台风天停电，很多时候不是电塔倒了，是树倒在电线上。Overstory 用卫星与航照影像加上 AI，告诉电力公司哪一段线路旁的植被最危险、该先修哪里，把「按周期全线修剪」换成「按风险排序」。
功能特色与适用场景
系统分析卫星与空拍影像，辨识植被高度、生长速度与距离线路的间距，再结合资产位置、野火风险图与地形资料，产出风险优先排序。介面同时有桌面版与行动版仪表板，让办公室规划者与现场班组看同一份资料，并提供 SAIDI（系统平均停电持续时间指标）的影响分析，把修剪决策直接连到停电时数。客户包含北美前十大电力公司中的六家，以及美洲与欧洲的多家业者。
适合电力公司的资产维护、线路维运与野火风险管理部门。台湾的情境不太一样——我们没有加州那种大规模野火，但每年台风与豪雨造成的树木倒伏停电是实实在在的痛。台电与各地方的线路维护若能用类似逻辑排序，资源会用得更准。这类工具的门槛不在技术，在於单位有没有把树当成需要管理的资产。
主要功能
- 卫星与航照影像的植被风险 AI 分析
- 依风险排序的修剪工单优先级
- 结合资产位置、野火图与地形资料
- 桌面与行动端仪表板
- SAIDI 停电指标影响分析
常见用途
- 配电线路植被修剪排程
- 野火与台风前的风险热点盘点
- 维护预算配置与成效追踪
- 供电可靠度指标改善
主要功能
- 卫星与航照影像的植被风险 AI 分析
- 依风险排序的修剪工单优先级
- 结合资产位置、野火图与地形资料
- 桌面与行动端仪表板
- SAIDI 停电指标影响分析
优点
- 把周期性修剪换成风险导向，同样预算能降更多停电
- 大型电力公司实际采用，不是概念验证
- 资料可直接连到监理单位在意的可靠度指标
缺点
- 服务对象是电力事业，一般企业用不到
- 台湾尚无公开导入案例，本地图资与树种适配需验证
- 定价须洽询，属企业级专案
使用场景
- 配电线路植被修剪排程
- 野火与台风前的风险热点盘点
- 维护预算配置与成效追踪
- 供电可靠度指标改善
编辑点评
全线修剪最公平，也最浪费。把有限的班组派去真正危险的那几公里，这才是资料该做的事。
常见问题
台湾的线路密度跟美国差很多，还适用吗？
演算法的核心是植被与线路的空间关系，原理通用，但台湾的树种、地形与线路密度都不同，模型需要在地资料校正。合理的做法是先在单一区处做小范围试点验证准确度。
卫星影像的解析度够看到单棵树吗？
Overstory 混用卫星与航照等多来源影像，不同区域可取得的解析度不一。评估时要问清楚你的服务区实际能取得什么等级的影像，以及更新频率多快——频率往往比解析度更关键。