CN114067553A - 交通状况通知系统及方法 - Google Patents

Abstract

本发明涉及一种交通状况通知系统，包含：路侧装置以及运算装置。路侧装置包含传感器，其中传感器用于感测环境以产生感测数据。运算装置信号可传输地连接于路侧装置，运算装置用于基于感测数据产生交通信息，其中交通信息包含路况信息、车流信息以及人流信息的其中之一。运算装置于产生交通信息后以人工智能(Artificial Intelligence，AI)算法基于交通信息输出交通状况通知，运算装置并以路侧装置到物(Roadside‑to‑Everything，R2X)的通信模式传送交通状况通知至在路侧装置的通信范围内的物体。

Description

交通状况通知系统及方法

技术领域

本发明涉及一种交通状况通知系统及方法，特别涉及一种可以实现多点的单向或多项沟通的通信模式的交通状况通知系统及方法。

背景技术

在交通场域中若想要通知行人有异常的交通状况，多是以红绿灯或警示看板实现，也即人车行经的路口处通常会设有红绿灯或是警示看板，用以警示人车以疏导交通。举例而言，现行设置在多个地区的智能路口安全警示系统可以侦测左右两侧的车辆行驶方向及行驶速度，并通过大型的交通信号看板发出例如为“右方来车”的警示消息，用以提醒行人左右两侧的来车。

随着通信技术的发展，除了智能路口安全警示系统之外，还发展了一种蜂巢式车联网(Cellular Vehicle-to-Everything，C-V2X)的通信模式，以将车辆的即时位置输出至周围的物体，例如是输出至云端运算中心或是输出至周边的车辆、行人的移动装置等，以通知周边的人或物体车子即将经过。然而，此技术仅有单点的多项沟通，其他行人无法知道十字路口或是其他周边路段的整体状况。

发明内容

鉴于上述，本发明提供一种以满足上述需求的交通状况通知系统及方法。

依据本发明一实施例的交通状况通知方法，包含：以路侧装置的传感器感测环境以产生感测数据；以运算装置基于该感测数据产生交通信息，并以人工智能算法基于该交通信息输出交通状况通知，其中该交通信息包含路况信息、车流信息以及人流信息的其中之一；以及以该运算装置以路侧装置到物的通信模式传送该交通状况通知至在该路侧装置的通信范围内的物体。

依据本发明一实施例的交通状况通知系统，包含：路侧装置，包含传感器，其中该传感器用于感测环境以产生感测数据；以及运算装置，信号可传输地连接于该路侧装置，该运算装置用于基于该感测数据产生交通信息，其中该运算装置于产生该交通信息后，以人工智能算法基于该交通信息输出交通状况通知，其中该交通信息包含路况信息、车流信息以及人流信息的其中之一，该运算装置以路侧装置到物的通信模式传送该交通状况通知至在该运算装置的通信范围内的物体。

综上所述，依据本发明一个或多个实施例所示的交通状况通知系统及方法，行人可以掌握其行径方向上的即时路况，以避免交通事故的发生。并且，依据本发明一个或多个实施例所示的交通状况通知系统及方法，还可以实现多点的单向或多项沟通的通信模式，以让路侧装置周边的物体即时收到交通状况通知，并且行人可以知道设有路侧装置的十字路口或是其他周边路段的交通状况。

以上关于本公开内容的说明及以下实施方式的说明用以示范与解释本发明的精神与原理，并且提供本发明的专利申请范围更进一步的解释。

附图说明

图1是依据本发明一实施例所示出的交通状况通知系统的方框图。

图2是依据本发明一实施例所示出的交通状况通知方法的流程图。

图3是示出路侧装置到物(Roadside-to-Everything，R2X)通信模式的运行示意图。

图4是示出图2的步骤S20的细节流程图。

图5是示出图2的步骤S30的细节流程图。

附图标记说明：

10 路侧装置

20 运算装置

100 传感器

O1 车子

O2 行人

O3 云端

具体实施方式

以下在实施方式中详细叙述本发明的详细特征以及优点，其内容足以使任何本领域技术人员了解本发明的技术内容并据以实施，且根据本说明书所公开的内容、权利要求书及图式，任何本领域技术人员可轻易地理解本发明相关的目的及优点。以下实施例进一步详细说明本发明的观点，但非以任何观点限制本发明的范围。

请一并参考参考图1及图2，其中图1是依据本发明一实施例所示出的交通状况通知系统的方框图；图2是依据本发明一实施例所示出的交通状况通知方法的流程图。

本发明的交通状况通知系统包含路侧装置10、运算装置20以及设置于路侧装置10的传感器100，且运算装置20可以是通信或电性连接于传感器100以接收传感器100感测得到的感测数据。

路侧装置10例如是交通信号灯、路灯等；传感器100可以包含摄像元件、雷达、测速仪、气象传感器以及照明度传感器等的其中之一；运算装置20例如是邻近设置于路侧装置10的处理器、控制器等具有运算功能的装置，本发明不以路侧装置10、运算装置20以及传感器100的类型为限。

请参考图2的步骤S10：感测环境以取得感测数据。

也即，路侧装置10的传感器100感测其设置环境以取得感测数据。举例而言，当传感器100是摄像元件时，摄像元件取得的图像即为感测数据；当传感器100是气象传感器时，气象传感器取得的雾气浓度、湿度、降雨机率等即为感测数据；当传感器100是照明度传感器，且照明度传感器是用以感测路灯的照明度时，则照明度传感器取得的照明度即为感测数据。

步骤S20：基于感测数据产生交通信息。

运算装置20从传感器100取得感测数据后，运算装置20可以基于感测数据进行运算以产生交通信息，并取得对应交通信息的交通状况通知。所述的交通信息可以包含路况信息、车流信息以及人流信息的至少其中之一，其中路况信息例如是交通事故或天气状况等的信息；车流信息例如是现时的车流量或车流移动方向；人流信息例如是现时的行人流量或行人移动方向。

举例而言，当感测数据是雾气浓度或是照明度，交通信息是路况信息时，运算装置20可以查寻过往有相似的雾气浓度或是照明度的路况信息(例如是因能见度低导致事故发生的路况信息)，并以过往记录的路况信息作为交通信息。

相似地，当感测数据是降雨机率时，交通信息是路况信息时，运算装置20可以查寻过往有相似的降雨机率转换的路况信息，并以过往记录的路况信息作为交通信息。

步骤S30：以人工智能算法取得对应交通信息的交通状况通知。

运算装置20从传感器100取得感测数据后，运算装置20可以将感测数据转换为对应的交通信息，并以人工智能(Artificial Intelligence，AI)算法取得对应的交通状况通知。也即，运算装置20以人工智能算法基于交通信息取得对应的交通状况通知，其中各个交通信息及其所对应的交通状况通知较佳储存于数据库内。

以上述感测数据是雾气浓度或是照明度；交通信息是路况信息为例，运算装置20可以接着以人工智能算法基于过往的路况信息取得交通状况通知，其中交通状况通知例如是“前方能见度低，请开大灯”。

相似地，以上述感测数据是降雨机率；交通信息是路况信息为例，运算装置20可以接着以人工智能算法基于过往的路况信息取得交通状况通知，并且若路侧装置10设置在高速公路的场域，则运算装置20取得的交通状况通知例如是“降雨机率高，建议车速90公里/小时”。

此外，交通信息例如是A路段的车流量，当运算装置20判断A路段的车流量远高于A路段在交通顺畅时的平均车流量时，运算装置20以人工智能算法判断A路段的交通状况异常，故运算装置20可以进而取得对应的交通状况通知，且交通状况通知例如是“A路段拥塞，请改道”，其中步骤S30的详细实现方式将于图5进一步说明。

步骤S40：以路侧装置到物(Roadside-to-Everything，R2X)的通信模式输出交通状况通知至在路侧装置的通信范围内的物体。

运算装置20在取得交通状况通知后，可以如图3所示以路侧装置到物的通信模式，将交通状况通知从路侧装置10输出至在其通信范围内的一个或多个物体。

将交通状况通知以路侧装置到物的通信模式输出至一个或多个物体可以包含以路侧装置到车(Roadside-to-Vehicle，R2V)的通信模式将交通状况通知输出到车子O1；以路侧装置到行人(Roadside-to-Pedestrian，R2P)的通信模式将交通状况通知输出到行人O2的通信装置；以路侧装置到网络(Roadside-to-Network，R2N)的通信模式将交通状况通知输出到服务器20和/或云端O3；以及以路侧装置到基础设施(Roadside-to-Infrastructure，R2I)的通信模式将交通状况通知输出到其他的路侧装置等。需注意的是，运算装置20可以是设置在路侧装置10上，或是与路侧装置10分隔设置，本发明不对运算装置20的设置位置予以限制。

举例而言，物体例如包含行人O2的移动装置，在输出交通状况通知之前，路侧装置10会通信连线至移动装置，路侧装置10在通信连接至移动装置后，以路侧装置到行人的通信模式将交通状况通知输出至移动装置。

此外，运算装置20也可以路侧装置到网络的通信模式将交通状况通知输出至交通监控中心的云端O3，再由交通监控中心的云端O3将交通状况通知输出至行人O2的移动装置或是车子O1等。

因此，在路侧装置10周围的行人可以接收到交通状况通知，以进行相关的应变措施。

除了将交通状况通知输出至在路侧装置10通信范围的物体之外，行人(车子O1、行人O2的移动装置)、交通监控中心的云端O3或是其他路侧装置也可以将信息(例如坐标位置、移动速度等)回传给路侧装置10，或直接回传给运算装置20，以供运算装置20更精准地计算出交通信息。

此外，当路侧装置10包含交通信号灯具时，运算装置20还可基于交通信息控制交通信号灯具的信号灯所呈现的信号。以上述A路段为例，当A路段是拥塞状态时，运算装置20可以控制A路段的信号灯所呈现的信号，运算装置20也可以借由路侧装置到基础设施的通信模式控制A路段周边的信号灯所呈现的信号，以舒缓A路段的拥塞状态。

请一并参考图1及图4，其中图4是示出图2的步骤S20(基于感测数据产生交通信息)的一种实施方式的细节流程图。在此实施方式中，传感器100可以包含摄像元件；感测数据即为该摄像元件取得的多个图像。

在传感器100取得感测数据后(步骤S10)，运算装置20执行步骤S201：基于多个图像执行图像识别程序，以取得关联于物体的多个位置信息及多个时间信息。

详言之，传感器100取得的该些图像较佳是多帧的连续图像，运算装置20可以对该些图像执行图像识别程序以识别出该些图像中的一个或多个交通场域物体，并且取得该些交通场域物体在每一帧图像中的位置信息以及对应的时间信息。

此外，本发明所示的图像识别程序可以是由深度学习(Deep Learning)结合大数据分析的方式实现。也即，在运算装置20执行图像识别程序之前，运算装置20会先搜集多个交通场域物体的图像，并对该些图像中的交通场域物体进行识别，以训练并测试运算装置20识别图像中的物体的能力，其中交通场域物体例如是车辆或行人。当完成运算装置20图像识别的训练后，即可以运算装置20执行步骤S201的图像识别程序。

运算装置20在取得该些位置信息及时间信息后，运算装置20执行步骤S203：基于该些位置信息及该些时间信息产生交通信息。

运算装置20基于该些位置信息及该些时间信息运算出交通信息，即运算装置20运算出路况信息、车流信息和/或人流信息。

也即，当运算装置20想要取得的交通信息是车流信息及人流信息时，运算装置20可以基于该些位置信息及该些时间信息判断在时段内行经该路段的物体数量，并基于该时段及物体数量计算出该路段的车流信息或人流信息；当运算装置20想要取得的交通信息是路况信息(例如是否有)。

此外，运算装置20在产生交通信息后，运算装置20可以进一步判断交通信息是否符合常态交通信息，并于交通信息不符合常态交通信息时执行图2的步骤S30。

举例而言，交通信息例如是A路段的车流量，常态交通信息例如是A路段在交通顺畅时的平均车流量，当运算装置20判断A路段的车流量远低于交通顺畅时的平均车流量时，运算装置20判断A路段的交通信息不符合常态交通信息，故运算装置20可以接着执行图2的步骤S30。

请继续参考步骤S203。反之，当运算装置20判断交通信息符合常态交通信息时，运算装置20可以不执行图2的步骤S30，或是将交通信息储存到数据库，以供后续查阅。

请一并参考图1及图5，其中图5是示出图2的步骤S30(以人工智能算法取得对应交通信息的交通状况通知)的一种实施方式的细节流程图。

也即，依据本发明的步骤S30，运算装置20可以借由人工智能算法基于路况信息、车流信息及人流信息，以分析出对应的交通状况通知。换言之，运算装置20可以依据一个或多个点(例如，交通信号灯的设置位置、经纬度坐标等)的交通信息计算出一条线段(例如，路段、街道等)的交通信息，并再依据该线段的交通信息计算出一个面的交通信息(例如，街区等)。

本发明所示的人工智能算法取得对应交通信息的交通状况通知可以应用于判断是否有交通违规的状况、取得不同区域或时间的交通流量等，并可以据以控制交通信号灯所呈现的信号，以维护行人的安全以及维持交通顺畅。

举例而言，南北向车道与东西向车道交会于交叉口，且设置于该南北向车道的路侧装置10的传感器100感测得到该南北向车道的车流信息，则运算装置20可以基于该路侧装置10及该交叉口的位置信息将该车流信息传送至例如为在该交叉口的另一路侧装置的运算装置，并且该另一路侧装置的运算装置即可基于南北向车道的车流信息判断东西向车道的车流是否会受到南北向车道的车流影响，进而判断是否输出交通状况通知。相似地，位于交叉口的该另一路侧装置的运算装置也可以进一步将该南北向车道的车流信息传送至该东西向车道的运算装置，以供该东西向车道的运算装置判断是否需输出交通状况通知。

在运算装置20产生交通信息后(步骤S20)，运算装置20可以执行步骤S301：取得多个过往交通信息及对应该些过往交通信息的多个过往交通状况。

也即，运算装置20先取得多个过往交通信息，以及对应该些过往交通信息的过往交通状况，其中该些过往交通信息及对应的该些过往交通状况例如储存于数据库中。多个过往交通信息例如是过往的多个不同的车流量，或是不同时段的车流量，而对应该些不同的车流量的交通状况例如是车流顺畅、塞车30分钟或塞车1小时等。

在取得该些过往交通信息及该些过往交通状况后，运算装置20执行步骤S302：基于该些过往交通信息及该些过往交通状况取得对应交通信息的交通状况通知。

也即，运算装置20以人工智能算法识别路段的目前的交通信息是相似于该路段过往的哪一交通信息，并进一步识别该路段在过往的交通信息是对应到哪一交通状况，运算装置20即可依据过往的交通状况取得对应的交通状况通知。

举例而言，在运算装置20判知A路段在早上10点的车流量是10万台/小时(交通信息)后，运算装置20基于车流量查找A路段过往在早上10点的多笔车流量数据(过往交通信息)，以及对应的多笔交通状况数据(过往交通状况)。当运算装置20依据过往的信息判知A路段在早上10点的车流量若为10万台/小时，可能发生塞车1小时的状况，则运算装置20则可以判断A路段可能会发生塞车的状况，故运算装置20可以据以取得“A路段拥塞，请改道”的交通状况通知。综上所述，依据本发明一个或多个实施例所示的交通状况通知系统及方法，行人可以掌握其行径方向上的即时路况，以避免交通事故的发生。并且，依据本发明一个或多个实施例所示的交通状况通知系统及方法，还可以实现多点的单向或多项沟通的通信模式，以让路侧装置周边的物体即时收到交通状况通知，并且行人可以知道设有路侧装置的十字路口或是其他周边路段的交通状况。

Claims (10)

1.一种交通状况通知方法，其特征在于，包含：

以路侧装置的传感器感测环境以产生感测数据；

以运算装置基于该感测数据产生交通信息，并以人工智能算法基于该交通信息输出交通状况通知，其中该交通信息包含路况信息、车流信息以及人流信息的其中之一；以及

以该运算装置以路侧装置到物的通信模式传送该交通状况通知至在该路侧装置的通信范围内的物体。

2.根据权利要求1所述的交通状况通知方法，其特征在于，该传感器包含摄像元件，该感测数据是该摄像元件取得的多个图像，以该运算装置基于该感测数据产生该交通信息是：

以该运算装置基于该摄像元件取得的该些图像执行图像识别程序，以产生关联于交通场域物体的多个位置信息及多个时间信息；以及

以该运算装置基于该些位置信息及该些时间信息产生该交通信息。

3.根据权利要求1所述的交通状况通知方法，其特征在于，以该人工智能算法基于该交通信息输出该交通状况通知是：

以该运算装置取得多个过往交通信息及对应该些过往交通信息的多个过往交通状况；以及

以该运算装置基于该些过往交通信息及该些过往交通状况取得并输出对应该交通信息的该交通状况通知。

4.根据权利要求1所述的交通状况通知方法，其特征在于，该路侧装置包含交通信号灯具，该方法还包含：以该运算装置基于该交通信息控制该交通信号灯具的信号灯所呈现的信号。

5.根据权利要求1所述的交通状况通知方法，其特征在于，该物体包含移动装置，以该运算装置以该路侧装置到物的通信模式传送该交通状况通知至在该运算装置的通信范围内的该物体包含：

以该运算装置通信连线至该移动装置；以及

以该运算装置以该路侧装置到物的通信模式传送该交通状况通知至该移动装置。

6.根据权利要求1所述的交通状况通知方法，其特征在于，以该运算装置输出该交通状况通知包含：

以该运算装置判断该交通信息是否符合常态交通信息；以及

当判断该交通信息不符合该常态交通信息时，以该运算装置输出该交通状况通知。

7.一种交通状况通知系统，其特征在于，包含：

路侧装置，包含传感器，其中该传感器用于感测环境以产生感测数据；以及

运算装置，信号可传输地连接于该路侧装置，该运算装置用于基于该感测数据产生交通信息，

其中该运算装置于产生该交通信息后，以人工智能算法基于该交通信息输出交通状况通知，其中该交通信息包含路况信息、车流信息以及人流信息的其中之一，该运算装置以路侧装置到物的通信模式传送该交通状况通知至在该运算装置的通信范围内的物体。

8.根据权利要求7所述的交通状况通知系统，其特征在于，该传感器包含摄像元件，该运算装置基于该感测数据产生该交通信息是：该运算装置基于该摄像元件取得的多个图像执行图像识别程序，以产生关联于物体的多个位置信息及多个时间信息，该运算装置还基于该些位置信息及该些时间信息产生该交通信息。

9.根据权利要求7所述的交通状况通知系统，其特征在于，该运算装置以该人工智能算法基于该交通信息输出该交通状况通知是：该运算装置取得多个过往交通信息及对应该些过往交通信息的多个过往交通状况，该运算装置基于该些过往交通信息及该些过往交通状况取得并输出对应该交通信息的该交通状况通知。

10.根据权利要求7所述的交通状况通知系统，其特征在于，该传感器包含雷达、测速仪、气象传感器以及照明度传感器的其中之一。

Images