TWI596579B - Urban traffic simulation analysis system and method - Google Patents

Description

都市車流模擬分析系統與方法

本發明有關於一種模擬分析系統與方法，特別是有關於一種依據都市中蒐集來的車流資訊建模以便投入變因模擬車流之系統與方法。

在先前技術中，曾有車流分析系統係透過衛星導航路線狀態或電子扣款付費紀錄等方式作為取得交通流量資訊的來源，用以分析交通壅塞問題。

而亦有其他車流量預測方法係透過計算車流路徑上綠燈和紅燈變化的時間，並以車流飽和紓解率為核心，建立該區域的格林希爾車流模式來推算前後車連動之運動狀態改變所造成之車輛衝擊波來預測車流狀況，這些方法可作為交通工程師調配號誌更迭時的參考。

而前述之方法僅以參數作為後續不同區域的車輛飽和與否的推論，或基於單純的連續線性改變來對車流進行分析，然而車輛係由駕駛人操作的，在一特定區域內指定特定時段或週期得到的車流量參雜各種變因，並非可簡單預測的，而本發明之出發點則係為利用各種變因之發生慣性長期訓練以增加交通決策之準確性。

本發明之主要目的係在於提供一種重複訓練以模擬及預測車輛移動模式之系統與方法，是一種以量化和計算方式來建構數學模型以描述都市內隨著時段的車流分佈和動向，進而模擬整體都市內的車流變化以及駕駛人可能的習慣，以便進一步了解在特定地點發生事件會對整體都市的交通產生何種漣漪。

當進行都市內的交通計畫時，在時間流上最應當注意的便是尖峰的上下班通勤時段以及假日出遊時段，在都市中若干處重要交通路口若即將發生壅塞，我們所期待的是在稍早時已經透過都市中所有路口的車流量和車速的統計資料以及關聯性中察覺，即為一種壅塞預測方法，而現今和古典的交通分析方法中，有多種方法之概念亦源自於此；如今，隨著各方面技術的進步快速，這些分析方法亦可更上一層樓，若舉例之，倘若都市中路口的影像監控系統之效能獨到進一步提升甚或是與更加精確之影像辨識技術配合，使得取得經過各路口的車輛車牌辨識已成為可能的現實，而本發明即是透過相似之技術情境，以進一步的車輛辨識和追蹤技術將原先的大量車流量資訊擴展成追蹤複數車輛移動模式的資訊。

而宏觀的來說，當我們觀測特定都市內的交通狀況，鑒於駕駛人的習慣性以及環境的影響，應會有一大部分比例之車輛動向大致上遵守著既定的模式，例如在一早出門的上班通勤族，其整體駕車動向應會週期性地遵循一定時間(受上班下班時間制約)以及固定的移動起訖點(自住處至公司往返)，重複常時的觀測追蹤前述此種由個別車輛在特定時段和起訖點所連續構成的行動路線，即便有所偏離也相當可能 是固定且週期規律之偏離行為(習慣性地利用特定替代道路或前往特定店家購物)，此種行動路線之時間規律即為本發明最主要解析以及應用的核心概念。

首先，本發明之系統中主要包含有一車流彙整模組，該車流彙整模組係用以彙整並紀錄自外部大量各路口車輛辨識裝置(攝影機、監視器等)擷取而來的車輛資訊，尤其特別為以辨識車牌資訊之方式紀錄特定車輛通過都市中各路口之確切時間，而車流彙整模組將都市中所能蒐集到的路口辨識到特定車輛的資訊集中處理後，這些資訊即可用以追蹤選定的特定車輛在時間範圍內所移動經過之路口，以整理成包含有車輛起訖點的一連續路徑之雛型；而匯集在相同時間範圍內都市中所有車輛行進路徑雛型之推算動線，可以概略得到該時間範圍內都市內有規律和方向性的車流移動情況，也就是車流路徑，即該車流彙整模組主要係用以將外部複數車輛辨識裝置依據時間流以辨識且記錄特定車輛在觀測區域內被定位追蹤之訊息以產生車流路徑的一車輛追蹤資料。

而推算前述車流路徑的過程中主要係利用時間參數的模糊比對方法，其原因係為在具有諸多複雜潛在因子的影響以及放大觀察的週期之下，在都市中特定車輛的起始(出發)時間、停止(抵達)時間以及其途中通過各個路口被系統紀錄到的時間不會完全相同，例如今日都市中某路段的平均時速或事故會影響路段中車輛途經的時間差，但該些車輛卻很可能在接近的時間點有著相同的起訖點(每日出發上班下班的起訖點變化應相對小)，車流彙整模組將記錄下的各路口車流資訊(多為分散且沒有前後關連性之資訊)經由時間參數之模糊比對，以彙整出該時段中都市內的整體車流路徑。

而本發明之車流模型模組係將該車流彙整模組所提供的資訊按照數學模型規劃呈現，首先，可將都市內交通路線依照一有向圖G=(V,E)來表示，其中E為一集合，係表示該都市內的所有車流紀錄裝置之集合，例如複數用以進行車牌辨識之攝影機，而V則為表示各相鄰的兩車流紀錄裝置之間關係的集合，而兩車流紀錄裝置之間的相對關係即可對應至現實都市內的一路段之上；按照此種有向圖之表示方式，即可將與時間參數無關而僅由起訖或行經路口以及行經路段所組成的一條路徑，以有向圖G_π表示如下： 其中π係用以標記有向圖之編號，而G和E則代表本段前述之意義。

再，本發明之方法須對特定車輛之移動路徑加入時間參數，以表示該車在時間點t_s從路徑起點出發之後，通過所有攝影機之時間順序，直至其停止(或消失)於大略特定地點，應以一函式H定義如下： 其中，G_π為前段所述之有向圖的表示式，t_n則表示所有停止時間點之集合中各元素，e為E中之元素。

而都市內在特定時間區間當中之車流情境，即可以數學式表示如下： 其中M為一集合，係表示目前在都市中的個別車輛i之全體集合，t_s和t_f分別表示所欲描述之起始和結束時間，H則為前述加入時間參數的移動路徑。

而本發明之車流模型模組係將都市內車流資訊 以上述方式轉換成數學模型並儲存，本發明中有一車流變化模擬模組係用以調整都市中各有向圖G之節點與線段的存在性是否為真，其用意係以存在性與否模擬有向圖對應之路段是否處於可正常通行狀態，亦即該車流模型模組持續接收該車輛追蹤資料且根據該車輛追蹤資料以將觀測區域內之特定車輛依據時間流被追蹤之動向以有向圖之路徑表示，該車流模型模組在持續訓練下依據函式分析有向圖以估算動向相似之車輛的移動路徑，該車流模型模組係連續模擬觀測區域在時間流之下的大規模車流訊息。

本發明更有一車流模擬模組，藉由在觀測區域中投入特定變因以調控該車流模型模組所利用之有向圖和函式，使觀測區域中模擬的道路及車速變化貼近現實路況，再重複計算以得出模擬的一宏觀車流變化資料；以下，將再以方程式運算表示本發明如何加入變因計算替代道路是否存在以及各替代道路之路況條件、各替代道路被選擇之機率。

假設G=(V,E)係因減少節點e_ε狀態下模擬特定路段ε無法通行之都市交通路線圖，以,e_ε 之式表示之，而原來可通行之路徑G_π在此狀態下則會被斷開為兩條彼此不連接的路徑(不可通行)，即另外分別以G_α=(V_α,E_α)和G_β=(V_β,E_β)表示之，其中E_α∩E_β=Ø，而在斷開狀態下之所有替代路徑即可簡單地以一集合{│e_ε ,E_α∩≠Ø,E_β∩≠Ø}表示並計算得出，藉由將前述路徑集合套入函式H所產生之結果，當可得知各替代路徑在紀錄中之路況，再套入都市內特定時間的車流情境中，將可以推算出各替代路徑原有之車流狀況，包括途經該替代路徑所需時間或替代路徑上車流量等，進而再以預設之判斷條件或閾值推導出各路徑被選擇之 合理機率；而此種概念之模擬系統再先前技術中並非沒有被嘗試過，唯先前之技術僅計算都市內各路口或路段車流量以進行模擬，並未加入模擬各車輛之移動目的(尋找替代道路)或移動習慣(固定行車習慣)，意即本發明是以相鄰有高相關性之路口的車流量以及車速作為模擬之依據，而非並非如先前技術係以整體道路中車輛之變化進行模擬，其所得之替代道路路況則難謂準確。

而藉由調整函式H，本發明之系統及方法得以模擬在特定道路縮減、事故或拓寬變化等變因投入對都市整體車流量所造成之影響，令H(G_π,t_s)→{(e_n,t_n)│eE_π,t_n t_s}因道路施工而縮減，將以→{│eE_π,t_n t_s}表示之，代表著隨著道路的縮減，車流整體依序經過原先各路口的時間可能會延後，然而若延後所導致的時間差超過耐受門檻值(Threshold)，駕駛人將有可能選擇其他可通往終點的替代路徑(找尋新路徑)，此時，即可套用前述尋找替代路徑時的模擬策略，再重新帶入原都市中的模擬車流路徑，唯需將上述算式再經迭代運算，其係為確保模擬過程中，整體車流狀況能符合投入變因所產生之漣漪效應，此種方法可用於預測或交通建設或管制所帶來的影響，可以有效地應用於都市計畫層面的期程規劃或交通紓解等目的。

1‧‧‧車流彙整模組

2‧‧‧車流模型模組

3‧‧‧車流模擬模組

101‧‧‧影像監控攝影機系統

102‧‧‧資料庫伺服器

103‧‧‧資訊呈現模組

圖1為本發明都市車流模擬分析系統架構圖。

圖2為本發明都市車流模擬分析方法的觀測區域之一實施例。

圖3為本發明都市車流模擬分析方法中的替代道路判斷示意圖。

以下將以實施例結合圖式對本發明進行進一步說明，首先請參照圖1，係為本發明都市車流模擬分析系統架構圖，本發明之系統主要可以分為車流彙整模組1、車流模型模組2與車流模擬模組3。

而在此實施例中本發明所需之資訊的來源主要是外部架設於各路口的複數影像監控攝影機系統101，在影像監控攝影機系統擷取來之大量影像快速通過車牌辨識系統後，車牌資訊、攝影機編號或位置資訊以及日期時間等資訊將被儲存於外部後端的資料庫伺服器102之中，而本發明之車流彙整模組1則從資料庫伺服器102獲取紀錄，以將車牌資訊和對應之車輛被不同監控攝影機追蹤發現之順序或軌跡，描述以構成該車輛在現實都市中或是其他虛擬圖控系統中的移動軌跡資訊，而車流彙整模組1再依其他類似之移動軌跡，例如該車輛在次日或其他正常上班上學日期之移動軌跡，甚或是其他可能具備相同目的地點的車輛也應會呈現類似的移動軌跡，在分析訓練得出一定量的相似移動軌跡後，車流彙整模組1可以將此移動軌跡定義為真實都市中的一路徑，反覆進行資料彙整和訓練後，可以得到大量的路徑，即可作為都市中車流所依據之模型的雛型。

而車流模型模組2所進行的首要步驟是依靠資料庫伺服器102所持續記錄下的日期時間紀錄來為追蹤的特定車輛建立其對應的時間函式，其係因即便行經相同路徑，不同的車輛在不同時段的移動速率不會相同，因此時間函式是 用以精確模擬車流所必須之條件，係為本方法的首要步驟；而接著的次要步驟為選擇性的步驟，係為車流模型模組2可以預先為特定時段模擬建立車流模型，例如以週一至週五時段內都市中尖峰的上下班時段來舉例，以前述週一至週五時段中選擇任一時間點做為基準，從後端的資料庫伺服器102取得當時所有的行車資訊，套用車流彙整模組所定義的路徑和先前首要步驟所建立之時間函式，即可統合模擬出當時的都市內車流情境，都市內車流情境可被暫存起來或再以新資料校正之，此步驟之所以為非急迫必要之步驟，是因為此車流情境可由車流模擬模組在接收到指定之時間區間再進行模擬運算，而選擇性的先模擬和暫存則是為了校正或調整尖峰車流狀況所預先進行的運算。

車流模擬模組3則是藉由在觀測區域中投入特定變因以調控該車流模型模組2所利用之有向圖和函式，該特定變因之投入係來自使用者使用資訊呈現模組103所發出的指令，使都市中模擬的道路及車速變化貼近現實路況，再重複計算以得出模擬都市中車流的一宏觀車流變化資料，而重新調整的條件與目標後之該宏觀車流變化資料，亦由資訊呈現模組103提供予使用者了解，以利決策者可預知在特定變因影響下所影響之交通規模，該情報則可應用於先期規劃替代道路方案的擬定及交通管制期程之規劃。

再請參閱圖2所示，此為本發明都市車流模擬分析方法的觀測區域之一實施例，由圖中可見台灣桃園市中壢週邊的GOOGLE地圖，故此實施例之觀測區域為桃園市中壢區域，而若桃園市政府決定在縣道113線和縣道114線之交會處(施工處)進行緊急道路施工，如果決策者僅依照圖中路段 交會路口的周邊相對地理位置以常理進行直觀的推論，應該會做出如下假設：若接下來因施工而進行封路，上班時間自東向西行的車流量(箭頭延伸路線標記車流)將會自原先路口湧入替代路線，即為稍偏北方的中央西路以及稍偏南方的中正路，因此當造成中央西路和中正路的交通惡化。

而再請參閱圖3所示，係為本發明都市車流模擬分析方法中的替代道路判斷示意圖，其係表示圖2之實施例經過本發明都市車流模擬分析系統，依照過往蒐集的車流資訊和模擬模型，分析出此處上班時段大多數由西向東的車輛其主要目的地係為是圖中標記出的商業生活圈以及行政醫療圈，相信此時決策者當可因車輛之目的以及時段判斷出更加精確的替代路線，係為更加偏北的元化路以及北側的省道1線(箭頭延伸路線標記車流)，駕駛人應會選擇可更快速的直接通往商業生活圈以及行政醫療圈的該兩條道路，此正證明了本發明都市車流模擬分析方法可以依照長時間的資料蒐集訓練以進行決策之輔助判斷，可以避免預先規劃的交通管制或疏通計畫因不確定或未考慮到的變因而在現實狀況中產生偏離所花費之成本。

綜上所述，本發明於技術思想上實屬創新，也具備先前技術不及的多種功效，已充分符合新穎性及進步性之法定發明專利要件，爰依法提出專利申請，懇請 貴局核准本件發明專利申請案以勵發明，至感德便。

1‧‧‧車流彙整模組

2‧‧‧車流模型模組

3‧‧‧車流模擬模組

101‧‧‧影像監控攝影機系統

102‧‧‧資料庫伺服器

103‧‧‧資訊呈現模組

Claims (2)

1. 一種都市車流模擬分析系統，其包含：一車流彙整模組，該車流彙整模組係用以將外部複數車輛辨識裝置依據時間流以辨識且記錄特定車輛在觀測區域內被定位追蹤之訊息以產生一車輛追蹤資料；一車流模型模組，持續接收該車輛追蹤資料且根據該車輛追蹤資料以將觀測區域內之特定車輛依據時間流被追蹤之動向以有向圖之路徑表示，該車流模型模組在持續訓練下依據函式分析有向圖以估算動向相似之車輛的移動路徑，該車流模型模組透過一車流預測模型統合分析有向圖之函式的對應域，以連續模擬觀測區域在時間流之下的大規模車流訊息；以及一車流模擬模組，藉由在觀測區域中投入特定變因以調控該車流模型模組所利用之有向圖和函式，使觀測區域中模擬的道路及車速變化貼近現實路況，再重複計算以得出模擬的一宏觀車流變化資料，該宏觀車流變化資料係提供使用者觀測區域在特定變因影響下所影響之規模以便先期規劃替代道路方案及交通管制期程；其中，該車流模型模組利用的函式係根據觀測區域中的有向圖再加入時間參數以觀測區域內特定車輛之移動路徑之時間函式，係表示特定車輛通過觀測區域中各路段的時間順序關係；其中，該車流預測模型係根據觀測區域中個別車輛之全體集合的時間函式建立，係表示全體車輛通過觀測區域中各路段的時間順序關係； 其中，投入的特定變因係指觀測區域中道路縮減、事故或拓寬變化等因素。
2. 一種都市車流模擬分析方法，其步驟包含：以一車流彙整模組接收外部複數車輛辨識裝置依據時間流以辨識且記錄特定車輛在觀測區域內被定位追蹤之訊息以產生一車輛追蹤資料；以一車流模型模組持續接收該車輛追蹤資料且根據該車輛追蹤資料以將觀測區域內之特定車輛依據時間流被追蹤之動向以有向圖之路徑表示，該車流模型模組在持續訓練下依據函式分析有向圖以估算動向相似之車輛的移動路徑，該車流模型模組透過一車流預測模型統合分析有向圖之函式的對應域，以連續模擬觀測區域在時間流之下的大規模車流訊息；以及以一車流模擬模組在觀測區域中投入特定變因以調控該車流模型模組所利用之有向圖和函式，使觀測區域中模擬的道路及車速變化貼近現實路況，再重複計算以得出模擬的一宏觀車流變化資料，該宏觀車流變化資料係提供使用者觀測區域在特定變因影響下所影響之規模以便先期規劃替代道路方案及交通管制期程；其中，該車流模型模組利用的函式係根據觀測區域中的有向圖再加入時間參數以觀測區域內特定車輛之移動路徑之時間函式，係表示特定車輛通過觀測區域中各路段的時間順序關係；其中，該車流預測模型係根據觀測區域中個別車輛之全體集合的時間函式建立，係表示全體車輛通過觀測區域中各路段的時間順序關係； 其中，投入的特定變因係指觀測區域中道路縮減、事故或拓寬變化等因素。