CN106846901A - 回避异常车辆的系统与方法 - Google Patents

Abstract

一种回避异常车辆的系统与方法，在此方法中，当有车辆收到本身产生的异常信息时，其中异常车辆本身的回避系统先根据异常信息对应的历史数据与行车信息分析此异常车辆预测于一段时间内的行进路线，包括建立一路线潜势图，接着再以邻近车辆的行车信息判断可能碰撞时，据此得出一或多条可能的可行路线，计算每条可行路线的碰撞风险值。经考量异常车辆的剧变时间、邻近车辆进入路线潜势图以及安全距离等参数后，提供邻近车辆较低风险的建议路线。

Description

回避异常车辆的系统与方法

技术领域

本发明为一种涉及车辆安全的相关系统与方法，特别是一种根据异常车辆本身产生的预警信息而提供邻车回避异常车辆的系统与方法。

背景技术

在一般道路上的行车过程中，驾驶需要集中精神开车，特别是要注意附近车辆有异常行驶的状况，一旦发现有任何异常，需要立即采取回避的动作，在此情况下，如果驾驶可以事先得知其他车辆的状况，将可有效回避事故的发生。

对此，现行确实有可以将故障车辆的信息传递给周围车辆而提供回避参考的技术，当邻近车辆接收到故障车辆信息时，可以推估故障车的动线，但因为习知技术无法实时确认故障车本身的其他操作行为，比如油门、刹车、方向盘转动的行为，因此无法结合做更精确与及早的计算，也就导致车辆驾驶并无足够的判断时间，仍会造成误判或是来不及判断正确回避路线的问题。

发明内容

本发明为一种涉及车辆安全的相关系统与方法，特别是一种车辆本身考量自身异常信息时，引用了历史数据而预测在未来的一段时间内的行进路线，以及在可能碰撞的情况下，根据邻车的行车信息判断得出可能的可行路线，计算各路线的碰撞风险值，因而可以提供具有较低碰撞风险值的路线给邻车回避异常车辆，相关的系统将藉此产生预警信息以及建议路线。

在揭露书所载的回避异常车辆的方法实施例中，设有本身发生异常的车辆以及邻近的第一车辆，当异常车辆本身产生异常信息时，其中所设的回避系统将根据异常车辆的异常信息对应的历史数据，以及异常车辆的行车信息，包括油门、刹车与方向盘的操作状态，预测异常车辆于一段时间内的预测行进路线；同时，也接收第一车辆的行车信息，判断第一车辆于一段时间内的一或多条可行路线，系统接着计算第一车辆的各可行路线的碰撞风险值，并能根据各可行路线的碰撞风险值规划一回避该异常车辆的路线。

根据实施例之一，前述用于预测异常车辆行进路线的历史数据记载于一数据库中，数据库记载了异常信息以及相关行车信息的数据，数据库中依照相似度分类，相关行车信息的数据包括：异常信息的异常码、碰撞情况、时间、位置、速度、加速度、方向、气候的其中之一或其组合。

根据再一实施例，系统可由各建议路线是否进入异常车辆的一路线潜势图计算各建议路线对应的碰撞风险值。

在提供建议路线时，系统判断第一车辆与异常车辆的间距是否小于一安全距离，若是，则实时提供第一车辆当下的最佳建议路线；若否，表示第一车辆与异常车辆的间距大于安全距离，系统将继续在不同时间重复计算第一车辆各建议路线的碰撞风险值，每一时间具有对应的最佳建议路线；直到所产生的任一碰撞风险值低于一风险门槛值，此时，此碰撞风险值对应的路线设为该最佳建议路线，这时碰撞风险值也可能为其中最低碰撞风险值者。或者，重复计算碰撞风险值时，若异常车辆开始产生异常变化，此时的碰撞风险值对应的路线即设为最佳建议路线。

另外，在一实施例中，系统更可考量得到异常车辆从正常到异常情况时的距离，以及邻近车辆进入异常车辆路线潜势图的距离的较小者，用以比对前述安全距离，可配合一风险门槛值，以得到较低碰撞风险值对应的路线。

揭露书另涉及实现前述方法的回避异常车辆的系统。

为了能更进一步了解本发明为达成既定目的所采取的技术、方法及功效，请参阅以下有关本发明的详细说明、图式，相信本发明的目的、特征与特点，当可由此得以深入且具体的了解，然而所附图式仅提供参考与说明用，并非用来对本发明加以限制者。

附图说明

图1所示为本发明回避异常车辆方法的实施例流程图；

图2所示为本发明回避异常车辆方法的另一实施例流程图；

图3所示为本发明回避异常车辆方法取得建议路线的实施例流程图；

图4描述本发明揭露的方法中用于预测异常车辆行进路线的数据库建立的实施例的一流程；

图5描述本发明揭露的方法中产生异常车辆路线潜势图的实施例的一流程；

图6所示为本发明回避异常车辆方法中制作潜势图的示意图；

图7所示为本发明回避异常车辆方法的邻车回避范例示意图；

图8所示为本发明回避异常车辆方法的实施例整体流程图；

图9描述在路线规划中判断给予建议路线的流程实施例；

图10显示本发明回避异常车辆的系统的实施例功能方块图；

图11A与图11B显示本发明方法中异常车辆与邻车距离关系的示意图；

图12A与图12B显示本发明方法中异常车辆与邻车距离与安全距离的关系的示意图。

具体实施方式

本发明揭露书提出一种有关回避异常车辆的系统与方法，例如车辆本身发生事故之前，其中的回避系统可以取得此异常车辆产生的预警信息，因而根据异常车辆行驶路线的状况预测路线，并提供邻车闪避路线的路线建议，能有效让行驶中车辆回避异常车辆，此技术主要应用于行车安全上。

根据揭露书所描述的回避异常车辆的系统的实施例，可参考图7所表示的范例，行驶于道路上的车辆(第一车辆701、第二车辆702、第三车辆703与第四车辆704)应设有可以相互通信的通信电路，以及可以取得各自车辆行车系统中行车信息相关电路(可参阅图10)，包括可由行车系统取得异常信息，特别是会影响行车安全的故障信息。此设于异常车辆本身的回避系统经取得本身产生的异常信息，并根据历史数据所预测得到其行车路径，根据相关风险评估，以及考量邻近其他正常车辆的行车信息，进而提供一个可以回避异常车辆的建议路线。

举例来说，当车辆发生故障的时候，如图7显示的第四车辆704，故障车内的将故障码(如一种DTC，Diagnostic Trouble Codes)等相关信息提供给周围邻近的车辆(如图7的第一车辆701)，系统可根据历史数据进行故障车的路径预测及碰撞风险计算，进而进行闪避。更进一步者，系统更可考量邻近车辆(如图7的第二车辆702、第三车辆703)的行车动线，可根据接收的信号得出邻近车辆的加油、刹车、转动方向盘等操作行为，藉此判断出可以回避异常车辆以及邻近车辆动线的建议路线。

回避方法的主要实施例可参考图1所示的流程。在一般状况，各车辆随时保持通信的状态，特别是能够接收一定距离内的各邻近车辆的行车信息，使用的手段包括无线局域网络(WiFi^TM)、蓝芽通信(Bluetooth^TM)、Beacon智能型定位技术等，包括会影响行车安全的异常信息。当某车辆(称为异常车辆)内系统接收到本身的异常信息时，如步骤S101，先经确认异常项目，配合此异常车辆的异常信息所对应类似状况的历史数据，分析预测此异常车辆于未来一段时间内的预测行进路线，如步骤S103。

同时，在取得异常车辆本身的行车信息(至少包括油门、刹车与方向盘的操作状态，以上至少其中之一)，如步骤S105，以及自其他邻近车辆(称为第一车辆)的行车计算机接收行车信息，如步骤S107。比如可以从符合ODB(On-board diagnostics)/ODB II接口格式的行车计算机中取得相关数据，可藉此取得的行车信息如油门、刹车、方向盘，以判断此第一车辆于该段时间内的一或多条预测行进路线。因此，设于异常车辆内的回避异常车辆的回避系统将可根据异常信息预测异常车辆的行进路线，以及考量前述第一车辆的行进路线，计算各路线的碰撞风险值，以评估安全路线，如步骤S109。异常车辆内回避系统将可根据各可行路线的碰撞风险值决定回避此异常车辆的一最佳建议路线(步骤S111)，并通知此路线给第一车辆上，通知该车驾驶根据此建立路线进行回避。另有实施例系可同时将最佳建议路线传送到异常车辆自身上，除了通知由异常车辆驾驶外，亦可以驱使异常车辆根据此回避路线考量自身的路线，比如以建议路线的反方向的路线回避后方车辆。

在此回避方法中，除了考量前述异常车辆与第一车辆的行进路线进行回避以外，更可进一步考量其他邻近车辆的行车状况，提供更为严谨的路线建议。相关实施例可参考图2所示的流程。

在此实施例中，除了根据异常车辆的状况预测安全路线外，可同时接收其他邻近车辆(称为第二车辆)的行车信息，比如由第二车辆的行车系统取得的油门、刹车(涉及速度、加速度数据)与方向盘(涉及转向数据)等行车信息，以取得第二车辆于同一时间内的行进路线；之后，可依据前述第一车辆、第二车辆与异常车辆于此段时间内的行进路线，以重新计算前述的碰撞风险值，并重新规划回避该异常车辆的路线。图2显示的流程描述本发明回避方法中另一实施例流程，此例能取得多条安全路线中风险最小的路线。

相关方法一开始时，如步骤S201，设于异常车辆内的系统可以接收邻近车的行车信息，行车信息比如透过行车系统取得的油门、刹车与方向盘状态，藉此可以取得车辆的速度、加速度、转向等数据。当邻近车辆有异常时，各邻近车辆亦可取得此异常车辆的异常信息，经判读可得到异常的项目。

对于异常车辆而言，可以根据历史数据、其行车信息中预测未来一段时间内的预测行进路线，直到产生剧变为止；对于一般车辆而言，同样可以根据行车信息判断一段时间内的行进路线，如步骤S203；因此，系统可以根据异常车辆的预测路线，以及其他邻近车辆的行进路线作出整合分析，透过邻近车的速度、加(减)速度及转向角度等数据找出可能的建议路线组合，产生避免与异常车辆碰撞的多条可行路线，如步骤S205。

在回避系统中，可以估算各路线的碰撞风险值，如步骤S207，并能以碰撞风险值最小的路线为一最佳建议路线，如步骤S209。若还有时间判断，比如回避系统判断前述第一车辆与异常车辆的间距仍大于(或等于)系统所设定的一安全距离时，则令回避系统在每一时间间隔重复持续估算计算第一车辆的各可行路线(至少一条)的碰撞风险值，期间，可决定每一时间间隔所对应当下的最佳建议路线，直到产生低于系统所设定的一风险门槛值的路线，或异常车辆开始发生异常(剧烈变化)的异常动向为止。当第一车辆与异常车辆的间距大于(或等于)安全距离，可以持续运算得到最低碰撞风险值对应的路线，设为最佳建议路线；否则，当回避系统判断第一车辆与异常车辆的间距已经小于安全距离，或是异常车辆开始发生异常或剧烈变化时，即令回避系统以当下所计算得到碰撞风险值的路线作为最佳建议路线。值得一提的是，异常车辆在产生异常信息后，可以根据其历史数据预测发生剧烈变化的时间点与动向。

计算各建议路线的碰撞风险值的方法将参考各邻近车辆的行车信息，如转向、速度、加速度等，以及判断出前后车辆的距离，以及进入前述路线潜势图范围的机率，在对各种参数施以一权重。接着从历史数据中找到近似的前例，对各种参数施以权重，再计算出邻近车辆各建议路线的碰撞风险值。风险值的计算范例可参考方程式一：

风险值R

＝nor(θ)×W_θ+nor(a)×W_a+nor(d₁)×W_d1+nor(d₂)×W_d2+nor(P)×W_p

(方程式一)

其中R表示风险值；nor为一正规化(normalization)的算式；θ为邻近车辆转向角度；W_θ为转向角度的权重；a为加速度值；W_a为加速度值的权重；d₁为与后车距离；W_d1为与后车距离的权重；d₂为与前车距离；W_d2为与前车距离的权重；P为进入潜势图的机率；W_p为进入潜势图的机率的权重。

其中根据系统所设定的风险门槛值决定建议路线的实施例可参阅图3。

根据前述实施例，回避异常车辆的回避系统可以根据第一车辆或/以及第二车辆的行车信息，以及异常车辆从历史数据以及行车信息所预测的路线中，规划出多条建议路线。于步骤S301中，即估计各路线的碰撞风险值，使得各建议路线具有对应的碰撞风险值。

接着在步骤S303中，回避系统根据多条建议路线的各个碰撞风险值取得具有最低碰撞风险值的路线，即以此作为一最佳建议路线。若还有时间判断(比如车辆间距仍大于一安全距离)，因为各种因素也在变动，包括邻近车辆间距、速度、加速度、转向、异常车辆是否有剧烈变化等变动，系统仍可持续产生建议路线，以及对每个建议路线在每个时间点都估算出碰撞风险值。

再如步骤S305，比对每个路线的碰撞风险值与系统所设定的一风险门槛值，判断是否小于风险门槛值？(步骤S307)，若否，即回到步骤S301，继续估计每个路线的碰撞风险值，以及取得最低风险值的路线，直到得出低于此风险门槛值的路线；若已经得到低于风险门槛值的碰撞风险值，此时，此碰撞风险值对应的路线即可设为最佳建议路线，如步骤S309。并且，此例所得到的低于风险门槛值的碰撞风险值的可行路线可以为具有最低碰撞风险值的路线。

另有实施例表示，当仍有时间继续判断低于风险门槛值的最低碰撞风险值的路线时，于重复前述步骤S301、S303与S305时，在此期间，若异常车辆已经开始剧烈变化，表示异常车辆的邻近车辆已经要采取回避措施，因此直接采用所有经计算的可行路线中最新具有最低碰撞风险值的行进路线，以此作为回避异常车辆的路线。

图4描述本发明揭露的方法中用于预测异常车辆行进路线的数据库建立的实施例的一流程。

前述用于预测异常车辆行进路线的历史数据记载于一数据库中，所述用于预测异常车辆在未来一段时间内的预测行进路线的数据库可以设于车辆中，或不排除设于特定载具中，或是设于一云端系统。数据库提供的信息主要是持续接收某车辆或是驾驶的行驶历程，包括发生异常状况时的行车状况，包括油门、刹车、方向盘等操作行为产生的速度、加速度、转向等数据，亦可配合时间、路段等信息，透过累积一段时间的信息，可以取得该车辆的行驶模式，藉此建立一个模型，可以用来判断在某状况产生时预测该车辆行进路线的目的。当判断有异常信息产生时，异常车辆中的系统可透过联机数据库(或本地端存取)取得对应的信息，如相似状况的案例，并据此预测异常车辆的行进路线。

在此建立数据库的流程实施例中，开始如步骤S401，系统可透过所接收各车辆行车系统(或说行车计算机)产生的信息判断其中有无异常码(或是故障码)？若尚未接收到异常码，持续重复S401中监测异常码的步骤。

若已经接收到异常信息，可以异常码/故障码表示(是)，系统再继续此异常码的相关行车模式获取数据，比如根据发出异常信息的车辆所持续得到的行车信息判断是否因为此异常而有减速的行为(步骤S403)，在此例中(但非用于限制本发明的实施态样)，若根据油门与刹车信息判断该车辆有减速的动作(是)，显然驾驶或车辆已经对此异常状况作出反应，或可以忽略此类数据，即不再记录该次异常信息的相关行车信息的数据，回到步骤S401继续后续监测步骤。若在此异常状况下，车辆并未减速(否)，表示此异常状况已经影响行车安全，即继续步骤S405，系统将判断在未来一段时间内会有碰撞的安全问题？

接着，当系统判断一般车辆可能与异常车辆有碰撞的可能时(是)，系统将记录相关数据，依照相似度分类，建立数据库(步骤S407)，相关数据如该次异常信息的异常码、碰撞情况、时间、位置，以及油门、刹车与方向盘等行车信息反映得出的速度、加速度、方向等数据。

数据库中所记载的数据的范例如表一所示的实验数据，其中数据可为一般相似型态(品牌、型号、车辆类型)的车辆的适用，或是仅针对某特定车辆的适用：

(表一)

表一中示意显示两个故障码(并非用于限制本发明的应用)，在一范例中，P0711定义为相关变速器液温传感器A电路范围/性能的异常信息；P0126定义为冷却液未达到稳定运行的温度的异常信息。

需要一提的是，表一所示历史数据所记载的各故障码与对应情况可以据此找到符合剧烈变化的条件，当异常车辆产生异常变化时，可能是在发出异常信息后一段时间之后，而其中驾驶车辆的行为则是反映出车辆已经遭遇剧烈变化，也可以取得在每个异常变化产生后的平均反应时间，如根据驾驶针对不同异常情况下的刹车反应分类出剧烈变化的条件：

根据以上范例，当有车辆发生异常时，可以据此比对得到相近的情况，进而预测异常车辆的预测行进路线、反应时间等信息。

揭露书所提出的回避异常车辆的系统取得异常信息以及相关行车信息时，包括取得异常车辆对应此次异常信息的一行车事件信息，并能依照事件的相似度分类，将先比对数据库数据，得出相近的历史数据(数据)，可以预测该车辆相对于该次异常信息的行进路线，更可能预测出多条行进路线，可产生如图5描述的路线潜势图。于是，在形成异常车辆的邻近车辆(如前述第一车辆)的多条建议路线时，可以各建议路线是否进入异常车辆的路线潜势图计算各建议路线对应的碰撞风险值。

潜势图的制作即利用搜寻数据库相似案例，得到每个预测路线的机率所绘制的，藉由潜势图，再根据邻近车辆的速度、加速度、方向等数据，可以计算邻近车辆路线进入潜势图的机率，此为碰撞风险的概念。此例显示本发明揭露的方法中产生异常车辆路线潜势图的实施例的一流程。

建立异常车辆的路线潜势图系可以一回避异常车辆的系统执行。一开始，如图5的步骤S501，设于异常车辆内的回避系统接收到本身的异常信息后，可以接着查询数据库以取得异常车辆历史数据，如步骤S503，以模拟此异常车辆的行进路线，其中可以预测得出多条行进路线；之后，如步骤S505，取得车辆行车数据，比如取得异常车辆当下的油门、刹车与/或方向盘等的状态，可以得到速度、加速度与转向等的行车信息。

根据实施例之一，在预测出异常车辆的多条行进路线时，可采用一种网格机率计算的机制，可参阅图6，流程如步骤S507，绘制一网格，再根据所预测的异常车辆的多条行进路线计算多条行进路线的网格机率，藉此取得进入各个路线区域的机率，制作一潜势图，如步骤S509。

图6所示为本发明回避方法中制作潜势图的示意图。

在此例图中，左方显示有一矩阵格状形成的网格图，显示有一异常车辆6，当回避异常车辆的回避系统接收到异常车辆产生的异常信息时，系统从数据库中取得相似的数据，进而仿真出基于历史数据的行进路线。在一实施例中，取得相似的数据即以自异常车辆取得对应异常信息的行车事件信息搜寻数据库中具有相同行车事件信息的案例，其中行车事件信息可选自该次异常信息的异常码、碰撞情况、事件时间、车辆位置、车辆速度、车辆加速度、车辆方向、气候，以上至少其一，可根据其中几个行车事件信息组合得到相似的案例。

接着回避系统将异常车辆至少一预测行进线路601,602,603,604,605,606叠绘于此网格图上，从异常车辆6为起点绘制出每条预测线路(601,602,603,604,605,606)，累加异常车辆预测行进路线经过网格内各格子的路线次数，例如，每个格子(占有一个区域)每经一条预测路线就累加一个机率值「+1」，当绘制多条预测线路(601,602,603,604,605,606)以及加总机率值后，可以得到如图显示的「5,5,3,2,1…」等数字，数字愈大，表示经过该格子所占区域的路线机率愈大。

图中显示有一接近直线的路线607，此线路607为根据异常车辆当下的行车信息所推算的路线，也可能同时符合从历史数据预测得到的路线潜势。此例的行车信息如油门、刹车与方向盘等状况所推算的数据，如行车距离、速度、加速度与转向等。

图式右方显示异常车辆6’根据前述网格机率所绘制的潜势图，根据左方网格机率图可知，愈接近异常车辆6的加总机率值愈大；愈远离异常车辆6的加总机率值愈小，当相同机率(相同数字)以范围表示时，即呈现如右方异常车辆6’的路线潜势图，透过机率计算，将每个格子经过的次数换算成百分比后，可以粗略得到此例图中潜势图中的三个区域，机率分别为75％(第一潜势路线机率61)、50％(第二潜势路线机率62)以及25％(第三潜势路线机率63)。潜势图表示异常车辆6’进入每个区域的机率，因此可以估计出与邻车的碰撞机率。其中形成路线潜势图中各区(61,62,63)机率的方式为：机率＝(路线经过次数)/(路线总数)。之后将得出的各种机率进行区间分类，按比例计算后制作形成如图所示的路线潜势图。

图7所示为本发明回避异常车辆方法的邻车回避范例示意图。

在此例图中，第四车辆704表示一个已经发出异常信息的异常车辆，此时，回避系统取得对应异常信息的历史数据，于是可以路线潜势图预测第四车辆704多种潜势路线，经估计各潜势路线的机率所形成路线潜势图包括有第一潜势路线机率71、第一潜势路线机率72与第一潜势路线机率73等不同机率的区域，其中具有机率最高的潜势路线705，潜势路线705为异常车辆(第四车辆704)在未来一段时间发生状况时最有可能的行进路线，即可以此潜势路线705作为是否会与邻车碰撞的判断依据。

第一车辆701表示邻车，其中示意显示第一车辆701的走向如直线方向706，当预测得到发出异常信息的第四车辆704的潜势图后，可以估计在一段时间之后可能会发生碰撞，也就是第一车辆701的直线方向706与第四车因为故障产生可能的潜势路线705会有交会点，如图式中的碰撞点707。

回避异常车辆的回避系统根据邻车(如第一车辆701)车辆速度、加速度、方向等行车信息计算车辆路线(如此例第一车辆701的直线方向706)的各种可能路线(各种可能的行进角度θ)，并判断这些路线是否进入第四车辆704的路线潜势图中。当判断有碰撞的可能时，将立即从这些可能路线提供回避的建议路线，比如此图例中第一车辆701有个向上的行进角度θ。实务上，系统将根据第一车701的行车信息得出多条具有不同行进角度θ的回避建议路线，而每条建议路线因为与异常车辆潜势图的关系而有不同的碰撞风险。

更进一步地，回避系统在提供建议路线时，同时接收其他邻近车辆的行车信息，其中于第四车辆704中的回避系统接收本身产生的异常信息时，更可接收前后车辆的行车信息，如第二车辆702的行车信息，以接收第二车辆702于此段时间内的行进路线；并可依据第一车辆701、第二车辆702与异常车辆(第四车辆704)于此段时间内的行进路线，重新计算各种建议路线上的碰撞风险值，并重新规划回避异常车辆的路线。此时，所取得其他邻车的行车信息例如第二车辆702与第三车辆703的速度、加速度与转向等数据作出避免与这些邻车碰撞的一或多条建议路线。

举例来说，回避系统根据后车第二车辆702产生的行车信息计算出第二车辆702与第一车辆701(可能的行进角度θ)之间在同一车道的第一距离d1；以及计算前车第三车辆703与第一车辆701可能走向(行进角度θ)在同一车道的距离为第二距离d2。当系统得到这些信息时，考量第一车辆701闪避后的可能路线，以及闪避后与其他邻车，如此例的前后车(第二车辆702、第三车辆703)的距离(d1、d2)和进入异常车辆的路线潜势图机率，计算各种建议路线上的碰撞风险值，并规划回避异常车辆的路线，可以提供更为安全的建议路线。

提供建议路线时，系统会计算各种建议路线的碰撞风险值，并可判断是否有缓冲应变的时间，如果有即能持续运算而提供更为安全(或说风险更低)的建议路线，相关实施例可参阅图8所示本发明回避异常车辆的方法中整体流程图。

根据运行在多个可以互通信息的车辆上的回避系统中的方法实施例，开始如步骤S801，回避系统接收到本身车辆的异常信息时，同时也可以收到各个邻近车辆的行车信息，系统也持续接收异常车辆行车信息，包括油门、刹车与方向盘等行车信息。如步骤S803，系统比对由历史数据所建立的数据库，从其中的异常码、碰撞情况、事件时间、车辆位置、车辆速度、车辆加速度、车辆方向、气候等行车事件信息的其中之一或其组合等参数中搜寻相似数据的案例，而仿真得出车辆的潜势路线，再以如图5描述的实施例透过各潜势路线的次数累加得到网格机率，以产生路线潜势图，如步骤S805。

接着，根据邻车(如第一车辆701)的行车信息判断邻车的行进路线，如步骤S807，判断是否邻车的预测行进路线会进入异常车辆的路线潜势图范围中，也就是判断是否在未来的一段时间后会有碰撞的问题。

若判断邻车与异常车辆并没有碰撞的风险(否)，即如步骤S809，继续侦测下次异常信息，并于得到下次异常信息时，重复本图例流程；若判断有碰撞的风险(是)，继续步骤S811，根据数据库中所记录的历史数据(81)判断得到此异常车辆发生异常变化(通常是会有安全疑虑的剧烈变化)的时间。也就是异常车辆产生异常信息是在发生异常状况之前，根据数据库中所记载的历史数据(81)可知，当异常信息产生后，从正常到此异常车辆会有异常变化(剧烈变化)前，会有个缓冲变化的时间，这个时间即为邻车可以应变(路线回避)的时间，也就是所揭露的回避异常车辆的系统所应用可以运算得出碰撞风险相对较低的建议路线的时间。

其中，系统将从历史数据库中比对得到在相同异常情况(如相同故障码)的行车信息，并从中找出异常车辆从正常到开始急剧变化的剧变时间(t₁)，于是可以计算出异常车辆从正常到异常的行车距离(D_t1)，同时也根据邻车的行车信息得到邻车的行进路线进入异常车辆路线潜势图的距离(D_potential)，此潜势距离D_potential也是从车速与时间信息运算得到，之后比对两个距离(D_t1、D_potential)后，如步骤S813，选择潜势距离(D_potential)与发生异常变化(剧变)距离(D_t1)较小者。

接着，以异常车辆从正常到异常变化的距离(D_t1)与邻车进入异常车辆的路线潜势图范围的距离(D_potential)较小者，比对一系统所设定的安全距离，于步骤S815中，判断这两者距离较小者是否小于此安全距离？其中安全距离的设定可以根据当下各车行车速度而决定，也就是可以让系统有时间继续演算建议路线的距离。

在此时间内，异常车辆内系统将运算得出邻车的多种建议路，并计算各建议路线的碰撞风险值，如步骤S817。当异常车辆从正常到异常变化的距离(D_t1)与邻车进入异常车辆的路线潜势图范围的距离(D_potential)较小者已经小于安全距离，系统将直接提供当下碰撞风险值最小的最佳建议路线给邻车，要求邻车参考此回避路线行进，如步骤S819。

在另一情况下，当异常车辆从正常到异常变化的距离(D_t1)与邻车进入异常车辆的路线潜势图范围的距离(D_potential)较小者仍大于(或等于)安全距离时，表示还有时间判断可以找寻更安全的回避路线，也就可以不以当下碰撞风险值最低的路线为最佳建议路线，而是在每一时间间隔重复计算邻车回避异常车辆的多条线路的碰撞风险值，步骤反复自异常车辆的路线潜势图中估算各路线碰撞风险值，重复比对系统所设定的一风险门槛值，判断这段缓冲时间内各建议路线的碰撞风险值是否低于此风险门槛值(步骤S821)，若否，回到步骤S811，继续以异常车辆从正常到异常变化的距离(D_t1)与邻车进入异常车辆的路线潜势图范围的距离(D_potential)较小者比对安全距离等的步骤，找到碰撞风险值最低的路线，直到产生低于此风险门槛值的路线；若是，也就是得到碰撞风险值低于此风险门槛值的对应的建议路线，如步骤S823，具有低于风险门槛值的碰撞风险值对应的路线，或最低碰撞风险值对应的路线可选为最佳建议路线。再如步骤S825，将令回避系统决定当下碰撞风险值对应的路线为最佳建议路线，并将此最佳建议路线透过无线通信的手段提供给邻车驾驶参考。另有实施例可将此最佳建议路线亦通知异常车辆的驾驶，由异常车辆驾驶根据此建议路线考量自身的路线，比如以建议路线的反方向的路线回避后方车辆。

当重复判断是否有碰撞风险值低于系统设定的风险门槛值的路线时，若该异常车辆已经开始有异常变化或剧烈变化时，步骤结束，直接提供邻车以当时得到的最佳建议路线为回避路线。

根据图8显示的实施例流程中给予建立路线时，考量了以异常车辆从正常到异常变化的距离(D_t1)与邻车进入异常车辆的路线潜势图范围的距离(D_potential)较小者与一系统设定的安全距离的比对，其目的在于能够提供驾驶有更好的回避路线，其中细节可参考图9所描述在路线规划中判断给予建议路线的流程实施例。

在此流程中，步骤S901表示系统开始时应取得的参数，包括(1)从历史数据判断得出异常车辆在发出异常信息后，到产生剧烈变化的时间t₁以及以此时间t₁配合异常车辆当下的速度所计算得到的剧变距离D_t1；(2)当取得异常车辆的路线潜势图后，可以计算得到邻车的行车动向进入路线潜势图范围内的潜势距离D_potential；以及(3)系统可根据邻车的行车信息(如速度)，以及异常车辆当下的行车信息，计算得出两者之间的安全距离D_safe。

之后，如步骤S903，系统将比对异常车辆从正常到剧变的剧变距离D_t1以及潜势距离D_potential，判断是否剧变距离D_t1大于潜势距离D_potential？系统采用异常车辆从正常到异常变化的剧变距离(D_t1)与邻车进入异常车辆的路线潜势图范围的潜势距离(D_potential)的较小者。

若否，表示潜势距离D_potential大于剧变距离D_t1，系统将采用距离较小的剧变距离D_t1，流程继续步骤S905，比对此较小的剧变距离D_t1与一安全距离D_safe，判断剧变距离D_t1是否小于此安全距离D_safe？当情况为剧变距离D_t1已经大于安全距离D_safe(否)，表示已经没有充裕的反应时间重复计算碰撞风险值，直接采用如步骤S909计算各建议路线的碰撞风险值中具有最低碰撞风险值的路线为最佳建议路线(步骤S911)。反之，若情况为剧变距离D_t1仍小于安全距离D_safe(是)，表示仍有足够的安全距离D_safe可以继续找到比一风险门槛值更低风险的路线。先经步骤S915计算各建议路线的碰撞风险值，再比对风险门槛值，如步骤S917，判断各路线中的碰撞风险值(包括其中最低碰撞风险值)是否小于此风险门槛值？当得到有任何碰撞风险值小于此风险门槛值的路线时，即以此路线作为最佳建议路线(步骤S911)。其中，需要一提的是，当得到任何碰撞风险值低于系统设定的风险门槛值时，对应的路线都可成为最佳建议回避危险的路线；当有多条建议路线时，可以其中具有最低碰撞风险值的对应路线为最佳建议路线。

回到比对剧变距离D_t1与潜势距离D_potential的步骤S903中，当潜势距离D_potential为小时(是)，系统以此潜势距离D_potential继续比对安全距离D_safe，判断潜势距离D_potential是否小于安全距离D_safe(步骤S907)？若否，表示潜势距离D_potential大于安全距离D_safe，也就是邻车的行车动向触及异常车辆的潜势图范围的距离并未在安全距离D_safe以内，无法透过重复计算各线路的碰撞风险值得到更好的建议路线，因此直接采用当下如步骤S913计算各建议路线的碰撞风险值中具有最低碰撞风险值的路线为最佳建议路线(步骤S911)。若步骤S907的比对中得到潜势距离D_potential小于安全距离D_safe(是)，流程继续如步骤S915，计算各路线的碰撞风险值，再以其中各建议路线的碰撞风险值(其中可具有最低碰撞风险值)比对风险门槛值，如步骤S917，当得到有任何碰撞风险值小于此风险门槛值的路线时，即以此路线作为最佳建议路线(步骤S911)。

前述流程中，在比对碰撞风险值与系统设定的风险门槛值的步骤S917中，是在剧变距离D_t1或潜势距离D_potential仍小于安全距离D_safe而有时间可以重复运算每个时间点各路线的碰撞风险值的状况下持续找寻更好的建议路线，当尚未寻得比风险门槛值更低的碰撞风险值时，流程可以回到步骤S901(可以设定在一个时间间隔之后)，重复计算剧变距离D_t1、潜势距离D_potential以及安全距离D_safe，也就是系统持续在不同时间重复计算邻车(如图7的第一车辆701)与异常车辆(如图7的第四车辆704)的碰撞风险值，而每一时间具有当下对应的最佳建议路线，并在有足够安全距离的情况下重复运算，直到所产生的任一碰撞风险值(其中具有一最低碰撞风险值)低于风险门槛值，此时，最低此碰撞风险值对应的路线即可设为最佳建议路线，此碰撞风险值也可能为各建议路线中的最低碰撞风险值。

另一情况是，在运作找寻最佳建议路线的同时，若判断得到异常车辆开始产生异常变化时，停止流程，即以当下的最低碰撞风险值对应的路线设为最佳建议路线。

因此，当回避系统应在每一时间间隔决定当下的最佳建议路线时，如前述实施例，以风险门槛值为判断基础，从至少一条可行路线中得到最佳建议路线，即令回避系统决定此时碰撞风险值对应的路线为最佳建议路线；或是，回避系统从至少一条可行路线的碰撞风险值中计算，以最低碰撞风险值所对应的可行路线为最佳建议路线。

图10显示实现以上各流程的回避异常车辆的系统的实施例功能方块图。

此例显示回避异常车辆的回避系统内以软件、韧体或硬件实现的各功能模块，系统主要设有信号接收单元1001、行车信息取得单元1002、异常信息取得单元1003、潜势图产生单元1004、数据库1005、路线风险估计单元1006、路线判断单元1007以及将建议路线输出的输出单元1008。

系统的信号接收单元1001可以接收邻近车辆的信息，特别是可以取得表示有异常的故障码等信息，包括来自一般车辆101以及本身异常车辆102的信息。接收来自一般车辆101所传递信息的手段包括透过无线通信网络(如WiFi^TM、Bluetooth^TM、行动通信网络、Beacon技术等)直接自各邻近车辆取得信息。另不排除可以云端系统实现先取得各车辆的行车信息，再根据各车辆的需求提供下载信息的服务，传递信息的方式如3G/4G等的行动通信网络。此载于发生异常的车辆内的系统则可以ODB/ODBII等接口取得包括异常信息的行车信息。

接着，行车信息取得单元1002自信号接收单元1001所取得的信息中获取行车信息，比如各邻近车辆的油门、刹车、方向盘等操作信息，藉此可以预测各车辆未来的预测行进路线。

再以异常信息取得单元1003取得行车信息中的异常信息，比如得到故障码，再行取得对应此故障码的相关行车信息，于是，经比对数据库1005内历史数据中相似的内容，比如得到当次故障码所对应的历史数据、油门与方面盘等状况，可以分析得到异常车辆未来预测行进路线。透过潜势图产生单元1004根据异常信息取得单元1003所取得的异常车辆的对应的历史数据，形成具有异常车辆多条潜势路线的路线潜势图，路线风险估计单元1006接着由邻近车的速度、方向等信息估算各种路线的碰撞风险值。

之后，系统中透过软件或硬件实现的路线判断单元1007先取得各车辆之间的距离关系，其手段之一取得各车辆的几种时间信息1013，如前述异常车辆从正常到发生异常变化的时间(t₁)、邻车进入异常车辆潜势图范围内的时间(t_potential)以及两车之间的安全时间(t_safe)，可以推估得到所需的距离信息。路线判断单元1007可自行车信息取得单元1002取得各车辆行车信息，并可推算出邻车与异常车辆之间的距离，以安全距离1011检测此距离是否足够能继续取得其他更佳的建议路线；或以风险门槛值1012(可记录于数据库1005)判断是否已经得到具有最低碰撞风险值的最佳建议路线，最后再透过输出单元1008输出结果，如提供给异常车辆驾驶，以及传送建议路线给邻近可能碰撞的车辆。

以下图11A与图11B的说明为透过异常车辆与邻车距离关系补充说明前述实施例判断选择剧变距离(D_t1)与潜势距离(D_potential)当中较小者的考量。

图中异常车辆112、114从正常到异常变化的时间计算为剧变距离(D_t1)，以及邻车111、113进入异常车辆112、114的路线潜势图范围的潜势距离(D_potential)，两者的关系影响是否落于安全距离之外的判断。

如图11A所示，显示剧变距离(D_t1)较潜势距离(D_potential)为小，表示系统将以异常车辆112产生剧变时的距离作为安全性考量，也就是剧变距离(D_t1)与潜势距离(D_potential)当中较小者，可参阅图9实施例。若是剧变距离(D_t1)已经大于安全距离，表示要紧急提供一个回避路线；反之，可能有充裕的时间重复运算各线路碰撞风险值，并判断是否有较佳的建议路线。

图11B显示在取决剧变距离(D_t1)较潜势距离(D_potential)两者之间最小时，此例显示邻车113到异常车辆114潜势图范围的潜势距离(D_potential)小于异常车辆从正常到产生异常状态的时间所换算得到的剧变距离(D_t1)，于是则以邻车路线会进入异常车辆路线潜势图范围的距离(D_t1)为安全考量，而以此继续比对一安全距离。接着，当潜势距离(D_potential)大于(等于)安全距离时，即同样地，重复运算各线路碰撞风险值，并判断是否有较佳的建议路线。

图12A与图12B的描述为透过异常车辆与邻车距离与安全距离的关系补充说明前述实施例在何种情况下可以叠代得更低风险的建议路线。当如图11A与11B所示取得剧变距离(D_t1)较潜势距离(D_potential)两者之间最小时，再继续比对一安全距离，以此判断是否可以有时间可以叠代得到风险更低的建议路线，判断风险更低的较佳路线可透过前述风险门槛值来确认。

图12A显示有一邻车121靠近一部产生出异常信息的异常车辆122，而且经过异常车辆122本身的回避系统接收到异常信息后，经历史数据比对预测出异常车辆122的多条可能的行进路线，并可如图6所述的实施方式，制作一路线潜势图，并判断出邻车121与异常车辆122可能在未来的一时间内发生碰撞。回避系统可根据历史数据得出异常车辆122从正常到发生异常变化的时间(t₁)，亦可推论出一剧变距离(D_t1)；得出邻车121进入异常车辆122潜势图范围内的时间(t_potential)以及推论出一潜势距离(D_potential)；以及两车之间的安全时间(t_safe)以及安全距离(D_safe)。

此时，回避系统根据各车所产生的速度、加速度、转向等行车信息得到一或多条邻车121可以回避异常车辆122建议路线组合，并估算各线路的碰撞风险值。系统同时取得剧变距离(D_t1)较潜势距离(D_potential)两者之间最小，此图例设为距离D。图12A即显示安全距离(D_safe)略大于此距离D，表示系统判断邻车121在此情况下已经没有其他多余时间寻找更佳的建议路线，而是直接提供当下具有最低碰撞风险值的建议路线。

图12B显示不同的情况，系统取得邻车123与异常车辆124之间的剧变距离(D_t1)较潜势距离(D_potential)两者之间最小者，为图中的距离D，此图显示此距离大于系统设定的安全距离D_safe，显示在此情况下，邻车123仍有一缓冲时间t_buffer，让系统继续重复运算在每个时间(可隔一时间差)的各建议线路的碰撞风险值，持续提供具有更低碰撞风险值的建议路线。

是以，根据揭露书所载回避异常车辆的系统与方法，其技术能根据历史数据预测异常车辆在特定异常状况下的行进路线，制作路线潜势图，再根据邻车与异常车辆的距离关系，以及邻车的行车信息，以提供回避异常车辆的建议路线，其中可以透过分析异常车辆未来动态、缓冲时间而持续估算最低碰撞风险值的建议路线，让车辆驾驶可以在异常车辆发生危险动作前提早判断有效的回避路线。

惟以上所述仅为本发明的较佳可行实施例，非因此即局限本发明的专利范围，故举凡运用本发明说明书及图示内容所为的等效结构变化，均同理包含于本发明的范围内，合予陈明。

【符号说明】

异常车辆6,6’

预测线路601,602,603,604,605,606

线路607 第一潜势路线机率61

第二潜势路线机率62 第三潜势路线机率63

第一车辆701 直线方向706

第二车辆702 第一距离d1

第三车辆703 第二距离d2

第四车辆704 潜势路线705

碰撞点707 第一潜势路线机率71

第一潜势路线机率72 第一潜势路线机率73

历史数据81

一般车辆101 异常车辆102

信号接收单元1001 行车信息取得单元1002

异常信息取得单元1003 潜势图产生单元1004

数据库1005 路线风险估计单元1006

路线判断单元1007 安全距离1011

风险门槛值1012 时间信息1013

输出单元1008

异常车辆112,114 剧变距离D_t1

邻车111,113 潜势距离D_potential

邻车121,123 异常车辆122,124

距离D 安全距离D_safe

缓冲时间t_buffer

步骤S101～S111回避异常车辆流程

步骤S201～S209回避异常车辆流程

步骤S301～S309取得建议路线的流程

步骤S401～S407建立数据库的流程

步骤S501～S509制作潜势图的流程

步骤S801～S825回避异常车辆流程

步骤S901～S917产生建议路线的流程。

Claims (19)

1.一种回避异常车辆的方法，其特征在于所述方法包括以下步骤：

由一异常车辆内设置的一回避系统接收该异常车辆产生的一异常信息；

该回避系统根据该异常信息对应的一历史数据以及该异常车辆的一行车信息，预测该异常车辆于一段时间内的一预测行进路线；

该回避系统接收位于附近的一第一车辆的一行车信息，并根据该行车信息判断该第一车辆于该段时间内的至少一条可行路线；

该回避系统计算该第一车辆的各可行路线的一碰撞风险值；以及

该回避系统根据各可行路线的该碰撞风险值决定可回避该异常车辆的一最佳建议路线，并通知该第一车辆。

2.根据权利要求1所述的回避异常车辆的方法，其中所述的行车信息包括一油门、一刹车与一方向盘的操作状态中的至少其一。

3.根据权利要求1所述的回避异常车辆的方法，其中该回避系统系决定具有最低碰撞风险值的可行路线为该最佳建议路线。

4.根据权利要求1所述的回避异常车辆的方法，其中还包括该回避系统将回避该异常车辆的该最佳建议路线通知该异常车辆。

5.根据权利要求1至4中任一项所述的回避异常车辆的方法，其中该历史数据记载于一数据库中，该数据库建立的方法包括：

当接收该异常车辆产生的异常信息，取得该异常车辆对应该异常信息的一行车事件信息，并依据相似度分类，其中，该行车事件信息包括：该异常信息的一异常码、碰撞情况、事件时间、车辆位置、车辆速度、车辆加速度、车辆方向、气候中的至少其一。

6.根据权利要求5所述的回避异常车辆的方法，其中该回避系统根据该第一车辆的各可行路线是否进入该异常车辆的一路线潜势图来计算各可行路线所对应的该碰撞风险值，该路线潜势图的制作方法包括以下步骤：

该回避系统接收到该异常信息后，查询该数据库，以取得对应该异常信息的该历史数据；

该回避系统根据该历史数据决定该异常车辆的至少一预测行进路线；以及

该回避系统将该异常车辆至少一预测行进路线叠绘于一网格上，累加该异常车辆预测行进路线经过该网格内各格子的路线次数，并按比例计算后制作一路线潜势图。

7.根据权利要求6所述的回避异常车辆的方法，还包括：

若该回避系统判断该第一车辆与该异常车辆的间距小于一安全距离，即令该回避系统提供该第一车辆该最佳建议路线；以及

若该回避系统判断该第一车辆与该异常车辆的间距大于一安全距离，则令该回避系统在每一时间间隔决定当下的最佳建议路线，并通知该第一车辆。

8.根据权利要求7所述的回避异常车辆的方法，其中该回避系统在每一时间间隔决定当下的最佳建议路线，根据以下二者其一：

该回避系统于每一时间间隔计算该第一车辆的该至少一条可行路线的该碰撞风险值，直到该回避系统判断该至少一条可行路线的碰撞风险值低于一风险门槛值，此时，令该回避系统决定该碰撞风险值对应的可行路线为该最佳建议路线；以及

该回避系统于每一时间间隔计算该第一车辆的该至少一条可行路线的该碰撞风险值，并以最低碰撞风险值所对应的可行路线为该最佳建议路线。

9.根据权利要求6所述的回避异常车辆的方法，还包括：

若该回避系统判断该第一车辆与该异常车辆的间距小于一安全距离，即令该回避系统提供该第一车辆该最佳建议路线；以及

若该回避系统判断该第一车辆与该异常车辆的间距大于一安全距离，则令该回避系统在每一时间间隔重复计算该第一车辆的该至少一条可行路线的该碰撞风险值，直到该异常车辆开始产生剧烈变化时，此时所有经计算的该最低碰撞风险值对应的路线设为该最佳建议路线。

10.根据权利要求6所述的回避异常车辆的方法，还包括：

该回避系统根据该异常车辆的异常信息，从该数据库得到在相同异常情况的行车信息，并取得该异常车辆从正常到开始异常变化的一剧变时间，并根据该剧变时间计算出该异常车辆从正常到异常的一剧变距离；

该回避系统根据该第一车辆的行车信息得到该第一车辆的行进路线，计算该第一车辆进入该异常车辆的路线潜势图的范围的一潜势距离；

令该回避系统选择该剧变距离与该潜势距离中较小者，比对一安全距离；

若该回避系统判断该剧变距离与该潜势距离中较小者小于一安全距离，该回避系统即提供该第一车辆该最佳建议路线；以及

若该回避系统判断该剧变距离与该潜势距离中较小者大于一安全距离，则该回避系统于每一时间间隔分别决定当下的最佳建议路线，并通知该第一车辆。

11.根据权利要求10所述的回避异常车辆的方法，其中该回避系统于每一时间间隔分别决定当下的最佳建议路线，根据以下二者其一：

该回避系统于每一时间间隔计算该第一车辆回避该异常车辆的多条路线的该碰撞风险值，直到该至少一条路线的碰撞风险值低于一风险门槛值，此时，令该回避系统决定该碰撞风险值对应的路线为该最佳建议路线；以及

该回避系统于每一时间间隔计算该第一车辆回避该异常车辆的多条路线的该碰撞风险值，并以当下最低碰撞风险值所对应的可行路线为该最佳建议路线。

12.根据权利要求5所述的回避异常车辆的方法，其中，当接收该异常车辆产生的异常信息时，接着接收到该异常车辆为减速的状况，即不再记录该异常信息的相关行车信息的数据。

13.根据权利要求5所述的回避异常车辆的方法，其中于该异常车辆产生异常信息时，还接收一第二车辆的行车信息，以取得该第二车辆于该段时间内的行进路线；以及依据该第一车辆、该第二车辆与该异常车辆于该段时间内的行进路线，以重新计算该碰撞风险值，并重新规划该回避该异常车辆的路线。

14.一种回避异常车辆的系统，设于一产生异常信息的异常车辆中，其特征在于所述的系统包括：

一信号接收单元，用以接收邻近车辆的信息，以及该异常车辆所产生的信息；

一行车信息取得单元，自该信号接收单元所取得的信息中获取各车辆的行车信息；

一异常信息取得单元，取得该异常信息，再与一数据库比对得出对应的历史数据，藉以分析得到该异常车辆未来行进路线；

一潜势图产生单元，根据该异常信息取得单元所取得的该异常车辆的对应的历史数据，形成有多条潜势路线的路线潜势图；

一路线风险估计单元，根据该邻近车辆的行车信息得出一或多条建议路线，并计算各建议路线的碰撞风险值；

一路线判断单元，取得各车辆之间的距离关系，根据该邻近车辆与该异常车辆的间距是否小于一安全距离提供一最低碰撞风险值的建议路线；以及

一输出单元，用以输出该路线判断单元产生的该建议路线给该邻近车辆。

15.根据权利要求14所述的回避异常车辆的系统，其中该系统设于该异常车辆中，各车辆之间以一无线通信网络传递信息。

16.根据权利要求14所述的回避异常车辆的系统，其中该路线判断单元根据该异常车辆从正常到发生异常变化的时间、该邻近车辆进入该异常车辆的该路线潜势图范围内的时间，以及两车之间的安全时间推估各车辆之间的距离关系。

17.根据权利要求16所述的回避异常车辆的系统，其中该路线判断单元引入一风险门槛值判断是否已经得到具有较低碰撞风险值的最佳建议路线。

18.根据权利要求14至17中任一项所述的回避异常车辆的系统，其中该行车信息取得单元所取得各车辆的行车信息包括油门、刹车、方向盘的操作信息。

19.根据权利要求14至17中任一项所述的回避异常车辆的系统，其中该异常信息取得单元取得的异常信息包括故障码以及对应的行车信息。