3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
未來環島只要6小時⁉️ 高鐵延伸宜蘭屏東拍板🚄 全台高快鐵時代到來
 智慧城市\智慧生活應用科技 智慧建築\智慧家庭應用解決方案 |
2021年3月5日 星期五
．智慧城市中智慧交通的電腦視覺技術，應用在道路佔用監控系統案例探討
Computer Vision Projects Ideas
《3S MARKET》這篇國外（香港）案例，對比台灣各地，陸續在裝置實施的「科技執法違規停車取締系統」，相關在規劃的各方考量、技術解說，同時加入一些人性化考慮，安控業界以及相關主管單位可以參考與思考，我們的公共工程，到底該有哪些改進，可以讓台灣更進步 ……
摘要
在數位城市和綠色城市計劃中，智慧交通是發展智慧城市的關鍵方面，對全球建成區非常重要。頻繁停放卡車等雙重停車，和繁忙的路邊活動，對交通狀況有負面影響，特別是在交通密度高的城市。
因此，需要用於監視路邊裝卸的即時物聯網（IoT）的系統。本文透過為高清智慧攝影機配備無線通信，進行交通監控來開發一種完全整合的解決方案。此後，此系統稱為基於電腦視覺的路邊佔用監視系統（CVROSS，Computer Vision Road Occupation Surveillance System）。透過電腦視覺的網路，可自動捕獲即時路邊交通圖像，例如裝載或卸載活動的圖像。
透過利用收集到的數據，可以透過模糊邏輯，對路邊佔用和空置的決策支持進行評估，並為使用者可視化，從而提高路邊活動的透明度。CVROSS 是在香港設計和測試的，目的是在驗證停車位估計，和系統性能的準確性，目的在促進交通和車隊管理，以實現智慧交通。
1. 簡介目的是
交通堵塞是全世界持續存在的問題，導致經濟和社會挑戰。為了增強競爭力，暢通的交通條件，對於任何城市都非常重要。在開發智慧城市時尤其如此，其目的是充分利用資通信技術（ICT）來支持建立公民和組織之間，無處不在的互連網路，並透過物聯網共享數位數據和資訊（物聯網）。近年來，已經提倡智慧行動和智慧交通，以減輕上述社會和公共問題。
通常，頻繁的路邊裝卸活動，會對交通狀況產生負面影響。車輛數量的增加，以及關於路邊活動，佔用和空置的數據透明度不足，使情況變得更糟，並且在交通密度高的城市中，這個問題變得越來越重要。
例如，在繁忙時間，有限的路邊空間通常被卡車佔用，以進行裝卸，或由其他車輛佔用，以進行上落下車。在等待路邊空間可用時，某些車輛需要繞行道路網，或暫時進行雙重併排停車。圖1 說明了路邊雙重停車的實際情況，這是由物流卡車、公司小汽車，和其他障礙物的裝卸活動引起的。
這些操作會導致不必要的堵塞，並給其他道路使用者帶來安全問題，並且可能會影響交通流量。因此，路邊監視系統的應用越來越多，特別是在與交通堵塞增加有關交通監視的方面。
但是，當前的路邊監視系統具有局限性，例如受到車速的影響。為了發揮作用，路邊監視系統需要機器學習，和電腦視覺的技術，以促進和提高對車輛和物體，檢測和辨識的準確性和有效性。
隨著越來越多的路邊車輛，可能導致嚴重的交通堵塞，需要利用 ICT 和 IoT 技術的合適，且功能良好的系統。透過實施智慧行動，可以監控路邊的裝卸港、防止交通堵塞、促進交通，和車隊的規劃和管理，從而在智慧城市中，實現高效益的道路網路。此外，可以在智慧行動性的本體下，建立智慧交通和智慧停車。
圖1 現場路邊停車示例。
為了解決這些問題，本文提出了一種關於物聯網的路邊裝卸停靠監視系統，即適用電腦視覺的路邊佔用監視系統（CVROSS）。透過在電腦視覺的網路中，為一組無線高清視覺設備，配備機器學習和太陽能，可以自動觀察和捕獲即時路邊交通圖像（包括對裝卸活動的辨識），以增強路邊佔用和空置的透明度。制訂了用於停車間距計算，和停車位分配的決策支援模式，以消除重複停車的發生，同時應用模糊邏輯，解決車輛停車位預訂的模糊性，和車輛停留時間的估算。
結果，所提出的系統可以評估平均空間利用率、裝卸活動，以及平均停車等待時間。物業管理公司和駕駛員，可以從節省時間，和在繁忙的建築區域的交通順暢中受益。為了驗證擬議系統的性能和可行性，選擇在香港觀塘區（香港最繁忙的路邊裝卸區之一）進行了案例研究。
這使制訂積極的策略成為可能，不僅提高了運輸和交通流量的效率，而且還提高了公眾的路邊安全性。成對樣本 t-test，用於評估有關估計停車位差距（從 CVROSS 生成），與實際停車位差距之間的差異的假設，從而可以驗證 CVROSS 的性能。此外，透過對駕駛員和財產管理公司代表，其使用和負責路邊區域管理進行調查，來評估滿意度和系統性能。
本文的組織結構如下：第 2 節包含與本研究相關的文獻綜述。在第 3 節中，將介紹 CVROSS 的體系結構，說明如何在香港（公路使用最繁忙的城市之一）應用它。第 4 節介紹了一個案例研究，透過實施 CVROSS 來驗證其可行性和性能。第 5 節介紹了結果並討論了發現及其含義。最後，在第 6 節中得出結論。
2. 文獻綜述
在本節中，將對路邊監視系統進行概述。然後討論了路邊監控系統中使用的方法，和新興的物聯網技術，以界定本文所研究的差距。
2.1. 路邊監控系統概述
隨著技術的進步，路邊監視系統在對象檢測、跟踪、分類和行為分析方面，取得了長足發展，從而提高了準確性和可靠性。監視是指將系統的和常規的注意力，集中在某些人類行為上，以影響、管理、保護，或指導目的的過程。這可能需要藉助諸如閉路監視攝影機（CCTV）之類的電子設備，從遠處觀察或截取，諸如網路流量，或電話呼叫之類的電子傳輸資訊。
政府經常將監視用於情報收集，預防犯罪和調查，或用於保護過程、個人、團體或物體。例如，使用安裝在許多不同位置（例如沿高速公路安裝）的攝影機，來監視即時交通情況，通常是透過攝影機進行交通監視，從而控制交通流量，並促進政府的交通管理。根據 Valera 和 Velastin，路邊監視系統用於觀察路邊活動和車輛，以及道路使用者的行為，包括移動物體檢測、辨識、分類、跟踪、行為分析和檢索。
這樣就可以即時監視，特定環境中的持久性和瞬態對象。透過應用先進的資通信技術，路邊監視系統能夠解決諸如道路危險，和交通堵塞之類的運輸問題，並最終幫助實現運輸效率。平穩的交通條件，對道路使用者和公眾相當重要，交通堵塞可能導致一系列的負面影響。
根據羅賓遜的研究，交通堵塞所造成的成本非常昂貴，並且對生產力、燃料消耗、環境品質，和人類生活品質，具有明顯的負面影響。
交通堵塞的影響，包括但不限於旅途延誤、空氣污染和二氧化碳排放增加，緊急車輛的阻塞，以及擁擠道路，向其他道路的溢出影響。例如，交通堵塞可能會延遲卡車司機的裝卸活動計劃，從而影響物流公司的管理。一些車輛甚至繞過道路網，等待可用的停車位，這些浪費了燃料和能量。因此，路邊監控系統的最終目標，是促進交通和車隊管理，因為交通堵塞、事故和交通效率低下會浪費資源。
2.2. 路邊監視系統的方法
影像監視已引起科學家和工程師的注意，以針對電腦視覺，人工智慧和圖像處理的面向，應用的積極研究。這是基於智慧影像的監視系統日益廣泛佈署，一個促成的因素。背景技術基於智慧影像的監視系統的最重要的應用之一，是用於應對日益增加的交通堵塞問題的路邊交通監視，這是近年來越來越引起人們的關注的地方。
當前的技術包括車輛檢測和跟踪，以測量交通參數和停車場管理。交通條件對道路使用者和整個社會非常重要。因此，路邊監視系統的各種應用，目的是在利用圖像處理方法，來獲得更好的交通狀況，並保持高水準的道路安全，從而實現更有效的交通網路。
近年來，用於測量交通參數的路邊監視系統的開發，一直是研究的重點。路邊監視系統使用車輛檢測和跟踪技術，收集有關車輛數量及其類型，速度和流量的數據。這有助於交通規劃，交通運營和人行道設計。根據 Huang 的研究，路邊攝影機已被用於估計車道邊界和消失點，從而根據車輛的實體長度，對車輛進行分類，以透過影像圖像處理技術，監控道路上的交通狀況。
此外，Coifman 等人的研究，設計了一種即時電腦視覺系統，該系統透過考慮日光和暮光，以及夜間的照明條件，用於車輛跟踪和交通監控。Saran 和 Sreelekha 還利用基於影像的監視系統，來測量交通參數。所使用的系統可以分為三個主要功能：車輛的檢測、分類和追踪，這也使車輛數量得以計數。為了提供即時分析資訊，使用了電腦視覺技術來處理圖像。隨著產生的交通資訊（交通堵塞、車輛數量、分類等），基於影像的監視系統有望實現，並維持有效的交通管理和道路安全。
透過考慮交通狀況，相關應用主要集中在車輛檢測和跟踪，使用運算技術處理數據和圖像。因此，可以生成有關交通參數的有用資訊，以進行進一步的分析、交通規劃、交通營運和人行道設計。
除了交通參數的測量之外，用於促進室內和室外停車場管理的監視系統的應用數量也在增加。在這種類型的應用中，系統主要用於計數停放的車輛數量，隨時間推移監視停放的車輛的變化，以及辨識可用的停車位。
無論在停車場還是在路邊，搜索停車位都會消耗大量的旅行時間。此外，在不使用智慧系統的情況下，即時維護和提供資訊始終存在困難。因此，近年來，許多研究人員研究了使用了視覺的停車場管理系統，來確定佔用和空置，並向使用者提供相關資訊的可能性。
Lin 等人提出了一種基於視覺的停車管理系統，來管理室外停車場，它使用在周圍建築物的閣樓中，設置的四支攝影機來記錄佔用和空置，然後處理數據並將資訊傳輸給使用者。捕獲灰度圖像，以保持顏色一致性，並提高系統的準確性。此外，Micheloni 等人透過在分級框架中，管理靜態和動態攝影機，為停車場使用了監視系統。
靜態攝影機系統，使用可變數量的靜態感測器，來同時維護所有對象的跟踪，而有源攝影機系統則使用雲台攝影機，捕獲目標的高清（HD）影像，以防止多感測器問題，多目標跟踪。
這些應用於停車場管理的監視系統，對於計數停放的車輛數量，監視停放的車輛隨時間的變化，以及辨識可用的停車位是有益的。它們也可能適用於路邊的裝卸區，以定位佔用和空缺，從而減輕了本文所要解決的問題。
2.3. 用於路邊監控的物聯網技術
隨著技術的最新發展，路邊監視不僅基於攝影機，而且還基於其他新興技術，目的在實現各種目的和目標。研究人員對放射線斷層成像（RTI），無線感測器網路（WSN）和用於路邊監視的電腦視覺的開發和應用最感興趣。無線電層析成像技術是一種新興技術，可以在無線網路中，被簡單廉價的無線電包圍的區域中定位，和跟踪移動的實體對象。
RTI 的概念源自雷達系統。RTI 利用雷達的概念，最初是透過在感興趣的區域周圍，放置小型廉價的無線電來工作的。無線電能夠發送和接收無線信號，從而形成了一個密集的，透過該區域的鏈接網路。如果物體在該區域內移動，它將反射或吸收無線信號，並阻止某些功率到達其目的地。因此，可以利用鏈路的功率損耗測量結果，來形成吸收功率的位置的圖像。
因此，它可以指示任何檢測到，和跟踪的對象的位置。最近，已提出 RTI 用於經由無線電波跟踪物體的位置，而不需要物體發送或接收無線電信號。當透過推斷哪些體素，阻礙了密集的無線感測器網路中，無線電鏈路的子集來提取位置時，會發生這種情況。安德森等人透過使用車輛類別，辨識算法將移動車輛的幀組合成單個圖像，展示了 RTI 在路邊監視和車輛辨識與跟踪中，具有安全無線感測器網路的 RTI 的新穎應用。
但是，RTI 技術受其檢測，透過網路行動的對象的速度的影響。速度受執行對網路區域的單次掃描，所花費的時間限制。道路上的車輛並非總是靜止的。如果某些車輛以超出系統規格範圍的高速行駛，RTI 可能不會記錄任何內容，從而影響交通參數的測量過程。因此，RTI 並不完全適合於全方位路邊監控，僅用於以較低速度，進行目標檢測和跟踪。
無線感測器網路使用網路微感測器技術，這是 21 世紀最重要的技術之一，也是未來的關鍵技術。無線感測器網絡提供了誘人的低成本，替代電感環路、影像和雷達的功能，可用於高速公路，交叉路口和停車場的交通監控。這些網路通常由一組感測器節點組成，包括感測器、微處理器，無線電、電池和接入點，以及無線電和功能更強大的處理器。
感測器節點用於處理即時測量，並透過線路或太陽能的直接通信，將有用的數據，傳輸到位於路邊的接入點。然後，這使得能夠檢測車輛並估算各種交通參數。Cheung 和 Varaiya 利用小型感測器節點的網路，相互之間進行無線通信，以感知實體世界。在使用感測器節點從檢測事件中收集數據之後，接入點可以計算受監控流量的數量，佔用率和速度。因此，很明顯，無線感測器網路為交通監控提供了一種誘人的、低成本的感應環路、影像和雷達替代方案。
但是，Tiwari 等認為，無線感測器網路，很容易受到其周圍環境的影響，例如，牆壁、微波，或由於遠距離而引起的信號衰減。這些網路與伺服器的通信速度也相對較低，並且容易被諸如藍牙之類的元件破壞。由於通信的不穩定和對中斷的擔憂，WSN 可能不適合為道路使用者和公眾，提供準確的交通數據和資訊。
此外，技術進步導致半自動系統（稱為電腦視覺）的發展，該半自動系統透過使用電腦，進行自動即時對象和事件檢測，以及輔助辨識來創建算法。根據 Huang 的觀點，從工程學的角度來看，電腦視覺目的在建構自治系統，並試圖以更高的效率自動化，由人類視覺系統執行的任務。
實際上，電腦視覺和模式辨識技術的應用，可以支持多個監視目標，例如交通違規的檢測和道路使用者的辨識。Beymer 等提出了一種基於特徵的跟踪方法，用於在交通擁堵期間跟踪車輛。可以將攝影機安裝在俯視交通場景的電線桿，或其他高大建築物上。
Huang 和 Yen 設計了一種即時的，基於顏色的電腦視覺系統，用於交通監控，方法是分析交通場景的彩色圖像序列，這些場景是透過將攝影機，固定在高層建築或交通號誌燈，附近的人行天橋上記錄的。儘管基於電腦視覺的監視系統具有各種功能，例如車輛檢測、辨識和分類，但是由於將收集的數據轉換為有用的資訊，可能會帶來挑戰，因此系統需要相對較長的處理時間和大量內建記憶體。
另外，為方便所需圖像的提取，而進行攝影機校準的設置既困難又費時。但是，根據 Zander 等人的說法。使用基於電腦視覺的監視系統，機器學習可用於提高物體檢測，和辨識的準確性和效率。因此，透過探索算法的構造，系統無需進行顯式編程即可學習。這有助於更有效地運算和測量，有關路邊活動、佔用、空缺和交通參數的即時資訊。
總之，有效的路邊監視系統，對於維持道路安全，解決交通擁堵，並促進交通和車隊管理非常重要。利用電腦視覺在交通參數測量和停車場管理中的應用，呈現出成長的趨勢。如果將電腦視覺技術適當地與機器學習，和大數據分析配合使用，則將具有強大的功能，而克服了處理時間長的缺點。
另外，這可以導致更好的分析，並具有較高的準確性和效率。此外，在利用電腦視覺時，應考慮改善攝影機校準，以保持系統的準確性、效率和有效性，並考慮到不同道路上的各種功能，例如周圍環境和陽光量。
3. 基於電腦視覺的路邊佔用監視系統（CVROSS）的設計
本節將介紹 CVROSS 的系統設計和建模。圖2 顯示了路邊佈署的 CVROSS 的說明性概圖。CVROSS 的設計包含四個主要組成部分：（i）使用物聯網的路邊監視技術；（ii）CVROSS 中的數據預處理；（iii）路邊停車的決策支持；以及（iv）對擬議系統的評估。 它目的在減少城市交通系統中的雙重停車問題，並提高路邊情況的可見性。路邊佔用和空置的透明度，可以進一步提高。
圖2 CROSS 概述。
3.1. 使用物聯網的路邊監控技術
為了有效地收集數據，已經設計並開發了基於物聯網的路邊監視系統（CVROSS），以解決裝卸貨艙的問題。如圖2 所示，CVROSS 配備了一組，具有太陽能功能的無線高清視覺設備，這些設備使系統能夠從路邊捕獲圖像。為了降低用電成本，並避免嚴重依賴外部電源或太陽能的風險，這些設備以無線方式連接到雲端平台，從而允許將數據連續傳輸到 CVROSS，並即時監控佔用和空缺數據，並保持最新狀態。每週即 7 天每天提供 24 小時路邊資訊。透過使用應用介面（API），可以在所提出的決策支持模式的預處理階段，檢查收集到的數據；因此，可以實時觀察路邊交通資訊。
透過視覺模組和機器學習，為使用者提供了數百種功能，可從多個視覺設備獲取圖像，並透過定位特徵、辨識物體和測量零件，進行進一步處理。此外，機器可以從經驗數據中學習，從而對未來的數據做出預測。預計將使用高清視覺設備，以在最大觀察精度和最小重疊視場之間提供最佳折衷，以產生最佳視點。然後透過去噪和圖像調整處理圖像數據，從而進行目標對象的檢測、辨識、分類和可用停車位的運算。
結果，可以向道路使用者提供關於即時路邊佔用，和空置的有用且易於訪問的交通資訊。此外，借助於在時域動態系統中，應用的機器學習技術，可以提高系統的準確性和效率。可以為道路使用者，物流公司和公眾生成各種報告，以透過大數據分析進行決策。
安裝連接到 CVROSS 的無線高清視覺設備後，基於雲端的伺服器可與 IoT 通信協議一起使用。數據分析和計算模組，充當後端雲端伺服器，並且檢索結果，並將其顯示在最終使用者的前端應用中。所提出的系統的處理流程如圖3 所示。可以提高路邊活動和資訊的透明度，並在圖像處理後的每個定時循環結束時生成報告。
圖3 CROSS 的處理流程。
3.2. CVROSS中的數據預處理
在運行 CVROSS 之前，必須設置參數，包括車輛類型，車輛停車位規定和行車道的最小寬度。這些符合香港特別行政區規劃署發布的規定。因此，系統可以將捕獲的圖像，與數據庫中的模板進行比較，以便在以後的階段中，更準確地處理圖像和數據。為了便於計算停車位和可用停車位，在計算過程中將忽略，由於與視覺設備的距離不同，而導致的所有物品的尺寸差異。換句話說，假設在一個情況下呈現的每個項目，都具有相同的尺寸（以毫米或像素為單位），而不管其相對於視覺設備的位置（就距離而言）。在計算過程中，主要參數包括：
視覺裝置的整個覆蓋範圍為 640×480 像素
每輛卡車 11 m 的規定停車位
每個貨車的 7 m 固定停車位
每輛私家車 5 m 的管制停車位
行車道最小寬度為 6.75 m
所有可能的車輛和物體的模板
置信度分數，表示每個模板的每個像素的視差的置信度（圖像分數返回 0 到 1000 之間的值，其中 1000 表示最高置信度）。
在將參數輸入到 CVROSS 之後，程序將啟動定時循環的第一階段，即視覺獲取。然後，連接到 CVROSS 的無線高清視覺設備可以連續自動地從路邊捕獲圖像。之後，所收集的數據將用於：（i）降噪以及（ii）車輛和物體的辨識和匹配。
3.2.1. 降噪
整個系統流程中，最重要的階段之一就是降噪。這是從圖像中去除噪聲的過程，因為噪聲可能會降低視覺品質，和後續處理任務的有效性。在這種情況下（根據仿真模式），在路邊和行車道中，會有不同的對象和信號，例如行車道中的交通指示器和號誌。但是，這些可能與車輛和物體的辨識與比對無關，因此它們可能對比對結果，和後續可用停車位計算的有效性，產生負面影響。此外，即使類似的車輛，例如在這種情況下，為兩輛私家車，也可能是同一型號，但顏色不同。
因此，降噪可以確保在進一步處理圖像之前，去除不相關的對象，指示符和信號。這也可以防止顏色分類問題。在圖4 中，示出了降噪的示例。在降噪之前，從視覺獲取中獲得的圖像充滿了障礙物，例如路標，交通錐和黃框標記。所有這些都阻礙了車輛和物體的辨識和比對。
使用「圖像蒙版」排除圖像的不相關區域，「彩色平面提取」將彩色圖像僅轉換為黑白圖像，「基本形態」以修改二進制對象的形狀，從而實現了降噪在圖像中，以及調整亮度。降噪後，指示器，交通錐和黃色框上的標記已被刪除（塗黑），只有私家車保留在螢幕上，其形狀以白色顯示。
圖4 降噪示例。
3.2.2. 車輛和物體辨識與比對
CVROSS 提供了兩種常見的比對方法：模式比對和幾何比對。如果所有需要檢測和比對的項目，都具有相同的特徵，則模式比對是最好的方法，因為它將比較模板和捕獲圖像中項目的所有特徵和顏色。但是，並非所有車輛和物體都相同。例如，一些車主可能會在車頂或車體上油漆。因此，並非所有對象都具有相同的圖案或顏色。這可能會對車輛和物體辨識與比對的有效性，產生負面影響。
結果，連同降噪（僅將捕獲的圖像轉換成黑白圖像的二進製圖像）一起，幾何比對似乎更適合在 CVROSS 中，用於根據其形狀檢測，辨識和比對不同類型的車輛和物體，長度和其他重要功能，以及確定提及的圖像得分值。它可以防止由於圖案和顏色不同而導致無法辨識和比對項目。
在這種情況下，當適當地獲取圖像，並且減少了噪聲時，則可以執行辨識和比對的過程。車輛和物體的辨識和比對，基於在系統參數設置過程中插入的模板。當出現物體或車輛經過，或停在 HD 視覺設備的視角內時，這些設備將捕獲圖像，並將其自動與數據庫中的模板進行比較。因此，可以在辨識後將車輛和物體分配給一個類別。
3.3. 路邊停車的決策支持
3.3.1. 停車缺口評估
在以下各節中，將考慮並評估泊車間隔計算，泊車空間評估和決策支持，如圖5 所示。該框圖顯示整個計算涉及三個部分：（i）像素值之間的轉換和道路交通的實際規模；（ii）停車預約的模糊邏輯；（iii）停車活動的決策支持。
辨識並比對車輛和物體後，CVROSS 將為每個單獨的行車道，計算停車距離。首先，應該透過實驗研究，來實現從圖像中收集的像素值，和實際比例之間的轉換。道路交通的實際規模，受攝影機相對於地面的高度（Hc），和攝影機的視角（θc）的影響。
轉換比率對於估算實際的停車位數量非常重要，並在以下分析中使用。如圖6 所示，在第一行車道（如圖所示）中，有三輛車，每輛車都有四個拐角點，即{（x1，y1），（x2，y2），（ （x3，y3），（x4，y4）}} {X1，Y1}用於第一車輛 V1。通常，車輛 Vn 的四個角點可以以{{x4n-3，y4n-3），（x4n-2，y4n-2），（x4n-1，y4n-1），（x4n， y4n）}⊆{Xn，Yn}，其中 n 是圖像中捕獲的車輛數量。
圖5 交叉中的計算概述。
圖6 停車間隙計算插圖。
在這項研究中，假定攝影機安裝在路燈和附近的設施上，因此攝影機的高度和視角，可能會有所不同。因此，需要調整由未安裝在路燈上的攝影機拍攝的圖像，以使圖像標準化以便轉換。參照政府的路燈設計和其他工作，可以建立轉換比率映射以處理攝影機的各種預定義的高度和角度，以標準化其視場（FOV） 。圖7 說明了將攝影機安裝，在具有不同視角的不同高度的場景。在默認設置中，安裝在路燈上的攝影機是垂直設置的，以覆蓋特定的 FOV。
對於具有不同高度和視角的其他攝影機設置，然後將圖像和 FOV 調整回默認設置。為了實現上述目標，透過針對幾種預定義配置的實驗研究，建立了轉換映射配置文件，因此為像素值和道路交通，實際比例之間的轉換，定義了比率La / Lp。因此，可以將轉換比率，應用於計算車輛的實際長度和寬度。
圖7 各種攝影機位置的插圖
檢索到每個車輛的四個角點後，CVROSS 計算 x 和 y 的最大值和最小值，即 L（x，n）和 L（y，n），以表示車輛的實際長度和寬度 Vn 分別根據等式（1）和（2）。 使用以上資訊，可以知道由攝影機捕獲的車輛的大小，然後使用模糊邏輯計算出，用於停車位的空間：
在模糊邏輯中，有三個過程：模糊化，推理引擎和去模糊化。這些評估保留因子 γ∈[0，1] 和來自三個輸入的估計停留時間 ts，即停車時間 tp，L（x，n）和 L（y，n）。在模糊化中，使用一組定義的模糊類（例如「小」，「中」 和「高」）以及所屬度 μ，對輸入和輸出參數進行模糊處理，所有這些模糊類的值，都介於 0 和 1 之間。
例如，將停車時間 tp 及其相應的隸屬度函數模糊化，以顯示歸屬度，如等式（3）所示，其中 xi 表示 tp 中的所有元素，μA（xi）是 xi 中的模糊類 A 的隸屬度函數， n 是元素 x 的總數。在推理引擎中，規則集 R = {R1，R2，R3，…，Rm} 用於評估輸入參數的匯總輸出，其中 m 是透過採訪領域專家收集的規則總數。推理引擎的機制稱為 Mamdani 方法，其中規則的結果，由模糊集而不是線性數學表達式表示。
公式（4）顯示了用於獲取匯總輸出的推理過程。「或」運算符用於組合所有隸屬函數值，從而在輸出隸屬函數中產生有界區域。在去模糊化中，然後使用質心方法，將模糊集中的輸出轉換回清晰值 x'，該質心方法測量邊界區域的重心，如式（5）所示。在該應用中，當在圖像中辨識出車輛的區域時，可以測量車輛的停車時間，預留因子和估計的停留時間，以真實地反映出用於車輛停車的空間。如表1 所示，透過採訪領域專家和工業家，可以直觀地預定義模糊邏輯中，使用的隸屬函數。
為了計算車輛之間的停車距離，應考慮四種情況，如圖8 所示。為防止無限值誤差，長度的最大像素值（第 640 個像素而不是第一個像素）用於計算第一個間隙，即末端間隙（G0）。因此，根據等式（6），可以透過從長度的最大像素值（即 640 個像素）中，減去第一車輛 V1 的最大 x 值來計算端間隙（G0）。
對於圖8 中的情況 1 和 2，透過公式（6）進行末端間隙的計算，該末端間隙是兩輛車之間的部分停車間隙，因此應考慮使用來自右側攝影機的資訊，來測量兩輛車之間的整個停車間隙（對於情況 1 或 3）。對於圖8 中的情況 3 和情況 4，由於第一輛車 V1 的最大 x 值等於最大像素值，因此這意味著端間隙等於零，並且攝影機捕獲的第一輛車的長度，確實不代表車輛的實際長度。
應該收集來自右側攝影機的資訊，並將其與 V1 的部分長度合併，以確認 V1 的實際長度，而左側攝影機的情況，應類似於情況 2 或 4。在算法中，如公式（7）所示，可以將車輛 n 和 n + 1 概括為一個特定的行車線。可以獲取停放間隙（以像素值表示），並可以使用像素到實際比例的轉換比例，將其轉換回實際比例。
當考慮情況 1 和 3 時，無法觀察到 Xn + 1 用於計算 Gn，因此max（Xn + 1）定義為零，這定義了捕獲圖像的邊緣。在提議的系統中考慮了以上所有情況，然後對三種類型的車輛進行了泊車位分配：私家車、貨車和卡車，其監管泊車位分別為 5 m、7 m 和 11 m。
圖8 捕獲圖像的四種可能情況
3.3.2. 停車位和決策支持功能
停車間隙的計算，對於計算可用停車位很有用。在收集到關於行車道停車位的數據之後，CVROSS 可以透過以下公式進行進一步處理：將每個車位的長度，除以不同類型車輛的長度 ω（作為第 3.3.1. 節中描述的參數之一輸入），透過公式（8）用於卡車、貨車和私家車。如果長度小於私家車的長度，則將物體分類為「其他」，例如道路上的障礙物。
因此，將生成有關每個單獨行車道，甚至整條道路上三種類型車輛的可用停車位（Struck、Svan 和 Sprivate 車）的資訊，以告知道路使用者即時的路邊佔用和空置情況。因此，所提出的系統，可以提供三個決策支持功能：平均空間利用率的評估，裝卸活動的測量，以及停車的平均等待時間。
考慮到整個行車道中有 p 個攝影機，透過將可用的總停車位，除以圖像的最大長度（以像素為單位），來計算平均空間利用率（U），如公式（9）所示，其中 Gij 代表由攝影機 j 確定的可用停車間隙 i，而Pixel（j，max）代表攝影機 j 的最大像素值。如果交通空間被卡車和貨車，而不是私家車佔用，則被視為從事裝卸活動。
透過將 L（x，n）≧5 的車輛長度的總和，除以攝影機監視下的行車道的實際總長度（Ltraffic），可以得出進行裝卸活動（LUA）的指示p，如公式（10）中所示。
假定在建議的系統中，每小時更新一次裝卸活動的指示，以方便地跟踪交通狀況。對於停車的平均等待時間，當可用停車位 Gn，小於私家車所需的停車位（代表三種車輛的最小停車位）時，建議的系統將確定整個行車道的等待時間。因此，使用者可以根據以上三個指標，做出適當的決定：
此外，CVROSS 帶有時間戳控件。經常更新即時資訊，可以使道路使用者獲得有關即時路邊佔用，和空置的有用資訊。因此，道路使用者可以充分利用該資訊，來做出即時決策，例如將他們的車輛停在道路上，或尋找其他道路。此外，透過延時運行程式，可以防止伺服器超負荷運行和過載，從而保持較高的穩定性和計算準確性。
3.4. 擬議系統的評估
對擬議的 CVROSS 系統的評估是雙重的：（i）驗證停車位估計；（ii）從駕駛員和物業管理公司的角度，來看系統性能。使用配對樣本 t 檢驗驗證停車間隔估計，以檢查兩組 50 個樣本數據點之間的差異（即估計停車間隔和實際停車間隔），目的是調查 CVROSS 中停車缺口估計的適當性。
另一方面，透過與駕駛員和物業管理公司代表，進行面談來評估滿意度和系統性能。圖9 顯示了用於獲得回饋的示例問題。該調查分為兩個時間段：（i）在實施 CVROSS 之前和（ii）在實施 CVROSS 之後三個月。結果，在實施 CVROSS 之前和之後，產生了一個比較摘要，以進行進一步的統計分析。
圖9 用於評估系統性能的調查問題樣本。
4. 案例研究
為了驗證所提出系統的可行性和性能，進行了案例研究，在香港觀塘區實施了 CVROSS。由於香港特別是觀塘區交通堵塞問題的嚴重性和緊迫性，迫切需要基於物聯網的系統，來監控路邊的裝卸。整個實施過程分為三個階段：（i）場景選擇，（ii）佈署 CVROSS 和（iii）建立基於 Web 的使用者介面。該項目首先從主要針對觀塘區的特定現場訪問中，收集數據開始。在對交通情況和職業有了更好的了解之後，根據觀塘區的交通特徵和實際案例，建立了一個仿真模式。
隨後，佈署了具有 CVROSS 系統架構的解決方案，以藉助 Web 應用解決該問題。因此，實施 CVROSS 涉及電腦視覺，雲計算、大數據分析，和可重複使用的能量（太陽能）的應用，以檢測、辨識和比對車輛和物體，從而為道路使用者提供圖像後，全面的即時資訊、加工。還使用前端 Web 介面，將資訊可視化，以增強可理解性。
4.1. 選址
在這個階段，數據收集主要集中在香港觀塘區的實地考察，以便從實際情況中，收集交通資訊以進行進一步分析。詳細的實地視察是在該地區最繁忙的道路，即觀塘區鴻圖道，及開源道分行旁的成業街及興業街進行的（如圖10 所示）。收集的數據，包括交通設施，和所選道路周圍的資訊，例如路燈柱、交通號誌燈和行車線的數量，以及道路的距離、長度和寬度。透過觀察收集有關地區交通狀況的數據，以更好地了解佔領和交通堵塞的實際狀況。
圖10 選定的行車路線進行現場訪問。
觀塘區是主要工業區，每天都有大量的裝卸活動。首先，在感興趣的區域中，通常臨時停放以進行裝卸，或等待路邊空間可用的車輛。由於大量貨車通常會在興業街併排停泊，因此可能會造成嚴重的交通堵塞。
其次，由於觀塘區車位稀少，附近一些公司可能會在路邊擺滿交通錐和木板等物體，以保存車位。這種情況會阻礙其他道路使用者使用道路。因此，除了對各種車輛和物體進行檢測、辨識和分類外，基於電腦視覺的路邊監視系統，還需要向道路使用者和物流公司提供，有關佔用和空缺的資訊，透過自我調節，以便他們可以基於分析資訊，來優化車隊時間表。
建築物和燈柱的外牆，是在基於電腦視覺的監視系統中，安裝高清視覺設備，以捕獲圖像的唯一可能位置。未經許可，在建築物的外牆上，特別是在商業建築物上，安裝高清視覺設備會有一定的困難。人們認為，由於缺乏對建築物外觀的好處和影響，大多數業主可能會拒絕安裝高清視覺設備。
此外，各種建築物在不同的高度，可能具有不同的功能，這可能會導致難以統一標準，例如所有高清視覺設備的高度，從而對視覺產生負面影響，並可能造成一些重疊。因此，建議由香港政府路政署管理的燈柱，是在道路和街道上安裝高清視覺設備的最佳場所。在所考慮的區域，路燈柱的安裝高度為 10 m，由路政署設定。
路政署負責燈柱的預防和糾正維修。這對於視覺設備，和基於電腦視覺的監視系統的安裝和操作是有益的，因為與建築物外牆的安裝相比，可以迅速解決故障和錯誤，以保持系統的高度穩定性。
4.2. 佈署 CVROSS
在 CVROSS 的設計中，擬議系統的佈署包括四個主要部分：（i）降噪，（ii）車輛辨識，（iii）停車位計算和（iv）可用停車位的計算。所提議的系統分別使用 Simulink 和 LabVIEW 進行了算法建模，和實際原型開發，如圖11 所示。開發了用於停車位計算和停車位分配的模式和算法，以及用於車輛停車位預定的模糊邏輯。在 Simulink 環境中，在 LabVIEW 環境中控制和建構了使用者介面，以及系統原型和數據採集元素。
圖11 CVROSS 的系統佈署環境。
4.2.1. 降噪
首先，根據第 3.2 節，需要設置用於實際實現的參數，尤其是車輛和交通錐的大小，及其以像素為單位的尺寸。然後，透過視覺獲取和降噪開始收集數據。如圖12 所示，來自視覺獲取的原始圖像包括交通車道線，與車輛和物體的辨識和比對無關。這些行可能會對辨識和比對的結果產生負面影響。發現，在降低噪聲之後，僅保留了相關車輛的形狀。
這可以促進圖像的後續處理。結果，可以實現更好和更準確的處理，以增強設計系統的有效性。但是，具有自己的特徵和特性的不同道路，可能需要不同的降噪技術，以從圖像中刪除無關的信號。當系統應用於香港的不同道路時，這可能是一個耗時的修改。
圖12 降噪前後的圖像差異。
4.2.2. 車輛辨識
為了確定特定車輛的尺寸，使用了幾何比對技術，來辨識和比對外觀不同的兩輛卡車。 結果發現，CVROSS 能夠檢測、辨識和比對，道路上所有行車道，和單個行車道上的車輛。可以使用來自道路上，所有行車道的比對結果中的資訊，來解釋一般的交通狀況，例如，用於保留雙泊車的問題。
另一方面，來自單個行車道的資訊，能夠說明特定行車道中的情況，以確定交通堵塞程度，並確定裝卸活動。圖13 說明了幾何比對在車輛辨識中的使用。 頂點的坐標用於透過幾何技術，測量車輛的相應長度和寬度。
圖13 透過 CROSS 進行幾何比對的圖示。
4.2.3. 停車間隙的計算
使用1u32jo4結果，實現了停車位的計算。 一台高清攝影機可以確定路邊的情況（最多六個間隙，包括末端間隙）。 為了實施，將缺口總數設置為大數 M。 透過應用 CVROSS，可以很好地確定和計算 Lp、Hc 和 θc 的停車位（考慮各種類型的車輛）。圖14 顯示了 CVROSS 伺服器端，在 MATLAB 運行時編譯器中，運行的模糊邏輯工具箱。
創建了輸入和輸出，及其相應的隸屬函數（如表1所示），並定義了模糊化過程，Mamdani 的推論和去模糊化過程。 因此，可以在停車間隙的計算中，包括停車預約的模糊能力。
圖14 MAT LAB 運行時編譯器中的模糊邏輯。
圖15 示出了在車輛數量不同的，三個車道上的停車間隙長度。 當第 1 車道上沒有車輛時，末端間隙顯示為 640 像素，這表示所有像素均可用，而其他間隙的值為零。 從計算中發現，該算法能夠基於先前的比對結果，以編程方式計算停車間隙。
例如，如果行車道中沒有車輛，則僅顯示末端間隙。 結果，可以產生關於所有停車間隙的長度的資訊，並將其用於進一步處理。 但是，運行程序之前需要設置間隔數。 因此，需要對特定道路和行車道的通行能力，進行進一步的計算。 然後，設置可能需要計算的停車間隙數量。
圖15 三個獨立行車道上的停車位。
4.2.4. 可用停車位的計算
在獲得有關停車位差距的數據之後，透過應用 CVROSS，來測試可用停車位的計算。基於提出的算法，將每個停車間隙的長度（以像素為單位），除以每種類型的車輛的長度，和為停車該特定車輛保留的常數。透過該算法計算，可在單個行車道上停車的車輛數量。如果私家車的數量（在這種情況下是最短的車輛）等於零，則意味著浪費了特定的停車位。
此外，CVROSS 能夠將所有車輛，和可用停車位的長度加起來，分別顯示為佔用和空置，並顯示各個行車道上的浪費空間，從而為使用者提供有關一般交通的資訊情況。因此，透過將停車間隙的長度，除以每種車輛的長度，CVROSS（使用用於計算可用停車位的功能）提高了其計算能力，並為使用者提供了有關可用停車位數量的資訊的能力。
在每個區域停車。因此，它對使用者做出立即決策和自我調節很有用。例如，如果不再有可用的停車位，駕駛員可以決定將其車輛停放在其他道路上，以防止交通擁堵的發生。
此外，CVROSS 還適用於對象辨識和比對。圖16 顯示了特定車道上，可用停車位的匯總。匯總了從多個攝影機收集的停車位數據，以形成停車位匯總結果集，並用於將各種類型的車輛分配給空車位。因此，CVROSS 仍然能夠計算出車位差距和可用車位，以顯示在行車道上有物體佔用的情況下，佔用和空位以及浪費的車位。
圖16 計算被物體佔用時的可用停車位。
4.3. 建立 Web 的使用者介面
為使用者提供易於理解，和使用的高品質資訊可視化介面非常重要。 CVROSS 能夠為使用者，提供各種形式的資訊可視化。可以圖形化顯示檢測和比對的車輛的結果，以及計算出的停車間距和可用停車位。用於資訊可視化的介面設計如圖17 所示。圖像顯示用於在系統時間內，顯示道路上的即時交通情況。
這可以為使用者提供受監視區域的總體視圖。 此外，如圖18 所示，在 CVROSS 的主儀表板上，可以為道路使用者、物流公司和公眾，生成有關不同類型車輛，使用道路情況的各種報告，以更好地了解以下地區的交通狀況，在特定時期進行監視。
圖17 資訊可視化介面設計概述。
圖18 CROSS 的主儀表板。
5. 結果與討論
根據案例研究，發現在現實生活中實施建議的系統是可行的，為路邊停車活動提供即時監控和決策支持功能。一方面，房地產公司可以評估雙重併排停車的嚴重程度，並從後台查看即時路邊情況。在案例研究中，檢查了 100 個停車位樣本，以評估停車位估計的準確性，並與實際測得的停車位進行比較。估計停車位與實際停車位之間的精度比較如圖 19 所示。
採用成對樣本 t-test，來檢驗估計停車位，與實際停車位之間的差異，零假設是假設平均差為零。發現平均差異的統計顯著性達到 p 值為 0.02； p 值為 0.02。因此，可以認為使用 CVROSS 測量停車間隙是可行的。停車間隙估計的平均誤差，和最大誤差分別為 1.47 m 和 3.60 m。
此外，還使用 50 個樣本比較了估計的停留時間，和實際的停留時間，從而評估了停留時間的估算準確性，如圖 20 所示。成對樣本 t-test 也用於檢驗估計的時間，與實際時間之間的差異。停留時間，零假設是假設均值差為零。
發現平均差異的統計顯著性，達到了 p 值為 0.015；因此，停留時間的估計，可以認為是可行的。停留時間估計的平均誤差和最大誤差，分別為 1.70 h 和 4.64 h。另一方面，卡車司機和駕駛員可以利用提議的系統，來了解特定的路邊情況。在下一部分中，在採用建議的系統之前和之後，將透過進行比較分析，來評估 CVROSS 的性能，相應地討論了任何優點和貢獻。
圖19 停車間隙測量的精度比較。
圖20 估計停留時間的準確性比較。
5.1. CVROSS 的比較分析
為了驗證所提出系統的性能，在使用 CVROSS 之前和之後，進行了比較，考慮了三個方面：（i）交通擁堵的嚴重程度，（ii）車輛的節能和（iii）駕駛員滿意度。透過採訪選定地區的 50 名駕駛員，和物業管理公司的 10 名代表獲得了結果。選擇它們是因為，它們是成業街和興業街的經常使用者，並且承擔著相當大的管理責任。
表2 顯示了與物業管理公司代表，和個別司機的訪談結果。總之，透過實施建議的系統所獲得的效果，似乎是積極的。根據物業管理公司的數據，特定道路上的交通堵塞嚴重程度，和重複停車的發生率分別降低了 41.2％ 和 33％。
此外，公司可以節省控制繁忙路邊情況的勞動力成本，將工人人數從每班 10 人減少到每班 6 人。可以在後台辦公室監視和控制路邊情況，並可以透過提議的系統，向卡車司機和駕駛員提供即時交通資訊。
駕駛員和卡車司機通常都同意減少平均油耗，並且找到合適的停車位，平均時間可以減少 51.6％，因為他們從提議的系統接收到資訊後，便能夠前往特定的停車位。此外，卡車司機和駕駛員普遍對擬議的系統感到滿意，因為它可以改善繁忙地區雙重停車，和交通堵塞的惡劣狀況。
5.2. CVROSS 的時間戳控制
While 循環（允許重複執行代碼的控制流語句）也可以在伺服器中使用。這樣可以使程序每秒或更長時間運行一次，還可以使數據、資訊，和報告每秒或更頻繁地保存一次。儘管這可以為使用者提供定期更新的資訊，但是由於必須處理和保存大量數據、資訊和報告，因此伺服器很容易過載。
因此，系統的穩定性受到負面影響。例如，假設一個月有 30 天，則一個月中有 2,592,000 s（對於使用 While 循環以編程方式生成的 Excel 文件）。這意味著每月有 2,592,000 條記錄，每年大約產生 31,536,000 條記錄。隨著生成更多數據，多年後的大數據分析可能會遇到問題。
結果，建議使用定時循環，而不是 While 循環。在這種情況下，定時循環設置為有五分鐘的延遲。因此，它仍然可以為道路使用者，頻繁地更新即時交通資訊，方便 CVROSS 的操作，並平穩地加載伺服器，以防止超載並保持穩定性，從而方便大數據分析過程。實際上，可以根據道路使用者的實際需求，來調整五分鐘的延遲時間，從而為他們提供更加使用者友好的系統。
5.3. CVROSS 的意義
案例研究和實施，已經證明了 CVROSS 的可行性和性能。擬議的系統為研究和社會做出了三大貢獻：（i）用於路邊營運的智慧停車；（ii）將人工智慧應用於路邊停車活動；以及（iii）為物業管理公司提供環保的商業模式。
5.3.1. 用於路邊營運的智慧停車
在城市發展領域，智慧城市被認為是未來趨勢，新興技術被用於製定不同形式的決策支持和情報，以提高效率和效力。在智慧城市的發展過程中，智慧行動專門針對物體（包括人類），運輸和物流。智慧停車的本體是從智慧交通發展而來的，它是一個活躍的研究領域。
在本文中，應用了用於路邊操作的智慧停車，以消除雙重停車，並增加路邊佔用率。透過採用物聯網技術，智慧停車的新主題已被探索，以解決路邊雙重併排停車的問題。因此，本文對智慧停車做出了新的貢獻。
5.3.2. 應用人工智慧在路邊停車活動
在評估停車位和可用停車位時，所提出的系統利用模糊邏輯，對現實情況下，各種類型的車輛進行分類，即私家車、貨車、卡車和障礙物。模糊邏輯在算法中，提供了靈活性和智慧性，以生成某些決策支持功能。
因此，所提出的系統能夠評估預留空間，和車輛的估計停留時間。該資訊可用於估計平均空間利用率、裝卸活動，以及停車的平均等待時間。總體而言，物聯網技術收集的數據，和路邊活動的數據使用人工智慧技術（即模糊邏輯）進行整合，以在工業應用中創造價值。
5.3.3. 使用物聯網的綠色商業模式
考慮到實施建議的系統的發現，可以得出結論，建議的系統在節能，時間效率，和更好的路邊佔用方面具有優勢。例如，如果星期一早晨總是有很多卡車裝卸貨物，那麼一些物流公司可以計劃更改時間表，以便在其他時間裝卸貨物，以防止在交通堵塞時的等待。因此，該系統能夠透過自我調節，來促進交通和車隊管理。介面和相關資訊可以進一步修改，並傳輸到行動應用 app，以提高路邊活動的透明度。
透過道路使用者和物流公司的自我監管（利用資通信技術），該系統可解決交通堵塞，實現高效的道路網路，並促進可靠和智慧運輸系統的開發和管理。這項工作不但對物業管理公司和司機有利，而且對香港社會有正面影響，在路邊經營中營造環境友好和安全的氛圍。透過採用 CVROSS，公司可以節省管理路邊活動的成本和勞動力，從而可以提高業務利潤率。
6. 結論
如果不加以控制，路邊的活動（例如裝卸）會對交通狀況產生負面影響。因此，與智慧城市的發展保持一致，智慧出行對於香港的建成區非常重要。尤其是在這種情況下，公眾和道路使用者無法獲得有關路邊活動，佔用和空置的即時資訊。
CVROSS 是一個完全整合的解決方案，配備了一組無線高清視覺設備，可以利用機器學習技術，在太陽能的支援下，從路邊捕獲圖像，並建議將其作為即時物聯網的系統，來監控路邊的裝卸停靠。透過實現智慧行動性，這可以促進交通和車隊管理，從而實現高效的道路網路。
本文透過在 Simulink 和 LabVIEW 環境中開發 CVROSS，為物聯網技術的利用做出了貢獻。從參數的設置，到車輛和物體的辨識，以及與降噪的匹配、泊車間距，和可用停車位的計算，最後到資訊可視化，CVROSS 以及最新的物聯網技術，能夠為道路使用者提供路邊的即時交通資訊，例如路邊的佔用和空缺，從而提高路邊活動的透明度。
還可以透過大數據分析，為不同的各方生成各種報告，例如每日報告。例如，物流公司可以根據分析資訊優化車隊時間表。此外，將模糊邏輯應用於路邊停車位，和可用停車位的評估，以在路邊營運中建立決策支持，以提高評估的準確性和系統的靈活性。預計這將透過減少等待裝卸活動的時間，來幫助解決交通堵塞，並透過查找停車位，並防止在道路周圍盤旋，來減少燃料和能源消耗的成本。
擬議的 CVROSS 解決方案，促進了香港可靠和智慧交通系統的開發和管理，從而在智慧行動和智慧交通的基礎上，實現了智慧停車。未來可以進行調查、修改和實現 CVROSS 的實施，以提高路邊活動的透明度。
最終，透過將基於物聯網的監控系統，應用於路邊的裝卸停靠，可以促進香港可靠和智慧運輸系統的開發和管理。在將來的工作中，建議的系統可以在受到雙重停車，和繁忙路邊活動影響的其他地區實施。另外，可以提出用於制訂隸屬函數和模糊規則的自動化和智慧方法。
 |