| 论文名称 | 空拍影像车流轨迹之重建与应用 |
| 年别 | 109 |
| 学位 | 硕士 |
| 学校系所 | 国立交通大学 运输与物流管理学系 |
| 作者 | 温云晨 |
| 指导教授 | 黄家耀 |
| 论文摘要 | 车流理论依据观察角度可分为巨观与微观,巨观车流探讨车辆的整体行为,微观车流探讨车辆与车辆之间的行为。在交通资料中,车流轨迹资料为最详细的资料型式,能够描述车辆在单位时间上的空间位置。文献上目前最被认可的轨迹资料是美国联邦公路管理局的Next Generation SIMulation(NGSIM)数据库,至今已使用于许多车流研究中。然而,NGSIM数据库的轨迹资料品质并未有公认的量化方式,因NGSIM的影片收集方式为多部不同视角之摄影机架摄于高楼斜角拍摄,存在视差及阴影等问题,且过去影像辨识技术之不足,导致车流轨迹有跳动的情形,近年更有研究进一步探讨NGSIM资料的精确度问题,进而发展出轨迹重建技术,使重建后的轨迹资料能更合理并能应用于精细的微观行为分析研究。 NGSIM 每一地点只包含45分钟之车流轨迹资料,所涵盖的车流情境非常有限,加上受影像分辨率所限,轨迹资料品质也难以再提升。因近年新兴科技如无人机(Unmanned Aerial Vehicle, UAV)、电脑视觉(Computer Vision, CV)技术的急速发展,已有应用于交通调查精进的案例,可用于类似NGSIM车流轨迹的蒐集,但其精确度尚有待评估。 因此,本研究对于无人机在高速公路路段所蒐集之影像,搭配深度学习影像辨识技术萃取之车流轨迹,设计轨迹资料之品质评估方法,并提出考虑影像侦测误差分布之轨迹重建方法,对于不合理的轨迹予以修正,提高轨迹资料的品质。最后结合轨迹与空拍影片,将重建后的车辆四角坐标套回空拍影片,以便于人工确认重建后轨迹的品质以及车辆框格(bounding box)的正确性与密合程度。本研究进一步计算巨观与微观车流特性,比较轨迹重建前与重建后之差异。研究结果显示,不论车流密度高低的情况下,轨迹重建后都有显着的品质改善。 |
| 附件下载 | (电子档于114-08-25后开放下载) |
| 张贴日 | 2022/12/07 |
| Hashtags |
查看次数:
6