按 Enter 到主內容區
:::

交通部運輸研究所Institute of Transportation, MOTC

:::
  • 小字級
  • 中字級
  • 大字級
  • 列印
  • facebook
  • plurk
  • twitter

應用人工智慧技術進行交通數據蒐集暨號誌控制之研究

  • 資料發布日期:110-08-06
  • 最後更新日期:110-08-11
  • 資料來源:運輸科技及資訊組

計畫概述: 

       都市蓬勃發展,連帶影響都市交通服務水準惡化,為有效改善都市交通問題,須有效蒐集都市交通數據資料。若採用傳統車輛偵測設備蒐集資料,難以即時反映道路即時之細部運作狀況,並且須以人工方式進行比對,才能針對交通狀況進行處理,緩不濟急。AI影像辨識技術逐漸成熟,透過深度學習之影像辨識方法,相較傳統偵測設備可蒐集更多交通特性資料外,亦可運用所蒐集之資料,以人工智慧進行智慧交通管理。

       本研究首先於108年依據常態性、臨時性車流調查作業狀況,研擬路口與路段之AI影像辨識技術及設備,以有效地蒐集道路交通特性資料;進而,嘗試將AI影像辨識數據應用於臺中市台74線太平匝道的動態控制,以期車流運行更有效率,以及於桃園機場試辦利用AI影像偵測技術來進行機場進出車輛數/客運人流/旅客安檢通過時間之統計、違規停車等;最後,導入資訊儀表板設計規劃,提供交通主管機關掌握路口、路段交通特性資料及號誌調整前後績效,以利交通主管機關對於交通改善更能對症下藥。

       109年為提升號誌化路口使用效率,路口控制策略從靜態之定時式發展至全動態之適應性號誌控制。近年來人工智慧(Artificial Intelligence, AI)技術快速發展,藉由AI深度學習(Deep Learning, DL)之類神經網路(Artificial Neural Network, ANN)模式解決交通問題為交通領域當前之重要課題。本計畫進而將AI影像偵測與辨識技術所蒐集交通參數,應用於以AI強化學習為基礎的動態號誌制所需交通數據,進而藉由以模仿學習(Imitation Learning, IL)與以週期為基礎的AI強化學習,來選擇最適號誌時制計畫,以及下載至路口執行,以即時反應車流變化與提高號誌化路口運作效率。

       先對實驗場域臺中市太平區「樂業路與十甲東路」至「樂業路與東英路」兩個路口進行車流分析與事前交通調查,並以太平匝道下匝道車流與經樂業路往臺中市區車流續進最佳為目標進行號誌控制策略設計。為掌握所設計號誌策略與時制計畫之實務可執行性,本計畫利用號誌時制計畫最佳化軟體產生符合實驗場域車流特性之最佳化基礎時制計畫,供人工智慧強化學習(Reinforcement Learning, RL)的仿真學習方式進行學習,並透過交通模擬軟體事先進行量化效益分析與評估。

研究成果:

  • 開發常態性、臨時性AI影像辨識交通資料蒐集設備:開發常態性AI邊緣運算影像辨識的交通資料蒐集設備,蒐集多種交通特性資料,包含各車種轉向交通量、延滯、佔有率、密度等,未來可提供交通管理單位進行交通監測及號誌控制應用;開發臨時性AI邊緣運算影像辨識的交通資料蒐集設備,可提供各單位用以進行臨時性之交通調查,減少調查人力,提升資料品質。根據於臺中市「樂業-十甲東」、「樂業-東英」兩路口進行實證分析,「分車道各車種交通流量」之小客車不分情境,均可達90%以上,機車則為72%以上;「路口轉向交通量」之小客車與機車準確率為83%~100%,左右轉轉準確率則在40%~89%;「佔有率」準確率多在80%以上;在等候車隊長度為4輛車時之「延滯」準確率為87%。
  • 試辦臺中市台74線太平匝道動態控制:以AI影像辨識設備所蒐集之資料進行號誌動態控制,在下匝道路徑的改善成果顯著,晨峰時段下匝道旅行時間約有6%的旅行時間,昏鋒時段則有約14%~30%的旅行時間旅行時間,此改善成果同時也大致維持既有平面道路雙向車流的順暢程度。未來可提供其他單位應用AI進行交通管理之參考。
  • AI應用於號誌控制時會因強化學習於尋找最適號誌控制過程,需耗費大量試誤的探索時間才會收斂,致使較無真實環境之應用案例。本計畫利用時制最佳化分析軟體PaSO,先行針對實驗範圍產生考量幹道續進之最佳化時制計畫與時段參數,來進行AI仿真學習,最後將學習後之AI號誌控制模式,於現場進行實際運作。本研究事先透過微觀交通模擬軟體SUMO建構臺中市「樂業-十甲東」、「樂業-東英」兩路口之交通環境,進而產生AI號誌控制之模擬績效,最後在實測場域上進行實測。實測結果顯示,可改善實驗場域之幹道旅行時間,晨昏峰時段主要路徑旅行時間改善為7%~30%,離峰時段主要路徑旅行時間改善則為4%以上。
  • 於桃園機場試辦之情形:本研究利用AI影像偵測技術於機場進出車輛數與搭乘客運人流之統計、航站接送機車輛違規停車與特定違規營運載客車輛之取締、旅客安檢通過時間監控,以及發展具備儀錶板功能的即時監控環境,以利桃園機場服務水準的進一步提升。

成果推廣與效益:

  • 108年6月27日、7月23日、8月28日9月20日、10月2日、10月14日、12月25日以及109年2月10日邀請相關實務單位,針對儀表板介面、AI技術邏輯、號誌控制策略、設備裝設、臨時性設備調查作業等主題辦理教育訓練。
  • 109年1月14日於本所進行「人工智慧(AI)技術於交通領域之應用」成果發表。
  • 109年2月17日於本所所舉辦推廣活動,主題包括「人工智慧(AI)技術於交通領域之應用」、「AI影像辨識技術」、「實際應用案例臺中太平匝道周邊交通改善」、「臨時性設備原理與使用」等,各先進給予本研究諸多寶貴意見與高度讚許,對於應用於臺中市太平區場域的動態號誌控制結合AI車輛偵測成果,則十分關注其典範轉移至其他場域之可行性與作法,此外,與會先進亦共思未來AI結合號控達到AI號誌控制之方式。
  • 109年12月2日與109年12月10日分別逢甲大學與本所辦理成果說明會,邀集產官學研參與討論,進行成果交流。

研究成果精華摘整:

102

103

圖5.7.1 人工智慧應用於交通管理之實務應用案例

149

圖5.7.2 AI號誌控制學習模式示意圖

研究成果報告下載:

應用人工智慧(AI)影像辨識技術進行交通數據蒐集與分析之研究
應用人工智慧技術進行交通數據蒐集暨號誌控制之研究

瀏覽人次:2044
回頁首