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

      近年來，無人機蒐集車流軌跡資料成為一種高效率的方法。無人機在空中觀 察車流狀況，並蒐集空拍影像，透過影像處理技術萃取高解析度的車流軌跡資料。 然而，回顧相關文獻與無人機蒐集技術，發現現有方法大多以定點蒐集軌跡資料 為主，移動無人機的應用多限於測量製圖和物流配送領域。定點蒐集方法的困境 為無法全面捕捉長距離範圍內的車流變化和壅塞衝擊波的傳遞情形。

        為了突破過往的限制並改善車流軌跡資料蒐集方法，本研究提出了使用移動 式無人機的車流軌跡蒐集方法，並透過航線規劃自動化控制無人機進行軌跡資料 蒐集。本研究的方法包括蒐集具有座標位置的航拍影像，並將其鑲嵌為正射鑲嵌 底圖，同時輸出影像定位檔案。透過電腦視覺特徵擷取演算法，本研究匹配移動 空拍影像與正射鑲嵌底圖，取代過往的人工定位畫面位置與車輛位置的方式。藉 由影像定位檔的輸出成果，實現對移動空拍影像與影像內的車流進行真實座標轉 換，進而獲得車流軌跡。另外，本研究設計異常值校正與篩選軌跡點，對軌跡資 料中的異常值進行校正，以提升軌跡資料在時間與空間上的準確性。

        因此，本研究透過車流軌跡分析建置車流軌跡圖，從軌跡圖中探討上下游之 間車流影響情況。在軌跡資料驗證階段，本研究以車輛偵測器資料與人工檢測車 流影像對比於本研究軌跡分析成果，評估本研究建置的車流軌跡資料之準確性， 以及是否能對應真實交通情況。本研究之主要貢獻為：(1) 運用自動化航線規劃 的移動無人機，蒐集上游或下游車流的空拍影像。(2) 製作正射鑲嵌底圖和影像 定位檔的輸出成果，與移動空拍影像和車流座標的幾何轉換方法，並透過校正方 法提高軌跡資料的準確性。(3) 在不同特徵擷取技術中，基於其效率和準確性的 考量，選擇 SIFT 演算法進行影像匹配。 (4) 校正和篩選軌跡資料中的異常值， 提升軌跡資料的真實性和可靠性，確保車流軌跡資料的準確性。 (5) 設計驗證方 法，評估車流軌跡資料與真實觀測資料的一致性，分析不同時間和空間區間內的 車流情況，深入探討車流影響的特性。