資料不冒充實車資料
- Scenario timestamp 不取代原始時間
- Original Hash 不驗證映射後情境
- 沒有產生假的鏈上交易
證據完整性
以 Merkle Proof、每日 Root 與 Blockchain receipt 驗證資料錨定後的完整性。
每日證據錨點
61-day calendar timeline
Root Registry
Daily Merkle Roots and read-only receipts
| 日期 | Leafs | 車輛 | 證據類型 | Root | 錨定 | 區塊 | 查看詳情 |
|---|---|---|---|---|---|---|---|
方法與資料來源
DriveTrust AI 如何把 OBD-II、TDX、AI 判斷與可驗證證據串成同一條決策鏈。
問題
相同車速在不同道路與交通情境下可能代表不同風險。系統先評估行為，再保留可追溯的資料承諾。
系統架構
原始證據時間、道路情境與分析證據分層處理
OBD-IIOriginal telemetry
Timestamp + GPSEpoch time retained
Road / VD MatchSpatial candidate
TDX HistoricalCredential-gated API
Temporal AlignmentDataCollectTime
Context FeaturesMatched values only
AI Risk EngineOBD + available context
Analysis HashDerived record
Evidence AnchorMerkle + receipt
時間基準：2026/08–09 僅為競賽情境時間；Historical TDX 查詢使用原始 OBD epoch 換算的 2024/09/25 台灣時間。只有通過時空門檻的資料才會標示 REAL TDX。
AI Pipeline
- 以 trip 為建模單位整合 OBD-II 與道路情境。
- 輸出標準化 Risk Score、Risk Level 與局部 attribution。
- 使用 chronological holdout 評估，不以 test 結果重新選模。
Evidence Chain
- 每筆 canonical record 建立 SHA-256 leaf。
- 每日事件承諾聚合為 Daily Merkle Root。
- Root 寫入 Ganache PoC chain，前端只讀 receipt。
Data Provenance
來源類型在模型、事件與證據頁一致揭露
限制
目前為 Synthetic-assisted PoC。Risk Score 僅供決策輔助，不應單獨作為法律責任、交通裁罰、保費、拒賠或詐欺認定依據。