[发明专利]运用移动网络信令数据的人工智能车流推估系统及其方法

说明书

一种运用移动网络信令数据的人工智能车流推估系统及其方法，该系统包括一移动网络信令数据撷取模块、一非监督式学习模块、一特征提取模块与一监督式学习模块。移动网络信令数据撷取模块撷取在指定道路的预定范围内多个移动装置与一网络之间的移动网络信令数据；非监督式学习模块依据移动装置的速度将移动网络信令数据分成不同族群；特征提取模块从不同族群中提取出特定族群，以计算出每个单位时间的移动网络信令数据的数量作为提取后的特征；以及监督式学习模块将提取后的特征建立人工智能车流推估模型，以推估出通过指定道路的多个车辆的车流资讯。

技术领域

本发明关于一种车流推估技术，特别是指一种运用移动网络信令数据的人工智能车流推估系统及其方法。

背景技术

近年来，对于道路交通资讯的侦测，相较于传统固定式车辆侦测器(VehicleDetector；VD)、采用电子道路收费(Electronic Toll Collection；ETC)系统为基础的车辆探侦(ETC-Based Vehicle Probe；EVP)、及全球定位系统的探侦车(GPS-Based VehicleProbe；GVP)等，以移动装置基站为基础的车辆探侦(Cellular-Based Vehicle Probe；CVP)技术具有涵盖率广、成本低、可以不必使用车辆上的通讯装置等特色，已成为热门研究议题之一。

过去的研究中，CVP信令数据主要是使用在车速或旅行时间的估算，原因在于经由部分CVP信令数据的时间差、位置差与路段长度，即可计算路段的平均车速及旅行时间。但是，若以路段上CVP信令数据的统计数量作为车流量往往会产生不可忽略的误差，原因在于一台车辆通常不只有一位乘客，即每台车辆所产生的CVP信令数据的数量并不一致。是以，在密集的道路中，CVP信令数据的总数远远高于车辆的总数，且在一般道路上车流型态为汽机车混和的车流，CVP信令数据的分布样态会随着不同道路的汽机车混和比例或道路周边的型态而有显著的不同，以致估算车流量十分不易。

因此，如何解决上述现有技术的缺点，实已成为本领域技术人员的一大课题。

发明内容

本发明提供一种运用移动网络信令数据的人工智能车流推估系统及其方法，能利用移动网络信令数据推估出通过指定道路的多个车辆的车流资讯。

本发明中运用移动网络信令数据的人工智能车流推估系统包括：一移动网络信令数据撷取模块，其撷取在一指定道路的预定范围内，通过指定道路的多个移动装置与至少一网络之间的多个移动网络信令数据；一非监督式学习模块，其具有人工智能的一非监督式学习演算法，以利用非监督式学习演算法依据该些移动装置的速度，将移动网络信令数据撷取模块所撷取的该些移动网络信令数据分成多个不同族群；一特征提取模块，其从非监督式学习演算法所分成的不同族群中提取出至少一特定族群，以计算出至少一特定族群中每个单位时间的移动网络信令数据的数量作为提取后的特征；以及一监督式学习模块，其具有人工智能的一监督式学习演算法，以利用监督式学习演算法，将由特征提取模块提取后的特征建立一人工智能车流推估模型，进而透过人工智能车流推估模型推估出或产生通过指定道路的多个车辆的车流资讯。

本发明中运用移动网络信令数据的人工智能车流推估方法包括：撷取在一指定道路的预定范围内通过指定道路的多个移动装置与至少一网络之间的多个移动网络信令数据；利用具有人工智能的一非监督式学习演算法依据该些移动装置的速度，将该些移动网络信令数据分成多个不同族群；从非监督式学习演算法所分成的该些不同族群中提取出至少一特定族群，以计算出至少一特定族群中每个单位时间的移动网络信令数据的数量作为提取后的特征；以及利用具有人工智能的一监督式学习演算法，将由特征提取模块提取后的特征建立一人工智能车流推估模型，以透过人工智能车流推估模型推估出或产生通过指定道路的多个车辆的车流资讯。