• 在这个项目中，我们旨在开发一个人工智能升降机和自动梯检查计划系统，以“风险为基础”的排序方法优化升降机和自动梯检查工作，以致其相关执法和规管更有效率。
• 这个系统应能基于大数据来预测最有效的升降机和自动扶梯 (L&E) 检查排序，以维持 L&E 检查的最大效率并保持香港升降机和自动扶梯的安全性，而无需大幅增加人力。

项目挑战：

1. 处理机电署 (EMSD) 从各种现有平台以不同格式获得的大数据；提供的大部分数据包括L&E的规格资讯，L&E与已注册的升降机/自动梯承办商(RC)、注册升降机/自动梯工程师(RE)、注册工程人员(RW)等之间的关系以及各方的过往表现数据 (请注意，此项目将不会应用任何感测器数据)；
2. 有限的历史数据供 AI 模型学习规则；
3. 协助 EMSD 进行特征筛选、风险等级标记和验证风险排名。

1. 一个基于大数据能够准确对升降机/自动扶梯 (L/E) 的风险进行排序的推荐引擎;
2. 用于将更新的大数据传送到推荐引擎的连接管道和转换框架；
3. 该系统应能够根据已执行的检查结果以及事故数据库、发出的警告信等各种大数据来完善排名;
4. 该系统应能将排名输出到其他系统以供进一步处理;
5. 95%或以上的准确度。