CN112804278A - 一种基于影像辨识的交通路况车联网*** - Google Patents
一种基于影像辨识的交通路况车联网*** Download PDFInfo
- Publication number
- CN112804278A CN112804278A CN201911111593.8A CN201911111593A CN112804278A CN 112804278 A CN112804278 A CN 112804278A CN 201911111593 A CN201911111593 A CN 201911111593A CN 112804278 A CN112804278 A CN 112804278A
- Authority
- CN
- China
- Prior art keywords
- road condition
- vehicle
- information
- condition
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006855 networking Effects 0.000 title claims abstract description 10
- 230000003068 static effect Effects 0.000 claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 55
- 230000001133 acceleration Effects 0.000 claims description 23
- 238000010191 image analysis Methods 0.000 claims description 17
- 230000010354 integration Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 16
- 238000002790 cross-validation Methods 0.000 abstract description 14
- 238000000034 method Methods 0.000 abstract description 9
- 238000010276 construction Methods 0.000 description 12
- 206010039203 Road traffic accident Diseases 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- BXNJHAXVSOCGBA-UHFFFAOYSA-N Harmine Chemical compound N1=CC=C2C3=CC=C(OC)C=C3NC2=C1C BXNJHAXVSOCGBA-UHFFFAOYSA-N 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明揭露一种基于影像辨识的交通路况车联网***,具有多个车载装置、与一后端平台;主要应用边缘计算概念,将行车影像中路况辨识的任务交付予各车载装置,各车载装置撷取行车影像,分析其所见的交通路况信息,并将信息区分为「静态易察觉信息」、「动态易察觉信息」及「静态不易察觉信息」,并透过无线传输提交至后端平台,所述后端平台主要功能是以交叉验证机制,确认交通路况信息的有效性,再辅以动态预测机制,建立交通路况地图,并将交通路况信息依据各驾驶人位置传递给各车载装置,提点各驾驶人,供驾驶人参考注意,进而形成一低带宽、自动化的路况车联网。
Description
技术领域
本发明涉及车辆领域,特别是有关一种基于影像辨识的交通路况车联网***。
背景技术
随着车用电子设备的普及化,越来越多的电子设备应用在协助驾驶人,例如最常见的卫星导航***,是透过全球卫星定位(GPS)以及地图信息***,以语音及地图协同呈现的方式引导驾驶人,依循路径指示驾驶达到输入的目的地。除此外,越来越多车辆也配置多个镜头、感应装置、以及程控的方式,达到警示车距、自动停车、甚至自动驾驶的目的。然而,在道路上交通状况难测,因此,传统的交通电台广播的方式仍然是许多驾驶赖以获知交通路况的信息来源。
一般来说,驾驶人在驾驶时主要是依赖视觉***,辨识其所能见的交通路况,以作出合适的行车决策。为了方便分析,一般可将交通路况信息相对于驾驶人的关系分为三类:第一类为「易察觉信息」,是属于在驾驶人可视范围内,且驾驶人可直接在行车决策时所使用的路况信息,例如正前方的车辆,以及与前车的距离;第二类为「不易察觉信息」,是属于在驾驶人可视范围内,但驾驶人无法自知的路况信息,因此为驾驶人无法直接在行车决策时所使用的路况信息,例如驾驶人无法预测的前方的公共汽车是否即将变换车道、或右左转等;第三类为「不可察觉信息」,是属于不在驾驶人可视范围内的路况信息,例如驾驶人前方500公尺因道路施工而缩减车道。此外,各类信息又可细分为动态信息及静态信息,意即该路况的所在地是否会随时间而改变其位置,例如道路施工、事故属静态信息,而行进中的脚踏车、高速公路扫街车、以及紧急救难车辆(例如救护车、消防车)的所在位置则属动态信息。
现有警示***,例如碰撞警示及完全主动刹车***(Collision Warning withFull Auto Brake,CWFAB)、自动避撞设计(Automatic Collision Avoidance System,ACAS)、盲点警示***(Blind Spot Information System,BSIS)、以及车道保持辅助***(Lane keeping assistance system,LKAS)等***的运作,是透过感应与自动控制方式防止驾驶人未注意周边路况的警示作用。同样地,专利申请案105134417号所揭露的技术,也同样属于防止驾驶人因分心而未注意周边路况,危害行车安全,而提出的预警方案。换句话说,这些警示***所提供的皆属上述第一类「易察觉信息」。然而,对一个行为合格且注重安全的谨慎驾驶人而言,这些技术或装置所提供的「易察觉信息」所能增进行车的安全性在驾驶人执行其行车决策时相对较小的。
在现有行车环境中,前述第二类的「不易察觉信息」多半必须仰赖其他驾驶人提供,例如前方的驾驶是透过方向灯来警示后方的驾驶人即将有行车动态的改变。被警示的驾驶人获取这种「不易察觉信息」是被动的,以车辆转弯为例,倘若前方驾驶人的驾驶行为不良,未正确使用方向灯,或方向灯无法明确指出转弯意图,后方的驾驶人就容易陷入危险。虽然专利申请案104126916号所揭露的技术,可提示驾驶人需特别留意前方驾驶的动向,却未能提供明确的「不易察觉信息」。
至于不在可视范围内的属于第三类的「不可察觉信息」则需仰赖第三方(其他驾驶人、路人、施工单位等)的提供并传递。从信息流的参与者来区分,可区分为信息提供方及信息传递方。举例来说,前述的广播电台,例如警察广播电台或交通广播电台即属信息传递方;相对地,以电话通报交通事故及路况的热心民众则为信息提供方。然而,这类型的信息流通或通报方式主要有以下缺点,其一是以人力做为信息提供方,容易造成信息通报的延迟或失误,例如延迟通报、详确位置不明等缺失;其二是信息传递方无信息收集的主动性,且条列式的大量无差别性的信息播报方式,也不免降低信息传递与接收的效率。
再者,如前所述,拜科技进步所赐,市场上也有许多扮演主动式信息传递方的装置,可过滤所有交通信息,并仅警示与驾驶人相关的交通路况信息,如Garmin Connect、Waze等。这些装置搭配专利申请案106121909号所揭露的技术,确实可成为有效的预警***,但仍无法解决以人力做为信息提供方所产生的问题。
另外,在专利申请案104128876号所揭露的技术中,系将行车影像实时上传,并由后方车辆接收,使得后方驾驶人可直接看见前方车辆驾驶人所见影像。然而,该技术方案的影像串流会造成占用大量带宽,且所用装置本身即为容易导致驾驶人分心的视觉装置,因此其潜在因分心而造成交通事故的危险性也不容忽视。
另,专利申请案100146222号所揭露的技术则是借着分析行车动态感测数据以辨识特定路况事件,再透过无线传输至一后台数据库,进行数据汇整及更新,用以警示与驾驶人相关的特定路况事件。然而,该揭露技术并无法提供详确的行车路况信息,其主要原因是在于该技术所分析的行车动态是前方驾驶人因某事件所做出的反应,例如因前方车速降低而煞车、因前方车道上有施工而切换车道闪避等,而分析其反应并无法反向推得明确的路况信息,例如切换车道闪避的肇因可能为道路施工,也可能为行为不当的脚踏车行人,因此仅透过分析该车辆的行车动态信息无法确定其造成该行车动态的路况原因,也导致无法警示驾驶确切的交通路况信息。尤有甚者,当所面对的是动态路况,例如有狗或野生动物误闯高速公路时,驾驶人的行车反应也会随着移动性的动态路况,例如狗的位置而改变,还是限制了可辨识路况的种类。此外,因为该揭露技术中同一车辆无法重复辨识相同事件,导致该揭露技术需倚靠多个车辆重复地验证所得的信息,因此也降低了***运作效率,无法提供充裕的路况信息,难以推动其发展。
随着物联网(Internet of Things)技术的逐步开发,相同的概念也可应用于建置一交通路况车联网,主要是透过分散性的布建,例如,透过路口监视器做为交通路况信息来源;然而,像这类「固定式来源」的交通路况车联网,仅能以相对稀疏来源来取得相等稀疏的交通路况信息,并无法达到「以稀疏来源取得稠密信息」的关键原则来达到建构一有效且实时信息分享的交通路况***。究其原因,其主要关键在于固定式的路况信息来源,无论布建如何密集跟广泛,还是比不上透过交通路况信息来源端的移动来取得稠密信息。目前在市场上所提出的技术皆尚无法达此关键要求。因此,虽然在概念上具吸引力,习知技术却尚未提出实际技术来达到有效交通路况车联网的目的。
发明内容
鉴于上述习知技术的不足,本发明的主要目的是提供一种基于影像辨识的交通路况车联网***,透过交通路况信息来源端的移动来取得稠密信息,以达到「以稀疏来源取得稠密信息」的关键原则。
本发明的又一目的是一种基于影像辨识的交通路况车联网***,具有车载装置与后端平台,主要应用边缘计算(edge computing)概念,将行车影像中,交通路况辨识的任务交付予各车载装置,各车载装置撷取行车影像,分析其所见的交通路况信息,并将信息区分为「静态易察觉信息」、「动态易察觉信息」及「静态不易察觉信息」,并透过无线传输提交至后端平台,该后端平台主要功能是以交叉验证机制,确认交通路况信息的有效性,再辅以动态预测机制,建立交通路况地图,并将交通路况信息依据各驾驶人位置传递给各车载装置,提点各驾驶人,供驾驶人参考注意,进而形成一低带宽(low bandwidth)、自动化的路况车联网。
本发明的再一目的是提供一种基于影像辨识的交通路况车联网***,具有一后端平台,该后端平台的交叉验证机制能够透过重复接收相同地点的事件,确认该地点是否确有交通路况,再参考所建立的路况地图,以决定新增、更新或解除路况地图上标示的静态交通路况信息;或调整动态交通路况信息的预测条件,并更新其预测的未来位置,以作预警。
本发明的实施例揭露一种基于影像辨识的交通路况车联网***,包含:至少一个车载装置(in-vehicle device)和一后端平台(backend platform),每个车载装置都是用于撷取多个路况影像、处理所撷取的该路况影像以决定相关的路况信息、将该路况信息以原始路况的方式传递至该后端平台;该后端平台整合从每个车载装置传来的该原始路况以成为已确认路况,并根据每一个车载装置的所在位置将整合后的已确认路况转发到相关的车载装置;其中,该车载装置还包括:一视觉模块(visual module),用于撷取多个路况影像、以及处理所撷取的该路况影像以决定相关的路况信息;一车况模块(vehiclecondition module),以提供一GPS定位、一实时时间戳、车速等其他车况相关信息、以及根据该等车况信息而获得的最佳加、减速度及平均加、减速度等行车信息;一警示模块(alarmmodule),用于接收一警示事件并发出一警示讯号;一装置储存模块(device storagemodule),用于储存该车载装置内各模块的数据;以及一控制模块(control module),分别连接到该视觉模块、该车况模块、该警示模块、以及该储存模块,并用于控制该车载装置的运作与该后端平台之间的数据传递;该后端平台还包括:一数据传输模块(datatransmission module),用于依据来自各车载装置的请求而提供所需的数据;一路况处理模块(traffic condition processing module),用于接收并处理来自各车载装置所提交的各原始路况,且将处理结果的已确认路况依据各车载装置的GPS位置传递相关车况至该车载装置;以及一平台储存模块(platform storage module),用于储存该后端平台各模块的数据。
在一较佳实施例中,该视觉模块还包括:一影像撷取单元(image capture unit),用于撷取一连串的多个连续影像;一实时影像分析与路况信息辨识单元(real-time imageanalysis and traffic condition identification unit),连接于该影像撷取单元,用于接收并分析该撷取的多个连续影像,以辨识出影像中所包含的路况信息;以及一路况提交单元(traffic condition filing unit),连接于该实时影像分析与路况信息辨识单元,用于确认所辨识出的该路况信息。
在一较佳实施例中,该车况模块还包含一GPS单元(GPS unit),以提供该GPS定位;一时钟单元(clock unit),以提供该实时时间戳;至少一传感器单元(sensor unit),以提供至少一车况信息;其中该车况信息至少包含一车速信息;以及一车况分析单元(vehiclecondition analysis unit),该车况分析单元可分析该等车况信息,计算而获得最佳加、减速度及平均加、减速度等行车信息,并将该等行车信息存至该装置储存模块。
在一较佳实施例中,该警示模块还包含至少一声音警示单元(audio alarm unit)和/或一影像警示单元(visual alarm unit);用于接收一警示事件并发出一警示讯号,该警示讯号可为声音警示讯号和/或影像警示讯号。
在一较佳实施例中,该装置储存模块储存至少一已确认路况地图、一固定路线车辆的路线和停靠数据、以及至少一紧急车辆的位置信息;且该紧急车辆的位置信息是以动态、不可察觉信息呈现于车载装置。
在一较佳实施例中,该控制模块还包含:一事件处理单元(event handlingunit),连接于该视觉模块,以接收并处理来自该视觉模块的数据请求事件、以及路况提交事件;一路况处理单元(traffic condition handling unit),连接于该事件处理单元、该车况模块与该装置储存模块,以接收路况,并依据自身车况决定是否传输一警示事件至该警示模块;以及一数据网关单元(data gateway unit),连接于该事件处理单元、该装置储存模块、并与该后端平台进行数据的存取,以响应数据给该数据请求事件。
在一较佳实施例中,该数据传输模块还包含:一数据请求接收单元(data requestreceiving unit),用于接收来自各车载装置的数据请求;一数据请求处理单元(datarequest handling unit),连接于该数据请求接收单元,以用于处理该数据请求;以及一数据提点单元(data relay unit),连接于该数据请求处理单元,以将该数据提点给各车载装置。
在一较佳实施例中,该路况处理模块还包含:一路况整合单元(trafficcondition consolidation unit),用于接收来自各车载装置所提交的各个路况,并将所提交的路况与储存于该平台储存模块的一原始路况地图里的各原始路况整合;一路况位置预测单元(traffic condition location prediction unit),连接于该路况整合单元并针对各路况预测该路况在不同未来时间点的可能位置;一原始路况地图更新单元(raw trafficcondition map update unit),是连接该路况位置预测单元以将所预测的路况的未来可能位置更新至该原始路况地图;一路况信心量测单元(traffic condition confidencemeasurement unit),连接于该原始路况地图更新单元以计算各路况的信心度;一已确认路况地图更新单元(confirmed traffic condition map update unit),连接该路况信心量测单元,以将信心度高于一门坎值的路况更新至一已确认路况地图;以及一路况提点单元(traffic condition relay unit),连接于该已确认路况地图更新单元,以将已确认路况地图内的各路况依据各车载装置的GPS位置传递相关车况至该车载装置。
在一较佳实施例中,该路况位置预测单元所预测的路况包含静态路况及动态路况,皆经由该路况位置预测单元处理后,再交由该原始路况地图更新单元。
在一较佳实施例中,该路况位置预测单元所预测的静态路况视为动态路况的特例,将静态路况的未来预测位置皆设为该路况的一初始位置。
在一较佳实施例中,该平台储存模块是至少储存一原始路况地图以及一已确认路况地图,分别包含各原始路况、以及各已确认路况。
在一较佳实施例中,该平台储存模块是至少储存一固定路线车辆的路线和停靠数据、以及至少一动态路况的历史预测条件,该动态路况的历史预测条件是供该路况位置预测单元使用。
在一较佳实施例中,该动态路况至少包括紧急救难车辆位置、脚踏车位置、砂石车位置,且其储存的历史预测条件至少包括紧急救难车辆在某时间某路段的时速。
透过本发明的一种基于影像辨识的交通路况车联网***的丰富路况信息,驾驶人得以作最佳的行车决策,进而增进行车安全。如在一般道路上,驾驶人除可得知前方可视范围外的路况信息,也可得知前方固定路线车辆如公交车等的可能动态,使驾驶人在前车以方向灯提示之前,即可得知其动态,转被动为主动;还可通过后端平台的动态预测机制,取得将遇紧急救难车辆的事前提醒,适当避让以增进社会福祉。此外,于狭窄道路或极弯曲道路上,在前视状况不佳情境下,驾驶人也可藉动态预测机制,取得将与对向来车相会的信息,避免不当的超车决策。
附图说明
图1为本发明的基于影像辨识的交通路况车联网***的示意图;
图2所示为本发明的基于影像辨识的交通路况车联网***的车载装置的结构示意图;
图3所示为本发明的基于影像辨识的交通路况车联网***的后端平台的结构示意图;
图4所示为本发明的基于影像辨识的交通路况车联网***的车载装置的细部结构示意图;
图5所示为本发明的基于影像辨识的交通路况车联网***的后端平台的结构示意图;
图6所示为本发明的基于影像辨识的交通路况车联网***,实际于道路上多台车辆中运作的示意图;以及
图7所示为以公交车为例,说明车载装置如何判定第二类的静态不易察觉信息并警示驾驶人的示意图。
附图标记说明:
100-车载装置;110-视觉模块;111-影像撷取单元;112-实时影像分析与路况信息辨识单元;113-路况提交单元;120-车况模块;121-GPS单元;122-时钟单元;123-传感器单元;121-车况分析单元;130-警示模块;140-装置储存模块;150-控制模块;151-事件处理单元;152-路况处理单元;153-数据网关单元;200-后端平台;210-数据传输模块;211-数据请求接收单元;212-数据请求处理单元;213-数据提点单元;220-路况处理模块;221-路况整合单元;222-路况位置预测单元;223-原始路况地图更新单元;224-路况信心量测单元;225-已确认路况地图更新单元;226-路况提点单元;230-平台储存模块;10-事故路况;20-紧急救难车辆;21、22-紧急救难车辆预测位置;30、31、32、33、34-车辆;40、41、42、43、44、45-路况信息;50、51、52-路况信息。
具体实施方式
以下是通过特定的具体实施例说明本发明的实施方式,熟悉此技艺的人士可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。本发明也可通过其他不同的具体实例加以施行或应用,本发明说明书中的各项细节也可基于不同观点与应用在不悖离本发明的精神下进行各种修饰与变更。
须知,本说明书所附图式绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技艺的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应落在本发明所揭示的技术内容得能涵盖的范围内。
参考图1、图2、图3;图1为本发明的基于影像辨识的交通路况车联网***的示意图;图2所示为本发明的基于影像辨识的交通路况车联网***的车载装置的结构示意图;图3所示为本发明的基于影像辨识的交通路况车联网***的后端平台的结构示意图。如图1、图2、图3所示,本发明的基于影像辨识的交通路况车联网***包含:至少一个车载装置(in-vehicle device)100和一后端平台(backend platform)200,每个车载装置100都是用于撷取多个路况影像、处理所撷取的该路况影像以决定相关的路况信息、将该路况信息以原始路况的方式传递至该后端平台200;该后端平台200整合从每个车载装置100传来的该原始路况以成为已确认路况,并根据每一个车载装置100的所在位置将整合后的已确认路况转发到相关的车载装置100;其中,该车载装置100还包括:一视觉模块(visual module)110,用于撷取多个路况影像、以及处理所撷取的该路况影像以决定相关的路况信息;一车况模块(vehicle condition module),以提供一GPS定位、一实时时间戳、车速等其他车况相关信息、以及根据该等车况信息而获得的最佳加、减速度及平均加、减速度等行车信息;一警示模块(alarm module)130,用于接收一警示事件并发出一警示讯号;一装置储存模块(device storage module)140,用于储存该车载装置100内各模块的数据;以及一控制模块(control module)150,分别连接到该视觉模块110、该车况模块120、该警示模块130、以及该储存模块140,并用于控制该车载装置100的运作与该后端平台200之间的数据传递;该后端平台200还包括:一数据传输模块(data transmission module)210,用于依据来自各车载装置100的请求而提供所需的数据;一路况处理模块(traffic condition processingmodule)220,用于接收并处理来自各车载装置100所提交的各原始路况,且将处理结果的已确认路况依据各车载装置100的GPS位置传递相关路况至该车载装置100;以及一平台储存模块(platform storage module)230,用于储存该后端平台200各模块的数据。
如前所述,在本发明中将交通路况信息进行分类,将其区分为第一类的「易察觉信息」、第二类的「不易察觉信息」及第三类的「不可察觉信息」;其中,该第一类「易察觉信息」是指在驾驶人可视范围内,且可自知的交通路况信息;该第二类的「不易察觉信息」是指在驾驶人可视范围内,但其不自知的交通路况信息;该第三类的「不可察觉信息」则是指在驾驶人可视范围外的交通路况信息。更进一步地,各类信息又可依其所在位置是否随时间而改变,再细分为静态与动态信息。
如驾驶人可视范围内的事故、道路施工等信息皆属第一类的「易察觉信息」,又因其发生位置不随时间而改变,故为「静态的易察觉信息」;而驾驶人可视范围内的前车动态则属第二类的「不易察觉信息」,又因其位置会随时间而改变,故为「动态的不易察觉信息」;而驾驶人前方500公尺的可视范围外的(动、静态)交通信息,则属第三类「(动、静态)不可察觉信息」。例如,前述的「静态易察觉信息」可包含事故、道路施工等,但不限于此;「动态易察觉信息」可包含行驶中的车辆的位置,如救护车、消防车、扫街车、公交车、垃圾车等车辆的位置,但不限于此;「静态不易察觉信息」可包含公交车即将右或左转、切至内车道或停靠站,以及垃圾车即将回转等行车动态,但不限于此。
在此路况信息的分类架构下,本发明的技术特征之一是在于各驾驶人可通过该视觉模块110所撷取的多个路况影像中直接获得第一类的路况信息;而通过储存于该装置储存模块140的数据或透过该控制模块150以及该后端平台200的数据传输模块210存取该平台储存模块230的数据,例如,有固定路线的公共汽车、校车或垃圾回收车等的路线及停靠站的相关资料,以辨识获取第二类的路况信息。然后,各车载装置可将该第一类及第二类路况信息提交至该后端平台200,经过该后端平台200的汇整后,以第三类路况信息的方式提点各驾驶人;再者,该第一类与第二类路况不仅会由事件处理单元提交至后端平台,还会由事件处理单元直接传至所属的车载装置的路况处理单元,决定最适时机警示。换言之,各驾驶人所需要但无法直接获取的第三类路况信息是由其他驾驶人的第一类与第二类路况信息整合而得。
其中,该后端平台200的汇整主要是以交叉验证的方式,确认各提交的路况信息的有效性,再辅以动态预测的方式,建立路况地图,并将路况信息依据各驾驶人位置传递给各车载装置100,提点各驾驶人,供驾驶人参考注意。具体而言,该后端平台200的交叉验证机制能够透过重复接收相同地点的事件,确认该地点是否确有交通路况,再参考所建立的路况地图,以决定新增、更新或解除路况地图上标示的静态交通路况信息;或调整动态交通路况信息的预测条件,并更新其预测的未来位置,以作预警。此外,该后端平台200还在本发明的***中扮演「不可察觉信息」的传递者,其依据所建立的路况地图,参考车载装置100的行车位置,回传相对于该车载装置100所需的第三类「(动、静态)不可察觉信息」,再由该车载装置100的路况处理单元152决定最适当警示时机。而该路况处理单元152依据车况模块120所提供的自身的各种车况信息及行车信息,意即依特定车况、行车环境计算出最适警示时机,将预警讯息传送至警示单元以警告驾驶人。上述的特定车况可包含最佳加减速度、平均加减速度等,但不限于此;而行车环境可包含前、后方车流量大小及是否行驶于上、下坡路段,但也不限于此。例如,该车况模块120可提供一GPS定位、一实时时间戳、车速等其他车况相关信息、以及根据该等车况信息而获得的最佳加、减速度及平均加、减速度等行车信息;其中,最佳加、减速度可由分析一连续时间内的车速及相关传感器信息取得。值得说明的是,该等行车信息可用于后续计算针对一路况的最佳警示时机;所谓最佳警示时机,对于一般轿车及砂石车于高速公路上的最佳警示时机可能不同,因为其所需的减速或刹车的时间跟距离不同,可能差5秒或更多;再者,车上是否载有货物的加减速也可能会有极大差异。
如图4所示,在一较佳实施例中,该视觉模块110还包括:一影像撷取单元111,用于撷取一连串的多个连续影像;一实时影像分析与路况信息辨识单元112,连接于该影像撷取单元111,用于接收并分析该撷取的多个连续影像,以辨识出影像中所包含的路况信息;以及一路况提交单元113,连接于该实时影像分析与路况信息辨识单元112,用于确认所辨识出的该路况信息;其中,该影像撷取单元111可为一摄影机。具体而言,该实时影像分析与路况信息辨识单元112所辨识出的路况信息还包含了前述的第一类的「易察觉信息」与第二类的「不易察觉信息」;对于第一类的「易察觉信息」,车载装置100透过该控制模块150实时提交上传至后端平台200,对于第二类的「不易察觉信息」中如固定路线车辆的静态信息,则透过控制模块150取得所需相关数据后,再提交上传至后端平台200。并且,该第一类及第二类路况还会直接传给路况处理单元152,以决定最适时机警示。
具体而言,该实时影像分析与路况信息辨识单元112在察觉有第二类路况时,便通知该路况提交单元113,由该路况提交单元113在获取所需的数据后,以完成建构第二类路况信息。再者,若无侦测到任何路况,该路况提交单元113可提交一定时通报行车信息,代表侦测无任何路况。
同样地,该车况模块120还包含一GPS单元121,以提供该GPS定位;一时钟单元122,以提供该实时时间戳;至少一传感器单元123,以提供至少一车况信息;其中该车况信息至少包含一车速信息;以及一车况分析单元124,该车况分析单元可分析该等车况信息,计算而获得最佳加、减速度及平均加、减速度等行车信息。该警示模块130还包含至少一声音警示单元、一影像警示单元,或以上的任意组合;用于接收一警示事件并发出一警示讯号,该警示讯号可为可为声音警示讯号、影像警示讯号、或其任意组合。而且,该装置储存模块140储存至少一已确认路况地图、一固定路线车辆的路线和停靠数据、以及至少一紧急车辆的位置信息;且该紧急车辆的位置信息是以动态、不可察觉信息呈现于车载装置;其中,该已确认路况地图是包含由该视觉模块110所辨识而得的第一类的「易察觉信息」与第二类的「不易察觉信息」的相关路况,以及由该后端平台200所传来提点的第三类「不可察觉信息」的相关路况,换言之,即是由其他驾驶人提交的路况,也经由后端平台200经过交叉验证后的已确认路况的地图;再者,该已确认路况地图、固定路线车辆的路线和停靠数据、以及至少一紧急车辆的位置信息;且该紧急车辆的位置信息是以动态、不可察觉信息呈现于车载装置等是与该视觉模块110在辨识第二类的路况时或该控制模块150在计算适当警示时机时所需的相关数据。值得说明的是,若固定路线车辆的路线和停靠数据不在该装置储存模块140,则可透过该控制模块150至该后端平台200的平台储存模块230中取得。
同样地,在一较佳实施例中,该控制模块150还包含:一事件处理单元151,连接于该视觉模块110,以接收并处理来自该视觉模块110的数据请求事件、以及路况提交事件;一路况处理单元152,连接于该事件处理单元151、该车况模块120、该警示模块130与该装置储存模块140,以接收路况,并依据存于该装置储存模块140的行车信息及车况决定最佳警示时机,并将未达警示时机的路况储存至装置储存模块140;以及一数据网关单元153,连接于该事件处理单元151、该装置储存模块140、并与该后端平台200进行数据的存取,以响应数据给该数据请求事件。值得说明的是,该数据网关单元153可在该路况提交单元113建构第二类路况信息时,自该装置储存模块140或者从后端平台200获取所需数据,再传至该路况提交单元113。
综而言之,本发明的车载装置100透过视觉模块110的实时影像分析与路况信息辨识单元112辨识出该影像撷取单元111所撷取的多个连续影像中所包含的第一类、且提示该路况提交单元113有第二类路况须建构第二类路况信息,该路况提交单元113透过控制模块150取得信息,完成第二类信息的建构;最后再经由该路况提交单元113提交所辨识的第一类与第二类路况,经由该控制模块150的事件处理单元151将所提交的第一类与第二类路况传递至后端平台200。另一方面,从该后端平台200传来提点的第三类路况传递至控制模块150后,由该路况处理单元152与原本储存于装置储存模块140的其他路况依据该车况模块120所提供的车况信息一并处理,决定一适当的警示时机,透过该警示模块130,提醒驾驶人应注意的路况。
换言之,该路况处理单元152是负责一并处理该路况提交单元113提交所辨识的第一类与第二类路况、从该后端平台200传来提点的第三类路况、以及由该路况处理单元152本身决定暂存于该装置储存模块140的先前尚未达到适当警示时机的路况等。
同样地,如图5所示,在一较佳实施例中,该数据传输模块210还包含:一数据请求接收单元211,用于接收来自各车载装置的数据请求;一数据请求处理单元212,连接于该数据请求接收单元,以用于处理该数据请求;以及一数据提点单元213,连接于该数据请求处理单元,以将该数据提点给各车载装置。具体而言,数据传输模块210是接收来自各车载装置100中控制模块150的数据网关单元153所传来的数据请求事件,该数据请求事件是为要求如固定路线车辆的路线与停靠站等相关的静态相关数据。更详尽地,该路况提交单元113需要建构第二类路况信息时,首先发出数据请求给该事件处理单元151,该事件处理单元151再转发给该数据网关单元153;该数据网关单元153首先检查所需数据是否已储存于储存模块140,若是则直接回传,否则再发出数据请求至该后端平台200,并将自该后端平台200取回的数据储存于该装置储存模块140中。
更进一步地,该路况处理模块220还包含:一路况整合单元221、一路况位置预测单元222、一原始路况地图更新单元223、一路况信心量测单元224、一已确认路况地图更新单元225、以及一路况提点单元226;其中该后端平台200的交叉验证机制是始于该路况整合单元221,结束于该单元已确认路况地图更新单元225。
其中,该路况整合单元221用于接收来自各车载装置100所提交的各个路况,并将所接收到的路况与已存在于该平台储存模块230的一原始路况地图里的各原始路况比对,此为识别动作,再输出为一已存在路况或一新路况至该路况位置预测单元222。由于一个路况可能在不同时间点被不同车载装置提交,因此,此单元的主要功能是在于将各回报提交的同一个路况整合。值得注意的是,在此时,尚未对任何路况进行确认,亦即,接下来的信心度计算。
该路况位置预测单元222连接于该路况整合单元221并针对各路况预测该路况在不同未来时间点的可能位置,若为静态路况,未来可能位置就是该路况的目前位置;该原始路况地图更新单元223是连接该路况位置预测单元222以将所预测的动态路况的未来可能位置更新至该原始路况地图。
该路况信心量测单元224,连接于该原始路况地图更新单元223以计算各路况的一信心度,并基于该信心度决定该路况是否确实存在;该已确认路况地图更新单元225连接该路况信心量测单元224,以将信心度高于一门坎值的路况更新至一已确认路况地图,换言之,可加入新路况、更新已存在路况、或者移除已经解决的路况;以及该路况提点单元226连接于该已确认路况地图更新单元225及该平台储存模块230,以将已确认路况地图内的各路况依据各车载装置100的GPS位置传递相关车况至该车载装置100。
值得说明的是,该路况整合单元221及该路况信心量测单元224即是前述以交叉验证的方式,执行确认各个提交的路况信息的有效性的单元;该路况整合单元221能够透过识别重复接收相同地点的事件,再经由该路况信心量测单元224确认该地点是否确有交通路况,再参考所建立的已确认路况地图,以决定新增、更新或解除该已确认路况地图上标示的交通路况信息。而该路况位置预测单元222则是前述的辅以动态预测的方式,参考平台储存模块230所存的相关数据,来调整各交通路况信息的预测条件,并更新其预测的未来位置,以作预警。
该路况信心量测单元224计算各路况的一信心度;该信心度是表示该路况的是否存在的信心度;由于许多路况会随着时间的过去而被排除,例如,车祸事故的现场、或道路整修而封闭改道等。因此,本发明中的各提交路况均赋予一提报时间以及一解除时间;当该提交路况在解除时间之前则可视为适用路况,例如有五个驾驶人分别在不同时间提交同一交通事故路况。通过计算该五个不同时间提交的路况及其解除时间的情况,可得出该交通事故路况持续存在的信心度。当该路况的信心度高于一门坎值时,通过该已确认路况地图更新单元225更新至一已确认路况地图;以及最后由该路况提点单元226将已确认路况地图内的各路况依据各车载装置100的GPS位置传递相关车况至该车载装置100。
综而言之,后端平台的整个交叉验证机制始于该路况整合单元221,结束于该已确认路况地图更新单元225。该路况整合单元221将接收到的路况与已存在的路况做比对,此为识别动作,输出为一已存在路况或一新路况,做为该路况位置预测单元222的输入。该路况位置预测单元222预测输入的路况的未来可能位置(若为静态路况,未来可能位置就是目前位置),并要求该原始路况地图更新单元223更新原始路况地图。该原始路况地图更新单元223更新原始路况地图后,由该路况信心量测单元224决定该路况是否确实存在,并要求该已确认路况地图更新单元225更新已确认路况地图。
值得说明的是,该路况信心度的计算可由不同的方式实现,以下仅以一较佳实施例说明,但不以此为限。
令一个交通状况回报(report)以一个二元组(T,χ)表示,其中T代表回报侦测该交通状况的时间(detection time),亦即,该车载装置发现并回报该交通状况的时间,值得注意的是,该交通状况可能更早发生;χ代表侦测结果(detection result),χ=0表示无交通状况,χ=1表示有交通状况,这样的设计主要目的是在于让车载装置可以在侦测无交通状况时,也可以回报,以当作后续跟其他相关交通状况回报交叉比对的参考依据;亦即,可视为一定时通报行车信息。换言之,所谓定时通报行车信息是指当无路况时,可由车载装置提交一特殊的第一类路况信息,代表侦测无任何路况。此定时通报行车信息可用于后续的各种路况信息的交叉验证与整合,以及信心度的计算。通过包含代表无路况的定时通报行车信息的信心度计算,可以将已解决的交通路况移除。
再者,一个交通状况纪录(record)可以一个三元组(T,χ,Γ)表示,其中Γ代表该交通状况纪录的到期时间(expiration time), 表示有效期限(validduration)。换言之,对于任一时间点T0,若T0<Γ,交通状况三元组(T,χ,Γ)则是个有效的交通状况记录。值得说明的是,该交通状况纪录过期并不一定代表所属的该交通状况也已经结束。
当各个车载装置侦测到每个交通状况时,便回报该交通状况,并由后端平台产生一对应的交通状况纪录。
以一交通事故的路况为例,假设每次计算信心度时最多用到M个有效的交通状况纪录,表示***赋予每个交通事故路况的预定有效期限。对于时间点T,令N为交通状况纪录总个数,m=min{M,n},其中n为有效交通状况纪录的个数(n≤N),且令(T1,χ1,Γ1)、(T2,χ2,Γ2)…(Tm,χm,Γm)表示最新的m个交通状况纪录。
依此,该交通事故路况在时间点T的信心度conf可定义为:
当N>1时,
否则,conf=0.1;
换言之,每一个交通状况纪录的信心度跟该交通状况纪录在其到期时间前所剩的时间相关。将所有纳入计算的有效交通状况纪录的信心度加权平均,便是所属交通状况的信心度。当然,不以此为限;信心度也可采用其他的函数,而不影响本发明的应用范围。
当T=14:01时,N=n=m=1;conf=0.1;
当T=14:04时,N=n=m=3;
在一较佳实施例中,该平台储存模块230是至少储存一原始路况地图以及一已确认路况地图,分别包含各原始路况、以及各已确认路况;该平台储存模块230是至少储存一固定路线车辆的路线和停靠数据、以及动态路况的历史预测条件。所谓的动态路况的历史预测条件是指根据过往交通路况所得到的动态路况预测的规则;例如,一辆紧急车辆被侦测在某一路段以40KM/H速度行进,便以此为依据进行预测其动态路况;一段时间后,该紧急车辆被侦测到比预测的速度快(例如,45KM/H),因此,可以依此产生新的预测规则是依照速度为,例如,42.5KM/H。前述的该路况位置预测单元222即是依据此等动态路况的历史预测条件来预测路况未来的位置。
综而言之,该后端平台200主要是透过维护该原始路况地图以及该已确认路况地图,分别将各车载装置100所提交的路况,经过整合、动态预测、以及路况信心度量测的方式,持续地更新,再将更新后的相关路况信息回传提点至各车载装置100。
图6为本发明的基于影像辨识的交通路况车联网***,实际于道路上多台车辆中运作的示意图。图6的交通路况信息包括行驶中的紧急救难车辆20(动态交通路况信息)、事故地点10(静态交通路况信息),以及行驶中车辆30、31、32、33及34,其中车辆30、31、32、33与34皆装有本发明的车载装置。
如图6所示,其中所述事件之一为车辆30行驶于紧急救难车辆20后方,且因跟随其后方行驶一段时间,车辆30的车载装置重复辨识到前方有行驶中的紧急救难车辆20。该车载装置即将这些连续辨识的动态、易察觉的路况信息(40、41、42),合并相关的定位信息,上传至后端平台200。经后端平台200接收来自车辆30、连续发送的路况信息后,即以交叉验证机制,确认新增该动态路况信息,并依据过往紧急车辆的动向预测条件及车辆30的行车定位信息,产生初始预测条件,以进行动态路况信息(紧急救难车辆20)的未来位置预测,如图6中所示的位置21、22分别为紧急救难车辆20在2秒后、7秒后的预测位置。
另外,根据图6,其中所述的另一事件为车辆31于定时通报行车信息时,后端平台200据其预测结果,揭露该车辆31将在2秒后与紧急救难车辆20相遇,即将此动态路况信息(亦即,对于车辆31为第三类的动态不可察觉信息路况),提点回传至车辆31的车载装置,并由车辆31的车载装置,依其所分析的自身车况信息以及行车信息,决定最佳警示时机,据以警示该驾驶人。
再者,所述的另一事件为车辆32、33于同一条道路上同向而行,由车辆33的车载装置辨识到事故10,并将此静态、易察觉交通路况信息43回传至后端平台200。同时,同道路对向车道上的车辆34的车载装置也侦测到同一事故10,并将此信息44回传至后端平台200。
接着,后端平台200自车辆33与车辆34接收到事件43与44后,即以交叉验证机制,确认新增该静态交通路况信息至路况地图。并将此交通路况信息50、51、52分别回报给车辆31、32、34的车载装置(亦即,对于车辆32为第三类的静态不可察觉信息路况),另由车辆32的车载装置,依其所搜集的车况信息,决定最佳警示时机,据以警示该驾驶人。其中,交通路况信息50、51、52分别为:2秒后前方有紧急救难车辆20、7秒后前方有紧急救难车辆20、前方300公尺处有交通事故(由43及44确认的路况)且7秒后前方将遇紧急救难车辆20。
图6所述事件之一为车辆35的车载装置辨识到对向车道有行驶中的紧急救难车辆20,即将此动态、易察觉交通路况信息45,并目前行车定位信息上传至后端平台200,后者藉交叉验证机制,验证并更新该动态交通路况信息(紧急救难车辆20的动态)的预测条件及其未来可能的位置。
图6的应用情境说明各车载装置如何处理「动、静态易察觉信息」及后端平台如何将判定相对于各车载装置的「动、静态不可察觉信息」。图7则以公交车为例子,简述车载装置如何判定第二类的静态不易察觉信息并警示驾驶人。如图7所示,当车载装置辨识到前方有行驶中的公交车,即尝试以其路线牌或车牌,并参考目前的行车位置与相关图资,以辨识其行驶的路线。再取得该路线的信息,据以警示驾驶人其可能的动向;例如,前方130公尺即将右转至XX路、前方50公尺有该路线公交车的站牌、即将于前方切至内线前往公交车专用道等。
值得说明的是,在本发明中,各车载装置首先针对所撷取的单张影像,辨识车道、车辆、行人、事故及道路施工等对象,再结合多张影像的辨识结果及目前车速等相关车况信息,进行路况信息辨识,并针对各路况计算信心程度。以下以侦测同向救护车辆为例,讲解信心程度的计算、交通路况确立的判定及动、静态的判定。
假设车载装置100的影像撷取单元111每秒可撷取60张影像,为提升准确率,可使用每20张影像判断其所见的路况信息。首先由车载装置的实时影像分析与路况信息辨识单元112,针对单张影像作救护车辆的辨识,若所得的20个结果中,有10张影像中侦测到救护车辆,则信心程度计为50%;若信心程度大于依车速而定的门坎值,该实时影像分析与路况信息辨识单元112即认定所视范围内,确实出现救护车辆的交通路况信息;此外,该实时影像分析与路况信息辨识单元112还通过分析10张连续影像中救护车辆的位置,参考目前车速以判定其是否在移动,进而判定其为动态信息或静态信息。
经由该实时影像分析与路况信息辨识单元112确定的动、静态路况信息确立后,其根据车载装置所储存的路况地图,判定前车是否有相关的「不易察觉信息」。以公交车为例,一旦确定前方有行驶中的公交车,实时影像分析与路况信息辨识单元112即提示该路况提交单元113有第二类路况,再经由该路况提交单元113依据目前行车位置、图资、辨识所得的公交车的路线牌与车牌等信息,判定其公交车路线,并取得其详细行车路线,进而取得「静态不易察觉信息」。值得注意的是,此例可套用至任何以各种方式公开其行驶路线的车辆。
上述车载装置所辨识的静态交通路况信息,至少包含事故、车辆故障抛锚、道路施工、车道异物等;另动态交通路况信息,则至少包含所视范围内,移动的同向与对向车辆数量及种类、行为异常或行动不便的行人;其中,车辆种类至少包含紧急救难车,如救火车、救护车等、自行车、机车、大型重型机车、小客车、货车、砂石车、公交车、游览车及垃圾车。此外,车载装置与后端平台沟通时,皆会传送其定位信息,还可包含GPS信息、高度计信息、所在车道信息等。
另一方面,对于后端平台而言,路况信息仅有「动态」与「静态」之分。当接收到来自车载装置的静态交通路况信息,后端平台首先查验其路况地图上,同一或相近位置是否已存在相同的路况。若无,则给予其一预设解除时间与一预设信心程度,并将其标记于路况地图;若有,则更新其预设解除时间,并提升其事件的信心程度。当接收到来自车载装置的动态路况信息,后端平台首先搜寻路况地图上,相近位置是否已有相同的交通路况预测位置的标记。若无,则决定初始预测条件,并依此条件预测一固定时间内的可能位置,以默认的信心程度标记于路况地图上;反之,则与过往的预测位置进行交叉验证,以更新其预测条件,进而将新的预测位置标记于路况地图上,并提升其事件的信心程度。
另一方面,若后端平台接收到车载装置所传送的无任何交通路况的定时回报,则检查路况地图上是否有标记的动、静态交通路况信息。若有,则降低其信心程度,当信心程度降低至一门坎值,即将其事件自路况地图上删除。
在本发明所提出的交通路况动态预测机制中,后端平台参考回报车辆的行车定位信息,以及过往类似事件的历史预测纪录,产生初始预测条件,并依此估算未来不同时间点的可能所在地点;尔后,在接收自其它车载装置通报的同一动态路况时,通过分析先前通报位置与目前通报位置及其相对时间,可得该动态路况的实际速度,据以下修或上调其模拟条件的车速,以产生新的模拟结果。值得说明的是,动态路况实际速度的取得可由不同的方式实现,在此仅以较佳实施例说明,但不以此为限。后端平台接收车载装置回报的信息后,参考其所建立的路况地图,视车载装置的行车位置,回传信心程度高于一门坎值、且对于该装置为「不可察觉」的信息。
另外,车载装置取得需警示的已确认路况后,尚需决定最佳警示时机。然而,其判断需将相关包括车况等信息,例如,驾驶处理信息的反应时间、目前车速、目前车道、周围交通状况、车辆状况、以及路况位置纳入考虑。在一较佳实施例中,因驾驶人较无法在过弯时应对紧急事件,路况位置信息还可包含真实位置、以及应处理位置;当路况事件发生在弯道中,则可将该事件视为发生在入弯处(亦即、应处理位置),在此情况下真实位置与应处理位置就不相同;另一方面,当真实位置位于直路上,则二者位置可设为相同。
此外,需考虑的车况信息至少包含最佳加减速度、及平均加减速度,而其信息的搜集,可由GPS定位信息、或加速度计、或OBD信息、传感器、或其组合的数据取得。假定车载装置是以声音为警示传递媒介,欲警示路况信息为:「前方1000公尺内侧车道施工」,当行驶于直路上,其真实位置与应处理位置相同,目前车辆以100KM/H行驶于内侧车道,周围车辆不多,车辆降速至50KM/H需8秒,且驾驶人需2秒处理信息。此时,车载装置则认定在靠近事故地点的8+2+bias(bias为一固定数值)秒前警示驾驶是最佳时机。然而,倘若周围车辆多,则修改降速参数为车辆降速至0KM/H的所需时间,并据此修改计算警示驾驶的最佳时机。另,倘若目前车辆并非行驶于内侧车道,尤为因应行驶于内侧车道车辆的变换车道动态,仍需以相同参数计算警示驾驶的最佳时机,惟需告知此事件发生于内侧车道,由驾驶自行决策降速程度,避免影响行车效率。车载装置依上述程序计算出最佳预警时机后,若时间小于一门坎值,如5秒,车载装置立即警示驾驶人;反之,则以计算所得的最佳预警时机,警示驾驶人。
更进一步地,本发明的一种基于影像辨识的交通路况车联网***可还包含至少一第三方路况数据接口单元以接收来自第三方的路况信息、以及其他公开于公共运输整合信息流通服务平台(PTX)上的路况信息。以公交车的动态路况为例,因各公交车的实时位置皆公开于上述的公共运输整合信息流通服务平台,通过该第三方数据接口单元取得各路公交车的实时位置,参考储存于该平台储存模块内的该公交车路线信息,即可建立该公交车的动态路况信息,以及该公交车即将左右转、变换车道等静态路况信息,尔后再提交给该路况处理单元进行后续处理,以提点各驾驶人。再者,该第三方路况数据接口单元可设置于该后端平台、或是设置于该车载装置。
总而言之,透过本发明之一种基于影像辨识的交通路况车联网***的丰富路况信息,驾驶人得以作最佳的行车决策,进而增进行车安全。如在一般道路上,驾驶人除可得知前方可视范围外的路况信息,也可得知前方固定路线车辆如公交车等的可能动态,使驾驶人在前车以方向灯提示之前,即可得知其动态,转被动为主动;还可通过后端平台的动态预测机制,取得将遇紧急救难车辆的事前提醒,适当避让以增进社会福祉。此外,在狭窄道路或极弯曲道路上,在前视状况不佳情境下,驾驶人也可藉动态预测机制,取得将与对向来车相会的信息,避免不当的超车决策。
然而,上述实施例仅例示性说明本发明的功效,而非用于限制本发明,任何熟习此项技艺的人士均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。此外,在上述这些实施例中的组件的数量仅为例示性说明,也非用于限制本发明。因此本发明的权利保护范围,应如上述的申请专利范围所列。
Claims (19)
1.一种基于影像辨识的交通路况车联网***,其特征在于,包含:至少一个车载装置和一后端平台;
其中,每个车载装置都是用于撷取多个路况影像、处理所撷取的所述路况影像以决定相关的路况信息、将所述路况信息以原始路况的方式传递至所述后端平台;所述后端平台整合从每个车载装置传来的所述原始路况以成为已确认路况,并根据每一个车载装置的所在位置将整合后的已确认路况转发到相关的车载装置;
其中,所述车载装置还包括:一视觉模块,用于撷取多个路况影像、以及处理所撷取的所述路况影像以决定相关的路况信息;一车况模块,以提供一GPS定位、一实时时间戳、车速和/或其他车况相关信息、以及根据多个车况信息而获得的最佳加、减速度及平均加、减速度等行车信息;一警示模块,用于接收一警示事件并发出一警示讯号;一装置储存模块,用于储存所述车载装置内各模块的数据;以及一控制模块,分别连接到所述视觉模块、所述车况模块、所述警示模块、以及所述装置储存模块,并用于控制所述车载装置的运作与所述后端平台之间的数据传递;
所述后端平台还包括:一数据传输模块,用于依据来自各车载装置的请求而提供所需的数据;一路况处理模块,用于接收并处理来自各车载装置所提交的各原始路况,且将处理结果的已确认路况依据各车载装置的GPS位置传递相关车况至所述车载装置;以及一平台储存模块,用于储存所述后端平台各模块的数据。
2.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述视觉模块还包括:一影像撷取单元,用于撷取一连串的多个连续影像;一实时影像分析与路况信息辨识单元,连接于所述影像撷取单元,用于接收并分析所述撷取的多个连续影像,以辨识出影像中所包含的路况信息;以及一路况提交单元,连接于所述实时影像分析与路况信息辨识单元,用于确认所辨识出的所述路况信息。
3.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述车况模块还包含一GPS单元,以提供所述GPS定位;一时钟单元,以提供所述实时时间戳;至少一传感器单元,以提供至少一车况信息;其中所述车况信息至少包含一车速信息;以及一车况分析单元,所述车况分析单元可分析多个车况信息,计算而获得最佳加、减速度及平均加、减速度等行车信息,并将多个行车信息存至所述装置储存模块。
4.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述警示模块还包含至少一声音警示单元和/或一影像警示单元;用于接收一警示事件并发出一警示讯号,所述警示讯号可为可为声音警示讯号和/或影像警示讯号。
5.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述装置储存模块储存至少一已确认路况地图、一固定路线车辆的路线和停靠数据、以及至少一紧急车辆的位置信息;且所述紧急车辆的位置信息是以动态、不可察觉信息呈现于车载装置。
6.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述控制模块还包含:一事件处理单元,连接于所述视觉模块,以接收并处理来自所述视觉模块的数据请求事件、以及路况提交事件;一路况处理单元,连接于所述事件处理单元、所述车况模块、所述警示模块与所述装置储存模块,以接收路况,并依据自身车况决定是否传输一警示事件至所述警示模块;以及一数据网关单元,连接于所述事件处理单元、所述装置储存模块、并与所述后端平台进行数据的存取,以响应数据给所述数据请求事件。
7.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述数据传输模块还包含:一数据请求接收单元,用于接收来自各车载装置的数据请求;一数据请求处理单元,连接于所述数据请求接收单元,以用于处理所述数据请求;以及一数据提点单元,连接于所述数据请求处理单元,以将所述数据提点给各车载装置。
8.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,所述路况处理模块还包含:
一路况整合单元,用于接收来自各车载装置所提交的各个路况,并将所提交的路况与储存于所述平台储存模块的一原始路况地图里的各原始路况整合;
一路况位置预测单元,连接于所述路况整合单元并针对各路况预测所述路况在不同未来时间点的可能位置;
一原始路况地图更新单元,连接所述路况位置预测单元,以将所预测的动态路况的未来可能位置更新至所述原始路况地图;一路况信心量测单元,连接于所述原始路况地图更新单元以计算各路况的信心度;
一已确认路况地图更新单元,连接所述路况信心量测单元,以将信心度高于一门坎值的路况更新至一已确认路况地图;以及
一路况提点单元,连接于所述已确认路况地图更新单元,以将已确认路况地图内的各路况依据各车载装置的GPS位置传递相关车况至所述车载装置。
9.根据权利要求8所述的基于影像辨识的交通路况车联网***,其特征在于,所述路况位置预测单元所预测的路况包含静态路况及动态路况,皆经由所述路况位置预测单元处理后,再交由所述原始路况地图更新单元。
10.根据权利要求9所述的基于影像辨识的交通路况车联网***,其特征在于,所述路况位置预测单元所预测的静态路况视为动态路况的特例,将静态路况的未来预测位置皆设为所述路况的一初始位置。
11.根据权利要求8所述的基于影像辨识的交通路况车联网***,其特征在于,所述原始路况地图以及所述已确认路况地图储存于所述平台储存模块,分别包含各原始路况、以及各已确认路况。
12.根据权利要求9所述的基于影像辨识的交通路况车联网***,其特征在于,所述平台储存模块是至少储存一固定路线车辆的路线和停靠数据、以及至少一动态路况的历史预测条件,所述动态路况的历史预测条件是供所述路况位置预测单元使用。
13.根据权利要求12所述的基于影像辨识的交通路况车联网***,其特征在于,所述动态路况至少包括紧急救难车辆位置、脚踏车位置和砂石车位置,且其储存的历史预测条件至少包括紧急救难车辆在某时间某路段的时速。
14.根据权利要求2所述的基于影像辨识的交通路况车联网***,其特征在于,当车载装置辨识到前方有行驶中的固定路线车辆,即以其路线牌或车牌,并参考目前的行车位置与相关图资,以辨识其行驶的路线,再取得所述路线的信息,据以警示驾驶人其可能的动向;其中,一旦确定前方有行驶中的固定路线车辆,实时影像分析与路况信息辨识单元即提示所述路况提交单元前方有行驶中的固定路线车辆,再经由所述路况提交单元依据目前行车位置、图资、辨识所得的公交车的路线牌与车牌等信息,判定其公交车路线,并取得其详细行车路线,并依此提示示警。
15.根据权利要求6所述的基于影像辨识的交通路况车联网***,其特征在于,所述车载装置的路况处理单元依据车况模块所提供的自身的各种特定车况信息及行车环境计算出最适警示时机,所需考虑的车况信息至少包含最佳加减速度、及平均加减速度,而其信息的搜集,可由GPS定位信息、或加速度计、或OBD信息、传感器、或其组合的数据取得,且所述最佳加、减速度可由分析一连续时间内的车速及相关传感器信息取得;并可根据前、后方车流量大小、是否行驶于上、下坡路段及因应自身车辆目前所在的车道,修改降速参数为车辆降速至停止的所需最短时间,并据此修改计算警示驾驶的最佳时机。
16.根据权利要求8所述的基于影像辨识的交通路况车联网***,其特征在于,令一路况纪录以一三元组(Tj,χj,Γj)表示;Tj代表所述车载装置侦测到所述路况的时间、χj代表侦测结果,χj=0表示无交通状况,χj=1表示有交通状况;Γj代表所述路况的一预设到期时间, 表示有效期限;M为每次计算路况信心度时最多用到的有效的路况纪录个数,对于时间点T,N为交通状况纪录总个数,m=min{M,n},其中n≤N为尚未到期的路况纪录的个数,且(T1,χ1,Γ1)、(T2,χ2,Γ2)…(Tm,χm,Γm)表示最新的m个交通状况纪录;
一路况在时间点T的信心度可定义为:
当N>1时,
否则,conf=0.1;
17.根据权利要求1所述的基于影像辨识的交通路况车联网***,其特征在于,还包含至少一第三方路况数据接口单元以接收来自第三方的路况信息、以及其他公开于公共运输整合信息流通服务平台(PTX)上的路况信息。
18.根据权利要求17所述的基于影像辨识的交通路况车联网***,其特征在于,所述第三方路况数据接口单元设置于所述后端平台。
19.根据权利要求17所述的基于影像辨识的交通路况车联网***,其特征在于,所述第三方路况数据接口单元设置于所述车载装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911111593.8A CN112804278A (zh) | 2019-11-14 | 2019-11-14 | 一种基于影像辨识的交通路况车联网*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911111593.8A CN112804278A (zh) | 2019-11-14 | 2019-11-14 | 一种基于影像辨识的交通路况车联网*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112804278A true CN112804278A (zh) | 2021-05-14 |
Family
ID=75803460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911111593.8A Pending CN112804278A (zh) | 2019-11-14 | 2019-11-14 | 一种基于影像辨识的交通路况车联网*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112804278A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729167A (zh) * | 2008-10-16 | 2010-06-09 | 陕西创秦电子科技有限公司 | 一种交通路况信息处理方法 |
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务*** |
CN102890869A (zh) * | 2012-09-25 | 2013-01-23 | 孙涛 | 车辆行车路线预测通知方法及移动智能终端 |
CN103164986A (zh) * | 2011-12-14 | 2013-06-19 | 财团法人工业技术研究院 | 车用特定路况警示***与方法 |
CN105372654A (zh) * | 2015-12-14 | 2016-03-02 | 财团法人车辆研究测试中心 | 障碍物分类可靠度量化的方法 |
TWI559267B (zh) * | 2015-12-04 | 2016-11-21 | Method of quantifying the reliability of obstacle classification | |
CN106169243A (zh) * | 2016-08-25 | 2016-11-30 | 武汉理工大学 | 一种基于车联网的实时路况估计***及方法 |
CN106971583A (zh) * | 2017-03-27 | 2017-07-21 | 宁波吉利汽车研究开发有限公司 | 一种基于车载联网设备的路况信息共享***及共享方法 |
CN110211385A (zh) * | 2019-06-26 | 2019-09-06 | 安徽鼎升自动化科技有限公司 | 一种基于5g网络和导航***的行车安全信息***和方法 |
US20190311614A1 (en) * | 2018-04-05 | 2019-10-10 | Toyota Jidosha Kabushiki Kaisha | Real-Time Traffic Monitoring with Connected Cars |
-
2019
- 2019-11-14 CN CN201911111593.8A patent/CN112804278A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729167A (zh) * | 2008-10-16 | 2010-06-09 | 陕西创秦电子科技有限公司 | 一种交通路况信息处理方法 |
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务*** |
CN103164986A (zh) * | 2011-12-14 | 2013-06-19 | 财团法人工业技术研究院 | 车用特定路况警示***与方法 |
CN102890869A (zh) * | 2012-09-25 | 2013-01-23 | 孙涛 | 车辆行车路线预测通知方法及移动智能终端 |
TWI559267B (zh) * | 2015-12-04 | 2016-11-21 | Method of quantifying the reliability of obstacle classification | |
CN105372654A (zh) * | 2015-12-14 | 2016-03-02 | 财团法人车辆研究测试中心 | 障碍物分类可靠度量化的方法 |
CN106169243A (zh) * | 2016-08-25 | 2016-11-30 | 武汉理工大学 | 一种基于车联网的实时路况估计***及方法 |
CN106971583A (zh) * | 2017-03-27 | 2017-07-21 | 宁波吉利汽车研究开发有限公司 | 一种基于车载联网设备的路况信息共享***及共享方法 |
US20190311614A1 (en) * | 2018-04-05 | 2019-10-10 | Toyota Jidosha Kabushiki Kaisha | Real-Time Traffic Monitoring with Connected Cars |
CN110211385A (zh) * | 2019-06-26 | 2019-09-06 | 安徽鼎升自动化科技有限公司 | 一种基于5g网络和导航***的行车安全信息***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI717102B (zh) | 基於影像辨識之交通路況車聯網系統 | |
US11161503B2 (en) | Vehicular communications network and methods of use and manufacture thereof | |
US11726437B2 (en) | Vehicle control systems | |
US11009364B2 (en) | Vehicular communications network and methods of use and manufacture thereof | |
CN107430006B (zh) | 避免事故的方法和*** | |
Zeng et al. | Potential connected vehicle applications to enhance mobility, safety, and environmental security. | |
US9786171B2 (en) | Systems and methods for detecting and distributing hazard data by a vehicle | |
US7804423B2 (en) | Real time traffic aide | |
CN108263360B (zh) | 紧随场景下用于车辆控制的***和方法 | |
US11586210B2 (en) | Preemptive logical configuration of vehicle control systems | |
CN109606377A (zh) | 一种紧急驾驶行为防御提示方法及*** | |
CN108275152B (zh) | 车辆***、控制车辆***的计算机实施的方法和存储介质 | |
US20230118619A1 (en) | Parking-stopping point management device, parking-stopping point management method, and vehicle device | |
US20190056230A1 (en) | Driver alert system | |
EP4015333A1 (en) | Indirect verification of speed limits based on contextual information for autonomous and semi-autonomous driving systems | |
US11776402B2 (en) | Forecasting vehicle location occupancy | |
JP2020135674A (ja) | 交通リスク情報出力システム、及び、交通リスク情報出力プログラム | |
CN108701416A (zh) | 检测道路交通中危险情况的方法 | |
US11731645B2 (en) | Driver warning system | |
CN110491153A (zh) | 一种车联网智慧型管理*** | |
CN112804278A (zh) | 一种基于影像辨识的交通路况车联网*** | |
CN116923432A (zh) | 驾驶辅助***和方法 | |
US20240067204A1 (en) | Method for building an ad hoc virtual network and system | |
EP4303538A1 (en) | System and method for an optimized routing of autonomous vehicles with risk aware maps | |
US20230399021A1 (en) | Systems and methods for detecting restricted traffic zones for autonomous driving |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |