TWI799318B

TWI799318B - 分析路段狀況之設備、方法及電腦程式產品

Info

Publication number: TWI799318B
Application number: TW111126500A
Authority: TW
Inventors: 呂珮榕; 廖家妤; 莊育祥; 洪嘉辰; 姜芝怡
Original assignee: 中華電信股份有限公司
Priority date: 2022-07-14
Filing date: 2022-07-14
Publication date: 2023-04-11
Also published as: TW202403537A

Abstract

本案揭示一種分析路段狀況之設備、方法及電腦程式產品。首先，對所接收之複數個行動裝置的複數個行動信令資料進行批次分析過濾以產生複數個行動信令位置資料，接著，將複數個行動信令位置資料對應至一路段以計算該路段的總樣本量、複數個區間樣本量、及各區間樣本量所對應的時速，再根據該路段的總樣本量與根據該路段的歷史資料所計算出之壅塞門檻值來決定總樣本量中要被選取的樣本群，進而對所選取的樣本群中各區間樣本量及其對應的時速進行時速聚合，俾快速且精確地產生該路段的即時時速資訊。

Description

分析路段狀況之設備、方法及電腦程式產品

本案係關於一種交通路況分析技術，詳言之，係關於利用行動信令資料分析壅塞路況之設備、方法及電腦程式產品。

近年來，以行動裝置基地站為基礎之車輛探偵(Cellular-Based Vehicle Probe；CVP)技術，因其涵蓋率廣和成本低等特色，廣泛使用於道路交通資訊之偵測上。一般而言，CVP技術主要是應用手機信令，即藉由CVP信令資料之時間差和位置差，來計算路段上之平均車速及旅行時間。

然而，由於行動信令路況分析技術是透過行動信令點位的時間與位置來分析路況，故會受到信令飄移和運具不同之影響。例如，信令飄移往往受限於基地站定位技術限制而難以避免，惟此問題卻會影響路況分析的正確性，尤其在壅塞時，信令的位置將更容易飄移不穩定，造成路況分析不準確。另一方面，運具通常需使用異質資料進行勾稽，如大眾運具班表、票證資訊、影像辨識資訊等，徒增系統或運算上的複雜度。

因此，如何利用行動信令資料來快速且準確地分析壅塞路況，為目前待解決之議題。

為解決上述問題及其他問題，本案揭示一種分析路段狀況之設備、方法、電腦程式產品及電腦可讀取記錄媒體。

本案所揭之分析路段狀況之設備係包括：資料接收模組，用於接收複數個行動裝置的複數個行動信令資料；批次過濾模組，對該複數個行動裝置的該複數個行動信令資料進行批次分析過濾，以產生複數個行動信令位置資料；路段對應模組，將該複數個行動信令位置資料對應至一路段，以計算該路段的總樣本量、複數個區間樣本量、及各該區間樣本量所對應的時速；以及動態壅塞門檻計算模組，係根據該路段的歷史資料，計算該路段的壅塞門檻值；動態壅塞偵測模組，係根據該路段的該壅塞門檻值與該路段的該總樣本量，決定該總樣本量中被選取的樣本群；以及時速聚合模組，對該選取的樣本群中各該區間樣本量及其對應的時速進行時速聚合，俾產生該路段的即時時速資訊。

於一實施例中，本案之批次過濾模組係依時間順序批次切割該複數個行動信令資料，以對各批次的行動信令資料進行主成分分析、及方向過濾和距離過濾，使得各該批次的該行動信令資料經主成分分析、及方向過濾和距離過濾之後，產生各批次的行動信令位置資料，以構成該複數個行動信令位置資料。

於一實施例中，本案之動態壅塞偵測模組係比較該總樣本量與該壅塞門檻值，以於該總樣本量未大於該壅塞門檻值時選取時速較快的樣本群，而於該總樣本量大於該壅塞門檻值時，判斷該路段的低速占比是否大於根據該路段的該歷史資料所計算出的該路段的低速占比門檻值，以於該低速占比未大於該低速占比門檻值時選取時速較快的樣本群，而於該低速占比大於該低速占比門檻值時選取數量較多的樣本群。

於一實施例中，本案之時速聚合模組係對該選取的樣本群中各區間的時速低值與時速機率值進行加權平均，藉以產生該路段的即時時速資訊。

本案所揭之分析路段狀況之方法係包括：對所接收之複數個行動裝置的複數個行動信令資料執行批次分析過濾，以產生複數個行動信令位置資料；將該複數個行動信令位置資料對應至一路段，以計算該路段的總樣本量、複數個區間樣本量、及各該區間樣本量所對應的時速；根據該路段的該總樣本量與根據該路段的歷史資料所計算出之該路段的壅塞門檻值，決定該總樣本量中被選取的樣本群；以及對該選取的樣本群中各區間樣本量及其對應的時速進行時速聚合，俾產生該路段的即時時速資訊。

於一實施例中，本案所述對所接收之複數個行動裝置的複數個行動信令資料進行批次分析過濾以產生複數個行動信令位置資料之步驟係包括：依時間順序批次切割該複數個行動信令資料；對各批次的行動信令資料進行主成分分析、及方向過濾和距離過濾；以及各該批次的該行動信令資料經主成分分析、及方向過濾和距離過濾之後，產生各批次的行動信令位置資料，以構成該複數個行動信令位置資料。

於一實施例中，本案所述根據該路段的該總樣本量與根據該路段的歷史資料所計算出之該路段的壅塞門檻值，決定該總樣本量中被選取的樣本群之步驟係包括：比較該總樣本量與該壅塞門檻值，其中，於該總樣本量未大於該壅塞門檻值時，選取時速較快的樣本群，而於該總樣本量大於該壅塞門檻值時，判斷該路段的低速占比是否大於根據該路段的該歷史資料所計算出之該路段的低速占比門檻值，其中，於該低速占比未大於該低速占比門檻值時，選取時速較快的樣本群，而於該低速占比大於該低速占比門檻值時，選取數量較多的樣本群。

於一實施例中，本案所述選取時速較快的樣本群之步驟係包括：依時速快到慢計算前N個區間樣本量/該總樣本量以及N/總區間數量；以及於該前N個區間樣本量/該總樣本量係大於或等於該N/總區間數量，選取具有該前N個區間樣本量的群為時速較快的樣本群。

於一實施例中，本案所述選取數量較多的樣本群之步驟係包括：以相鄰M個區間分為一群，以計算各群的樣本量加總量；以及選取具有最多該樣本加總量的群為該數量較多的樣本群。

於一實施例中，本案所述對該選取的樣本群中各區間樣本量及其對應的時速進行時速聚合以產生該路段的時速資訊之步驟係包括：對該選取的樣本群中各區間的時速低值與時速機率值進行加權平均，以產生該路段的即時時速資訊。

本案所揭之分析路段狀況之電腦程式產品，經電腦下載以執行上揭分析路段狀況之方法。

本案所揭之分析路段狀況之電腦可讀取記錄媒體，經電腦下載以執行上揭分析路段狀況之方法。

藉由本案所揭之分析路段狀況之設備、方法、電腦程式產品及電腦可讀取記錄媒體，執行批次分析過濾以濾除飄移點位，之後將行動信令位置資料對應至路段上，再執行壅塞門檻值計算及動態壅塞偵測技術，以追蹤時速隨時序的變化，避免與實際路況不符的情形，故無需額外勾稽異質資料，即可快速且準確地分析路況為壅塞或順暢，藉此提升路況分析準確性。

10:基地站

2:設備

21:資料接收模組

22:批次過濾模組

23:路段對應模組

24:動態壅塞門檻計算模組

25:動態壅塞偵測模組

26:時速聚合模組

30:資料庫

P1~P12:點位

S201~S206:步驟

S301~S304:步驟

S401~S406:步驟

圖1係為根據本案之分析路段狀況之設備之實施例的架構示意圖。

圖2係為根據本案之分析路段狀況之方法之實施例的流程示意圖。

圖3A係為本案之分析路段狀況之方法中批次分析過濾之實施例示意圖。

圖3B係為本案之分析路段狀況之方法中主成分分析之實施例示意圖。

圖4係為本案之分析路段狀況之方法中取群之實施例示意圖。

圖5係為本案之分析路段狀況之方法中區間樣本量及其所對應的時速之實施例示意圖。

圖6係為本案之分析路段狀況之方法中選取快群之實施例的示意圖。

圖7係為本案之分析路段狀況之方法中選取大群之實施例的示意圖。

以下藉由特定的實施例說明本案之實施方式，熟習此項技藝之人士可由本文所揭示之內容輕易地瞭解本案之其他優點及功效。本說明書所附圖式所繪示之結構、比值、大小等均僅用於配合說明書所揭示之內容，以供熟悉此技藝之人士之瞭解與閱讀，非用於限定本案可實施之限定條件，故任何修飾、改變或調整，在不影響本案所能產生之功效及所能達成之目的下，均應仍落在本案所揭示之技術內容得能涵蓋之範圍內。

請參閱圖1，本案之設備2包括資料接收模組21、批次過濾模組22、路段對應模組23、動態壅塞門檻計算模組24、動態壅塞偵測模組25、以及時速聚合模組26。

在一實施例中，設備2係為一遠端或雲端之伺服器。在另一實施例中，圖1中的各模組均可為軟體、硬體或韌體；若為硬體，則可為具有資料處理與運算能力之處理單元、處理器、電腦；若為軟體或韌體，則可包括處理單元、處理器、電腦可執行之指令。

資料接收模組21自基地站10接收複數個行動裝置的複數個行動信令資料。具體而言，行動裝置可例如為具有SIM(用户身份模組；Subscriber Identity Module)卡之智慧手機、智慧手錶、平板電腦等，其與基地站10之間傳遞有行動信令資料，包括例如行動裝置之位置、時間與速度等資料。於一具體實施例中，行動信令資料例如為CVP信令資料。

批次過濾模組22對資料接收模組21所接收之複數個行動裝置的複數個行動信令資料，進行批次、分析、過濾之處理，以產生複數個行動信令位置資料。詳言之，對於一個行動裝置，批次過濾模組22依時間順序累積複數個行動信令資料，累積至一定數量後切割為一批次，接著對該批次使用主成分分析(principal components analysis,PCA)法以分析該批點位之主成分，再進行方向過濾與距離過濾，進而將與主成分移動方向相反或與主成分垂直距離過遠的點位濾除。接著，過濾後之點位的其中一部分傳入路段對應模組23，另保留一部分作為下一批次的前幾個點位，以繼續對該下一批次使用主成分分析法及方向過濾與距離過濾，以此類推。並且，批次過濾模組22對各個行動裝置的複數個行動信令資料執行上述依時間順序累積、批次切割、主成分分析、方向過濾和距離過濾等處理，而各批次的行動信令資料經處理之後傳至路段對應模組23者即為所述複數個行動信令位置資料。

路段對應模組23將批次過濾模組22所產生之複數個行動信令位置資料對應之一路段，以計算出該路段的總樣本量、複數個區間樣本量及其所對應的時速。詳言之，根據複數個行動信令可計算出複數個用戶裝置的所在位置，結合路網資訊可獲得該路段上所有用戶裝置的數量(即，總樣本量)，根據該路段的時速限制切割出複數個時速區間，而每個時速區間有其對應的用戶裝置數量(即，複數個區間樣本量及其所對應的時速)。須說明的是，由於批次過濾模組22不間斷地執行依時間順序累積、批次切割、主成分分析、方向過濾和距離過濾等處理，爾後將複數個行動信令位置資料傳輸至路段對應模組23，因而路段對應模組23所計算出之該路段的總樣本量、複數個區間樣本量及其所對應的時速也是隨著時序而變化。

動態壅塞門檻計算模組24根據資料庫30中該路段的歷史資料計算該路段的壅塞門檻值。具體言之，資料庫30儲存有路網資訊、道路容量資料、和歷史資料等，其中歷史資料例如該路段上同一時段歷史上(例如過去七天)的每隔一段時間(例如每五分鐘)的歷史總樣本量，動態壅塞門檻計算模組24選取總樣本量最大的約十個樣本量，平均之後的大約六成作為壅塞門檻值。另外，若無過去幾天的樣本資訊，則動態壅塞門檻計算模組24可以將資料庫30中該路段的道路容量設作為壅塞門檻值。另外，動態壅塞門檻計算模組24根據該路段的歷史資料計算該路段的低速占比門檻值，同樣可選取該路段上同一時段過去七天每五分鐘的平均時速的大約八成作為低速門檻，然後計算低於該低速門檻的樣本量相對於該歷史總樣本量的占比，作為低速占比門檻值。

動態壅塞偵測模組25根據該路段的該壅塞門檻值與該路段的該總樣本量，或根據該路段的該低速占比門檻值與該路段的該低速占比，決定該總樣本量中被選取的樣本群。於一實施例中，動態壅塞偵測模組25比較該路段的該總樣本量與該路段的該壅塞門檻值，若路段對應模組23所計算出的該路段的總樣本量不大於(即小於或等於)動態壅塞門檻計算模組24所計算出之壅塞門檻值，則動態壅塞偵測模組25.判定為車少或順暢，因而動態壅塞偵測模組25決定自該總樣本量中選取時速較快的樣本群。於另一實施例中，若路段對應模組23所計算出的該路段的總樣本量大於動態壅塞門檻計算模組24所計算出之壅塞門檻值，則動態壅塞偵測模組25判定為車多或壅塞，動態壅塞偵測模組25接著比較該路段的低速占比與該路段的低速占比門檻值。若路段對應模組23所計算出的該路段的低速占比不大於(即小於或等於)動態壅塞門檻計算模組24所計算出的該路段的低速占比門檻值，則可能車多但車速夠快，仍未達壅塞條件，因而動態壅塞偵測模組25決定自該總樣本量中選取時速較快的樣本群。若路段對應模組23所計算出的該路段的低速占比大於動態壅塞門檻計算模組24所計算出的該路段的低速占比門檻值，則可能車多且速度慢，應視為滿足壅塞條件，因而動態壅塞偵測模組25決定自該總樣本量中選取數量較多的樣本群。

時速聚合模組26對動態壅塞偵測模組25所選取的樣本群中各該區間樣本量及其對應的時速進行時速聚合，即對該選取的樣本群中各區間的時速低值與時速機率值進行加權平均，藉以產生該路段的即時時速資訊，其中時速機率值係指一區間樣本量相比於該選取的樣本群的樣本量。另外，所產生之該段的即時時速資訊也會傳輸至資料庫30，以作為後續計算壅塞門檻值時之更新依據。

因此，藉由本案之包括資料接收模組21、批次過濾模組22、路段對應模組23、動態壅塞門檻計算模組24、動態壅塞偵測模組25及時速聚合模組26之設備2，接收來自基地站10的行動信令資料進行批次分析過濾以濾除飄移點位，疊代追蹤時速隨時序的變化，並且依據資料庫30中對應路段的歷史資料計算動態門檻值以藉此進行動態壅塞偵測，於車流量偏低的交通情況下，選取時速較快的樣本群以降低取樣到少數慢車所造成時速演算結果偏慢的影響，而於車流量偏中高的交通情況下，進一步考慮車速資料以增加壅塞路況的判斷條件，另導入路段壅塞門檻動態更新機制，避免因採用路段基本固定資料而導致與實際路況不符的情形，以提升路況分析正確性。

於一實施例中，本案上述各模組所產生之資料可供多種交通服務進行後續應用，透過APP或網頁呈現出來，以供提前道路改向或是發布交通措施以避免道路壅塞，藉此節省旅行時間。於另一實施例中，本案之上述模組亦可單獨拆開，例如批次過濾模組所執行的處理，其中可抓出飄移之點位數量、比例等，後續亦能應用於停駐點、事故偵測等技術；而動態壅塞偵測模組所執行之處理，其中壅塞路況判斷則可用於道路易壅塞程度貼標，將貼標資料作為屬性之一，應用於其他交通分析服務。

請參閱圖2，本案之分析路段狀況之方法主要包括步驟S201~S206，主要由圖1的設備2所執行。

於步驟S201中，自基地站接收複數個行動裝置的複數個行動信令資料，接著進至步驟S202。

於步驟S202中，對複數個行動裝置的複數個行動信令資料進行批次分析過濾，以產生複數個行動信令位置資料。所述批次分析過濾之步驟詳如圖3A所示，包括步驟S301~S304。

於步驟S301中，執行批次切割。詳言之，對各個行動裝置的多個行動信令資料依時間順序累積，累計至一定數量後切割為一批次，如批次1，接著進至步驟S302。

於步驟S302中，執行主成分分析。詳言之，對批次1的多個點位(也就是行動信令資料)執行主成分分析，參閱圖3B，圖中一批次包含 12個點位P1~P12，點位編號代表點位時間的先後順序，以主成分分析法找出之主成分，如箭頭所示，接著進至步驟S303。

於步驟S303中，執行方向過濾及距離過濾。如圖3B中所示，12個點位中，可以看到點位P5、P6的平行移動方向與主成分不符，而點位P2、P4、P9、P10與主成分的垂直距離過大，因此過濾後之點位僅剩下點位P1、P3、P7、P8、P11、P12共6個，接著進至步驟S304。

於步驟S304中，留下過濾後的點位群，另保留部分點位至下一批次。具體言之，批次1的最後三成點位，也就是點位P11、P12將被保留為下一批次的前面兩者，故批次2的點位係為P11、P12、P13、P14、…，批次3也是以此類推而產生。因此，過濾後點位群1中包括點位P1、P3、P7、P8四個，即作為行動信令位置資料，過濾後點位群2和3也是以此類推而產生故所包括的點位即作為行動信令位置資料，接著進至步驟S203。

於步驟S203中，將複數個行動信令位置資料對應至路段，接著進至步驟S204。

於步驟S204中，計算出該路段的總樣本量、複數個區間樣本量及其所對應的時速，接著進至步驟S205。於一具體實施例中，請參閱圖5，以一速限80之路段時速樣本分布為例，時速允許到速限+20，因而以(80+20)/5去切割時速區間，故由以樣本量為縱軸而以時速區間為橫軸之圖5可知，該路段當下時間的總樣本量、複數個區間樣本量及其所對應的時速。

於步驟S205中，根據該路段的總樣本量與根據該路段的歷史資料所計算出的壅塞門檻值，決定總樣本量中被選取的樣本群。具體實施請參閱圖4，本案之分析路段狀況之方法中取群方法包括步驟S401~S406。

於步驟S401中，計算該路段的壅塞門檻值。於一實施例中，壅塞門檻值的計算式如下：

壅塞門檻值=AVG(樣本量峰值)*0.6

於一實施例中，樣本量峰值：以當下時間為基準，往回推七天內的每個五分鐘樣本量，取樣本量最大的十個樣本量。因此，壅塞門檻值即為近期七天內樣本峰值平均之6成。若無七天內之樣本資訊，則以該路段的道路容量為壅塞門檻值。

於步驟S402中，判斷該路段的總樣本量是否大於該路段的壅塞門檻值。若總樣本量不大於壅塞門檻值，則可視為車少或順暢，進至步驟S403。若總樣本量大於壅塞門檻值，則可視為車多，進至步驟S405。

於步驟S403中，選擇時速較快的樣本群。於一實施例中，假設該路段的總樣本量為407，則快群取法如下。

(由快到慢前N個區間樣本量/總樣本量)>=N/區間數量。

請參閱圖6。

N=1，4/407<1/20

N=2，(4+8)/407<2/20

N=3，(4+8+7)/407<3/20

…

N=12，(4+8+7+10+10+8+16+16+41+38+57+31)/407>12/20

換言之，N=1~12的區間即為時速較快的樣本群，如圖6中的方框所示即為被選取的樣本群，此作為後續計算該路段的即時時速資訊的依據。

於步驟S405中，判斷該路段的低速占比是否大於該路段的低速占比門檻值。在此之前，於步驟S405中，計算該路段的低速占比門檻值。

低速占比門檻值的計算如下：

於一實施例中，假設該路段過去7天平均時速為70，則低速門檻為70*0.8=56，則以該路當下時間為基準，過去七天低速占比門檻值=過去七天低速樣本量/過去七天總樣本量。

另外，如圖7所示，假設該例中，總樣本量為407中，時速低於56kph之樣本有292個，而圖7顯示時速0-55區間的樣本量有287個，則該路段當下的低速占比為287/407(約0.7)。

若低速占比不大於低速占比門檻值，則可視為車雖多但車速不慢，進至步驟S403。若低速占比大於低速占比門檻值，則可視為車多又慢，滿足壅塞條件，進至步驟S406。

於步驟S406中，選擇數量較多的樣本群。於一實施例中，假設該路段的總樣本量為407，則大群取法為：M個相鄰區間分為一群，具有時速區間樣本量加總最高的一群即為大群。若不只一群的樣本量加總最高，則選取較時速較低的群。

如圖7所示，於一實施例中，三個相鄰區間分為一群，則可知由時速區間35-40、40-45、45-50所構成之群的區間樣本量加總最高，此為大群，如圖7中的方框所示即為被選取的樣本群，此作為後續計算該路段的即時時速資訊的依據。

完成上述步驟S205(包括步驟S401~S406)的選取樣本群之後，進至步驟S206。

於步驟S206中，對所選取的樣本群中各區間樣本量及其所對應的時速進行時速聚合，俾快速且精準地產生該路段的即時時速資訊。具體言之，對該選取的樣本群中各區間的時速低值與時速機率值進行加權平均，以產生該路段的即時時速資訊，其中：

於一實施例中，若選取快群，參閱圖6，如方框所示之快群，12個區間共246個樣本量，時速聚合如下：

(4/246)*95+(8/246)*90+(7/246)*85+(10/246)*80+(10/246)*75+(8/246)*70+(16/246)*65+(16/246)*60+(41/246)*55+(38/246)*50+(57/246)*45+(31/246)*40=55.96

因此，在此實施例中，該路段當下時段由於總樣本量少於壅塞門檻值，或總樣本量雖然多於壅塞門檻值但低速占比仍少於低速門檻值，故選取快群，計算所得之該時段的即時時速為55.96kph。

於另一實施例中，若選取大群，參閱圖6，如方框所示之大群，3個區間共136樣本量，時速聚合如下：

(48/136)*35+(31/136)*40+(57/136)*45=40.33

因此，在此實施例中，該路段當下時段由於總樣本量多於壅塞門檻值且低速占比亦多於低速門檻值，故選取大群，計算所得之該時段的即時時速為40.33kph。

須說明的是，本發明之方法可執行在例如伺服器、電腦或其他具有資料處理、運算、儲存、網路通聯等功能的一個單獨或多個集合之設備中，其中，該伺服器、電腦或設備包括中央處理器、硬碟、記憶體等。

另外，本發明之電腦程式產品係經由電腦載入程式後執行該方法，而本發明之電腦可讀取紀錄媒體(例如硬碟、軟碟、光碟、USB隨身碟)係儲存有該電腦程式產品。另外，電腦程式產品亦可在網路上直接傳輸提供，故電腦程式產品係為載有電腦可讀取之程式且不限外在形式之物。

另外，本發明還提供一種電腦可讀取記錄媒體，係應用於具有處理器及/或記憶體之計算設備或電腦中，且電腦可讀取記錄媒體儲存有指令，並可利用計算設備或電腦透過處理器及/或記憶體執行電腦可讀取記錄媒體，以於執行電腦可讀取記錄媒體時執行上述方法及/或內容。

綜上所述，本案揭示一種分析路段狀況之設備、方法及電腦程式產品，利用行動信令資料分析壅塞路況，依序進行信令接收、飄移信令過濾、路段對應、時速計算等步驟，藉由主成分過濾法透過批次點位的移動方向找出向量，不符合該向量方向性的點位即視為飄移點位。而在減低運具影響層面，在路段對應後而開始計算路段時速前，透過歷史資料信令樣本數、車速資料或道路容量等，判別當下車流與時速是否符合壅塞特徵，故無需使用異質資料進行勾稽，透過行動信令本身之移動特性即可將信令進行分群和取群，進而調整用於最終時速計算所使用的樣本群，從而提升路況分析準確性。

上述實施例僅例示性說明本案之功效，而非用於限制本案，任何熟習此項技藝之人士均可在不違背本案之精神及範疇下對上述該些實施態樣進行修飾與改變。因此本案之權利保護範圍，應如後述之申請專利範圍所列。