進階搜尋


下載電子全文  
系統識別號 U0026-0308201911144000
論文名稱(中文) 以即時影像偵測出口匝道壅塞預估旅行時間
論文名稱(英文) Using Off-Ramp Congested Data by Real-Time Video to Predict Freeway Travel Time
校院名稱 成功大學
系所名稱(中) 交通管理科學系碩士在職專班
系所名稱(英) Department of Transportation & Communication Management Science(on the job class)
學年度 107
學期 2
出版年 108
研究生(中文) 黃旭康
研究生(英文) Hsu-Kang Huang
電子信箱 r57061206@mail.ncku.edu.tw
學號 R57061206
學位類別 碩士
語文別 中文
論文頁數 57頁
口試委員 指導教授-林佐鼎
口試委員-胡大瀛
口試委員-蔡東峻
中文關鍵字 旅行時間  交通壅塞現象  號誌時制  電腦視覺  視訊處理 
英文關鍵字 travel time  traffic congestion  signal timing plan  computer vision  video processing 
學科別分類
中文摘要 人們隨著經濟與科技的發展和進步,因工作地點及大眾運輸工具不便利,往往藉由車輛代步,導致交通壅塞問題日趨嚴重。交通壅塞問題不只直指市區其中高速公路也包含在內,高速公路與都會區交流道相接,經常於上(下)午尖峰時間造成交通壅塞現象,其中一種交通壅塞現象為出口匝道車流回堵停等壅塞,然而對於車輛將駛離出口匝道之旅行時間資訊發布,即為用路人所需重要資訊之一。
當上(下)午尖峰時間出口匝道停等車輛需求量增加的時候,若無法即時紓解停等車流,將使出口等候車流逐漸變長,假若出口匝道上游主線可即時發布駛離出口匝道之旅行時間,使用路人有更多選擇出口匝道駛離選項,一旦出口匝道停等車輛數超過減速車道可儲存車輛空間,將使車輛回堵至上游主線並佔據主線外側車道,不僅間接影響主線直進車輛的運行及安全,往往造成欲往出口駛離之車輛插隊,車輛易發生肇事,同時對於停車輛造成等候焦躁不安情緒上升。
本研究將藉由智慧型交通運輸系統(Intelligent Transportation Systems,ITS)技術,利用電腦視覺與視訊處理這兩方面技術,取得以即時影像偵測出口匝道壅塞資料,透過即時影像偵測出口匝道壅塞資料設計一套預估旅行時間模擬軟體,同時利用平面幹道號誌時制週期表及平面道路回堵車流至主線減速車道之距離將可計算出車輛駛離所需之旅行時間,提供用路人多方面選擇可排隊停等或往下個匝道出口駛離,本研究將以國道一號南下大灣交流道為研究案例。
英文摘要 As economic development and technological advancement, people usually rely on private vehicles as major means of transport due to the underdeveloped public transport systems to their workplace. As a result, congestion problems, which occur not only in urban area but on highway, become more and more severe. Highway connected to metropolitan area via interchanges where are usually congested, and even spillback happened, during morning and afternoon peak hour. Travel time of off-ramp traffic is the important information for users.
When demand of off-ramp traffic increases and not discharges in time, the queue becomes longer. If the off-ramp travel information is disseminated at the upstream in time, there are more options for users to leaving highway. Once off-ramp traffic queue length exceed storage space, the spillback traffic will occupy space and affect the traffic on main lane of highway. The leaving vehicles usually cut in traffic line which cause accidents; meanwhile, users in queue line feel anxious because of congestion.
This study will design a simulation software using intelligent transportation systems technology including computer vision and video processing. The software using signal timing plan on the plane road and the distance between spillback traffic and plane road can calculate the travel time of off-ramp traffic. The result provide users multiple options which are keeping queue or leaving at the next ramp. This study will be based on the case of the National Highway No. 1 Dawan South-bound Interchange.
論文目次 目錄
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 5
1.4 研究範圍與對象 6
1.5 研究流程 6
1.6 研究方法 8
1.7 論文架構 8
第二章 文獻回顧 9
2.1 高速公路出口匝道車流回堵現象主因 9
2.1.1 改善出口匝道車流回堵壅塞解決方案 9
2.2 視訊處理之即時偵測人流、車流與交通監測技術 10
2.3 高速公路旅行時間 11
2.4 小結 13
第三章 研究方法 14
3.1 旅行時間 14
3.2 旅行時間定義 15
3.3 旅行時間計算原理 16
3.4 顯示旅行時間設備圖例及說明 16
3.5 系統架構設計與流程 19
3.6 車輛壅塞處理介面架構 20
3.7 預估旅行時間介面架構 21
第四章 預估旅行時間模擬軟體設計與實現 24
4.1 預估旅行時間模擬軟體實現 24
4.1.1預估旅行時間軟體介面功能 25
4.2 車輛壅塞處理介面實現 27
4.2.1車輛壅塞處理介面介面功能 27
4.2.2參數設定 29
第五章 結論與建議 34
5.1 結論 34
5.2 建議 35
中文文獻 36
英文文獻 38
附錄 視訊處理技術 41
一、移動目標偵測 41
1.1 背景相減法 41
1.2 相鄰影像差法 42
1.3 光流法 42
二、物體追蹤 44
2.1 基於3D模型的追蹤(3D Model based tracking) 44
2.2 基於區域的追蹤(Region based tracking) 45
2.3 基於活動輪廓的追蹤(Active contour based tracking) 46
2.4 基於特徵的追蹤(Feature based tracking) 47
三、系統架構設計與流程 48
3.1 影像擷取及前置影像處理單元架構 50
3.2 影像追蹤法則系統架構 51
3.3 背景相減法架構 53
3.4 創建背景模型 54
3.5 移動區域偵測 54
3.6 影像增強 55
3.7 雜訊濾除 56
四、偵測壅塞分析器軟體實現 57
參考文獻 中文文獻
1. 交通部運輸研究所(1999)「高速公路出口匝道區域車流特性資料收集與分析」,民國88年。
2. 交通部運輸研究所(2011)「2011台灣地區公路容量手冊」,民國100年10月。
3. 朱志杰(2013)。使用車輛偵測器和自動車輛辨識之資料預測高速公路旅行時間。國立交通大學運輸與物流管理學系碩士論文,新竹市。取自https://hdl.handle.net/11296/99ggnz
4. 吳金杰(2005)。融合偵測器與探測車資料預測高速公路旅行時間之研究。國立中央大學土木工程研究所碩士論文,桃園縣。取自https://hdl.handle.net/11296/9974pg
5. 林裕峰(2007)。基於視訊處理之即時車流分析暨計數系統之研究。國立高雄應用科技大學電子與資訊工程研究所碩士班碩士論文,高雄市。取自https://hdl.handle.net/11296/8augah
6. 卓楷霖(2012)。構建高速公路出口匝道車流回堵對主線車流影響模式。國立交通大學運輸科技與管理學系碩士論文,新竹市。取自https://hdl.handle.net/11296/j5qs48
7. 唐文斌(1997)。高速公路出口匝道區段容量與服務水準評估方法之研究。國立交通大學交通運輸研究所碩士論文,新竹市。取自https://hdl.handle.net/11296/3hh32d
8. 陳志賢(2006)。基於視訊處理的即時人流計數系統之研究。國立高雄應用科技大學電子與資訊工程研究所碩士班碩士論文,高雄市。取自https://hdl.handle.net/11296/p8u96q
9. 陳惠國等人(2017) 。「交通工程」,五南圖書出版股份有限公司,台北市大安區和平東路二段339號4樓,頁別44-46。
10. 張劭卿等人(2010) 「公路路網交控及資訊系統架構設計與建置準則」,交通部運輸研究所,民國99年7月。
11. 蔡立武(2011)。交通監控影片中日夜車流壅塞之分析及評估。國立交通大學資訊科學與工程研究所碩士論文,新竹市。取自https://hdl.handle.net/11296/s3ta38
12. 蔡繼光(2009)。高速公路旅行時間預測-以k-NN法及分群方法探討。國立交通大學運輸科技與管理學系碩士論文,新竹市。取自https://hdl.handle.net/11296/6d4u66
13. 國立交通大學(2013) 「高速公路中長程旅行時間預測模式之建立與應用」,國立交通大學,民國102年5月。
英文文獻
1. Beymer, D., McLauchlan, P., Coifman, B., & Malik, J. (1997). A real-time computer vision Systems for measuring traffic parameters. In Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition (pp. 495-501). IEEE.
2. Collins, R., Lipton, A., Kanade, T., Fujiyoshi, H., Duggins, D., Tsin, Y., ... & Wixson, L. (2000). A Systems for video surveillance and monitoring: VSAM final report. Robotics Inst., CMU-RI-TR-00-12.
3. GaliC, S., & LonCariC, S. (2000). Spatio-temporal image segmentation using optical flow and clustering algorithm. In IWISPA 2000. Proceedings of the First International Workshop on Image and Signal Processing and Analysis. in conjunction with 22nd International Conference on Information Technology Interfaces.(IEEE (pp. 63-68)). IEEE.
4. Gutchess, D., Trajkovics, M., Cohen-Solal, E., Lyons, D., & Jain, A. K. (2001). A background model initialization algorithm for video surveillance. In Proceedings Eighth IEEE International Conference on Computer Vision. ICCV 2001 (Vol. 1, pp. 733-740). IEEE.
5. Kenneth R. Castleman, Digital Image Processing, Prentice Hall Press,1996.
6. Lee, D. S., Hull, J. J., & Erol, B. (2003). A Bayesian framework for Gaussian mixture background modeling. In Proceedings 2003 International Conference on Image Processing (Cat. No. 03CH37429) (Vol. 3, pp. III-973). IEEE.
7. Li, Z., Chang, G. L., & Natarajan, S. (2009). Integrated off-ramp control model for freeway traffic management (No. 09-1457).
8. Lipton, A. J., Fujiyoshi, H., & Patil, R. S. (1998). Moving target classification and tracking from real-time video. In Proceedings Fourth IEEE Workshop on Applications of Computer Vision. WACV'98 (Cat. No. 98EX201) (pp. 8-14). IEEE.
9. Liu, Y., Chang, G. L., & Yu, J. (2011). An integrated control model for freeway corridor under nonrecurrent congestion. IEEE Transactions on Vehicular Technology, 60(4), 1404-1418.
10. McKenna, S. J., Jabri, S., Duric, Z., Rosenfeld, A., & Wechsler, H. (2000). Tracking groups of people. Computer vision and image understanding, 80(1), 42-56.
11. Ohra, Y., Koyama, T., & Shimada, S. (1997). Online-learning type of traveling time prediction model in expressway. In Proceedings of Conference on Intelligent Transportation Systemss (pp. 350-355). IEEE.
12. Palacharla, P. V., & Nelson, P. C. (1999). Application of fuzzy logic and neural networks for dynamic travel time estimation. International Transactions in Operational Research, 6(1), 145-160.
13. Peterfreund, N. (1999). Robust tracking of position and velocity with Kalman snakes. IEEE transactions on pattern analysis and machine intelligence, 21(6), 564-569.
14. Ridder, C., Munkelt, O., & Kirchner, H. (1995). Adaptive background estimation and foreground detection using kalman-filtering. In Proceedings of International Conference on recent Advances in Mechatronics (pp. 193-199). Citeseer.
15. Sidenbladh, H., Black, M. J., & Fleet, D. J. (2000). Stochastic tracking of 3D human figures using 2D image motion. In European conference on computer vision (pp. 702-718). Springer, Berlin, Heidelberg.
16. Stauffer, C., & Grimson, W. E. L. (1999). Adaptive background mixture models for real-time tracking. In Proceedings. 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (Cat. No PR00149) (Vol. 2, pp. 246-252). IEEE.
17. Tian, Z. Z., Balke, K., Engelbrecht, R., & Rilett, L. (2002). Integrated control strategies for surface street and freeway Systemss. Transportation Research Record, 1811(1), 92-99.
18. van den Berg, M., De Schutter, B., & Hellendoorn, H. (2006). Effects of on-ramp and off-ramp metering on queue forming in urban traffic networks. IFAC Proceedings Volumes, 39(12), 130-135.
19. Wren, C. R., Azarbayejani, A., Darrell, T., & Pentland, A. P. (1997). Pfinder Real-time tracking of the human body. IEEE Transactions on pattern analysis and machine intelligence, 19(7), 780-785.
20. Wu, B. F., Lin, S. P., & Chen, Y. H. (2005). A real-time multiple-vehicle detection and tracking Systems with prior occlusion detection and resolution. In Proceedings of the Fifth IEEE International Symposium on Signal Processing and Information Technology, 2005. (pp. 311-316). IEEE.
21. Yoshikazu, O., K. Toshihiro., and S. Shigehito,(1998). ” Online-Learning Type of Traveling Time Prediction Model in Expressway”, Intelligent Transportation Systems, ITSC IEEE Conference, pp. 350-355.
22. Zhang, C., & Siyal, M. Y. (2000). A new segmentation technique for classification of moving vehicles. In VTC2000-Spring. 2000 IEEE 51st Vehicular Technology Conference Proceedings (Cat. No. 00CH37026) (Vol. 1, pp. 323-326). IEEE.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2019-08-07起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2019-08-07起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw