基於軌跡向量分群的方法進行監視器的道路偵測

Abstract

於現今交通自動化系統中，道路偵測在相關應用當中佔了相當重要的角色，舉例來說，如異常駕駛偵測、最短路徑規劃、交通號誌時間最佳化等等。雖然現有的方法會提供一個平台，能夠讓使用者上傳自己的GPS軌跡資料，用來協助建立道路的架構，如OpenStreetMap、TomTom 以及Google Map。然而基於使用者隱私問題，大部分的使用者都不太願意提供長期軌跡資料。因此在我們的研究中，提出一個透過道路監視器進行道路偵測的新方法，使用該方法主要有以下理由 : (1) 無使用者隱私問題; (2) 容易從政府的角度去看; (3) 資料持續性更新。在監視器相關研究領域中，雖然有和我們研究相關的論文，因為使用情境的不同，因此它們的方法很難應用在我們的研究上。我們的目標主要從拍攝監視錄影器中，根據一系列移動物件軌跡，偵測道路結構，包含每條道路的中心方向以及道路形狀。在我們的觀察下，軌跡之間行為越相似，就有越大的機率行駛在同一條道路上，因此我們提出使用階層式分群(Hierarchical Clustering)的方法對擷取到的軌跡做分群來進行道路偵測。首先我們會先以尤拉距離(Euclidean Distance)的角度進行分群，並列出該方法缺點以及困難點，之後提出一個以向量(Vector-based)的角度下進行分群的方法來解決原先方法的問題。最後根據分群結果，建立路徑規則找出可能的直線以及轉彎的道路。在我們的實驗結果中，可以看出大部分的主要道路以及轉彎的道路都可以被偵測出來。

Date of Award	2014 Aug 27
Original language	Chinese
Supervisor	Kun-Ta Chuang (Supervisor)