TW201924989A - 偵測具威脅性車輛之系統及方法 - Google Patents

偵測具威脅性車輛之系統及方法 Download PDF

Info

Publication number
TW201924989A
TW201924989A TW106142420A TW106142420A TW201924989A TW 201924989 A TW201924989 A TW 201924989A TW 106142420 A TW106142420 A TW 106142420A TW 106142420 A TW106142420 A TW 106142420A TW 201924989 A TW201924989 A TW 201924989A
Authority
TW
Taiwan
Prior art keywords
vehicle
abnormal
server
focus
vehicles
Prior art date
Application number
TW106142420A
Other languages
English (en)
Other versions
TWI674210B (zh
Inventor
林啟盛
李芊
蕭唯倫
許聿廷
Original Assignee
財團法人資訊工業策進會
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW106142420A priority Critical patent/TWI674210B/zh
Priority to US15/834,032 priority patent/US20190172345A1/en
Publication of TW201924989A publication Critical patent/TW201924989A/zh
Application granted granted Critical
Publication of TWI674210B publication Critical patent/TWI674210B/zh

Links

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
    • G08G1/017—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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/091—Traffic information broadcasting

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本發明提出一種偵測具威脅性車輛之系統及方法。在此方法包含以下步驟：提供複數個車輛偵測器，彼此相間隔排列，每一車輛偵測器取得一車流影像；透過伺服器依據跟車理論推測車流影像中複數個車輛的互動關係，據以自複數個車輛中找出至少一離群車輛以做為決定追蹤之焦點車輛，進而判斷焦點車輛的行駛行為是否落入異常行為模型。

Description

偵測具威脅性車輛之系統及方法
本發明是有關於一種裝置與方法，且特別是有關於一種偵測具威脅性車輛之系統及方法。
機動車輛(Motor vehicle)是指以動力裝置驅動或牽引的車輛。動力一般來自於內燃機或電動機，主要指在道路上行駛的車輛。機動車的速度快，在世界各國是交通法規的重要規制對象。
然而，過去的駕駛行為評價僅針對單一車輛特性，道路特性變化多端，僅考慮單一車輛特性容易造成評價偏誤。況且，過去是一次監控全部車輛，因此具有系統過載問題。
本發明提出一種偵測具威脅性車輛之系統及方法，改善先前技術的問題。
在本發明的一實施例中，本發明所提出的偵測具威脅性車輛之系統包含複數個車輛偵測器以及伺服器，伺服器與複數個車輛偵測器建立通訊。複數個車輛偵測器彼此 相間隔排列，每一車輛偵測器取得車流影像。伺服器依據跟車理論推測車流影像中複數個車輛的互動關係，據以自複數個車輛中找出至少一離群車輛以做為決定追蹤之焦點車輛，進而判斷焦點車輛的行駛行為是否落入異常行為模型。
在本發明的一實施例中，伺服器依據焦點車輛的車行方向、速度與位置，決定所需偵測焦點車輛周圍之一焦點區域的大小及方向。
在本發明的一實施例中，伺服器自車流影像中辨識複數個車輛的種類。
在本發明的一實施例中，伺服器自車流影像中蒐集複數個車輛的軌跡資料。
在本發明的一實施例中，異常行為模型包含複數交通規則的違反條件，若伺服器判定焦點車輛的行駛行為違反複數個交通規則中之至少一者，伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常軌跡，若伺服器判定焦點車輛的行駛軌跡相異於複數個車輛之其餘者的行駛軌跡，且焦點車輛的行駛軌跡符合至少一異常軌跡，則伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常速差區間，伺服器比較焦點車輛的行駛速度與複數個車輛之其餘者的平均行駛速度，若焦點車輛的行駛速度與平均行駛速度之間的速度差落於至少一異常速差區間，伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常間距，若伺服器判定焦點車輛與複數個車輛中任一其餘者之間的距離小於至少一異常間距，伺服器判定焦點車輛異常。
在本發明的一實施例中，在焦點車輛的行駛行為落入異常行為模型以後，伺服器進行示警處理程序。
在本發明的一實施例中，每一車輛偵測器為路側攝影機。
在本發明的一實施例中，本發明所提出的偵測具威脅性車輛之方法包含以下步驟：提供複數個車輛偵測器，彼此相間隔排列，每一車輛偵測器取得一車流影像；透過伺服器依據跟車理論推測車流影像中複數個車輛的互動關係，據以自複數個車輛中找出至少一離群車輛以做為決定追蹤之焦點車輛，進而判斷焦點車輛的行駛行為是否落入異常行為模型。
在本發明的一實施例中，偵測具威脅性車輛之方法更包含：透過伺服器依據焦點車輛的車行方向、速度與位置，決定所需偵測焦點車輛周圍之一焦點區域的大小及方向。
在本發明的一實施例中，偵測具威脅性車輛之方法更包含：透過伺服器自車流影像中辨識複數個車輛的種類。
在本發明的一實施例中，偵測具威脅性車輛之方法更包含：透過伺服器自車流影像中蒐集複數個車輛的軌 跡資料。
在本發明的一實施例中，異常行為模型包含複數交通規則的違反條件，偵測具威脅性車輛之方法更包含：若伺服器判定焦點車輛的行駛行為違反複數個交通規則中之至少一者，伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常軌跡，偵測具威脅性車輛之方法更包含：若伺服器判定焦點車輛的行駛軌跡相異於複數個車輛之其餘者的行駛軌跡，且焦點車輛的行駛軌跡符合至少一異常軌跡，則伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常速差區間，偵測具威脅性車輛之方法更包含：透過伺服器比較焦點車輛的行駛速度與複數個車輛之其餘者的平均行駛速度，若焦點車輛的行駛速度與平均行駛速度之間的速度差落於至少一異常速差區間，伺服器判定焦點車輛異常。
在本發明的一實施例中，異常行為模型包含至少一異常間距，偵測具威脅性車輛之方法更包含：若伺服器判定焦點車輛與複數個車輛中任一其餘者之間的距離小於至少一異常間距，伺服器判定焦點車輛異常。
在本發明的一實施例中，在焦點車輛的行駛行為落入異常行為模型以後，伺服器進行示警處理程序。
在本發明的一實施例中，偵測具威脅性車輛之方法更包含：每一車輛偵測器為一路側攝影機。
綜上所述，本發明之技術方案與現有技術相比具有明顯的優點和有益效果。藉由本發明的偵測具威脅性車輛之系統及方法，透過車輛動態焦點影像辨識方式，提供精準且全面考量過後的示警方式。
以下將以實施方式對上述之說明作詳細的描述，並對本發明之技術方案提供更進一步的解釋。
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附符號之說明如下：
100A、100B‧‧‧偵測具威脅性車輛之系統
101、102、103‧‧‧車輛偵測器
110‧‧‧車道線
120‧‧‧伺服器
130‧‧‧示警平台
140‧‧‧通訊
141、142、143‧‧‧車輛
151、152‧‧‧行駛軌跡
211、212‧‧‧焦點區域
241、242‧‧‧焦點車輛
300‧‧‧偵測具威脅性車輛之方法
S301~S311‧‧‧步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下：第1A圖是依照本發明一實施例之一種偵測具威脅性車輛之系統的方塊圖；第1B圖是依照本發明另一實施例之一種偵測具威脅性車輛之系統的方塊圖；第2圖是依照本發明一實施例之一種焦點區域的示意圖；以及第3圖是依照本發明一實施例之一種偵測具威脅性車輛之方法的流程圖。
為了使本發明之敘述更加詳盡與完備，可參照所附之圖式及以下所述各種實施例，圖式中相同之號碼代表相同或相似之元件。另一方面，眾所週知的元件與步驟並未描述於實施例中，以避免對本發明造成不必要的限制。
於實施方式與申請專利範圍中，涉及『電性連接』之描述，其可泛指一元件透過其他元件而間接電氣耦合至另一元件，或是一元件無須透過其他元件而直接電氣連結至另一元件。
於實施方式與申請專利範圍中，涉及『連線』之描述，其可泛指一元件透過其他元件而間接與另一元件進行有線與/或無線通訊，或是一元件無須透過其他元件而實體連接至另一元件。
於實施方式與申請專利範圍中，除非內文中對於冠詞有所特別限定，否則『一』與『該』可泛指單一個或複數個。
本文中所使用之『約』、『大約』或『大致』係用以修飾任何可些微變化的數量，但這種些微變化並不會改變其本質。於實施方式中若無特別說明，則代表以『約』、『大約』或『大致』所修飾之數值的誤差範圍一般是容許在百分之二十以內，較佳地是於百分之十以內，而更佳地則是於百分五之以內。
第1A圖是依照本發明一實施例之一種偵測具威脅性車輛之系統100A的方塊圖。如第1A圖所示，系統100A包含複數個車輛偵測器101、102與103、及一伺服器120。在架構上，伺服器120與複數個車輛偵測器101、102、103建立通訊。於另一實施例中，具威脅性車輛偵測系統100更包括一示警平台130，而伺服器120與示警平台130建立通訊。於一實施例中，伺服器120採用有線或無線方式，以與 此些車輛偵測器101、102與103及/或示警平台130建立通訊140，如：Wi-Fi無線通訊或有線網路通訊。
實作上，伺服器120可為雲端伺服器，示警平台130可為地方單位、交通主管單位或警方的電腦主機，複數個車輛偵測器101、102、103彼此依一固定間距或非固定間距而相間隔排列。舉例而言，車輛偵測器101、102、103皆為路側攝影機，彼此相間隔地設置於路燈、分隔島或人行道之路側處；或者，車輛偵測器101、102、103皆為空拍攝影機。或者，車輛偵測器101、102、103中可一部分為路側攝影機，另一部分為空拍攝影機，熟習此項技藝者當視實際應用彈性選擇之。
於第1A圖中，伺服器120可包含通訊裝置121、處理器122與儲存器123。通訊裝置121(如：有線或無線網路設備)以與車輛偵測器101、102與103及/或示警平台130建立通訊140。儲存器123(如：硬碟)可預載車輛的異常行為模型，並記錄車輛偵測器101、102與103所取得的車流影像。據此，處理器122(如：中央處理器)可偵測具威脅性車輛。
具體而言，於系統100A運作時，每一車輛偵測器(以車輛偵測器101為例)取得車流影像。伺服器120依據跟車理論推測車流影像中行駛於車道上之複數個車輛141、142、143的互動關係，據以自複數個車輛141、142、143中找出至少一離群車輛(以車輛142為例)以做為決定追蹤之焦點車輛142。值得注意的是，當焦點車輛142脫離 車輛偵測器101的偵測範圍時，伺服器120依據焦點車輛142的行進方向，自動調用下一個車輛偵測器102持續追蹤焦點車輛142。
另外，伺服器120可以自車流影像中辨識複數個車輛141、142、143的種類，亦可自車流影像中蒐集複數個車輛141、142、143的軌跡資料。
接下來，伺服器120判斷焦點車輛142的行駛行為是否落入異常行為模型，若是，伺服器120判定焦點車輛142異常。
在本發明的一實施例中，上述異常行為模型可包含複數交通規則的違反條件，若伺服器120判定焦點車輛的行駛行為違反複數個交通規則中之至少一者(如：超速)，伺服器120判定焦點車輛異常。
在本發明的一實施例中，上述異常行為模型可包含至少一異常軌跡，若伺服器120判定焦點車輛142的行駛軌跡152相異於複數個車輛之其餘者的行駛軌跡151，且焦點車輛142的行駛軌跡152符合至少一異常軌跡(如：蛇行軌跡)，則伺服器120判定焦點車輛142異常。
在本發明的一實施例中，異常行為模型可包含至少一異常速差區間(如：時速相差30公里以上)，伺服器120比較焦點車輛142的行駛速度與複數個車輛之其餘者的平均行駛速度，若焦點車輛142的行駛速度與平均行駛速度之間的速度差落於至少一異常速差區間，伺服器120判定焦點車輛142異常。
在本發明的一實施例中，異常行為模型可包含至少一異常間距(如：間距小於50公尺)，若伺服器120判定焦點車輛142與複數個車輛中任一其餘者(以車輛143為例)之間的距離小於至少一異常間距，伺服器120判定焦點車輛142異常。
接下來，在伺服器120判定焦點車輛142的行駛行為落入異常行為模型以後，伺服器120可進行示警處理程序。舉例而言，在焦點車輛的行駛行為落入異常行為模型以後，伺服器120對焦點車輛142進行路徑預測(如：依據歷史軌跡與當前車速及方向)，據以判斷焦點車輛142是否對複數個車輛中任一其餘者有危害，若有，伺服器120進行示警處理程序。
關於示警處理程序，舉例而言，伺服器120可發送關於焦點車輛142的報警信息給示警平台130。或者，伺服器120透過車輛偵測器101的廣播系統及/或顯示系統(未繪示)通知焦點車輛142的車上廣播及/或顯示系統與/或其他車輛141、143的車上廣播及/或顯示系統，或者透過所處道路(未顯示)之最近廣播系統及/或顯示系統示警焦點車輛142與其他車輛141、143，熟習此項技藝者當視實際應用彈性選擇之。
第1B圖是依照本發明另一實施例之一種偵測具威脅性車輛之系統100B的方塊圖。除了第1B圖中省略第1A圖中的車道線110以外，系統100B的架構實質上與系統100A相同，故不再贅述之。無論有車道線或無車道線的路面車道，均 可使用本發明的系統來偵測具威脅性車輛。
第2圖是依照本發明一實施例之一種焦點區域的示意圖。如第1A、2圖所示，伺服器120依據跟車理論推測至少一車道上的車群互動關係，並找出離群車輛241、242以做為決定追蹤之焦點車輛。舉例而言，車輛241係在車速上離群(如：超越平均速度過多)，車輛242係在行進軌跡上離群。伺服器120依據焦點車輛241、242的車行方向、速度與位置，決定所需偵測焦點車輛241、242周圍之焦點區域211、212的大小及方向，藉以於動態的焦點區域211、212有效追蹤焦點車輛241、242。
舉例而言，伺服器120依據車行方向判斷潛在焦點車輛241、242後，決定焦點區域211、212的動態移動方向；伺服器120依據車速與位置調整焦點區域211、212的大小。
應瞭解到，上述跟車理論係運用動力學方法研究車輛列隊在車道上行駛時，後車要與前車保持一定的安全距離而經常隨著前車改變車速，後車跟隨前車的行駛狀態，並用數學模式表達而且加以闡明的一種理論。
為了對上述偵測具威脅性車輛之系統100的運作方法做更進一步的闡述，請同時參照第1A~3圖，第3圖是依照本發明一實施例之一種偵測具威脅性車輛之方法300的流程圖。如第3圖所示，此方法300包含步驟S301~S311(應瞭解到，在本實施例中所提及的步驟，除特別敘明其順序者外，均可依實際需要調整其前後順序，甚至可同 時或部分同時執行)；例如：步驟S307-S309可視為選擇性步驟，或步驟S310與S311可視為選擇性步驟。以下將搭配第1A~3圖來說明本發明之技術方案。
於方法300中，提供複數個車輛偵測器101、102、103(如：路側攝影機)，彼此相間隔排列，每一車輛偵測器取得一車流影像；透過伺服器120依據跟車理論推測車流影像中行駛於至少一車道上之複數個車輛141、142、143的互動關係，據以自複數個車輛141、142、143中找出至少一離群車輛以做為決定追蹤之焦點車輛(以車輛142為例)，進而判斷焦點車輛142的行駛行為是否落入異常行為模型。
具體而言，於步驟S301，透過伺服器120依據焦點車輛142的車行方向、速度與位置，決定所需偵測焦點車輛142周圍之焦點區域的大小及方向。於步驟S302，透過伺服器120自車流影像中辨識行駛於至少一車道上之複數個車輛141、142、143的種類。於步驟S303，透過伺服器120自車流影像中蒐集複數個車輛141、142、143的軌跡資料。於步驟S304，透過伺服器120定義正常與不正常車輛動作以做為建立異常行為模型的依據。
接下來，於步驟S305，伺服器120判斷焦點車輛142的行駛行為是否落入異常行為模型。若焦點車輛142的行駛行為未落入異常行為模型，於步驟S306，伺服器120據以執行正常/不正常動作判斷機械學習訓練。
在本發明的一實施例中，異常行為模型包含複數交通規則的違反條件，於步驟S305，若伺服器120判定 焦點車輛142的行駛行為違反複數個交通規則中之至少一者(如：超速)，伺服器120判定焦點車輛異常。
在本發明的另一實施例中，異常行為模型包含至少一異常軌跡，於步驟S305，若伺服器120判定焦點車輛142的行駛軌跡相異於複數個車輛之其餘者的行駛軌跡，且焦點車輛142的行駛軌跡符合至少一異常軌跡(如：蛇行軌跡)，則伺服器120判定焦點車輛異常。
在本發明的又一實施例中，異常行為模型包含至少一異常速差區間，於步驟S305，透過伺服器120比較焦點車輛142的行駛速度與複數個車輛之其餘者的平均行駛速度，若焦點車輛142的行駛速度與平均行駛速度之間的速度差落於至少一異常速差區間(如：時速相差30公里以上)，伺服器120判定焦點車輛142異常。
在本發明的再一實施例中，異常行為模型包含至少一異常間距，於步驟S305，若伺服器120判定焦點車輛與複數個車輛中任一其餘者之間的距離小於至少一異常間距(如：間距小於50公尺)，伺服器120判定焦點車輛142異常。
若伺服器120判定焦點車輛142異常，於步驟S307，伺服器120對焦點車輛142進行路徑預測。於步驟S308，伺服器120透過危險值做為判斷對他車的危害的依據。於步驟S309，伺服器120據以判斷焦點車輛142是否對其餘車輛中任一者有危害。
關於危險值，舉一例而言，若焦點車輛異常的 原因是違反交通規則(如：超速)，危險值可為超過速限10公里/小時。舉另一例而言，若焦點車輛異常的原因是行駛軌跡符合異常軌跡(如：蛇行軌跡)，危險值可為異常軌跡跨越車道線110。舉又一例而言，若焦點車輛異常的原因是其行駛速度與平均行駛速度之間的速度差落於異常速差區間(如：時速相差30公里以上)，危險值可為異常速差達到相差40公里以上。舉再一例而言，若焦點車輛異常的原因是其與複數個車輛中任一其餘者之間的距離小於異常間距(如：間距小於50公尺)，危險值可為間距縮小至2公尺。綜合以上，危險值可為異常行為模型中界定的異常標準範圍的上限/下限值。以上僅為例示，熟習此項技藝者當視實際應用彈性調整危險值的決定方式。
若焦點車輛142不對複數個車輛中任一其餘者有危害，於步驟S310，伺服器120據以執行危害判斷機械學習訓練。相反地，若焦點車輛142對複數個車輛中任一其餘者有危害，於步驟S311，伺服器120進行示警處理程序。或者，於其他實施例中，可省略步驟S307~S310，若於步驟S305中伺服器120判定焦點車輛142異常，直接於步驟S311，伺服器進行示警處理程序，熟習此項技藝者當視實際應用彈性選擇之。
綜上所述，本發明之技術方案與現有技術相比具有明顯的優點和有益效果。藉由本發明的偵測具威脅性車輛之系統100A、100B及方法300，透過車輛動態焦點影像辨識方式，提供精準且全面考量過後的示警方式。
雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

Claims (20)

  1. 一種偵測具威脅性車輛之系統，該系統包含：複數個車輛偵測器，彼此相間隔排列，每一該車輛偵測器取得一車流影像；以及一伺服器，與該些車輛偵測器建立通訊，該伺服器依據一跟車理論推測該車流影像中複數個車輛的互動關係，據以自該些車輛中找出至少一離群車輛以做為決定追蹤之一焦點車輛，進而判斷該焦點車輛的行駛行為是否落入一異常行為模型。
  2. 如請求項1所述之系統，其中該伺服器依據該焦點車輛的車行方向、速度與位置，決定所需偵測該焦點車輛周圍之一焦點區域的大小及方向。
  3. 如請求項1所述之系統，其中該伺服器自該車流影像中辨識該些車輛的種類。
  4. 如請求項1所述之系統，其中該伺服器自該車流影像中蒐集該些車輛的軌跡資料。
  5. 如請求項1所述之系統，其中該異常行為模型包含複數交通規則的違反條件，若該伺服器判定該焦點車輛的行駛行為違反該些交通規則中之至少一者，該伺 服器判定該焦點車輛異常。
  6. 如請求項1所述之系統，其中該異常行為模型包含至少一異常軌跡，若該伺服器判定該焦點車輛的行駛軌跡相異於該些車輛之其餘者的行駛軌跡，且該焦點車輛的行駛軌跡符合該至少一異常軌跡，則該伺服器判定該焦點車輛異常。
  7. 如請求項1所述之系統，其中該異常行為模型包含至少一異常速差區間，該伺服器比較該焦點車輛的行駛速度與該些車輛之其餘者的平均行駛速度，若該焦點車輛的該行駛速度與該平均行駛速度之間的速度差落於該至少一異常速差區間，該伺服器判定該焦點車輛異常。
  8. 如請求項1所述之系統，其中該異常行為模型包含至少一異常間距，若該伺服器判定該焦點車輛與該些車輛中任一其餘者之間的距離小於至少一異常間距，該伺服器判定該焦點車輛異常。
  9. 如請求項1所述之系統，其中在該焦點車輛的行駛行為落入該異常行為模型以後，該伺服器進行一示警處理程序。
  10. 如請求項1所述之系統，其中每一該車輛偵測器為一路側攝影機。
  11. 一種偵測具威脅性車輛之方法，該方法包含以下步驟：提供複數個車輛偵測器，彼此相間隔排列，每一該車輛偵測器取得一車流影像；以及透過一伺服器依據一跟車理論推測該車流影像中複數個車輛的互動關係，據以自該些車輛中找出至少一離群車輛以做為決定追蹤之一焦點車輛，進而判斷該焦點車輛的行駛行為是否落入一異常行為模型。
  12. 如請求項11所述之方法，更包含：透過該伺服器依據該焦點車輛的車行方向、速度與位置，決定所需偵測該焦點車輛周圍之一焦點區域的大小及方向。
  13. 如請求項11所述之方法，更包含：透過該伺服器自該車流影像中辨識該些車輛的種類。
  14. 如請求項11所述之方法，更包含：透過該伺服器自該車流影像中蒐集該些車輛的軌跡資料。
  15. 如請求項11所述之方法，其中該異常行為模型包含複數交通規則的違反條件，且該方法更包含：若該伺服器判定該焦點車輛的行駛行為違反該些交通規則中之至少一者，該伺服器判定該焦點車輛異常。
  16. 如請求項11所述之方法，其中該異常行為模型包含至少一異常軌跡，且該方法更包含：若該伺服器判定該焦點車輛的行駛軌跡相異於該些車輛之其餘者的行駛軌跡，且該焦點車輛的行駛軌跡符合該至少一異常軌跡，則該伺服器判定該焦點車輛異常。
  17. 如請求項11所述之方法，其中該異常行為模型包含至少一異常速差區間，且該方法更包含：透過該伺服器比較該焦點車輛的行駛速度與該些車輛之其餘者的平均行駛速度，若該焦點車輛的該行駛速度與該平均行駛速度之間的速度差落於該至少一異常速差區間，該伺服器判定該焦點車輛異常。
  18. 如請求項11所述之方法，其中該異常行為模型包含至少一異常間距，且該方法更包含：若該伺服器判定該焦點車輛與該些車輛中任一其餘者之間的距離小於至少一異常間距，該伺服器判定該焦點車輛異常。
  19. 如請求項11所述之方法，更包含：在該焦點車輛的行駛行為落入該異常行為模型以後，該伺服器進行一示警處理程序。
  20. 如請求項11所述之方法，其中每一該車輛偵測器為一路側攝影機。
TW106142420A 2017-12-04 2017-12-04 偵測具威脅性車輛之系統及方法 TWI674210B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW106142420A TWI674210B (zh) 2017-12-04 2017-12-04 偵測具威脅性車輛之系統及方法
US15/834,032 US20190172345A1 (en) 2017-12-04 2017-12-06 System and method for detecting dangerous vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW106142420A TWI674210B (zh) 2017-12-04 2017-12-04 偵測具威脅性車輛之系統及方法

Publications (2)

Publication Number Publication Date
TW201924989A true TW201924989A (zh) 2019-07-01
TWI674210B TWI674210B (zh) 2019-10-11

Family

ID=66658161

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106142420A TWI674210B (zh) 2017-12-04 2017-12-04 偵測具威脅性車輛之系統及方法

Country Status (2)

Country Link
US (1) US20190172345A1 (zh)
TW (1) TWI674210B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7255582B2 (ja) * 2018-02-26 2023-04-11 日本電気株式会社 危険行為解消システム、装置、方法、及び、プログラム
WO2020164021A1 (zh) * 2019-02-13 2020-08-20 北京百度网讯科技有限公司 用于驾驶控制的方法、装置、设备、介质和系统
CN111367906B (zh) * 2019-07-23 2023-09-05 杭州海康威视系统技术有限公司 异常车辆识别方法、装置、设备及计算机可读存储介质
CN110992690B (zh) * 2019-11-29 2021-09-17 中原工学院 车联网中基于时空离群点的虚假数据检测方法
US11383733B2 (en) 2020-01-31 2022-07-12 Mitac Digital Technology Corporation Method and system for detecting a dangerous driving condition for a vehicle, and non-transitory computer readable medium storing program for implementing the method
JP7363669B2 (ja) * 2020-05-15 2023-10-18 トヨタ自動車株式会社 情報処理装置、及び情報処理システム
US11368991B2 (en) 2020-06-16 2022-06-21 At&T Intellectual Property I, L.P. Facilitation of prioritization of accessibility of media
US11233979B2 (en) 2020-06-18 2022-01-25 At&T Intellectual Property I, L.P. Facilitation of collaborative monitoring of an event
US11037443B1 (en) 2020-06-26 2021-06-15 At&T Intellectual Property I, L.P. Facilitation of collaborative vehicle warnings
US11184517B1 (en) 2020-06-26 2021-11-23 At&T Intellectual Property I, L.P. Facilitation of collaborative camera field of view mapping
US11411757B2 (en) 2020-06-26 2022-08-09 At&T Intellectual Property I, L.P. Facilitation of predictive assisted access to content
US11356349B2 (en) 2020-07-17 2022-06-07 At&T Intellectual Property I, L.P. Adaptive resource allocation to facilitate device mobility and management of uncertainty in communications
US11768082B2 (en) 2020-07-20 2023-09-26 At&T Intellectual Property I, L.P. Facilitation of predictive simulation of planned environment
US11820387B2 (en) 2021-05-10 2023-11-21 Qualcomm Incorporated Detecting driving behavior of vehicles
CN115691144B (zh) * 2023-01-03 2023-03-31 西南交通大学 一种异常交通状态监测方法、装置、设备及可读存储介质
CN118382082B (zh) * 2024-06-21 2024-08-16 大家传承网络科技（深圳）有限公司 一种基于大数据的保密无线传输方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM419093U (en) * 2011-07-01 2011-12-21 Chin-Teng Lin Image automatic traffic flow identification apparatus
CN103366569B (zh) * 2013-06-26 2015-10-07 东南大学 实时抓拍交通违章车辆的方法及系统
CN103325255B (zh) * 2013-06-29 2016-01-20 佘若凡 基于摄影测量技术进行区域交通状况检测的方法
CN103971528B (zh) * 2014-05-07 2016-01-06 江苏奥雷光电有限公司 与被监控车辆互联的智能交通监控系统的实现方法

Also Published As

Publication number Publication date
US20190172345A1 (en) 2019-06-06
TWI674210B (zh) 2019-10-11

Similar Documents

Publication Publication Date Title
TWI674210B (zh) 偵測具威脅性車輛之系統及方法
US11990036B2 (en) Driver behavior monitoring
US20240290201A1 (en) Driver behavior monitoring
US11361556B2 (en) Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program
CN109686088B (zh) 一种交通视频告警方法、设备及系统
US11380105B2 (en) Identification and classification of traffic conflicts
KR101703001B1 (ko) 지능형 도로 안전 펜스 시스템
JP6466428B2 (ja) 視認性が低下したエリア及びそれらの移動方向を検出するためにセンサベースの照明器具を用いる装置及び方法
JP7040605B2 (ja) 交通監視装置、交通監視システム、交通監視方法及びプログラム
US20130093895A1 (en) System for collision prediction and traffic violation detection
JP7063379B2 (ja) 交通監視装置、交通監視システム、交通監視方法及びプログラム
CN114333330B (zh) 一种基于路侧边缘全息感知的交叉口事件检测系统
US20160241839A1 (en) System for traffic behaviour surveillance
CN104848924B (zh) 桥梁载重监测方法、装置及系统
CN106327880B (zh) 一种基于监控视频的车速识别方法及其系统
CN115618932A (zh) 基于网联自动驾驶的交通事件预测方法、装置及电子设备
CN111477011A (zh) 一种用于道路路口预警的检测装置及检测方法
CN115188187A (zh) 一种基于车路协同的路侧感知数据质量监测系统及方法
CN113919571A (zh) 基于边缘计算的危化品运输保费预估方法
TWI730509B (zh) 影像偵測區域取得方法及空間使用情況的判定方法
JPWO2020105226A1 (ja) 情報処理装置、情報処理システム、および情報処理方法
CN109872565A (zh) 侦测具威胁性车辆的系统及方法
TWI712997B (zh) 違規偵測方法及裝置
CN114202944B (zh) 高速公路团雾预警方法、装置及系统
TWI761863B (zh) 交通狀況偵測方法