TWI789876B - 最低風險路線的產生方法 - Google Patents
最低風險路線的產生方法 Download PDFInfo
- Publication number
- TWI789876B TWI789876B TW110130681A TW110130681A TWI789876B TW I789876 B TWI789876 B TW I789876B TW 110130681 A TW110130681 A TW 110130681A TW 110130681 A TW110130681 A TW 110130681A TW I789876 B TWI789876 B TW I789876B
- Authority
- TW
- Taiwan
- Prior art keywords
- route
- providing server
- risk
- time
- data
- Prior art date
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Navigation (AREA)
Abstract
本發明提出一種最低風險路線的產生方法,用來決定多點之間風險最低的建議路線。伺服器接收多點位置與出發時間,計算從多點之間的多個可用候選路線,基於出發時間取得多點之間的路線環境的基礎環境資料與即時環境資料,計算各可用候選路線的預估風險值,並設定預估風險值最低的可用候選路線為建議路線,並輸出建議路線。本發明可大幅減低行駛事故的發生機率。
Description
本發明係與路線的產生方法有關,特別有關於最低風險路線的產生方法。
為讓使用者順利抵達目的地,目前已有許多導航方法被提出。現有的導航方法主要是規劃出發地與目的地之間的最短距離的路徑或最少交通時間的路徑,而讓使用者可以花費最少時間來抵達目的地。
然而,現有的導航方法僅考慮最短交通時間或最短距離,而未考慮交通事故風險。一旦發生交通事故,使用者必須額外花費更多成本與時間來處理交通事故,而得不償失。並且,交通事故可能對使用者造成無法復原的損失(如嚴重傷亡)。
此外,一般而言,最短距離的路徑或最少交通時間的路徑通常是經過交通環境複雜(如窄巷或多交會路口)、車流量大(如市中心)或車速快(如快速道路或高速公路)的路段,而伴隨著較高的交通事故風險。
因此,現有導航方法存在前述問題,而亟待更有效的方案被提出。
本發明之主要目的,係在於提供一種最低風險路線的產生方法,可提供發生事故的機率最低的行駛路線。
於一實施例中,一種最低風險路線的產生方法,用來決定從出發地到至少一目的地的最低風險的建議路線,該方法包括以下步驟:於伺服器接收該出發地與該目的地的資料與出發時間;計算從該出發地至該目的地的多個可用候選路線;基於該出發時間取得該出發地與該目的地之間的路線環境的基礎環境資料與即時環境資料,其中該基礎環境資料與該即時環境資料包括造成事故風險增加或減少的多個因子的資料;基於各該可用候選路線的該基礎環境資料與該即時環境資料計算各該可用候選路線的預估風險值,其中各該預估風險值是對應依照該可用候選路線行駛而發生事故的預測機率;及,設定該預估風險值最低的該可用候選路線為該建議路線,並輸出該建議路線。
本發明可大幅減低行駛事故的發生機率。
1:路線提供伺服器
10:處理模組
11:儲存模組
110:電腦程式
12:網路模組
2:行動終端
3:資料源
20:處理器
21:儲存器
210:電腦程式
22:網路介面
23:人機介面
24:定位模組
25:感測模組
26:載具資訊取得模組
40:候選計算模組
41:因子計算模組
42:預估風險計算模組
43:路線決策模組
44:駕駛紀律計算模組
45:實際風險計算模組
50-51、6、7、8:路線
61-64、71-74、81-84:路段
S:出發地
A-D、T:目的地
S10-S15:產生最低風險路線步驟
S20-S22:產生可用候選路線步驟
S30-S33:預估風險計算步驟
S40-S43:實際風險計算步驟
圖1為本發明一實施例的路線產生系統的架構圖。
圖2為本發明一實施例的行動終端的架構圖。
圖3為本發明一實施例的路線提供伺服器的架構圖。
圖4為本發明一實施例的處理模組的架構圖。
圖5為本發明一實施例的路線產生方法的流程圖。
圖6為本發明一實施例的產生可用候選路線的流程圖。
圖7為本發明一實施例的計算預估風險的流程圖。
圖8為本發明一實施例的計算實際風險的流程圖。
圖9為本發明一實施例的單一目的地的候選路線的示意圖。
圖10為本發明一實施例的多目的地的候選路線的示意圖。
圖11為本發明一實施例的多路線的預測結果的比對示意圖。
圖12為本發明一實施例的一目的地的預測結果的示意圖。
圖13為本發明一實施例的路線偏離的示意圖。
茲就本發明之一較佳實施例,配合圖式,詳細說明如後。
本發明提出一種最低風險路線的產生系統(下稱路線產生系統)與產生方法(下稱路線產生方法),可以決定從指定的出發地到一或多個目的地的最低事故風險的建議路線。並且,當駕駛人(或行人)沿本發明所提供的建議路線移動至目的地時,由於建議路線經過的各路段都是經計算的發生事故機率相對較低的路段,本發明可大幅降低事故發生機率。
請參閱圖1,為本發明一實施例的路線產生系統的架構圖。本發明的路線產生系統主要包括路線提供伺服器1、行動終端2與一或多個資料源3。路線提供伺服器1、行動終端2與一或多個資料源3可透過網路(如網際網路)相互資訊連接。
路線提供伺服器1可為運算叢集(Cluster)、網路伺服器、雲端運算平台(如Amazon Web Service、Google Cloud Platform或Microsoft Azure)或其他可提供線上即時運算的電腦設備。
行動終端2可例如為桌上型電腦、筆記型電腦、平板電腦、智慧型手機、智慧穿戴裝置、車載電腦等由使用者(如駕駛或行人)所控制操作的電腦設備或其任意組合。
各資料源3可例如為資料庫、伺服器、雲端資訊平台或其他可線上提供資訊的電腦設備。各資料源3用來蒐集及/或儲存路線環境相關資料,例如地圖資訊(如路網圖資)、道路資訊(如速限資訊、單行道路段、禁行機車路段、道路寬度或車道數等)、天氣資訊(包括未來預測天氣,如雨量、霧霾資訊)、施工資訊(如施工範圍、施工時間等)、交通流量資訊(如交通擁塞狀況,可包括統計預測資訊)、肇事統計資訊(如各路段的歷史事故統計)、違規舉發資訊(如超速、闖紅燈、左轉道直行等違規舉發的設置地點)。
於本發明,路線提供伺服器1於自行動終端2收到路線產生請求後,可至少基於出發地、目的地與出發時間向資料源3請求路線環境的風險相關資料,依據這些資料計算最低風險的建議路線,並提供給行動終端2。
於一實施例中,路線提供伺服器1可包括複數伺服器,複數伺服器可基於叢集架構來提供雲端分散式運算、高可用性或負載平衡等功能。路線提供伺服器1可於自行動終端2收到路線產生請求後,將請求分配給一或多個伺服器進行處理,並將處理後的資訊(如後述的建議路線)回傳至行動終端2以完成路線運算。
值得一提的是,當採用叢集架構時,管理員可依據成本及運算資源需求量來輕易地於運算叢集中動態地增減伺服器的數量,來依需求數量或複雜度有效控制系統建置成本或提供趨近即時的雲端運算體驗。
請一併參閱圖2,為本發明一實施例的行動終端的架構圖。行動終端2可包括儲存器21、網路介面22、人機介面23、定位模組24與電性連接上述元件的處理器20。
儲存器21(如RAM、EEPROM、固態硬碟、磁碟硬碟、快閃記憶體等儲存裝置或其任意組合)用以儲存資料。
網路介面22(如乙太網路卡、Wi-Fi網卡、Bluetooth網卡、蜂巢網路模組等),用以連接網路(如網際網路),並可經由網路連接路線提供伺服器1以進行資料傳輸。
人機介面23(如螢幕、按鍵、喇叭、觸控螢幕或前述裝置的任意組合)用以接受使用者的操作(如路線產生請求)並播放資訊(如顯示建議路線)。
定位模組24,如衛星定位裝置(如使用全球定位系統(GPS)技術、北斗衛星定位(BDS)技術或其他衛星定位技術的裝置)或區域定位裝置(如透過掃描Wi-Fi SSID或藍芽ID進行定位的技術),用以取得行動終端2當前的地理位置。
處理器20(如CPU、MCU或其他類型處理器)用以控制行動終端2的各元件運作。
於一實施例中,行動終端2可包括電性連接處理器20的感測模組25,例如加速度計、陀螺儀、照相機等。感測模組25可用來感測駕駛或行走的狀態,以產生後述的駕駛狀態。
於一實施例中,當使用者是駕駛載具(如汽車或機車等)移動時,行動終端2可包括電性連接處理器20的載具資訊取得模組26。載具資訊取得模組26可取得載具的使用狀態(如雨刷、大燈、方向燈的啟動/關閉時間點及/或地理位置、載具速度與加速度狀態、煞車力道強度、時間點及/或地理位置,主被動安全系統的觸發與否或觸發時間點及/或地理位置),以產生後述的駕駛狀態。
請一併參閱圖3,為本發明一實施例的路線提供伺服器的架構圖。路線提供伺服器1可包括網路模組12、儲存模組11與電性連接上述元件的處理模組10。
處理模組10、儲存模組11與網路模組12是分別與圖2所示的處理器20、儲存器21與網路介面22相同或相似,於此不再贅述。
請一併參閱圖4,為本發明一實施例的處理模組的架構圖。於一實施例中,處理模組10可包括模組40-45。這些模組分別被設定來實做不同的功能。
前述模組40-45是相互連接(可為電性連接與資訊鏈結),並可為硬體模組(例如是電子電路模組、積體電路模組、SoC等等)、軟體模組(例如是韌體、作業系統或應用程式)或軟硬體模組混搭,不加以限定。
值得一提的是,當前述模組為軟體模組(例如是韌體、作業系統或應用程式)時,儲存模組11可包括非暫態電腦可讀取記錄媒體(圖未標示),前述非暫態電腦可讀取記錄媒體儲存有電腦程式110,電腦程式110記錄有電腦可執行之程式碼,當處理模組10執行前述程式碼後,可實做對應模組之功能。
此外,儲存器21可包括非暫態電腦可讀取記錄媒體(圖未標示),前述非暫態電腦可讀取記錄媒體儲存有電腦程式210,電腦程式210(如app)記錄有電腦可執行之程式碼,當處理器20執行前述程式碼後,可透過網路與路線提供伺服器1進行互動。
接著將對本發明各實施例的路線產生方法進行說明。值得一提的是,本發明各實施例的路線產生方法可使用圖1至圖4所示的任一實施例的系統來加以實現。
請一併參閱圖5,為本發明一實施例的路線產生方法的流程圖。本實施例的路線產生方法包括以下步驟。
步驟S10:路線提供伺服器1接收路線產生請求,前述路線產生請求可包括出發地與目的地的相關資料(如地理座標或地名等)與出發時間。
於一實施例中,使用者可操作行動終端2來設定路線產生請求,如手動或透過定位模組24設定出發地,手動或透過另一應用(如快遞或外送任務分派程式)設定一或多個目的地,並設定出發時間。
於一實施例中,路線產生請求還可包括移動方式(如開車、機車或步行)。
於一實施例中,路線產生請求還可包括路線排定條件。路線排定條件可包括到達各目的地的時間限制(如上午、下午或晚上六點後)或順序限制(如必須設定為第一個目的地或最後的目的地)。
步驟S11:路線提供伺服器1透過候選計算模組40計算從出發地至目的地的多個可用候選路線。
於一實施例中,前述多個可用候選路線是基於不同順序或不同路線從出發地依序到達各目的地的路線。並且,各路線都符合前述的路線排定條件,即各路線是符合使用者的最低要求(如時間限制、順序限制等)。
步驟S12:路線提供伺服器1透過因子計算模組41基於出發時間取得出發地與目的地之間的路線環境(如前述各可用候選路線所經過的路段)的基礎環境資料與即時環境資料。前述基礎環境資料與即時環境資料即包括造成事故風險增加或減少的多個因子的資料。
於一實施例中,前述基礎環境資料與即時環境資料可自前述的資料源3取得,如圖資資料庫、道路資訊資料庫、氣象伺服器資訊、施工管理單位伺服器、交通管理單位伺服器、監理警政伺服器等。
於一實施例中,前述基礎環境資料的事故因子與時間的關聯性較低(即不易隨時間而有明顯變動,或容易預測或事前得知),如可包括路線環境中的易肇事位置、肇事記錄、違規取締位置、施工位置、路寬與道路規定等,但不加以限定。
於一實施例中,前述即時環境資料的事故因子與時間的關聯性較高(即易隨時間而有明顯變動、或者難以預測或無法事前得知而只能透過監測獲
得),如可包括路線環境中的即時天氣、即時車流量、即時事故與即時交通管制等。
步驟S13:路線提供伺服器1透過預估風險計算模組42計算各可用候選路線的額外風險資料。
於一實施例中,前述額外風險可基於各可用候選路線的路程距離與時間等來加以決定,如越長的路程距離與路程時間伴隨著越高的額外風險值,反之亦然。
於一實施例中,前述額外風險可基於使用者的歷史紀錄(如肇事紀錄)或駕駛紀律評比(如過往的駕駛紀錄資料)來加以決定,如越高的肇事率與越差的駕駛紀律伴隨著越高的額外風險值,反之亦然。
於一實施例中,前述額外風險可基於使用者的載具類型來加以決定,如大客車的額外風險值高於小客車,機車的額外風險值高於小客車等。
步驟S14:路線提供伺服器1透過路線決策模組43基於各可用候選路線的基礎環境資料與即時環境資料計算各可用候選路線的預估風險值。前述預估風險值是對應依照可用候選路線行駛或行走而發生事故的預測機率。
於一實施例中,路線提供伺服器1是基於基礎環境資料、即時環境資料與前述額外風險資料計算預估風險值。值得一提的是,步驟S13非為本發明的必要步驟,而是為了提升預估準確度所添加步驟。於一實施例中,可不執行步驟S13(即不會計算額外風險),即於步驟S14中所計算的預估風險值不會採計額外風險。
步驟S15:路線提供伺服器1從多個可用候選路線中選擇預估風險值最低的可用候選路線,設定此可用候選路線為建議路線,並輸出此建議路線(如回傳至行動終端2)。前述的建議路線即是從指定的出發地依序到達指定的一或多個目的地的路線。
藉此,用戶可於行動終端2收到建議路線,並依據建議路線行駛或行走,來以最低事故風險抵達目的地。
值得一提的是,當僅有一條可用候選路線時,本發明可修改為跳過執行步驟S13-S14,而直接將此惟一可用候選路線設定為建議路線,以減少運算量。
請同時參閱圖5與圖6,圖6為本發明一實施例的產生可用候選路線的流程圖。於本實施例中,步驟S11可包括步驟S20-S22。
步驟S20:路線提供伺服器1透過候選計算模組40取得路線排定條件。
於一實施例中,路線排定條件式記錄於所受到的路線產生請求,並記錄有一或多個目的地的時間限制或順序限制。
步驟S21:路線提供伺服器1透過候選計算模組40計算從出發地至目的地的所有路線,並計算各路線的預測結果。
於一實施例中,當有多個目的地時,路線提供伺服器1可先計算多個目的地的多個訪問順序,再逐一計算各訪問順序的多個路線。各路線是沿對應的訪問順序經過各目的地至少一次。
步驟S22:路線提供伺服器1透過候選計算模組40將預測結果符合路線排定條件的各路線設定為可用候選路線。
於一實施例中,路線提供伺服器1可逐一選擇各路線,並基於與此路線有關的路線環境資訊(如基礎環境資料與即時環境資料)計算抵達各目的地的預測到達時間,來做為預測結果的一部份。
於一實施例中,前述路線排定條件包括到達特定目的地的時間限制,路線提供伺服器1可是將所有目的地的預測到達時間符合時間限制的路線設定為可用候選路線。
藉此,本發明可於計算初期排除不符使用者最低要求的路線,進而降低運算量,而可提升整體運算處理速度。
請同時參閱圖5與圖7,圖7為本發明一實施例的計算預估風險的流程圖。於本實施例中,步驟S14可包括步驟S30-S33。
步驟S30:路線提供伺服器1透過預估風險計算模組42依序選擇各可用候選路線,如先選擇第一條可用候選路線來執行步驟S31-S33,再選擇第一條可用候選路線來執行步驟S31-S33,以此類推。
步驟S31:路線提供伺服器1透過預估風險計算模組42取得基礎環境資料與即時環境資料的各因子所對應的正風險值或負風險值。
於一實施例中,基礎環境資料與即時環境資料的各事故因子(如同變數)的不同值是分別對應至不同的風險值(包括表示事故風險較高的正風險值及/或表示事故風險較低的負風險值,此對應轉換關係可預先儲存於儲存模組11(如以資料庫或查找表的形式)。路線提供伺服器1可透過對各事故因子的值進行轉換查詢,來獲得對應的風險值。
舉例來說,當即時環境資料的雨量(因子)為0mm時,對應的風險值可為負風險值或0,當即時環境資料的雨量大於0mm(如100mm)時,對應的風險值可為正風險值(如+0.5)。
於另一例子中,當某路段設置有違規舉發(如測速照相時),基礎環境資料的此違規取締位置(因子)可為負風險值(如-1)。
於另一例子中,當某路段的基礎環境資料的肇事率(因子)較高時,可為正風險值(如+1)。
步驟S32:路線提供伺服器1透過預估風險計算模組42計算各可用候選路線的基礎風險值。
於一實施例中,基礎風險值可為是先設定的標準值(可為定值),如表示上路的最低風險,但不以此限定。
於一實施例中,基礎風險值可基於出發地或目的地的事故風險來加以調整,如交通較繁忙(事故機率高)的出發地或目的地會升高基礎風險值,反之亦然。
步驟S33:路線提供伺服器1透過預估風險計算模組42將基礎風險值加上基礎環境資料與即時環境資料的各正風險值,並減除各負風險值以獲得此可用候選路線的預估風險值。
於一實施例中,路線提供伺服器1進一步判斷額外風險資料對應的正風險值或負風險值,並以基礎風險值與基礎環境資料、即時環境資料與額外風險資料的正風險值與負風險值計算預估風險值。
藉此,本發明可有效且準確預測各可用候選路線的預估風險值。
請參閱圖9,為本發明一實施例的單一目的地的候選路線的示意圖。
以單一目的地T為例,路線提供伺服器1可基於圖資規劃執行路徑規劃(此為導航常見技術,於此不再贅述),來獲得可從出發點S至目的地T的所有路線(圖9以兩條路線50、51為例)來做為前述多個可用候選路線。
最後,路線提供伺服器1可分別計算可用候選路線50、51的預估風險值,並選擇風險最低的可用候選路線51(如未經過雍塞的市區而具有較低事故機率)做為建議路線。
請同時參閱圖10-12,圖10為本發明一實施例的多目的地的候選路線的示意圖,圖11為本發明一實施例的多路線的預測結果的比對示意圖,圖12為本發明一實施例的一目的地的預測結果的示意圖。
以多目的地A-D為例,路線提供伺服器1可先產生多目的地A-D的各種訪問順序,如A→B→C→D、A→B→D→C、A→D→C→B、D→B→C→A等。
接著,對於各訪問順序,路線提供伺服器1基於圖資規劃執行路徑規劃,來獲得可從出發點S依據此訪問順序,依序拜訪各目的地A-D的所有路線。圖10以順序A→B→C→D為例,示出兩條不同路線6、7。
接著,從這些路線中排除不符路線排定條件的路線,而僅保留可用候選路線6、7。
接著,路線提供伺服器1對可用候選路線6的各路段61、62、63、64執行風險預估,而可產生可用候選路線6的預估結果,對可用候選路線7的各路段71、72、73、74執行風險預估,而可產生可用候選路線7的預估結果。
如圖10、11所示,路線一為可用候選路線6,路線二為可用候選路線7,可用候選路線6與可用候選路線7的部分路段61與71、路段63與73是相同的,但部分路段62與72、路段64與74是不同的。
可用候選路線6、7相比,可用候選路線7雖距離較長,但具有較低的預估風險(對應預估風險值),且其額外風險與風險時間也較低,故依據可用候選路線7可降低事故機率。
最後,路線提供伺服器1選擇風險最低的可用候選路線7做為建議路線。
此外,於決定距離時間後,路線提供伺服器1還可一併提供各可用候選路線6、7,抵達各目的地A-B的具體時間資訊,以供使用者參考。
請參閱圖12,所示為可用候選路線7抵達目的地A的具體時間資訊,具體時間資訊可包括預估的抵達時間、離開時間與停留時間。
本發明進一步提供一種實際風險計算功能,可於使用者抵達最終的目的地後,計算本次行駛或行走的實際風險。
請同時參閱圖5與圖8,圖8為本發明一實施例的計算實際風險的流程圖。本實施例的路線產生方法更包括用來實現實際風險計算功能的步驟S40-S43。
步驟S40:路線提供伺服器1透過駕駛紀律計算模組44取得使用者的載具從出發地移動至最終的目的地的駕駛狀態與實際路線。
於一實施例中,於行駛過程中,行動終端2可透過定位模組24持續收集地理位置資訊,來建立前述的實際路線。
於一實施例中,於行駛過程中,行動終端2可透過感測模組25來取得駕駛狀態的一部分,如透過加速度計、陀螺儀、電子羅盤結合定位來獲得載具於各路段的速度變化或轉向變化。
於一實施例中,於行駛過程中,行動終端2可透過載具資訊取得模組26來取得載具的操作狀態作為駕駛狀態的一部分,如感測大燈、方向燈、雨刷等的啟閉時間或地點。
步驟S41:路線提供伺服器1透過駕駛紀律計算模組44比對實際路線與先前給出的建議路線的路線差異。
於一實施例中,路線提供伺服器1可計算實際路線與建議路線的偏移率或路線違反次數,作為路線差異的一部分。
步驟S42:路線提供伺服器1透過駕駛紀律計算模組44基於路線差異與駕駛狀態計算駕駛紀律資料。
於一實施例中,路線提供伺服器1判斷駕駛狀態的各子狀態是否包括不當狀態,如隧道、山區路段未開頭燈、轉向未打方向燈、急加減速、闖
紅燈、雨天未開雨刷、逆向、違規左轉或迴轉超速、異常速度、逆向、急加減速、違規轉向、雨刷操作不當、方向燈操作不當等。
於一實施例中,路線提供伺服器1於判斷駕駛狀態包括任一不當狀態時,於駕駛紀律資料中增加正風險值。
於一實施例中,前述不當狀態包括超速、異常速度、逆向、急加減速、違規轉向、雨刷操作不當、方向燈操作不當的至少其中之一。
於一實施例中,於路線差異超過路線偏差臨界值(如30%、10%或5%)時,路線提供伺服器1可於駕駛紀律資料中增加預設的正風險值(如+0.3),如依據不同路線差異比例值設定不同風險值(如超過5%時風險值+0.3,超過10%時風險值+0.5,以此類推),或者對於所有超過路線偏差臨界值的路線差異都設定相同的風險值(如+0.5)。
步驟S43:路線提供伺服器1透過實際風險計算模組45基於駕駛紀律資料計算本次駕駛的實際風險值。
於一實施例中,步驟S43是將駕駛紀律資料中的各種正風險值與負風險值進行運算(如加權運算或加總運算),並將計算結果作為實際風險值。
值得一提的是,本發明所提供的實際風險值可以做為對本次駕駛行為的評分,而可以用以決定此名駕駛/此次駕駛的安全係數或保險費率。
請參閱圖13,為本發明一實施例的路線偏離的示意圖。
於本例子中,建議路線7為從出發地S出發,依序經過路段71-74,最後抵達最終目的地D。
實際路線8則為從出發地S出發,依序經過路段81-84,最後抵達最終目的地D。
路線提供伺服器1可取得駕駛狀態,並比對實際路線與先前給出的建議路線的路線差異(如路段72、82之間的差異與路段74、84占全部路線長度的30%),並據此計算駕駛紀律資料,進而算出本次駕駛的實際風險值。
以上所述僅為本發明之較佳具體實例,非因此即侷限本發明之申請專利範圍,故舉凡運用本發明內容所為之等效變化,均同理皆包含於本發明之範圍內,合予陳明。
S10-S15:路線產生步驟
Claims (9)
- 一種最低風險路線的產生方法,用來決定從一出發地到至少一目的地的最低風險的一建議路線,該方法包括以下步驟:於一路線提供伺服器接收該出發地與該目的地的資料與一出發時間;透過該路線提供伺服器計算從該出發地至該目的地的多個可用候選路線;透過該路線提供伺服器基於該出發時間取得該出發地與該目的地之間的一路線環境的一基礎環境資料與一即時環境資料,其中該基礎環境資料與該即時環境資料包括造成事故風險增加或減少的多個因子的資料;透過該路線提供伺服器基於各該可用候選路線的該基礎環境資料與該即時環境資料計算各該可用候選路線的一預估風險值,其中各該預估風險值是對應依照該可用候選路線行駛而發生事故的預測機率;及透過該路線提供伺服器設定該預估風險值最低的該可用候選路線為該建議路線,並輸出該建議路線至一行動終端;其中計算該預估風險值包括以下步驟:透過該路線提供伺服器取得該基礎環境資料與該即時環境資料的各該因子所對應的一正風險值或一負風險值;透過該路線提供伺服器計算各該可用候選路線的一基礎風險值;及透過該路線提供伺服器將該基礎風險值加上各該正風險值,並減除各該負風險值以獲得該預估風險值。
- 如請求項1所述之方法,其中該基礎環境資料包括該路線環境中的易肇事位置、肇事記錄、違規取締位置、施工位置、路寬與道路規定的至少其中之一的資料;該即時環境資料包括該路線環境中的即時天氣、即時車流量、即時事故與即時交通管制的至少其中之一的資料。
- 如請求項1所述之方法,其中於透過該路線提供伺服器計算該多個可用候選路線之後且計算該預估風險值之前包括以下步驟:透過該路線提供伺服器計算各該可用候選路線的一額外風險資料,該額外風險資料包括該可用候選路線的一路程距離與一時間的至少其中之一;其中,計算該預估風險值包括基於該額外風險資料計算該預估風險值。
- 如請求項1所述之方法,其中透過該路線提供伺服器計算該多個可用候選路線包括:透過該路線提供伺服器取得一路線排定條件;透過該路線提供伺服器計算從該出發地至該目的地的所有路線;透過該路線提供伺服器計算各該路線的一預測結果;及透過該路線提供伺服器將該預測結果符合該路線排定條件的各該路線設定為該可用候選路線。
- 如請求項4所述之方法,其中該路線排定條件包括到達該目的地的一時間限制;該預測結果包括到達該目的地的一預測到達時間;該預測結果符合該路線排定條件包括該預測到達時間符合該時間限制。
- 如請求項1所述之方法,其中於透過該路線提供伺服器設定該建議路線之後更包括以下步驟:透過該路線提供伺服器取得一載具從該出發地移動至該目的地的一駕駛狀態與一實際路線;透過該路線提供伺服器比對該實際路線與該建議路線的一路線差異;透過該路線提供伺服器基於該路線差異與該行駕駛狀態計算一駕駛紀律資料;及透過該路線提供伺服器基於該駕駛紀律資料計算一實際風險值。
- 如請求項6所述之方法,其中計算該駕駛紀律資料包括於該駕駛狀態包括任一不當狀態時,於該駕駛紀律資料中增加該正風險值;該不當狀態包括超速、異常速度、逆向、急加減速、違規轉向、雨刷操作不當、方向燈操作不當的至少其中之一。
- 如請求項6所述之方法,其中透過該路線提供伺服器計算該駕駛紀律資料包括於透過該路線提供伺服器判斷該路線差異超過一路線偏差臨界值時,於該駕駛紀律資料中增加該正風險值。
- 如請求項1所述之方法,其中該多個可用候選路線是基於不同順序或不同路線從該出發地依序到達該多個目的地的路線;該建議路線是從該出發地依序到達多個該目的地的路線。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110130681A TWI789876B (zh) | 2021-08-19 | 2021-08-19 | 最低風險路線的產生方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110130681A TWI789876B (zh) | 2021-08-19 | 2021-08-19 | 最低風險路線的產生方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI789876B true TWI789876B (zh) | 2023-01-11 |
TW202309797A TW202309797A (zh) | 2023-03-01 |
Family
ID=86670135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110130681A TWI789876B (zh) | 2021-08-19 | 2021-08-19 | 最低風險路線的產生方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI789876B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854072A (zh) * | 2014-03-17 | 2014-06-11 | 湖南工学院 | 用于路径选择的处理方法及系统 |
CN105270343A (zh) * | 2014-05-26 | 2016-01-27 | F·波尔希名誉工学博士公司 | 用于对道路潮湿物进行检测的装置和方法 |
TWI557006B (zh) * | 2014-05-27 | 2016-11-11 | 國立雲林科技大學 | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
US20170191847A1 (en) * | 2016-01-05 | 2017-07-06 | Allstate Insurance Company | Data Processing System Communicating with a Map Data Processing System to Determine or Alter a Navigation Path Based on One or More Road Segments |
TWI612502B (zh) * | 2015-12-03 | 2018-01-21 | 財團法人資訊工業策進會 | 迴避異常車輛之系統與方法 |
TW202125392A (zh) * | 2019-12-17 | 2021-07-01 | 神達數位股份有限公司 | 潛在危險道路鑑別及資訊共享的方法、雲端伺服器、電腦可讀取的記錄媒體及特殊應用積體電路晶片 |
CN113065804A (zh) * | 2021-04-27 | 2021-07-02 | 山东交通学院 | 一种危化品道路运输风险评估方法及系统 |
TWI735292B (zh) * | 2017-12-21 | 2021-08-01 | 葛雷喬茲 曼威茲 | 一種為從源頭位置到目標位置的旅程提供路線的方法 |
-
2021
- 2021-08-19 TW TW110130681A patent/TWI789876B/zh active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854072A (zh) * | 2014-03-17 | 2014-06-11 | 湖南工学院 | 用于路径选择的处理方法及系统 |
CN105270343A (zh) * | 2014-05-26 | 2016-01-27 | F·波尔希名誉工学博士公司 | 用于对道路潮湿物进行检测的装置和方法 |
TWI557006B (zh) * | 2014-05-27 | 2016-11-11 | 國立雲林科技大學 | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
TWI612502B (zh) * | 2015-12-03 | 2018-01-21 | 財團法人資訊工業策進會 | 迴避異常車輛之系統與方法 |
US20170191847A1 (en) * | 2016-01-05 | 2017-07-06 | Allstate Insurance Company | Data Processing System Communicating with a Map Data Processing System to Determine or Alter a Navigation Path Based on One or More Road Segments |
TWI735292B (zh) * | 2017-12-21 | 2021-08-01 | 葛雷喬茲 曼威茲 | 一種為從源頭位置到目標位置的旅程提供路線的方法 |
TW202125392A (zh) * | 2019-12-17 | 2021-07-01 | 神達數位股份有限公司 | 潛在危險道路鑑別及資訊共享的方法、雲端伺服器、電腦可讀取的記錄媒體及特殊應用積體電路晶片 |
CN113065804A (zh) * | 2021-04-27 | 2021-07-02 | 山东交通学院 | 一种危化品道路运输风险评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202309797A (zh) | 2023-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11150100B2 (en) | Safe routing for navigation systems | |
US9689693B2 (en) | Systems and methods for learning and displaying customized geographical navigational options | |
US20180060778A1 (en) | Driver location prediction for a transportation service | |
US10540895B2 (en) | Management of mobile objects | |
US10593133B2 (en) | Determining a current position of a vehicle in real-time | |
EP3951740A1 (en) | Information processing method and information processing system | |
CN111366166B (zh) | 一种导航路径规划方法及装置 | |
CN112629524A (zh) | 出行路径推荐管理方法、装置和电子设备 | |
CN111858790A (zh) | 一种绕路提醒的方法、装置、电子设备及介质 | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
RU2664034C1 (ru) | Способ и система создания информации о трафике, которая будет использована в картографическом приложении, выполняемом на электронном устройстве | |
US11200798B2 (en) | Grouping of moving objects | |
CN112862214A (zh) | 基于大数据的停车服务推荐方法、装置、介质及服务器 | |
TWI789876B (zh) | 最低風險路線的產生方法 | |
WO2023021162A2 (en) | Automated dynamic routing unit and method thereof | |
CN114781243A (zh) | Eta预测及模型训练方法、设备、介质及产品 | |
CN113516843A (zh) | 预计到达时间的确定方法和装置、电子设备以及计算机可读存储介质 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
Yang | Connected Car Networking | |
US8849561B2 (en) | Determining the location of an incident affecting traffic | |
CN115239359A (zh) | 模型训练方法、预测方法、装置和存储介质 | |
CN115810286A (zh) | 轨迹确定方法、装置、设备和介质 | |
CN117635263A (zh) | 一种充电站推荐方法及系统 | |
CN117523838A (zh) | 道路状态确定方法、装置、车辆和存储介质 | |
EP3811173A1 (en) | Smart vehicle highway system |