TWI624819B - Vehicle driving direction prediction system and method - Google Patents
Vehicle driving direction prediction system and method Download PDFInfo
- Publication number
- TWI624819B TWI624819B TW105141167A TW105141167A TWI624819B TW I624819 B TWI624819 B TW I624819B TW 105141167 A TW105141167 A TW 105141167A TW 105141167 A TW105141167 A TW 105141167A TW I624819 B TWI624819 B TW I624819B
- Authority
- TW
- Taiwan
- Prior art keywords
- vehicle
- intersection
- target vehicle
- direction prediction
- license plate
- Prior art date
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本發明提供一種車輛行駛方向預測系統與方法,透過數位影像辨識並結合行車軌跡運算技術,應用大資料運算技術,提供一套精準的行駛方向預測系統。本發明中之道路條件權重控制單元、時間與路況權重控制單元、行車軌跡權重控制單元等三個單元,根據目標車輛的人、事、時、地、物等環境因子進行權重計算,將過去行車軌跡資料的統計結果作為預測依據,並包含即時的路況、車流量以及道路條件,動態且即時的預測目標車輛可能的行駛方向,以利員警追輯問題車輛。
Description
本發明係提取人、事、時、地、物等環境因子進行權重控制之以分析判斷之車輛行駛方向預測系統及方法。
隨著交通流量逐年成長,交通事故日漸增加,警方利用智慧型路口影像監控及車牌辨識系統協助辦案,查找失竊車牌、警政署通報查緝車輛、肇事逃逸車及圍捕車輛的需求越來越高,以往雖已有車輛即時影像軌跡追蹤系統可提供方向預測供員警參考,但預測結果仍不夠準確,因此為了在圍捕犯罪車輛時能有效改善勤務佈署與警力運用之方式,如何能夠透過智慧型通報警車攔截系統整合雲龍軌跡系統與警車定位派遣系統的整合,達成即時掌握犯罪車輛的位置與附近的警力資源,參考車輛行駛方向預系統分析後的預測結果,進一步適當調配勤務佈署,使相同的警力資源能達到最好的追緝效率,為各方努力研究之課題。
本發明提供一種車輛行駛方向預測系統,包括:一路口監控攝影模組,係擷取一路口的一即時車流影像及一目標車輛之一車牌資訊,其中路口監控攝影模組係包含複數個監控攝影機。一智慧型影
像管理模組,係透過路口車流影像及車牌資訊,判斷路口之一車輛流速,並記錄目標車輛的車牌資訊所對應之習慣行經的時間及路線,其中智慧型影像管理模組更包含。一歷史軌跡分析單元,係記錄目標車輛的車牌資訊所對應之習慣行經的時間及路線。一即時路況分析單元,係透過路口車流影像分析目前車輛流速。一環境因子提取單元,係依據一環境及路況資料,產生一環境變數,其中環境變數為道路種類、目標車輛種類與行駛情境,即時車流量以及習慣路徑。一車輛行駛方向預測計算模組,係透過環境變數、目前車輛流速、習慣行經的時間及路線,進行目標車輛之行駛方向預測。一網路通訊界面模組,係提供路口監控攝影模組、智慧型影像管理模組、歷史軌跡分析單元、即時路況分析單元、環境因子提取單元及車輛行駛方向預測計算模組之間之傳輸。
其中車輛行駛方向預測計算模組係透過一行車軌跡權重控制單元,根據目標車輛的車牌資訊所對應之習慣行經的時間及路線,計算目標車輛行經路口之機率。
其中車輛行駛方向預測計算模組係透過一時間與路況權重控制單元,根據目前車輛流速,計算目標車輛行經路口之機率。
其中車輛行駛方向預測計算模組係透過一道路條件權重控制單元,根據路口之道路寬度及速限,計算目標車輛行經路口之機率。
本發明提供一種車輛行駛方向預測方法,其步驟包含:一路口監控攝影模組擷取一路口的一即時車流影像及一目標車輛之一車牌資訊並送至一智慧型影像管理模組;智慧型影像管理模組係透過路口車流影像及車牌資訊,判斷路口之一車輛
流速及目標車輛之車牌資訊,包含目標車輛之車牌、車型、車色,並儲存目標車輛的車牌資訊所對應之習慣行經的時間及路線;利用一即時路況分析單元分析目前車輛流速,一歷史軌跡分析單元分係目標車輛所對應之習慣行經的時間及路線,一環境因子提取單元依據一環境及路況資料產生一環境變數;以及一車輛行駛方向預測計算模組係透過環境變數、目前車輛流速、習慣行經的時間及路線,進行目標車輛之行駛方向預測。
本發明提出一種車輛行駛方向預測系統,將車輛行駛的環境變異參數,並參考車輛過往習慣選擇的路徑,經過權重計算後可得到更智慧化的預測結果,有助警方在圍捕的過程中能夠更精準地掌握犯罪車輛的路線,順利完成逮捕。本發明相較於現有技術,特徵在於能夠提取人、事、時、地、物等環境因子進行權重控制,環境因子簡述如下:
1.「人」的因子指的是目標車輛行駛習慣,根據資料庫中所紀錄過去各天的各個時間的歷史軌跡資料,基於過去資料中,分析目標車輛的行駛習慣,找出過往習慣選擇的路線,以作為車輛行駛方向預測參考。
2.「事」的因子指的是目標車輛的行駛情境,正在逃逸警方追捕的現行逃逸車輛與通報查緝的問題車輛,兩者所選擇的行駛路線依照過去的經驗統計結果表示,會有一些差異,亦會影響車輛行駛方向預測結果。
3.「時」的因子指的是目標車輛的行駛時間,即時車流量是影響車輛行駛方向預測的因素,尖峰時間主要幹道的車流量較大,現行逃逸車輛選擇塞車路段的可能性較低,除此之外,號誌狀態亦會間接影響車輛行使方向預測,當路上的車輛依照號誌停紅燈時,對目標車輛而言就
如同塞車,若路口可左轉或右轉,目標車輛選擇左、右轉的機率便會提高。
4.「地」的因子指的是目標車輛所在的路口可能選擇行駛的道路種類,如:主要幹道、支線道路、巷弄道路、單行道、無尾巷...等,一般而言,行駛車輛選擇筆直的主要幹道的機率比其它道路的機率高。
5.「物」的因子指的是目標車輛的種類(如:大型車、小型車、機踏車...等),車輛種類可用來過濾無法通行的路段,排除不合理的預測判斷,提高預測結果的準確性。如:大型車無法進入狹小的巷弄道路、車流量大的單行道,逆向行駛的可能性很低。
上列詳細說明係針對本發明之一可行實施例之具體說明,惟該實施例並非用以限制本發明之專利範圍,凡未脫離本發明技藝精神所為之等效實施或變更,均應包含於本案之專利範圍中。
綜上所述,本案不但在空間型態上確屬創新,並能較習用物品增進上述多項功效,應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。
100‧‧‧路口監控攝影模組
200‧‧‧智慧型影像管理模組
300‧‧‧歷史軌跡分析單元
400‧‧‧即時路況分析單元
500‧‧‧環境因子提取單元
600‧‧‧車輛行駛方向預測計算模組
700‧‧‧網路通訊界面模組
110‧‧‧監控攝影機
610‧‧‧行車軌跡權重控制單元
620‧‧‧時間與路況權重控制單元
630‧‧‧道路條件權重控制單元
S201~S204‧‧‧步驟流程
圖1為本發明之車輛行駛方向預測系統之架構圖。
圖2為本發明之車輛行駛方向預測方法之流程圖。
為利 貴審查委員了解本發明之技術特徵、內容與優點及其所能達到之功效,茲將本發明配合附圖,並以實施例之表達形式詳細說明如下,而其中所使用之圖式,其主旨僅為示意及輔助說明書之用,未必為本發明實施後之真實比例與精準配置,故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍,合先敘明。
請參閱圖1,如圖所示,為本發明之車輛行駛方向預測系統之架構圖,其中包含路口監控攝影模組100、智慧型影像管理模組200、歷史軌跡分析單元300、即時路況分析單元400、環境因子提取單元500、車輛行駛方向預測計算模組600以及網路通訊界面模組700,其中各模組間透過網路通訊界面模組700傳輸,其中路口監控攝影模組100的利用多個監控攝影機110將影像透過網路通訊界面模組700傳送到智慧型影像管理模組200,經過智慧型影像管理模組200辨識目標車輛之特徵如,車牌、車型、車色),並將辨識結果儲存於資料庫中。辨識結果經歷史軌跡分析單元300及即時路況分析單元400進行大資料運算,環境因子提取單元500可由分析結果中從中取出道路種類、目標車輛種類與行駛情境、即時車流量及目標車輛的習慣路徑等環境因子,再分別經過行車軌跡權重控制單元610、時間與路況權重控制單元620、道路條件權重控制單元630計算權重,接著由車輛行駛方向預測計算模組600進行加權計算,最後可得到目標車輛行駛方向預測結果。
請參閱圖2,如圖所示,車輛行駛方向預測方法之流程圖,其步驟包含:S201:路口監控攝影模組擷取路口的即時車流影像及目標車輛之車牌資訊
並送至智慧型影像管理模組;S202:智慧型影像管理模組係透過路口車流影像及車牌資訊,判斷路口之車輛流速及目標車輛之車牌資訊,並儲存目標車輛的車牌資訊所對應之習慣行經的時間及路線;S203:利用即時路況分析單元分析目前車輛流速,歷史軌跡分析單元分係目標車輛所對應之習慣行經的時間及路線,環境因子提取單元依據環境及路況資料產生環境變數;以及S204:車輛行駛方向預測計算模組係透過環境變數、目前車輛流速、習慣行經的時間及路線,進行目標車輛之行駛方向預測。
以一實際案例說明,中華東路、小東路口位於台南市東區,鄰近大灣交流道,中華東路為連結台南市永康區與東區之南北向外環幹道,屬主要幹道等級,而小東路為台南市東區東西向主要幹道;假設警方正在追緝一現行逃逸的車輛,此目標車輛即將由南往北經過中華東路、小東路口,車輛行駛方向的樣本空間S={left,straight,right},P(left)為車輛向左轉向機率、P(right)為車輛向右轉向機率以及P(straight)為車輛直行的機率,並依據下列公式進行權重計算:
其中行駛情境調整因素fs,如果fs=現行逃逸,則增加大條路的權重。經統計得到由南往北經過此路口的車輛轉向機率P(left)=9%、P(straight)=72%、P(right)=19%,追緝時間為平日下午18:30,正逢下班交通尖峰時間,由歷史資料統計結果顯示該時段的車輛轉向機率為P(left)=7%、
P(straight)=80%、P(right)=13%,依據過去此目標車輛的行車軌跡紀錄的統計結果,發現該目標車輛行由南往北行經此路口所選擇的路徑為P(left)=6%、P(straight)=42%、P(right)=52%,經權重控制單元計算,可得到預測結果如下:
綜上所述,本案不僅於技術思想上確屬創新,並具備習用之傳統方法所不及之上述多項功效,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。
Claims (10)
- 一種車輛行駛方向預測系統,包括:一路口監控攝影模組,係擷取一路口的一即時車流影像及一目標車輛之一車牌資訊;一智慧型影像管理模組,係透過該路口車流影像及該車牌資訊,判斷該路口之一車輛流速,並記錄該目標車輛的該車牌資訊所對應之習慣行經的時間及路線,其中該智慧型影像管理模組更包含:一歷史軌跡分析單元,係記錄該目標車輛的該車牌資訊所對應之習慣行經的時間及路線;一即時路況分析單元,係透過該路口車流影像分析目前該車輛流速;一環境因子提取單元,係依據一環境及路況資料,產生一環境變數,其中該環境變數係為道路種類、目標車輛種類與行駛情境,即時車流量以及習慣路徑;一車輛行駛方向預測計算模組,係透過該環境變數、目前該車輛流速、習慣行經的時間及路線,進行該目標車輛之行駛方向預測;以及一網路通訊界面模組,係提供該路口監控攝影模組、該智慧型影像管理模組、該歷史軌跡分析單元、該即時路況分析單元、該環境因子提取單元及該車輛行駛方向預測計算模組之間之傳輸。
- 如申請專利範圍第1項所述之車輛行駛方向預測系統,其中該路口監控攝影模組係包含複數個監控攝影機。
- 如申請專利範圍第1項所述之車輛行駛方向預測系統,其中該車輛行駛方向預測計算模組係透過一行車軌跡權重控制單元,根據該目標車輛的 該車牌資訊所對應之習慣行經的時間及路線,計算目標車輛行經該路口之機率。
- 如申請專利範圍第1項所述之車輛行駛方向預測系統,其中該車輛行駛方向預測計算模組係透過一時間與路況權重控制單元,根據目前該車輛流速,計算目標車輛行經該路口之機率。
- 如申請專利範圍第1項所述之車輛行駛方向預測系統,其中該車輛行駛方向預測計算模組係透過一道路條件權重控制單元,根據該路口之道路寬度及速限,計算目標車輛行經該路口之機率。
- 一種車輛行駛方向預測方法,其步驟包含:一路口監控攝影模組擷取一路口的一即時車流影像及一目標車輛之一車牌資訊並送至一智慧型影像管理模組;該智慧型影像管理模組係透過該路口車流影像及該車牌資訊,判斷該路口之一車輛流速及該目標車輛之該車牌資訊,並儲存該目標車輛的該車牌資訊所對應之習慣行經的時間及路線;利用一即時路況分析單元分析目前該車輛流速,一歷史軌跡分析單元分係該目標車輛所對應之習慣行經的時間及路線,一環境因子提取單元依據一環境及路況資料產生一環境變數,其中該環境變數係為道路種類、目標車輛種類與行駛情境,即時車流量以及習慣路徑;以及一車輛行駛方向預測計算模組係透過該環境變數、目前該車輛流速、習慣行經的時間及路線,進行該目標車輛之行駛方向預測。
- 如申請專利範圍第6項所述之車輛行駛方向預測方法,其中該車牌資訊係包含該目標車輛之車牌、車型、車色。
- 如申請專利範圍第6項所述之車輛行駛方向預測方法,其中該車輛行駛方向預測計算模組係透過一行車軌跡權重控制單元,根據該目標車輛的該車牌資訊所對應之習慣行經的時間及路線,計算目標車輛行經該路口之機率。
- 如申請專利範圍第6項所述之車輛行駛方向預測方法,其中該車輛行駛方向預測計算模組係透過一時間與路況權重控制單元,根據目前該車輛流速,計算目標車輛行經該路口之機率。
- 如申請專利範圍第6項所述之車輛行駛方向預測方法,其中該車輛行駛方向預測計算模組係透過一道路條件權重控制單元,根據該路口之道路寬度及速限,計算目標車輛行經該路口之機率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105141167A TWI624819B (zh) | 2016-12-13 | 2016-12-13 | Vehicle driving direction prediction system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105141167A TWI624819B (zh) | 2016-12-13 | 2016-12-13 | Vehicle driving direction prediction system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI624819B true TWI624819B (zh) | 2018-05-21 |
TW201822168A TW201822168A (zh) | 2018-06-16 |
Family
ID=62951731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105141167A TWI624819B (zh) | 2016-12-13 | 2016-12-13 | Vehicle driving direction prediction system and method |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI624819B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907979A (zh) * | 2021-03-08 | 2021-06-04 | 河海大学 | 一种基于多摄像头的机动车违法行驶轨迹跟踪系统及方法 |
CN114419899A (zh) * | 2022-01-17 | 2022-04-29 | 广州小鹏汽车科技有限公司 | 目标车辆识别方法、装置、车辆及存储介质 |
CN116153084A (zh) * | 2023-04-20 | 2023-05-23 | 智慧互通科技股份有限公司 | 车辆流向预测方法、预测系统及城市交通信号机控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019177A1 (en) * | 2018-07-25 | 2020-01-30 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for controlling traffic lights |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201242368A (en) * | 2011-04-13 | 2012-10-16 | Chunghwa Telecom Co Ltd | Object track tracing system of intellegent image monitoring system |
CN103325245A (zh) * | 2013-06-25 | 2013-09-25 | 中国科学院信息工程研究所 | 一种黑名单车辆的时空行驶轨迹预测方法 |
JP2013205177A (ja) * | 2012-03-28 | 2013-10-07 | Denso It Laboratory Inc | 進行方向予測装置、進行方向予測方法及びプログラム |
CN103366566A (zh) * | 2013-06-25 | 2013-10-23 | 中国科学院信息工程研究所 | 一种针对特定车辆潜在群体的行驶轨迹预测方法 |
TW201426679A (zh) * | 2012-12-27 | 2014-07-01 | Chunghwa Telecom Co Ltd | 智慧型車輛即時影像軌跡追蹤系統 |
CN105674999A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于个人行车数据库的路口行驶方向预测系统及方法 |
-
2016
- 2016-12-13 TW TW105141167A patent/TWI624819B/zh not_active IP Right Cessation
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201242368A (en) * | 2011-04-13 | 2012-10-16 | Chunghwa Telecom Co Ltd | Object track tracing system of intellegent image monitoring system |
JP2013205177A (ja) * | 2012-03-28 | 2013-10-07 | Denso It Laboratory Inc | 進行方向予測装置、進行方向予測方法及びプログラム |
TW201426679A (zh) * | 2012-12-27 | 2014-07-01 | Chunghwa Telecom Co Ltd | 智慧型車輛即時影像軌跡追蹤系統 |
CN103325245A (zh) * | 2013-06-25 | 2013-09-25 | 中国科学院信息工程研究所 | 一种黑名单车辆的时空行驶轨迹预测方法 |
CN103366566A (zh) * | 2013-06-25 | 2013-10-23 | 中国科学院信息工程研究所 | 一种针对特定车辆潜在群体的行驶轨迹预测方法 |
CN105674999A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于个人行车数据库的路口行驶方向预测系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907979A (zh) * | 2021-03-08 | 2021-06-04 | 河海大学 | 一种基于多摄像头的机动车违法行驶轨迹跟踪系统及方法 |
CN114419899A (zh) * | 2022-01-17 | 2022-04-29 | 广州小鹏汽车科技有限公司 | 目标车辆识别方法、装置、车辆及存储介质 |
CN116153084A (zh) * | 2023-04-20 | 2023-05-23 | 智慧互通科技股份有限公司 | 车辆流向预测方法、预测系统及城市交通信号机控制方法 |
CN116153084B (zh) * | 2023-04-20 | 2023-09-08 | 智慧互通科技股份有限公司 | 车辆流向预测方法、预测系统及城市交通信号机控制方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201822168A (zh) | 2018-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378824B (zh) | 一种公安交管数据大脑及构建方法 | |
TWI624819B (zh) | Vehicle driving direction prediction system and method | |
US20180096595A1 (en) | Traffic Control Systems and Methods | |
CN110060484B (zh) | 一种基于区块链的公路客运违章实时预警系统及方法 | |
CN103325245B (zh) | 一种黑名单车辆的时空行驶轨迹预测方法 | |
CN102945603B (zh) | 检测交通事件的方法及电子警察装置 | |
CN112016735B (zh) | 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质 | |
WO2021237768A1 (zh) | 一种基于数据驱动的实现预测模型自动化迭代的系统 | |
CN108476553A (zh) | 无线网格网络分布式视觉交通标记器及其方法 | |
Patil | Applications of deep learning in traffic management: A review | |
US10930145B2 (en) | Traffic system for predicting and providing traffic signal switching timing | |
Ravish et al. | Intelligent traffic violation detection | |
CN114913447B (zh) | 基于场景识别的警务智慧指挥室系统及方法 | |
Yadav et al. | Adaptive traffic management system using IoT and machine learning | |
Adewopo et al. | Ai on the road: A comprehensive analysis of traffic accidents and accident detection system in smart cities | |
Zaman et al. | Development of Railroad Trespassing Database Using Artificial Intelligence | |
Bäumler et al. | Generating representative test scenarios: The fuse for representativity (Fuse4Rep) process model for collecting and analysing traffic observation data | |
Chakraborty et al. | MobiSamadhaan—intelligent vision-based smart city solution | |
Nijim et al. | Advanced Traffic Management System for Smart Cities | |
Samson et al. | Smart traffic signal control system for two inter-dependent intersections in Akure, Nigeria | |
Rani et al. | LV-YOLO: Logistic vehicle speed detection and counting using deep learning based YOLO network | |
El Hansali et al. | Artificial Intelligence-based Smart Traffic Enforcement and Management System in urban areas | |
RU2769832C1 (ru) | Система автоматической видеофиксации дорожно-транспортных происшествий на перекрестке | |
Chaudhary et al. | Ai Based Traffic and Automobile Monitoring System | |
Abdelhalim et al. | Computer vision for transit travel time prediction: an end-to-end framework using roadside urban imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |