TWI774984B - 交通事件偵測系統及方法 - Google Patents
交通事件偵測系統及方法 Download PDFInfo
- Publication number
- TWI774984B TWI774984B TW108132056A TW108132056A TWI774984B TW I774984 B TWI774984 B TW I774984B TW 108132056 A TW108132056 A TW 108132056A TW 108132056 A TW108132056 A TW 108132056A TW I774984 B TWI774984 B TW I774984B
- Authority
- TW
- Taiwan
- Prior art keywords
- traffic
- road
- travel time
- relative value
- module
- Prior art date
Links
Images
Classifications
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本發明揭露一種交通事件偵測系統及方法。首先,選定欲偵測交通事件之道路,以自交通資訊之資料來源中偵測或擷取出道路現在及過去之旅行時間與車流量。接著,計算道路過去之旅行時間與車流量的歷史統計值,再將現在之旅行時間與車流量分別比對過去之旅行時間與車流量的歷史統計值,以計算出旅行時間之相對值與車流量之相對值而分別輸入交通事件分析表。然後,自交通事件分析表中依據旅行時間之相對值與車流量之相對值分析或推估出對應之交通事件。據此,本發明能快速分析或推估出選定之道路之交通事件。
Description
本發明是關於一種交通事件偵測技術,特別是指一種交通事件偵測系統及方法。
目前之交通事件大部分以人工方式實施,例如使用監視器以人力進行畫面內容之判定或使用路人之通報等,而少部分則依據一般的相機鏡頭所取得的影像由處理單元自動地判定。然而,當使用人工方式進行交通事件之判定或通報時,將可能發生監控人力不足或通報延誤之情況。又,透過影像進行交通事件之判定時,則可能因影像之錯位、陰影、路面之顏色等干擾造成交通事件之誤判。
在現有技術中,提出一種道路即時交通事故風險控制方法,是一種基於多類支持向量機(Support Vector Machine;SVM)的道路即時交通事故風險預測及控制方法,可用來預測檢測路段發生交通事故的可能性。對檢測路段建立基於多類支持向量機的事故預測模型,並將採集的即時交通特徵參數帶入事故預測模型,以判斷是否有發生交通事故的風險。但是,此方法需運用多類支持向量機對交通事故學習分類模型進行事故風險判別
及分類,以致需耗費多類支持向量機與交通事故學習分類模型之大量建置時間及成本。
因此,如何提供一種新穎或創新之交通事件偵測技術,實已成為本領域技術人員之一大研究課題。
本發明提供一種新穎或創新之交通事件偵測系統及方法,能經濟或快速地分析或推估出選定之道路之交通事件。
本發明之交通事件偵測系統包括:一選擇模組、一偵測模組、一計算模組及一分析模組,其中,該選擇模組係選定要偵測交通事件之道路,該偵測模組係透過交通資訊之資料來源偵測或擷取選擇模組所選定之道路現在及過去之旅行時間與車流量,該計算模組係計算偵測模組所偵測或擷取之道路過去之旅行時間與車流量的歷史統計值,再將偵測模組所偵測之道路現在之旅行時間與車流量分別比對計算模組所計算之道路過去之旅行時間與車流量的歷史統計值,以計算出旅行時間之相對值與車流量之相對值,俾由計算模組將旅行時間之相對值與車流量之相對值分別輸入交通事件分析表,而該分析模組係自交通事件分析表中依據旅行時間之相對值與車流量之相對值分析或推估出對應之交通事件。
本發明之交通事件偵測方法包括:選定要偵測交通事件之道路,以自交通資訊之資料來源中偵測或擷取出所選定之道路現在及過去之旅行時間與車流量;計算所偵測或擷取之道路過去之旅行時間與車流量的歷史統計值,再將所偵測之道路現在之旅行時間與車流量分別比對所計算
之道路過去之旅行時間與車流量的歷史統計值,以計算出旅行時間之相對值與車流量之相對值,俾將旅行時間之相對值與車流量之相對值分別輸入交通事件分析表;以及自交通事件分析表中依據旅行時間之相對值與車流量之相對值分析或推估出對應之交通事件。
為讓本發明之上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明。在以下描述內容中將部分闡述本發明之額外特徵及優點,且此等特徵及優點將部分自所述描述內容可得而知,或可藉由對本發明之實踐習得。本發明之特徵及優點借助於在申請專利範圍中特別指出的元件及組合來認識到並達到。應理解,前文一般描述與以下詳細描述兩者均僅為例示性及解釋性的,且不欲約束本發明所欲主張之範圍。
1‧‧‧交通事件偵測系統
10‧‧‧選擇模組
11‧‧‧交通事件
20‧‧‧分類模組
21‧‧‧道路分類
30‧‧‧偵測模組
30'‧‧‧蒐集模組
31‧‧‧旅行時間
32‧‧‧車流量
40‧‧‧儲存模組
41‧‧‧交通資訊
50‧‧‧計算模組
51‧‧‧歷史統計值
52‧‧‧旅行時間之相對值
53‧‧‧車流量之相對值
60‧‧‧分析模組
61‧‧‧交通事件分析表
70‧‧‧連結模組
80‧‧‧排序模組
90‧‧‧發送模組
S11至S16、S21至S26‧‧‧步驟
第1圖為本發明之交通事件偵測系統之架構示意圖;第2圖為本發明之交通事件分析表;第3圖為本發明之交通事件偵測方法之流程示意圖;以及第4圖為本發明之交通事件分析表之建立方式之流程示意圖。
以下藉由特定的具體實施形態說明本發明之實施方式,熟悉此技術之人士可由本說明書所揭示之內容了解本發明之其他優點與功效,
亦可因而藉由其他不同的具體等同實施形態加以施行或應用。
第1圖為本發明之交通事件偵測系統1之架構示意圖,第2圖為本發明之交通事件分析表61。同時,第1圖之交通事件偵測系統1之主要技術內容如下,其餘技術內容相同於第3圖至第4圖之說明,於此不再重覆敘述。
如第1圖所示,交通事件偵測系統1可包括一選擇模組10、一分類模組20、一偵測模組30、一蒐集模組30'、一儲存模組40、一計算模組50、一分析模組60、一連結模組70、一排序模組80及一發送模組90。在一些實施例中,選擇模組10可為選擇器或選擇軟體等,分類模組20可為分類器或分類軟體等,偵測模組30可為偵測器或偵測軟體等,蒐集模組30'可為蒐集器或蒐集軟體等,儲存模組40可為資料庫、記憶體(如記憶卡)、硬碟(如雲端硬碟、網路硬碟)、光碟或隨身碟等,計算模組50可為算術邏輯單元(ALU)、計算軟體或統計軟體等,分析模組60可為分析器或分析軟體等,連結模組70可為連結軟體等,排序模組80可為排序軟體等,發送模組90為發送器、收發器、發送軟體或收發軟體等。但是,本發明並不以此為限。
選擇模組10可選定要偵測交通事件11之道路,分類模組20可依據道路之特性進行道路分類,偵測模組30可透過交通資訊41之資料來源偵測或擷取選擇模組10所選定之道路現在及過去之旅行時間31與車流量32,且儲存模組40可儲存來自資料來源之交通事件11與交通資訊41。在一些實施例中,交通資訊41可包括旅行時間31、車流量32、車速、佔有率、停等長度及/或停等時間,以供偵測模組30、儲存模組40、計算
模組50、分析模組60分別偵測、儲存、計算與分析交通資訊41。
計算模組50可計算偵測模組30所偵測或擷取之道路過去之旅行時間31與車流量32的歷史統計值51,再將偵測模組30所偵測之道路現在之旅行時間31與車流量32分別比對計算模組50所計算之道路過去之旅行時間31與車流量32的歷史統計值51,以計算出旅行時間之相對值52與車流量之相對值53,俾由計算模組50將旅行時間之相對值52與車流量之相對值53分別輸入交通事件分析表61。分析模組60可自交通事件分析表61中依據旅行時間之相對值52與車流量之相對值53分析或推估出對應之交通事件11。
連結模組70可建立旅行時間之相對值52、車流量之相對值53與交通事件11之對應連結,以在各道路分類21中依據旅行時間之相對值52與車流量之相對值53建立相連結之交通事件11。排序模組80可將各道路分類21中旅行時間之相對值52與車流量之相對值53依序排列,以建立或產生交通事件分析表61。發送模組90可發送分析模組60所分析或推估之交通事件11至道路上之車輛,以將交通事件11通知或告警車輛之駕駛者。
因此,本發明能利用道路之旅行時間31、車流量32與歷史統計值51等交通資訊41之關係,以快速偵測交通狀況而分析或推估出選定之道路之交通事件11。亦即,本發明能依據道路之旅行時間31與車流量32等交通資訊41之變化觀察交通狀況,以快速判定或推估出交通狀況為何交通事件11,例如嚴重車禍、掉落物、壅塞等。又,在發生交通事件11時,往往造成後方車輛的堵塞,故本發明能自動化偵測交通事件11之持續時間,藉以提供後方駕駛者必要的交通資訊41。
另外,本發明可透過例如交通部高速公路局之交通資料庫、政府資料開放平台之警察廣播即時路況資訊等蒐集道路上之各交通事件11,並透過採用手機基地台為基礎之車輛探偵(Cellular-Based Vehicle Probe;CVP)、固定式車輛偵測器(Vehicle Detector;VD)、採用電子道路收費系統(Electronic Toll Collection;ETC)為基礎之車輛探偵(ETC-Based Vehicle Probe;EVP)、全球定位系統之探偵車(GPS-Based Vehicle Probe;GVP)等取得相關之旅行時間31與車流量32等交通資訊41,再將交通事件11與交通資訊41儲存於儲存模組40(如資料庫)中,進而依據交通資訊41運用大數據分析技術自動化分析判別交通事件11。
第3圖為本發明之交通事件偵測方法之流程示意圖,並請參閱第1圖至第2圖。同時,第3圖之交通事件偵測方法主要包括下列步驟S11至步驟S16之技術內容,其餘技術內容相同於第1圖與第4圖之說明,於此不再重覆敘述。
在第3圖之步驟S11中,由第1圖所示選擇模組10選定要偵測交通事件11之道路,並由分類模組20依據道路之特性進行道路分類。例如,由選擇模組10選定要偵測交通事件11所在地區之道路,並由分類模組20依據行政系統之道路分類21分析或判定該道路屬於何種道路分類21,例如該道路屬於國道、省道、市道、縣道、區道或鄉道等道路分類21。
舉例而言,由選擇模組10在2019年04月02日選定要偵測交通事件11之道路為國道,如國道1號(中山高速公路)。
在第3圖之步驟S12中,由偵測模組30透過至少一(如複數)資料來源偵測或擷取選擇模組10所選定之道路現在及過去之旅行時間31
與車流量32等交通資訊41。例如,交通資訊41之至少一資料來源可包括採用手機基地台為基礎之車輛探偵(CVP)、固定式車輛偵測器(VD)、採用電子道路收費系統(ETC)為基礎之車輛探偵(EVP)、全球定位系統之探偵車(GVP)、交通部高速公路局之交通資料庫、政府資料開放平台之警察廣播即時路況資訊等,且交通資訊41可儲存於儲存模組40(如資料庫)中並依照道路分類21以行政系統作分類。
舉例而言,由偵測模組30透過政府資料開放平台之警察廣播即時路況資訊取得2019年04月02日10:00,在國道1號(中山高速公路)南下71公里(km)至83公里之範圍內,該道路之旅行時間31之平均值為43分鐘,且每五分鐘之車流量32為146輛(如國道1號之某一偵測站於此時間範圍內所經過之車流總量)。
在第3圖之步驟S13中,由計算模組50計算偵測模組30所偵測或擷取之道路過去之旅行時間31與車流量32等交通資訊41的歷史統計值51。例如,由計算模組50依據儲存模組40(如資料庫)中之交通資訊41計算出該道路過去之每個單位時間的旅行時間31與車流量32等交通資訊41的歷史統計值51,而歷史統計值51可為算術平均值、中位數、眾數或標準差等。
舉例而言,由計算模組50計算儲存模組40(如資料庫)之交通資訊41中該道路過去之旅行時間31與車流量32等交通資訊41的歷史統計值51,例如2019年3月份10:00~10:05,在國道1號(中山高速公路)南下71公里至83公里之範圍內,該道路過去之旅行時間31之平均值為8分鐘,且五分鐘之車流量32為520輛。
在第3圖之步驟S14中,由計算模組50將步驟S12中偵測模組50所偵測之該道路現在之旅行時間31與車流量32分別比對步驟S13中計算模組50所計算之該道路過去之旅行時間31與車流量32的歷史統計值51,以計算出旅行時間之相對值52(包括比例關係)與車流量之相對值53(包括比例關係)。
舉例而言,旅行時間之相對值52為步驟S12中該道路現在之旅行時間31(如43分鐘)除以步驟S13中該道路過去之旅行時間31(如8分鐘),故本實施例中旅行時間之相對值52為5.375(即43/8=5.375)。同時,車流量之相對值53為步驟S12中該道路現在之車流量32(如146輛)除以步驟S13中該道路過去之車流量32(如520輛),故本實施例中車流量之相對值53為0.28(即146/520=0.28)。
在第3圖之步驟S15中,由計算模組50將旅行時間之相對值52與車流量之相對值53分別輸入第2圖所示之交通事件分析表61,再由分析模組60自交通事件分析表61中依據旅行時間之相對值52與車流量之相對值53分析或推估出對應之交通事件11。例如,由分析模組60先自交通事件分析表61中分析出該道路屬於何種道路分類(如國道、省道、市道、縣道、區道或鄉道),再自交通事件分析表61中依據最接近之旅行時間之相對值52與車流量之相對值53兩者的落點取出對應之交通事件11。
舉例而言,由計算模組50將步驟S14中旅行時間之相對值52(如值5.375)與車流量之相對值53(如值0.28)分別輸入第2圖所示之交通事件分析表61,再由分析模組60依據旅行時間之相對值52(如值5.375)與車流量之相對值53(如值0.28)分別比對出最接近之旅行時間之相對值
52(如值5)與車流量之相對值53(如值0.3),以依據最接近之旅行時間之相對值52(如值5)、車流量之相對值53(如值0.3)與道路之道路分類21(如國道)分析或推估出對應之交通事件11為「追撞事故」。
在第3圖之步驟S16中,由發送模組90發送分析模組60所分析或推估之交通事件11至該道路上之車輛,以將交通事件11通知或告警車輛之駕駛者。
舉例而言,由發送模組90向車輛發送2019年04月02日10:00,在國道1號(中山高速公路)南下71公里至83公里之範圍內,該道路之交通事件11經分析或推估為「追撞事故」影響,造成嚴重回堵,以通知或告警車輛之駕駛者。
第4圖為本發明第2圖所示之交通事件分析表61之建立方式之流程示意圖,並請參閱第1圖。同時,交通事件分析表61之建立方式可包括下列步驟S21至步驟S26之技術內容。
在第4圖之步驟S21中,由第1圖所示分類模組20依據道路之特性進行道路分類。
舉例而言,由分類模組20依據道路之特性將道路之道路分類21儲存於儲存模組40(如資料庫)中,並依照所在地區之道路以行政系統分類為國道、省道、市道、縣道、區道或鄉道等。
在第4圖之步驟S22中,由蒐集模組30'依據道路分類21透過交通資訊41之至少一(如複數)資料來源蒐集交通事件11之道路相關之旅行時間31與車流量32等交通資訊41。例如,由蒐集模組30'透過交通部高速公路局交通資料庫、政府資料開放平台之警察廣播即時路況資訊等
資料來源蒐集道路上各交通事件11,並透過採用手機基地台為基礎之車輛探偵(CVP)、固定式車輛偵測器(VD)、採用電子道路收費系統(ETC)為基礎之車輛探偵(EVP)、全球定位系統之探偵車(GVP)等取得相關之旅行時間31與車流量32等交通資訊41,以儲存交通事件11與交通資訊41於儲存模組40(如資料庫)中。
舉例而言,由蒐集模組30'蒐集交通事件11之道路(如國道)相關之旅行時間31與車流量32等交通資訊41。例如,在2019年04月01日08:00之交通事件11為外側掉落物,國道1號(中山高速公路)南下71公里至83公里之範圍內,該道路相關之旅行時間31之平均值為30分鐘,且五分鐘之車流量32為208輛。
在第4圖之步驟S23中,由計算模組50計算交通事件11之道路過去之旅行時間31與車流量32等交通資訊41的歷史統計值51。例如,由計算模組50依據儲存模組40(如資料庫)中之交通資訊41計算出該道路過去之每個單位時間的旅行時間31與車流量32等交通資訊41的歷史統計值51,而歷史統計值51可為算術平均值、中位數、眾數或標準差等。
舉例而言,由計算模組50自政府資料開放平台之警察廣播即時路況資訊或交通部高速公路局交通資料庫中取得2019年3月份08:00,在國道1號(中山高速公路)南下71公里至83公里之範圍內,該道路過去之旅行時間31之平均值為7.2分鐘,且五分鐘之車流量32為520輛(如國道1號之某一偵測站於此時範圍內所經過之車流總量),故旅行時間31的歷史統計值為7.2分鐘,且車流量32的歷史統計值為520輛。
在第4圖之步驟S24中,由計算模組50將蒐集模組30'所蒐集之交通事件11之道路相關之旅行時間31與車流量32(見步驟S22)分別比對計算模組50所計算之交通事件11之道路過去之旅行時間31與車流量32的歷史統計值51(見步驟S23),以計算出旅行時間之相對值52(包括比例關係)與車流量之相對值53(包括比例關係)。
舉例而言,旅行時間之相對值52為步驟S22中該道路相關之旅行時間31(如30分鐘)除以步驟S23中該道路過去之旅行時間31(如7.2分鐘),故本實施例中旅行時間之相對值52為4.16(即30/7.2=4.16)。同時,車流量之相對值53為步驟S22中該道路相關之車流量32(如208輛)除以步驟S23中該道路過去之車流量32(如520輛),故本實施例中車流量之相對值53為0.4(即208/520=0.4)。
在第4圖之步驟S25中,由連結模組70建立旅行時間之相對值52、車流量之相對值53與交通事件11之對應連結,以在各道路分類21中依據旅行時間之相對值52與車流量之相對值53建立相連結之交通事件11。
在第4圖之步驟S26中,由排序模組80將各道路分類21中旅行時間之相對值52與車流量之相對值53依序排列,以建立或產生第2圖所示之交通事件分析表61。
綜上,本發明之交通事件偵測系統及方法可至少具有下列特色、優點或技術功效。
一、本發明可無須額外增加路測設備,以大幅減少交通基礎建設之建置成本,從而經濟或快速地分析或推估出選定之道路之交通事件。
二、本發明能利用道路之旅行時間、車流量與歷史統計值等交通資訊之關係,以快速偵測交通狀況而分析或推估出選定之道路之交通事件。亦即,本發明能依據道路之旅行時間與車流量等交通資訊之變化觀察交通狀況,以快速判定或推估出交通狀況為何交通事件,例如嚴重車禍、掉落物、壅塞等。
三、在發生交通事件時,往往造成後方車輛的堵塞,故本發明能自動化偵測交通事件之持續時間,藉以提供後方駕駛者必要的交通資訊。
四、本發明能運用大數據分析技術,以自動化分析判別交通事件。亦即,本發明能透過交通部高速公路局之交通資料庫、政府資料開放平台之警察廣播即時路況資訊等蒐集道路上之各交通事件,並透過採用手機基地台為基礎之車輛探偵(CVP)、固定式車輛偵測器(VD)、採用電子道路收費系統(ETC)為基礎之車輛探偵(EVP)、全球定位系統之探偵車(GVP)等取得相關之旅行時間與車流量等交通資訊,並將交通資訊儲存於儲存模組(如資料庫)中,以依據交通資訊運用大數據分析技術自動化分析判別交通事件。
五、本發明能應用於例如智慧交通、交通控制中心或車輛導航系統等。
上述實施形態僅例示性說明本發明之原理、特點及其功效,並非用以限制本發明之可實施範疇,任何熟習此項技藝之人士均可在不違背本發明之精神及範疇下,對上述實施形態進行修飾與改變。任何運用本發明所揭示內容而完成之等效改變及修飾,均仍應為申請專利範圍所涵蓋。
因此,本發明之權利保護範圍,應如申請專利範圍所列。
1‧‧‧交通事件偵測系統
10‧‧‧選擇模組
11‧‧‧交通事件
20‧‧‧分類模組
21‧‧‧道路分類
30‧‧‧偵測模組
30'‧‧‧蒐集模組
31‧‧‧旅行時間
32‧‧‧車流量
40‧‧‧儲存模組
41‧‧‧交通資訊
50‧‧‧計算模組
51‧‧‧歷史統計值
52‧‧‧旅行時間之相對值
53‧‧‧車流量之相對值
60‧‧‧分析模組
61‧‧‧交通事件分析表
70‧‧‧連結模組
80‧‧‧排序模組
90‧‧‧發送模組
Claims (18)
- 一種交通事件偵測系統,包括:一選擇模組,係選定欲偵測交通事件之道路;一偵測模組,係透過交通資訊之資料來源偵測或擷取該選擇模組所選定之該道路現在及過去之旅行時間與車流量;一計算模組,係計算該偵測模組所偵測或擷取之該道路過去之旅行時間與車流量的歷史統計值,再將該偵測模組所偵測之該道路現在之旅行時間與車流量分別比對該計算模組所計算之該道路過去之旅行時間與車流量的歷史統計值,以計算出該旅行時間之相對值與該車流量之相對值,俾由該計算模組將該旅行時間之相對值與該車流量之相對值分別輸入交通事件分析表;以及一分析模組,係自該交通事件分析表中依據該旅行時間之相對值與該車流量之相對值分析或推估出對應之交通事件。
- 如申請專利範圍第1項所述之交通事件偵測系統,其中,該交通資訊包括旅行時間、車流量、車速、佔有率、停等長度或停等時間,而該歷史統計值為算術平均值、中位數、眾數或標準差。
- 如申請專利範圍第1項所述之交通事件偵測系統,其中,該交通資訊之資料來源包括採用手機基地台為基礎之車輛探偵(CVP)、固定式車輛偵測器(VD)、採用電子道路收費系統(ETC)為基礎之車輛探偵(EVP)、全球定位系統之探偵車(GVP)、交通部高速公路局之交通資料庫、或政府資料開放平台之警察廣播即時路況資訊。
- 如申請專利範圍第1項所述之交通事件偵測系統,更包括一分類模組與一儲存模組,其中,該分類模組係依據該道路之特性進行道路分類,且該儲存模組係儲存來自該資料來源之交通事件與交通資訊。
- 如申請專利範圍第1項所述之交通事件偵測系統,更包括一蒐集模組,係依據道路分類透過該交通資訊之資料來源蒐集該交通事件之道路相關之旅行時間與車流量。
- 如申請專利範圍第5項所述之交通事件偵測系統,其中,該計算模組更計算該交通事件之道路過去之旅行時間與車流量的歷史統計值,再將該蒐集模組所蒐集之該交通事件之道路相關之旅行時間與車流量分別比對該計算模組所計算之該交通事件之道路過去之旅行時間與車流量的歷史統計值,以計算出該旅行時間之相對值與該車流量之相對值。
- 如申請專利範圍第1項所述之交通事件偵測系統,更包括一連結模組,係建立該旅行時間之相對值、該車流量之相對值與該交通事件之對應連結,以在各道路分類中依據該旅行時間之相對值與該車流量之相對值建立相連結之交通事件。
- 如申請專利範圍第1項所述之交通事件偵測系統,更包括一排序模組,係將各道路分類中該旅行時間之相對值與該車流量之相對值依序排列,以建立或產生該交通事件分析表。
- 如申請專利範圍第1項所述之交通事件偵測系統,更包括一發送模組,係發送該分析模組所分析或推估之該交通事件至該道路上之車輛,以將該交通事件通知或告警該車輛之駕駛者。
- 一種交通事件偵測方法,包括: 選定欲偵測交通事件之道路,以自交通資訊之資料來源中偵測或擷取出所選定之該道路現在及過去之旅行時間與車流量;計算所偵測或擷取之該道路過去之旅行時間與車流量的歷史統計值,再將所偵測之該道路現在之旅行時間與車流量分別比對所計算之該道路過去之旅行時間與車流量的歷史統計值,以計算出該旅行時間之相對值與該車流量之相對值,俾將該旅行時間之相對值與該車流量之相對值分別輸入交通事件分析表;以及自該交通事件分析表中依據該旅行時間之相對值與該車流量之相對值分析或推估出對應之交通事件。
- 如申請專利範圍第10項所述之交通事件偵測方法,其中,該交通資訊包括旅行時間、車流量、車速、佔有率、停等長度或停等時間,而該歷史統計值為算術平均值、中位數、眾數或標準差。
- 如申請專利範圍第10項所述之交通事件偵測方法,其中,該交通資訊之資料來源包括採用手機基地台為基礎之車輛探偵(CVP)、固定式車輛偵測器(VD)、採用電子道路收費系統(ETC)為基礎之車輛探偵(EVP)、全球定位系統之探偵車(GVP)、交通部高速公路局之交通資料庫、或政府資料開放平台之警察廣播即時路況資訊。
- 如申請專利範圍第10項所述之交通事件偵測方法,更包括依據該道路之特性進行道路分類,並儲存來自該資料來源之交通事件與交通資訊。
- 如申請專利範圍第10項所述之交通事件偵測方法,更包括依據道路分類透過該交通資訊之資料來源蒐集該交通事件之道路相關之旅行時間與車流量。
- 如申請專利範圍第14項所述之交通事件偵測方法,更包括計算該交通事件之道路過去之旅行時間與車流量的歷史統計值,再將所蒐集之該交通事件之道路相關之旅行時間與車流量分別比對所計算之該交通事件之道路過去之旅行時間與車流量的歷史統計值,以計算出該旅行時間之相對值與該車流量之相對值。
- 如申請專利範圍第10項所述之交通事件偵測方法,更包括建立該旅行時間之相對值、該車流量之相對值與該交通事件之對應連結,以在各道路分類中依據該旅行時間之相對值與該車流量之相對值建立相連結之交通事件。
- 如申請專利範圍第10項所述之交通事件偵測方法,更包括將各道路分類中該旅行時間之相對值與該車流量之相對值依序排列,以建立或產生該交通事件分析表。
- 如申請專利範圍第10項所述之交通事件偵測方法,更包括發送所分析或推估之該交通事件至該道路上之車輛,以將該交通事件通知或告警該車輛之駕駛者。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108132056A TWI774984B (zh) | 2019-09-05 | 2019-09-05 | 交通事件偵測系統及方法 |
CN201911010507.4A CN112447042B (zh) | 2019-09-05 | 2019-10-23 | 交通事件侦测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108132056A TWI774984B (zh) | 2019-09-05 | 2019-09-05 | 交通事件偵測系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202111658A TW202111658A (zh) | 2021-03-16 |
TWI774984B true TWI774984B (zh) | 2022-08-21 |
Family
ID=74733128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108132056A TWI774984B (zh) | 2019-09-05 | 2019-09-05 | 交通事件偵測系統及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112447042B (zh) |
TW (1) | TWI774984B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256969B (zh) * | 2021-04-30 | 2022-08-16 | 山东金宇信息科技集团有限公司 | 一种高速公路的交通事故预警方法、设备及介质 |
TWI820929B (zh) * | 2022-09-27 | 2023-11-01 | 中華電信股份有限公司 | 人工智慧交通資訊預測系統、方法及電腦可讀媒介 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050809A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 交通状况自动分析预测方法 |
CN104915726A (zh) * | 2015-05-11 | 2015-09-16 | 四川汇源吉迅数码科技有限公司 | 一种基于时间片划分的车流量数据库生成方法 |
CN108877214A (zh) * | 2018-06-25 | 2018-11-23 | 成都科微科技有限公司 | 一种车用道路信息反馈通信*** |
TWI652959B (zh) * | 2017-11-24 | 2019-03-01 | 中華電信股份有限公司 | 一種利用行動信令資料推估道路車流量之系統與方法 |
CN109740811A (zh) * | 2018-12-28 | 2019-05-10 | 斑马网络技术有限公司 | 通行速度预测方法、装置和存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3876653B2 (ja) * | 2000-06-30 | 2007-02-07 | 住友電気工業株式会社 | 交通流の異常検知装置及び方法 |
US9171461B1 (en) * | 2013-03-07 | 2015-10-27 | Steve Dabell | Method and apparatus for providing estimated patrol properties and historic patrol records |
CN103413263B (zh) * | 2013-08-28 | 2016-03-16 | 北京交通发展研究中心 | 旅行时间指数熵交通运行评价方法 |
US9240123B2 (en) * | 2013-12-13 | 2016-01-19 | Here Global B.V. | Systems and methods for detecting road congestion and incidents in real time |
CN108091131B (zh) * | 2016-11-22 | 2021-06-04 | ***通信有限公司研究院 | 一种交通事件识别方法及装置 |
TWI619098B (zh) * | 2016-12-23 | 2018-03-21 | Chunghwa Telecom Co Ltd | Method and system for estimating parking space quantity by using eTag detector |
CN107798876B (zh) * | 2017-11-07 | 2021-09-21 | 上海炬宏信息技术有限公司 | 基于事件的道路交通异常拥堵判断方法 |
CN109841056A (zh) * | 2017-11-29 | 2019-06-04 | 高德软件有限公司 | 一种判断路段拥堵、区域拥堵的方法及装置 |
CN108198438B (zh) * | 2018-02-08 | 2020-02-07 | 广东行远信息技术有限公司 | 一种基于上下游路口车流量的启发式缺失道路车流量推算方法 |
CN109637125A (zh) * | 2018-11-30 | 2019-04-16 | 创发科技有限责任公司 | 智能路况监测***、装置、方法和计算机可读存储介质 |
CN110164130B (zh) * | 2019-04-29 | 2021-06-15 | 北京北大千方科技有限公司 | 交通事件检测方法、装置、设备及存储介质 |
CN110164132B (zh) * | 2019-05-29 | 2020-03-06 | 浙江警察学院 | 一种道路交通异常的检测方法及*** |
-
2019
- 2019-09-05 TW TW108132056A patent/TWI774984B/zh active
- 2019-10-23 CN CN201911010507.4A patent/CN112447042B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050809A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 交通状况自动分析预测方法 |
CN104915726A (zh) * | 2015-05-11 | 2015-09-16 | 四川汇源吉迅数码科技有限公司 | 一种基于时间片划分的车流量数据库生成方法 |
TWI652959B (zh) * | 2017-11-24 | 2019-03-01 | 中華電信股份有限公司 | 一種利用行動信令資料推估道路車流量之系統與方法 |
CN108877214A (zh) * | 2018-06-25 | 2018-11-23 | 成都科微科技有限公司 | 一种车用道路信息反馈通信*** |
CN109740811A (zh) * | 2018-12-28 | 2019-05-10 | 斑马网络技术有限公司 | 通行速度预测方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112447042B (zh) | 2022-07-29 |
TW202111658A (zh) | 2021-03-16 |
CN112447042A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yoon et al. | Surface street traffic estimation | |
US20190180610A1 (en) | Vehicle type identification method and device based on mobile phone data | |
CN102903237B (zh) | 交通管理服务装置以及交通管理服务方法 | |
KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
EP3912150A1 (en) | System and method for detection and quantification of irregular traffic congestion | |
CN103299302A (zh) | 用于区分从探测器车辆获得的交通数据的方法 | |
CN101751782A (zh) | 一种基于多源信息融合的十字路***通事件自动检测*** | |
CN102231231A (zh) | 区域公路网交通安全态势预警***及其方法 | |
CN105608431A (zh) | 一种基于车辆数目与车流速度的高速公路拥堵检测方法 | |
TWI649729B (zh) | 一種自動舉證交通違規車輛的系統與方法 | |
Al Mamun et al. | An intelligent smartphone based approach using IoT for ensuring safe driving | |
Mahmassain et al. | Evaluation of incident detection methodologies | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
TWI774984B (zh) | 交通事件偵測系統及方法 | |
Ki et al. | An incident detection algorithm using artificial neural networks and traffic information | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其*** | |
CN111754786A (zh) | 一种识别高速公路交通工具通行事件的*** | |
Růžička et al. | Big data application for urban transport solutions | |
Alrassy et al. | Driver behavior indices from large-scale fleet telematics data as surrogate safety measures | |
Ravish et al. | Intelligent traffic violation detection | |
CN116412854A (zh) | 基于5g车联网的路面信息数据采集*** | |
Dinh et al. | Real-time queue-end detection on freeways with floating car data: Practice-ready algorithm | |
CN114724356B (zh) | 基于气象数据整合的gis高速公路事故预警的方法及*** | |
TW201000934A (en) | Method of detecting traffic bottleneck points based on space environment data mining technology | |
Hounsell et al. | Using automatic vehicle location (AVL) data for evaluation of bus priority at traffic signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |