三民網路書店 / 搜尋結果

本研究先針對我國推動智慧型運輸系統的其中兩資料項交通路網數值地圖與車輛偵測器，進行GML進行資料交換以及以SensorML來進行車輛偵測器資料交換與管理等課題探討。

近年來人工智慧在軟硬體技術的突飛猛進與各領域應用的迅速發展，可預期未來運用人工智慧、影像辨識、資通訊(ICT)、車聯網(V2X)與5G等技術，特別有助於紓緩因交通號誌控制不夠智慧，導致民眾行的痛點。本計畫除回顧彙整國內外應用車聯網與人工智慧強化學習在號誌控制之應用與演算法，並發展車聯網與人工智慧強化學習之號誌控制模擬環境，藉由車聯網緊急車輛優先號誌、單一路口多時相號誌控制與幹道連鎖號誌控制模擬之人工智慧號誌控制模式構建、學習與訓練、模擬與績效評估，來為後續人工智慧號誌控制奠下研發基礎。計畫分別以臺北市「中山北路-德行東路」3個路口幹道、臺南市「台86-19甲線」路口、高雄市台88線鳳山出口(過埤路-鳳頂路)路口)等3個縣市政府合作所發展交通模擬環境與人工智慧強化學習號誌控制模型及其訓練。根據不同場域特色，以及強化學習探討的議題項目，總計提出13 種不同的強化學習應用方案，訓練結果顯示13 種強化學習方案皆能不同程度的改善現況交通績效，顯示DDPG強化學習號誌控制的潛力與可行性。計畫同時研提以PPO 為核心演算法的做法，並於臺南市實驗場域進行模擬測試，結果顯示不同的強化學習演算法也同樣可以取得績效改善。車聯網資料應用上，研提採用卷積層網路(CNN)結構萃取資料特徵，進而做為強化學習的資料輸入，實驗結果顯示，以車聯網資料做為強化學習號誌控制資料來源的潛力。

本研究探討雲端運算、車車間(V2V)與車路間(V2I)整合應用的國際發展趨勢，對於風景區跨單位CMS資訊發布則進一步提出成為區域多元CMS資訊發布運作機制。

本研究延續前期成果，依據日月潭特性，持續強化各類資訊服務系統及落實各項規劃理念，將日月潭打造成國內「低碳觀光、智慧旅遊」的示範區域。

「安全」與「效率」一向為各國推動智慧型運輸系統(ITS)之重要目標，兩者間互為影響。近年來國際在ITS發展趨勢方面，歐美日均體認由車輛(V)與道路基礎設施(I)之V2I以及車輛(V)與車輛(V)之V2V所形成之車聯網，可提供更安全、更順暢、更具環保與能源效率的友善運輸環境。本研究探究車聯網在我國「交通安全」與「交通資訊服務」應用模式，並於基隆市台62線與基金二路/三路所構建實驗場域進行我國第1個車

因應5G資通訊技術全球發展趨勢，並基於數位轉型及數位雙生等數位治理觀念，本所於民國110年提出「5G智慧交通數位神經中樞」之研究計畫構想，並完成「構建5G智慧交通數位神經中樞(1/2)－功能架構探討與系統規劃」(以下簡稱前期計畫)，並依前期計畫研究成果為基礎，辦理本(111)年度「構建5G智慧交通數位神經中樞(2/2)–系統雛型開發與驗證實作」(以下本計畫)，初步完成5G智慧交通數位神經中樞雛型系統開發，納入交通預測模式庫及公共運輸管理相關知識庫等概念性驗證實作，並結合實作場域之交通即時資訊蒐集，以數位雙生技術提供3D視覺化呈現，進而發展城市智慧移動核心技術與創新應用服務。本計畫亦就原通訊協定中之現場設備共用訊息、號誌控制器訊息、車輛偵測器訊息、資訊可變標誌訊息、自動車輛辨識訊息等，廣泛蒐集各方意見，進行通訊協定3.0 版修改與新增；同時納入都會區輕軌與緊急車輛運行、車聯網環境下之交通管理中心管理與控制、現場設備間之設備對設備(D2D)、資訊安全等新增需求，以期都市交通控制通訊協定能與時俱進。此外面臨5G通訊環境與多元智慧運輸應用需求挑戰時，亦針對緊急救援車輛智慧號控系統進行驗證實作，在前期計畫完成之緊急救援車輛智慧號控系統規劃與概念性驗測成果基礎下，於本計畫實作示範場域進行包含車輛定位精度、通訊技術與協定、緊急救援車輛即時位置發布等課題之技術驗證實作，並歸納實作經驗提出緊急救援車輛智慧號控系統建置參考手冊。

近年來人工智慧在軟硬體技術的突飛猛進與各領域應用的迅速發展，可預期未來運用人工智慧、影像辨識、資通訊(ICT)、車聯網(V2X)與5G等技術，特別有助於紓緩因交通號誌控制不夠智慧，導致民眾行的痛點。本計畫延續111年「我國人工智慧車聯網之號誌控制模式探討」之研究計畫，進行與縣市政府合作之現場實驗測試，實作測試過程中視需求持續精進人工智慧號誌控制模式，透過強化學習通用環境之探討與建置、導入多目標強化學習演算法、以及探討車流模擬測試模型於各種車流場景之泛用性，期望能提升人工智慧號誌控制模式之運作效率。此外，同時納入高速公路匝道儀控之人工智慧號誌控制課題與相關模擬模式發展探討，優先構建交流道區域號誌協控車流模擬環境、以及進行分散式AI號誌協控模型(多代理人機制)初步發展設計，以期逐步發展我國在人工智慧號誌控制之實力構建，期能支援我國都市智慧號誌控制在人工智慧與車聯網環境下之車流運作效率及交通安全提升。本計畫在人工智慧強化學習號誌控制模型優化與精進上，能依據各路口各方向交通變化，即時計算下個階段的號誌時制內容；在臺南市的「台86-19甲」單一路口案例，即時計算下一個時相號誌綠燈秒數，在臺北市的「中山北路-德行東路」3個路口幹道則以單一代理人控制3個路口，以共同號誌周期長度與不同時比方式來進行動態調整，以兼顧車流續進。實測結果顯示，臺南市及臺北市實驗場域依據不同偏好進行決策，且在各個時段中均能找到一組偏好，大部分的績效比固定時制為佳；另多任務AI強化學習模式模型即使將不同時段資料一起進行訓練，雖然尚無法比分開訓練的模型績效為佳，但整體表現已接近。在交流道區域的匝道儀控與平面路口強化學習號誌協控模型發展部分，遴選桃園楊梅交流道來構建模擬實證場域，導入多號誌控制代理人機制，並於績效評估上額外考量駕駛人感受等相關指標，將匝道和平面道路的輸入資料集中到一個中央化代理人(agent)的「中央化訓練(Centralized Training)」，本計畫於113年將進行強化學習號誌協控模型的學習訓練與實測工作。

本研究係探討交通管理與資訊服務深化，透過不同管理中心與資訊中心間資訊交換整合，提供民眾無縫的交通資訊服務與整合式交通管理平台。