跳至內容

危機應變

如何在發生緊急事件時利用智能手機保命

Google 與緊急救援服務合作,為先遣人員改善位置資訊技術

閱讀時間約需 5 分鐘

「想在某個區域中尋找失蹤人士但無法縮窄搜索範圍,是一件相當棘手的事。」
直升機機師 Christian Steiner

Christian Steiner 是下奧地利阿爾卑斯山的一名救援直升機機師。這個地區景色壯麗,但危機四伏。因為此處是相當熱門的登山、滑翔傘及滑雪地點,所以亦經常發生意外。以往,Christian 前往廣闊的阿爾卑斯山執行救援任務時,都不知道該從「何處」找起,這個問題直到最近才得到解決。

多年來,Christian 只能依賴過時的定位技術,根據距離來電者最近的手機訊號發射站資料判斷來電者的概略位置,但這個概略範圍可能是方圓 100 米至 20 公里不等,因此可能會將 Christian 導向錯誤的山峰,甚至是完全錯誤的山脈。

這個問題不但困擾著像 Christian 這樣的直升機機師,近年來 (具體來說是從手機問世以來) 也一直是緊急救援領域的一大阻礙。透過室內電話撥出的緊急電話可追溯至確實的街道地址,但手機來電則可以來自任何地方。

來電者通常已迷失方向、焦慮不安,亦無法具體描述周遭環境。搜索行動多耗費的任何一分鐘,都有可能導致慘重甚至是致命的結果。

Google 工程師 Garcia Puyol、EENA 的 Benoît Vivier,以及直升機機師 Christian Steiner 的相片。

由左至右:Maria Garcia Puyol、Benoît Vivier 和 Christian Steiner。

Google 工程師 Maria Garcia Puyol 表示:「我一直以為緊急服務人員都能使用這項先進的定位技術。」Maria 負責開發 AndroidAndroid 是由 Google 建立的流動裝置作業系統。目前全球有超過 25 億部裝置 (由超過 1,300 個品牌生產) 採用這個開放原始碼平台。 手機定位服務,盡可能提高「Google 地圖」上的藍點準確度。當 Maria 發現的士或食物外賣公司都能取得定位資料,但緊急服務卻未能取得這類資料,她便下定決心要改變現況。

其他 Google 工程師也共同支持,而 Maria 很快就找到另一個志同道合的夥伴:歐洲緊急電話號碼協會 (EENA)。EENA 十多年來致力讓緊急定位技術更臻完善。他們對歐洲各地的救援準則瞭若指掌,與該領域的多數人員皆有聯繫。

EENA 公共事務負責人 Benôit Vivier 表示:「我覺得自己的付出能拯救生命,這就是我每天早起回辦公室的原因。」雖然過去幾年,某些國家/地區對緊急服務定位技術的準確度作出了改善,但進展緩慢且變化不大。因此,當 EENA 和 Google 發現雙方都想解決同一個問題時,便決定攜手合作。

幾個月後,他們推出了「Android 緊急位置資訊服務」(ELS),超過 99% 的 Android 手機皆可使用。這項技術結合手機訊號發射站三角測量、輔助 GPS 和 Wi-Fi 等資訊,因此相對於大多數國家/地區採用的舊版系統,其定位準確度可提升達 3,000 倍1。在推行 ELS 技術的國家/地區境內,只要使用 Android 手機撥打緊急電話,系統就會自動將座標傳送給緊急服務。換句話說,緊急服務人員能夠直接收到手機中的 ELS 定位資料。

採用 ELS 技術時的搜索半徑範圍

12 米

6 米

未採用 ELS 技術時的搜索半徑範圍

900 米

14 公里

ELS 技術面世前,很多先遣人員在判斷緊急電話撥出地點時,只能根據距離最近的手機訊號發射站位置資訊,因此誤差半徑範圍可達 20 公里。

例子 1

例子 2

「所有參與技術開發的人員,都認為這是過去 30 年來公共安全領域的一大進步。」
EENA 的 Benôit Vivier

Maria 仍記得她的第一個 ELS 成功個案。2017 年 1 月,一名 7 歲的立陶宛男孩 Nojuh 發現父親癲癇症發作,倒臥在客廳。他驚慌失措地拿起父親的手機,打電話給緊急服務。他不知道自己的住址,而根據距離最近的手機訊號發射站資料,亦只能將他的位置鎖定在半徑 14 公里的範圍內。幸好,立陶宛在三個月前已推行 ELS 技術,因此緊急服務接線員順利收到 Nojuh 的定位資料,誤差範圍只有半徑 6 米2。救護車很快前往該地點,將 Nojuh 的父親送到附近醫院治療。

現在,全球五大洲有超過 20 個國家/地區採用 ELS 技術,每天為 2 百萬個緊急電話提供定位資料3。隨著世界各地不斷帶來成功個案,EENA 和 Google 更持續致力拓展及改善這項技術。Maria 表示:「我們希望不要再有人因為所在位置資料不明而去世。」

對於 Christian 來說,雖然他的工作具有風險,但他瞭解新技術可為他和待救援人士節省寶貴的時間,令他倍感安心。Christian 表示:「我從事這份工作最大的動力就是幫助別人,無論他們發生什麼情況,只要我能提供協助,就會盡我所能。」

  • 1 2017 年歐盟 Help112 最終報告
  • 2 ELS 效能可能會因環境、網絡條件、合作夥伴選用的傳輸通訊協定和誤差程度等因素而有所不同。
  • 3 數據來源為 Google 內部資料。

觀看紀錄短片,瞭解團隊如何運用全新的定位技術,搜索在奧地利阿爾卑斯山失蹤的滑翔傘飛行員。

相關故事

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

AI 如何在緊急情況下協助提供預警

AI 如何在緊急情況下協助提供預警

透過一輛單車,協助認知障礙症患者憶起舊日時光

透過一輛單車,協助認知障礙症患者憶起舊日時光

認識運用機器學習拯救全球蜜蜂的團隊

認識運用機器學習拯救全球蜜蜂的團隊

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

AI 如何在緊急情況下協助提供預警

AI 如何在緊急情況下協助提供預警

透過一輛單車,協助認知障礙症患者憶起舊日時光

透過一輛單車,協助認知障礙症患者憶起舊日時光

認識運用機器學習拯救全球蜜蜂的團隊

認識運用機器學習拯救全球蜜蜂的團隊

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

看看這位女性如何運用電單車、血庫和「Google 地圖」拯救性命

AI 如何在緊急情況下協助提供預警

AI 如何在緊急情況下協助提供預警

透過一輛單車,協助認知障礙症患者憶起舊日時光

透過一輛單車,協助認知障礙症患者憶起舊日時光

認識運用機器學習拯救全球蜜蜂的團隊

認識運用機器學習拯救全球蜜蜂的團隊

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

一個部落運用手機和 TensorFlow 打擊亞馬遜的非法伐木行為

回到頁首