车用特定路况警示系统与方法

1.一种车用特定路况警示系统，包括后台系统与至少一车用特定路况警示装置，其特征在于，
该后台系统包括
一储存装置，用以储存一行车信息数据库，其中该行车信息数据库用以储存多个特定路况警示事件信息；
一协同式自动学习单元，用以接收来自这些车用特定路况警示装置传来的多个特定路况警示事件，基于该特定路况警示事件，采用协同式自动学习机制以确认是否新增、更新与解除储存在该行车信息数据库的这些特定路况警示事件信息；以及
每一该车用特定路况警示装置包括一提前感知警示单元，用以取得一车辆定位信息以及这些特定路况警示事件信息，并根据每个该特定路况警示事件信息所对应的警示位置与该车辆定位信息比对，据以判断是否发出对应这些特定路况警示事件信息的警示讯号，其中这些特定路况警示事件信息分为多类型，其中每一这些类型有其对应的信任度门槛值，而该警示讯号根据不同类别的这些特定路况警示事件信息而有多种对应的信息。
2.如权利要求1所述的车用特定路况警示系统，其特征在于，该车用特定路况警示装置还包括
一即时感知警示单元，用以取得车辆动态数据，并即时分析该车辆动态数据以判断目前行车状态与行车环境是否符合定义为该特定路况警示事件，若是，则传送该特定路况警示事件到该后台系统。
3.如权利要求2所述的车用特定路况警示系统，其特征在于，目前行车状态与行车环境是否是否符合定义为该特定路况警示事件，包括路面颠颇、剎车频繁、急转弯或出现异于车辆正常行驶动态的环境。
4.如权利要求2所述的车用特定路况警示系统，其特征在于，该即时感知警示单元包括
一车辆动态分析单元，用以接收至少一个感测数据，并据以分析该车辆的动态数据；以及
一特定路况辨识单元，用以对该车辆动态数据进行辨识，以确认是否为该特定路况警示事件。
5.如权利要求4所述的车用特定路况警示系统，还包括一行车动态感知器，用以分析车辆即时的感测数据，以获得车辆的动态数据。
6.如权利要求5所述的车用特定路况警示系统，其特征在于，该行车动态感知器包括陀螺仪或加速规。
7.如权利要求5所述的车用特定路况警示系统，其特征在于，该行车动态感知器所测得的该车辆行驶状态的感测数据包括三轴加速度、角速度、转向角、引擎转速或车速其中之一或其组合。
8.如权利要求1所述的车用特定路况警示系统，其特征在于，该后台系统还包括一即时事件接收模块，用以接收该特定路况警示事件，并传送给该协同式自动学习单元。
9.如权利要求8所述的车用特定路况警示系统，其特征在于，该即时事件接收模块是凭借与该车用特定路况警示装置进行无线通联而取得这些特定路况警示事件。
10.如权利要求1所述的车用特定路况警示系统，其特征在于，该车用特定路况警示装置还包括一显示装置，用以接收该警示讯号，并据以显示该警示讯号。
11.如权利要求1所述的车用特定路况警示系统，其特征在于，该提前感知警示单元包括：
一储存装置，用以储存一警示位置数据库，其中该警示位置数据库包括这些特定路况事件信息；以及
一警示位置比对单元，用以从该警示位置数据库取得这些特定路况事件信息与该车辆定位信息，并根据每个该特定路况事件信息所对应的该警示位置与该车辆定位信息比对，据以判断是否发出该警示讯号。
12.如权利要求11所述的车用特定路况警示系统，还包括一车辆定位信息产生装置，用以取得该车辆定位信息。
13.如权利要求12所述的车用特定路况警示系统，其特征在于，该车辆定位信息产生装置为全球定位系统。
14.如权利要求1所述的车用特定路况警示系统，其特征在于，
该后台系统还包括一数据库即时更新模块，连接到该行车信息数据库；
该车用特定路况警示装置还包括一数据库更新界面，无线连接到该数据库即时更新模块，并经由该数据库即时更新模块，与该行车信息数据库同步更新该警示位置数据库所储存的这些特定路况事件信息。
15.一种车用特定路况警示方法，包括
接收多个特定路况警示事件，以确认是否新增、更新与解除储存在一行车信息数据库的多个特定路况警示事件相关信息；
传送这些特定路况警示事件信息；以及
取得一车辆定位信息以及这些特定路况警示事件信息，并根据每个该特定路况警示事件信息所对应的警示位置与该车辆定位信息比对，据以判断是否发出对应这些特定路况事件的警示讯号，其中这些特定路况警示事件信息分为多类型，其中每一这些类型有其对应的信任度门槛值，而该警示讯号根据不同类别的这些特定路况警示事件信息而有多种对应的信息。
16.如权利要求15所述的车用特定路况警示方法，其特征在于，针对这些特定路况警示事件，确认是否新增这些特定路况警示事件信息的步骤包括：
针对收到该特定路况警示事件，判断是否存在对应的该特定路况警示事件信息，若无，则计算该特定路况警示事件所对应的一信任度计数值；
若再收到对应该特定路况警示事件的该特定路况警示事件，则进一步调整该特定路况警示事件所对应的该信任度计数值；以及
判断该信任度计数值是否高于一信任度门槛值，若高于该信任度门槛值，则新增对应该特定路况警示事件的该特定路况警示事件信息。
17.如权利要求15所述的车用特定路况警示方法，其特征在于，针对这些特定路况警示事件，确认是否删除这些特定路况警示事件信息的步骤包括：
针对收到每一该特定路况警示事件，调整该特定路况警示事件所对应的一信任度计数值；以及
判断该信任度计数值是否低于一信任度门槛值，若低于该信任度门槛值，则删除对应该特定路况警示事件的该特定路况警示事件信息。
18.如权利要求17所述的车用特定路况警示方法，其特征在于，针对这些特定路况警示事件，确认是否删除这些特定路况警示事件信息的步骤还包括：
若该信任度计数值高于该信任度门槛值时，进一步针对收到每一该特定路况警示事件的时间，取得该特定路况警示事件所对应的一警示事件有效时间；
将该警示事件有效时间与一有效时间门槛值进行比对，若该警示事件有效时间大于该有效时间门槛值，则删除对应该特定路况警示事件的该特定路况警示事件信息。
19.如权利要求15所述的车用特定路况警示方法，还包括
进行即时感知程序，用以取得车辆动态数据；
针对该车辆动态数据进行辨识，以确认是否为该特定路况警示事件，若是，则送出该特定路况警示事件。
20.如权利要求19所述的车用特定路况警示方法，其特征在于，该即时感知程序包括接收至少一个感测数据，并据以分析出该车辆动态数据；以及
对该车辆动态数据进行辨识，动态数据并即时分析该车辆动态数据以判断目前行车状态与行车环境是否符合定义为该特定路况警示事件条件，若是，则传送该特定路况警示事件。
21.如权利要求20所述的车用特定路况警示方法，其特征在于，目前行车状态与行车环境是否是否符合定义为该特定路况警示事件条件，包括路面颠颇、剎车频繁、急转弯或异于车辆正常行驶动态的环境。
22.如权利要求20所述的车用特定路况警示方法，还包括使用一行车动态感知器，用以分析车辆即时的感测数据，以获得车辆的动态数据。
23.如权利要求22所述的车用特定路况警示方法，其特征在于，该行车动态感知器包括使用一陀螺仪或一加速规。
24.如权利要求22所述的车用特定路况警示方法，其特征在于，该行车动态感知器所测得的该车辆行驶状态的感测数据包括三轴加速度、角速度、转向角、引擎转速或车速其中之一或其组合。
25.如权利要求15所述的车用特定路况警示方法，其特征在于，
所取得的这些特定路况警示事件信息是经由同一行车方向的多部先前经过与该车辆定位信息对应的一位置的车辆所发出的这些特定路况警示事件所取得。

车用特定路况警示系统与方法\n技术领域\n[0001] 本揭露内容是关于一种车用特定路况警示装置、系统与方法。\n背景技术\n[0002] 现有车用警示系统主要以雷达与摄影机作为感测元件，包括碰撞警示及完全主动剎车系统(Collision Warning with Full Auto Brake，CWFAB)、自动防撞设计(Automatic Collision Avoidance System，ACAS)、盲点预警系统(Blind Spot Information System，BSIS)与车道行车辅助（Lane Keeping Assist System，LKAS）等。根据内政部警政署统计数据显示，其中因交通事故造成当场或24小时内死亡的原因包含违规超车、逆向行驶、超速失控与未依规定转弯等14大类，其中有比例高达1/3死亡的原因是与未注意特定路况有关，例如发生在均速降低、障碍物、颠簸、险下坡与频繁加减速等各种存在会影响正常驾驶行为与事件的路段，显见特定路况的警示对行车安全的重要。\n[0003] 目前警示系统所提供的警示信息仅与正在发生的特定车况有关，如前车距、盲点车辆与车前行人等，且个别车辆所获得的感测信息亦无法分享。而对于因外在环境所造成的特定路况，目前车上尚无对应的机制可主动地即时或提前警示驾驶与乘客。\n[0004] 根据2010年3月16日所公告的美国第7,679,499号专利，Yasufumi Yamada所提出的警告系统(“Warning System”)，提到侦测特定驾驶的驾驶操作(Driver Operation)是否与先前所纪录的危险驾驶行为相同，并提醒驾驶不要作重复的危险驾驶行为。此专利揭露一种驾驶行为数据库，记录特定驾驶于该路段曾经发生过的危险驾驶行为。透过比对车辆当下位置是否接近该数据库中的危险驾驶历史纪录，若是则于予提前警示。\n[0005] 根据2006年6月6日所公告的美国第7,057,532号专利，Michael Shafir与Yossef Shiri所提出的道路安全警告系统与方法(“Road Safety Warning System and Method”)，揭露一种提醒驾驶即将靠近的交通法规，如禁止右转、速限等，并判断驾驶目前的操控行为是否符合其安全规范，若不符合规则对驾驶发出警告。该等专利所揭露的系统，其交通法规数据库存放于车上，可凭借射频(Radio Frequency,RF)传送接收器(Transceiver)更新内容。\n[0006] 根据2010年8月19日所公开的美国第2010/0207787号专利申请公开案内容，J.Corey Catten等人所提出的警告驾驶人道路信息的系统与方法(“System And Method For Alerting Drivers To Road Conditions”)，揭露一种利用图资与车上的感测装置，判断特定路线上的限速或平均速度是否改变。在一般情况中，若由图资中发现某特定路线上的不同路段有限速改变的特征，即会成为一警示事件。若由车辆上的感测器发现某特定路线上有因施工、车祸等事件造成平均速度与该路段限速存在差异，即会回报后台。若车上监控装置发现车辆速度超过其平均速度或限速，即会于予警告。\n发明内容\n[0007] 为解决上述问题，本发明提供一种车用特定路况警示系统与方法。\n[0008] 本揭露内容多个实施例其中之一，提出一种车用特定路况警示装置，适用车用特定路况警示系统。此车用特定路况警示装置可装置于车辆内。此车用特定路况警示装置包括一即时感知警示单元以及一提前感知警示单元。此即时感知警示单元用以取得车辆动态数据，并针对车辆动态数据进行辨识，以确认是否为一特定路况，若是，则即时发出警示，并回报为即时感知警示事件。提前感知警示单元用以取得一车辆定位信息以及多个特定路况警示事件信息，并根据每个该特定路况警示事件信息所对应的警示位置与该车辆定位信息比对，据以判断是否发出对应这些特定路况警示事件信息的警示讯号。\n[0009] 本揭露内容多个实施例其中之一，提出一种车用特定路况警示系统，包括一储存装置、一协同式自动学习单元以及一提前感知警示单元。储存装置用以储存一行车信息数据库，其中行车信息数据库用以储存多个特定路况警示事件信息。协同式自动学习单元用以接收多个即时感知警示事件信息，以确认是否新增、更新与解除储存在行车信息数据库的特定路况警示事件信息。提前感知警示单元用以取得一车辆定位信息以及所述特定路况警示事件信息，并根据每个特定路况警示事件信息所对应的警示位置与车辆定位信息比对，据以判断是否发出对应所述特定路况事件的警示讯号。\n[0010] 在一实施例中，所述的车用特定路况警示系统，更包括一即时感知警示单元，用以取得车辆动态数据，并针对车辆动态数据进行辨识，以确认是否为即时感知警示事件，若是，则传送即时感知警示事件到协同式自动学习单元，并即时警示驾驶。\n[0011] 在一实施例中，所述的车用特定路况警示系统，更包括一提前感知警示单元，用以取得一车辆定位信息以及所述特定路况警示事件信息，再根据特定路况警示事件信息所对应的警示位置与车辆定位信息比对，据以判断是否发出对应所述特定路况事件的警示讯号。本揭露内容多个实施例其中之一，提出一种车用特定路况警示方法，后台即时事件接收模块接收多个即时感知警示事件，以确认是否新增、更新与解除储存在一行车信息数据库的多个特定路况警示事件信息。所获得的行车信息数据库再同步更新至车内的警示位置数据库，藉以维持车内警示位置数据库的正确性。\n[0012] 在一实施例中，所述的车用特定路况警示方法，更包括进行即时感知程序，用以取得车辆动态数据。针对车辆动态数据进行辨识，以确认是否为即时感知警示事件，若是，则即时送出所述即时感知警示事件。\n[0013] 在一实施例中，所述即时感知程序包括接收至少一个感测数据，并据以分析出车辆动态数据。对车辆动态数据进行辨识，以确认是否为即时感知警示事件。\n[0014] 为让本揭露内容的上述特征和优点能更明显易懂，下文特举实施例，并配合所附附图作详细说明如下。\n附图说明\n[0015] 图1是说明本揭露内容所提出的车用特定路况警示系统，包括一事件自动学习的机制示意图。\n[0016] 图2是说明本揭露内容所提出的车用特定路况警示系统，运用在道路上多台行驶中的车辆系统示意图。\n[0017] 图3为说明本揭露内容所提出的车用特定路况警示系统架构示意图。\n[0018] 图4A为本揭露内容的车用特定路况警示系统具体技术流程示意图。\n[0019] 图4B是说明多个实施例其中之一的即时感知警示单元的运作流程示意图。\n[0020] 图4C是说明多个实施例其中之一的提前感知警示单元的运作流程示意图。\n[0021] 图5为说明本揭露内容所提出的车用特定路况警示系统架构中，关于协同式自动学习机制的多个实施例其中之一的运作流程示意图。\n[0022] 图6是说明判断警示特定路况事件有效性的流程示意图。\n[0023] 图7A~7E为说明本揭露内容多个实施例其中之一的行车信息数据库的警示特定路况事件新增可信事件说明示意图。\n[0024] 图8A~8E为说明本揭露内容多个实施例其中之一的行车信息数据库删除无效事件。\n[0025] 附图标记\n[0026] 110：车辆\n[0027] 112：信息处理装置\n[0028] 114：显示装置\n[0029] 120：无线网络\n[0030] 130：后台数据库\n[0031] 140、150：车辆\n[0032] 210、220、230与240：车辆\n[0033] 212、222、232、242：信息处理装置\n[0034] 272、274、276：警示地点\n[0035] 260：无线网络\n[0036] 250：后台数据库\n[0037] 300：车内系统\n[0038] 302：车辆\n[0039] 304：信息处理装置\n[0040] 310：车辆动态分析单元\n[0041] 312：车内动态感测器\n[0042] 314：其他感测器\n[0043] 320：特定路况辨识单元\n[0044] 322：路况回报介面\n[0045] 330：警示位置比对单元\n[0046] 332：GPS接收器\n[0047] 340：警示位置数据库\n[0048] 342：数据库更新界面\n[0049] 350：显示装置\n[0050] 360：无线传输系统\n[0051] 370：后台系统\n[0052] 372：即时事件接收模块\n[0053] 374：协同式自动学习单元\n[0054] 376：行车信息数据库\n[0055] 378：数据库即时更新模块\n[0056] 402：车内\n[0057] 404：后台\n[0058] 410：即时感知警示单元\n[0059] 420：提前感知警示单元\n[0060] 412：行车动态数据感知流程\n[0061] 414：特定路况辨识流程\n[0062] 422：车辆的行车定位信息取得流程\n[0063] 424：警示位置数据库\n[0064] 426：警示位置比对流程\n[0065] 430：显示器\n[0066] 432：特定路况警示流程\n[0067] 440：协同式自动学习步骤\n[0068] 442：事件有效性参数库\n[0069] 606：警示事件有效性参数库\n[0070] 710、720、730：车辆\n[0071] 810、820、830、840：车辆\n具体实施方式\n[0072] 下面结合附图，对本发明做进一步的详细描述。\n[0073] 本揭露内容设计一车用特定路况警示系统，以安装于车辆上的信息处理装置观察并辨识前方特定路况，达到即时警示的功能，并同时将所辨识的特定路况事件回传至后台。透过后台协同式自动学习机制，各车辆所感测到的相同事件信息可验证与比对，以维持后台警示事件数据库的准确性，并凭借计算出的不同信任度，定义不同程度的通报或警示事件。后台所维护的行车信息数据库再同步更新至车内的警示位置数据库，透过车内警示位置数据库的特定路况位置信息与车辆即时位置比对，达到特定路况事件的提前警示的功能。\n[0074] 上述适用于本揭露内容设计一车用特定路况警示系统，提供“特定路况”包括道路信息、车道信息或任何适用于行车的非一般道路相关信息。而此特定路况包括即时的路况信息与长期存在的路况信息，这些路况信息不同于一般平稳与和缓的行驶方式，存在一些易造成驾驶分心的潜在危险性，具影响行车安全的疑虑。以即时状态为例如车祸或频繁加减速等；而以长期存在的路况为例，则如修桥、施工与急转弯道路等。上述路况亦为判断是否符合定义为特定路况警示事件条件。\n[0075] 凭借车用特定路况警示系统，可即时与提前提供车辆当下与即将发生的特定路况警示，使驾驶与乘客在事件发生前有更充裕的反应时间，增进驾驶与乘客危机意识，减少伤害发生的机会。\n[0076] 除此之外，利用后台协同式自动学习机制，可以搜集与分析行经相同路段或是相同车流方向的多台前车信息，提供给预定通过相同路段的后车进行判断，甚至依据不同时段或相连接路段信息，以利找出建议的道路信息，例如可以改道行驶，以节省行车的时间，或者建议优先避开因特定路况分析警示为危险权重较高的路段。\n[0077] 另外，利用后台协同式自动学习机制，可以收集行经相同路段或是相同车流方向的多台前车信息，尽速将所判断的路况通报给主管机关或救援机关。以利更即时排除重大的事件或是提供最佳援助。例如前车因为抛锚而需要救援，此时行经同一路段的多辆车子即可回报车辆内即时感知路况信息，以利救援或即时更新抛锚事件移除。\n[0078] 在一实施例中，本揭露内容所提出的车用特定路况警示系统，包括装置于车内的行车动态数据感知单元与特定路况事件辨识单元，而后台系统包括协同式自动学习单元。\n特定路况警示提供驾驶与乘客目前行驶环境与预先提醒可能靠近的特定路况，使驾驶与乘客有更充裕的反应时间。\n[0079] 在多个实施例中，上述的行车动态数据感知，可透过陀螺仪、加速规与车上诊断系统(On-Board Diagnostics，OBD)等感测器撷取行车动态感测数据，如车辆行驶的三轴加速度、角速度、转向角、引擎转速、车速等感测信息，以获得车辆行驶的动态数据。\n[0080] 上述的行车动态数据感知，可以搭配车内的全球定位系统(Global Positioning System，GPS)，提供车辆行驶的动态数据，再利用协同式自动学习单元信息，判断相同车流方向的各车辆GPS变化，可判断是否存在特定路况或异常事件如走山、车辆抛锚等，以对后车发出警示，提醒后车驾驶提前改道。\n[0081] 在多个实施例中，上述的特定路况事件辨识单元，可利用讯号处理技术，判断出该行车信息是否为特定路况通报事件或是特定路况警示事件。\n[0082] 在多个实施例中，上述的协同式自动学习单元，包括利用多台车辆的动态数据，实现自动新增、更新与解除特定路况警示事件于后台的行车信息数据库，并同步更新至车内的警示位置数据库。\n[0083] 而上述的自动新增记录，在多个实施例其中之一，是将特定路况事件辨识的结果回传至后台，后台利用事件信任度与信任度门槛值来判定是否更新至数据库，进行自动新增纪录。\n[0084] 而上述的自动解除记录，在多个实施例其中之一，是将特定路况事件辨识的结果回传至后台，后台利用事件信任度、信任度门槛值、有效时间与有效时间门槛值来判定是否更新至数据库，进行自动解除纪录。\n[0085] 本揭露内容所提出的车用特定路况警示系统，如图1所示，包括一事件自动学习的机制。此事件自动学习的机制是透过行经一路段的多台车辆，如图1所示，利用车辆110内建的信息处理装置112(车内数据库)，进行撷取车辆的行车动态感测数据，辨识出目前行驶环境中的特定路况信息，并可透过无线网络120传输至后台协同式自动学习单元的后台数据库130，透过协同式自动学习机制，来建立与更新后台的行车信息数据库，以达到资源共享与警示准确率提升等功能。动态感知的信息除了回传给后台数据库130外，并可从后台的协同式自动学习单元预先取得相关的特定路况警示信息，并可即时的显示在显示装置114上，以提供相关信息给车辆110的驾驶。\n[0086] 同路段的车辆，如附图的车辆140与150，可比对本身行车位置与车上的信息处理装置内的警示位置数据库，当车辆靠近特定警示路况位置时，系统便可提前、并主动显示警示信息，提供驾驶与乘客更充裕的反应时间。\n[0087] 请参照图2，是说明本揭露内容所提出的车用特定路况警示系统，运用在道路上多台行驶中的车辆系统示意图。在同一道路上，包括车辆210、220、230与240，每个车辆分别配备信息处理装置212、222、232、242，每个信息处理装置至少包括一个警示位置数据库。而目前在道路上的警示地点包括272、274、276，这些警示地点可透过信息处理装置、无线网络\n260与后台协同式自动学习单元的后台数据库250进行通联与动态更新。\n[0088] 在此以车辆210为例进行说明。当车辆210通过警示地点272之前，可以经由后台数据库250取得相关的警示信息，而到了接近警示地点272时，特定路况警示技术自动提供驾驶与乘客目前行驶环境与预先提醒可能靠近警示地点272的特定路况，使驾驶与乘客有更充裕的反应时间。\n[0089] 而当车辆210通过警示地点272之后，车辆210的信息处理装置212，可进行行车动态数据的感知，例如，可透过陀螺仪、加速规等感测器撷取行车动态感测数据，如车辆行驶的三轴加速度、角速度、转向角、引擎转速、车速等感测信息，以获得车辆行驶的动态数据。而取得的动态数据，可以即时地进行特定路况事件辨识并将辨识结果回报给后台协同式自动学习单元。利用多台车辆所汇整的路况信息，实现自动新增、更新与解除特定路况警示事件于后台的行车信息数据库。\n[0090] 协同式自动学习单元根据多台车辆的动态数据所辨识的特定路况信息，新增、更新与解除行车信息数据库内的特定路况信息，并立即同步地更新车上的警示位置数据库。\n例如，若是经过多辆车辆的动态数据判断后，认为警示地点272已经不需要进行警示，则可更新其后台数据库250的信息。而下一辆行经的车辆，例如车辆240，其信息处理装置242的警示位置数据库，会取得更新的信息，并且不会收到警示地点272的特定路况信息。\n[0091] 请参照图3，为说明本揭露内容所提出的车用特定路况警示系统架构示意图。此车用特定路况警示系统架构包括车内系统300与后台系统370。\n[0092] 车内系统300包括一车用特定路况警示装置，位于车辆内部，包括信息处理装置\n304与显示装置350。每台车辆可配置独立的车内系统300，在此以车辆302作说明。\n[0093] 后台系统370则是包括即时事件接收模块372、协同式自动学习单元374、行车信息数据库376与数据库即时更新模块378。透过即时事件接收模块372从车辆302的车内系统300，或是其他车辆的车内系统接收各车辆的特定路况警示事件信息，再经由协同式自动学习单元374自动比对来自各车辆的特定路况警示事件，以确认是否新增、更新与解除特定路况警示事件，并进一步更新行车信息数据库376的内容。而透过数据库即时更新模块378，可以经由任何一传输媒介，传送到各车辆的车内系统中。例如透过附图的无线传输系统360进行传输，实现后台与车内系统的双向传输。\n[0094] 车内系统300在一实施例中，可包括信息处理装置304与显示装置350。信息处理装置304可置于车辆302内部。信息处理装置304包括车辆动态分析单元310、特定路况辨识单元320与警示位置比对单元330。\n[0095] 车辆动态分析单元310透过车内动态感测器312或是其他感测器314，例如各种车内外的感测器，如可透过陀螺仪、加速规等感测器撷取行车动态感测数据，如车辆行驶的三轴加速度、角速度、转向角、引擎转速、车速等感测信息，以获得车辆行驶的动态数据。此车内动态感测器312或是其他感测器314可以是原本车辆302内部的基本配备，或是依照不同的功能配置于信息处理装置304内，亦或透过介面与信息处理装置304连接，此依照设计上的需要而定。\n[0096] 车内系统300更包括车内的数据库，储存在一储存装置内，用以取得特定路况信息，例如附图的警示位置数据库340，可位于信息处理装置304内部或其他装置的储存空间内，例如可抽取式的记忆体内。利用数据库更新介面342，可与后台系统370的即时事件接收模块372进行通联，以更新警示位置数据库340所储存的特定路况信息。而警示位置比对单元330接收来自一车辆定位信息产生装置所产生的车辆位置信息。此车辆定位信息产生装置例如附图的GPS接收器332。警示位置比对单元330进一步从警示位置数据库340取得一或多个特定路况信息，并且经由比对后，透过显示装置350显示于车内，以提醒驾驶注意即将遇到的特定路况。\n[0097] 在此车用特定路况警示系统架构系统中，特定路况辨识单元320与警示位置比对单元330为主要运作核心，安装于车内特定位置来收集车上行车动态感知数据，并透过相关路况回报介面322，来与后台系统370进行沟通。由特定路况辨识单元320所判断出的事件除可透过显示装置350即时显示于车内以提醒驾驶注意之外，亦同步传送到后台系统\n370，以提供后台系统370对行车信息数据库的异动。\n[0098] 而后台系统370功能为处理所有车辆辨识出的特定路况信息，透过协同式自动学习单元374来进行过滤、强度检测、信任度计算与自动更新行车信息数据库376，并透过数据库即时更新模块378，经由无线网络360予数据库更新界面342的传输，将特定路况位置信息即时更新至车上的警示位置数据库340中。\n[0099] 为达成本揭露内容的目的，本揭露内容透过车辆内的警示位置比对单元即时比对车辆定位信息与车内数据库中的特定路况信息，在车辆接近特定路况前，提前警示驾驶即将行经的特定路况信息，以提升驾驶行车安全。\n[0100] 请参照图4A，为本揭露内容的车用特定路况警示系统具体技术流程示意图。此流程主要可分为车内402与后台404两部分的系统运作。车内402运作流程包括即时感知警示单元410与提前感知警示单元420两部分。即时感知警示单元410包括行车动态数据感知流程412，包括车辆动态感测信息撷取。另外更包括特定路况辨识流程414，辨识目前行驶路况是否为存在危险性的特定路况警示事件，如障碍物路段、颠簸路段或频繁加减速路段等。\n[0101] 而提前感知警示单元420包括进行车辆的行车定位信息取得流程422，并与警示位置数据库424的警示位置进行警示位置比对流程426，比对出车辆是否即将通过数据库中的特定路况，并提前发出警示信息以提醒驾驶注意，例如透过特定路况警示流程432警告驾驶，例如包括透过车内的显示器430通知驾驶注意。而车内的警示位置数据库424，是经由特定路况撷取流程460，从行车信息数据库450取得，该数据库存放特定路况相关信息，如路况类型、发生位置、发生时间、持续时间与强度等信息。车内的警示位置数据库424则透过特定路况撷取流程460对行车信息数据库450撷取关键警示信息如路况类型与发生位置。当行车信息数据库450更新时，警示位置数据库424也可在随后进行更新程序时，同步更新储存的特定路况信息。\n[0102] 而后台运作流程包括协同式自动学习步骤440，除了跟据所接收的同路段车辆所量测到的特定路况警示事件之外，更参酌事件有效性参数库442的内容。而协同式自动学习步骤440包括对同路段车辆所量测到的特定路况警示事件进行过滤、并且同步更新与纪录于行车信息数据库450，以维持数据库的准确性。\n[0103] 根据上述技术流程图，接下来将对即时感知警示单元、提前感知警示单元与协同式自动学习等主要运作机制进行详细运作步骤介绍。\n[0104] 请参照图4B，是说明多个实施例其中之一的即时感知警示单元的运作流程示意图。\n[0105] 步骤S400，启动即时感知警示单元。步骤S410，先同步撷取车上行车动态信息，包括各种配置于车辆的感测器，如可透过陀螺仪、加速规等感测器撷取行车动态感测数据，如车辆行驶的三轴加速度、角速度、转向角、引擎转速、车速等感测信息，以获得车辆行驶的动态数据。\n[0106] 步骤S420，进行特定路况的辨识，例如包括附图的步骤S422~S428。\n[0107] 首先，如步骤S422的讯号校正流程，对当下的行车感知动态数据，透过讯号校正机制将可能的噪声或基准值偏移量进行补偿。步骤S424，透过多重讯号分离机制，将实际行车动态讯号与可能干扰事件判断的讯号(如：怠速、摇晃或乘客走动等)进行分离。步骤S426，进行讯号强度检测，得到警示事件的强度，例如，取出实际行车动态讯号后，透过讯号强度判断或持续时间过滤等方法。接着，步骤S428，进行判断警示事件的强度是否大于门槛值。若警示事件的强度大于门槛值，则判断为警示事件，如步骤S430，若不是，则认定无警示事件。经过比对特定路况的特征值，辨识出目前车辆所行驶的特定路况信息。\n[0108] 所辨识出的即时感知警示事件除了即时警示驾驶目前行驶的特定路况信息外，亦同步传送至后台，提供协同式自动学习机制进行数据库的过滤、强度检测、信任度计算与自动更新等动作。\n[0109] 请参照图4C，是说明多个实施例其中之一的提前感知警示单元的运作流程示意图。\n[0110] 步骤S404，在启动提前感知警示单元启动后，如步骤S450，会先撷取GPS定位信息，以更新目前车辆的最新位置与时间等信息。\n[0111] 步骤S460为进行行车位置的比对，包括步骤S462~S464。如步骤S462，进行比对车辆位置与车上的警示位置数据库，判断目前车辆所行驶的位置附近是否存在有特定路况的历史信息。而是否存在有特定路况的历史信息，是从位于车上的警示位置数据库撷取数据，如步骤S474。而车上的警示位置数据来源，则是撷取来自后台的行车信息数据库的数据，如步骤S472。而行车信息数据库的数据来源，则是根据协同式自动学习对即时感知警示数据的维护，如步骤S470。\n[0112] 步骤S464，判断车辆是否靠近历史事件。若是，也就是判断车辆即将接近历史信息时，则如步骤S466，进行提前感知警示事件的通知，例如，撷取出特定路况的相关信息，并同步显示于车内显示装置上，以警示驾驶与乘客。若无靠近历史事件的情况，则如步骤S480，并没有提前感知警示事件的存在。\n[0113] 请参照图5，为说明本揭露内容所提出的车用特定路况警示系统架构中，关于协同式自动学习机制的多个实施例其中之一的运作流程示意图。在此运作流程中，提供车辆所辨识出的特定路况信息的即时车、内外数据库更新机制。由图5可知，协同式自动学习流程可由特定路况是否存在而区分为四种处理机制，以下将个别进行介绍。\n[0114] 步骤S502，开始协同式自动学习机制。\n[0115] 步骤S510，会先判断车辆是否侦测到即时感知警示事件，例如特定路况警示事件。\n接着再判断行车信息数据库在相同位置是否已经存有历史路况信息，而对应出几种相对的流程。\n[0116] 处理机制I：步骤S510，若车辆在此位置并没有侦测到即时感知警示事件，且如步骤S520，认定此位置并不存在历史的特定路况信息，则自动学习机制将直接结束，如步骤S502。\n[0117] 处理机制II：步骤S510中，若车辆在此位置侦测到即时感知警示事件，但如步骤S530，此位置不存在历史特定路况信息，则如步骤S532，系统将自动计算此事件的信任度。\n接着如步骤S534，对此事件的信任度与事件信任度门槛值进行比对。若此信任度大于事件信任度门槛值，则如步骤S536，视为有效的特定路况信息，并新增于行车信息数据库中，以提供同路线其他车辆在行经此路段时的特定路况警示。若此信任度小于事件信任度门槛值，则自动学习机制将直接结束，如步骤S502。\n[0118] 处理机制III：步骤S510中，若车辆在此位置侦测到即时感知警示事件，且步骤S530判断此位置存在有历史的特定路况信息，则代表此特定路况已经存在于数据库中，且确实被行经的其他车辆侦测到。此时，如步骤S538，则对特定路况的事件强度加以计数，例如将自动往上计数，代表此事件的强度提升，并如步骤S540，更新数据库相关旗标信息，而后结束。\n[0119] 处理机制IV：步骤S510中，若车辆在该位置并无侦测到即时感知警示事件，而步骤S520判断此位置存在有历史的特定路况数据，则进行步骤S522，系统将自动对此历史事件进行有效性的检测，此会参照事件有效性参数库506。进行步骤S524，判断此历史事件是否依然存在有效性，若是，则保留此历史事件，并持续检测。反之，若否，则如步骤S526，系统将自动将此历史事件的相关信息从数据库中移除。在一实施例中，事件的有效性的检测主要是针对信任度及其时间来进行判断。\n[0120] 协同式自动学习机制透过各种可能的无线网络介面，将行车信息数据库内的重要信息，如事件类别与位置，同步地更新至车上的警示位置数据库，使同路段的所有车辆能有最新，最可靠的特定路况信息。\n[0121] 上述步骤S522，系统将自动对此历史事件进行有效性的检测，针对历史事件有效性检测需搭配有效性参数库来判断其有效性是否已丧失。有效性检测包括利用信任度与事件发生时间等方式，使系统能对各种强度、类别或持续时间的特定路况来进行有效性检测。\n协同式自动学习机制主要为利用同路段车辆的即时路况辨识结果，并同步更新数据库内的历史信息，藉此达到资源共享以及自动学习的优点。\n[0122] 请参照图6，对于行车信息数据库新增特定路况事件与行车信息数据库删除特定路况事件，必须判断警示特定路况事件是否有效的流程，其流程示意图如图6所述。\n[0123] 如步骤S602，开始判断警示特定路况事件，并且参照警示事件有效性参数库606以作为判断依据。步骤S610，若经过车辆没有侦测到特定路况事件存在，则警示事件旗标自动递减，此旗标值例如根据经过的车辆有没有侦测到特定路况事件存在，也就是例如事件的信任度等等。\n[0124] 而后，步骤S620，判断旗标计数值是否小于门槛值，此门槛值例如为信任度门槛值。若是，则如步骤S630，丧失此特定路况事件的有效性。若否，则在进一步进行步骤S640，对于警示事件有效性进行计算。例如从前次回传侦测到特定路况事件到目前的时间，此为警示事件有效时间与有效时间门槛值的计算。步骤S650，根据计算的结果，判断有效性计算值是否大于有效时间门槛值，若是，则如步骤S630，丧失此特定路况事件的有效性。但若否，则如步骤S660，维持此特定路况事件的有效性。\n[0125] 根据上述的流程，底下将以两个实施例包括行车信息数据库新增特定路况事件与行车信息数据库删除特定路况事件，并具体说明协同式自动学习演算法的学习流程。\n[0126] 首先，定义演算法所需参数，如底下的表一所示。\n[0127] 表一：演算法参数表\n[0128] \n[0129] 行车信息数据库新增可信事件的流程如下：\n[0130] 1.若一车辆经过警示地点i，而侦测到警示事件的发生，则Si＝Si+1，也就是特定路况事件i的强度加一，否则Si维持原值。\n[0131] 2.若Ni≥θN，也就是特定路况事件i已经过的车辆数Ni大于或是等于车辆样本数门槛值θN，则ci＝Si/Ni。\n[0132] 3.若ci≥θc，也就是第c阶信任度门槛值，则在警示地点i所侦测到的警示事件则将为可信事件，并且对行车信息数据库新增此特定路况事件。\n[0133] 在上述的演算法中，在警示地点i发生的特定路况事件i必须具备足够的信任度ci才会存入行车信息数据库内。若警示地点i有车辆通过且与前车同样侦测到特定路况事件i存在，则累加强度Si，表示特定路况事件i持续发生中，信任度ci亦持续增加；若警示地点i有车辆通过且并无侦测到特定路况事件i存在，则强度Si不变，表示特定路况事件i消失中，信任度ci则减少。若信任度ci满足第1阶信任度门槛值条件：\n[0134] ci≧θc\n[0135] 便将特定路况事件i存入行车信息数据库内。\n[0136] 另外，行车信息数据库删除可信事件的流程如下：\n[0137] 1.若一车辆经过警示地点i，而在时间区间δi内侦测到警示事件的发生，则Si＝Si+1，也就是特定路况事件i的强度加一，否则Si维持原值。\n[0138] 2.ci=Si/Ni。\n[0139] 3.Ti=Ti’×αi+δi×βi，也就是特定路况事件i的有效时间的门槛值Ti为特定路况事件i的基础时间Ti’乘以基础时间有效性转换系数αi的乘积加上特定路况事件i发生的持续时间δi乘以持续时间有效性转换系数βi。\n[0140] 在行车信息数据库中的各事件i的保留与否可由其信任度与时间决定。首先，是否删除无效特定路况事件的第一种判断方式为采用信任度判断其条件为：\n[0141] ci<θ1\n[0142] 若满足上式，表示特定路况事件i发生次数已够小，可推论已复原至一定程度，故可以删除行车信息数据库内的特定路况事件i。此外亦可判断特定路况事件i时间，时间可考量特定路况事件i的基础时间Ti’与其持续时间δi，一般来说，越剧烈与持续越久的特定路况事件i将需要更长的恢复时间，依此可设计判断时间的门槛值为\n[0143] Ti=T′i×αi+δi×βi\n[0144] 其中基础时间Ti’正比于特定路况事件i最后一次发生时的剧烈程度；持续时间δi为特定路况事件i最后一次发生时的持续时间；系数αi随着强度si减少而递减；系数βi随着时效性ti减少而递减。若满足\n[0145] ti≧Ti\n[0146] 也就是经过ti时间才侦测到下一个特定路况事件，但时间已经超过判断时间的门槛值后，表示特定路况事件有效时间已过，可以删除行车信息数据库内的特定路况事件i，此为判断是否删除无效特定路况事件的第二种判断方式。\n[0147] 请参照图7A到图7E，为说明本揭露内容多个实施例其中之一的行车信息数据库警示特定路况事件新增可信事件说明示意图。\n[0148] 如图7A的参数定义表，亦可参照表一的内容，其中包括：\n[0149] Ni：特定路况事件i已经过车辆数\n[0150] ci：特定路况事件i的信任度\n[0151] si：特定路况事件i的强度\n[0152] θN：车辆样本数门槛值\n[0153] θc：第c阶信任度门槛值\n[0154] Ti：特定路况事件i的有效时间门槛值\n[0155] Ti’：特定路况事件i的基础时间\n[0156] ti：特定路况事件i发生后至距离车辆经过的时间\n[0157] δi：特定路况事件i发生的持续时间\n[0158] αi：基础时间有效性转换系数\n[0159] βi：持续时间有效性转换系数\n[0160] 请参照图7B，假设位置C(120.27,24.19)潜在一特定路况事件1，且特定路况事件\n1已经过的车辆数N1=7、特定路况事件1的目前强度s1=4、特定路况事件1的目前信任度可计算为\n[0161] c1=(s1∕N1)=4/7=0.5714\n[0162] 定义车辆样本数门槛值θN=2、第1阶信任度门槛值θ1=55%、第2阶信任度门槛值θ2=60%、第3阶信任度门槛值θ3=65%。达到第1阶信任度门槛值将以G(绿色)表示、第2阶信任度门槛值将以Y(黄色)表示、第3阶信任度门槛值将以R(红色)表示。上述由不同信任度门槛值以不同层级的警示标示或是讯号来表示，属多层级提前通知警示的机制，而使用的层级数量，可以依据不同路段的使用频率或是重要性而调整，并非以三层为限。而采用不同颜色的标示，可凭借让车辆的驾驶或是乘客，直接从颜色区分其急迫或是重要性，此亦为本实施例的不同实施方式之一。\n[0163] 由于特定路况事件1的信任度c1为0.5714，大于第1阶信任度门槛值θ1(55%)，但是小于第2阶信任度门槛值θ2(60%)，因此属于达到第1阶信任度门槛值的特定路况事件，因此，如图所示以S1-G表示。\n[0164] 请参照图7C，以侦测到新的特定路况事件为例。车辆710于位置B(120.29,24.15)侦测到新的特定路况事件2，后台纪录特定路况事件2强度为s2=1。由于N2=1，特定路况事件2的信任度c2为暂不计算。\n[0165] 接着如图7D所示，车辆710到达位置C(120.27,24.19)接收到S1-G提前感知警示，并侦测到特定路况事件，也就是特定路况事件还是存在。因此，特定路况事件强度重新计算为\n[0166] s1=4+1=5\n[0167] 计算特定路况事件1的信任度为\n[0168] c1=5/8=0.625\n[0169] 由于此时已满足c1>θ2，故将特定路况事件1提升为Y(黄色)警示，如图注记为“S1-Y”。此时车辆720开至位置B(120.29,24.15)，并未侦测到特定路况事件2。此时通过特定路况事件2的车辆数N2=2，等于θN，因此开始计算特定路况事件2的信任度：\n[0170] c2=1/2=0.5\n[0171] 如图7D所示。但由于c2仍小于第1阶信任度门槛值θ1(55%)，因此特定路况事件2还不会新增至行车信息数据库。\n[0172] 请参照图7E，车辆720到达位置C(120.27,24.19)前，由于特定路况事件1已提升为Y(黄色)警示，故系统会提前警示驾驶与乘客注意特定路况事件1为Y(黄色)警示。\n此时，车辆720与车辆730分别侦测到特定路况事件1与特定路况事件2，因此同时更新信任度c1与c2。此时c2=0.67(2/3)，大于第3阶信任度门槛值θ3(65%)，因此新增特定路况事件2至行车信息数据库。而信任度c1也是变更为0.67(2/3)，大于第3阶信任度门槛值θ3(65%)，因此特定路况事件1与特定路况事件2都是列为第3阶信任度门槛值的红色警示，如附图的“S1-R”与“S2-R”。\n[0173] 请参照图8A到图8E，为说明本揭露内容多个实施例其中之一的行车信息数据库删除无效事件。\n[0174] 假设行车信息数据库中记录位置B(120.29,24.15)具有一特定路况事件1(附图中的“警告点1”)，且特定路况事件1已经过的车辆数N1=11、强度s1=4、信任度门槛值只有\n1阶为θc=30%，事件1的基础时间T’=90分钟、事件持续时间δ1=2分钟、基础时间有效性转换系数α1初始值=1、持续时间有效性转换系数β1初始值=1。\n[0175] 请参照图8A，特定路况事件1的信任度计算：\n[0176] c1=4/11=0.36\n[0177] 由于c1≥θc，故此事件会存放于行车信息数据库内，车辆接近时会收到提前警示。\n[0178] 请参照图8B，若车辆810经过位置B(120.29,24.15)前，车辆810将会收到提前警示信息。另外，车辆810并没有侦测到即时感知警示信息。\n[0179] 请参照图8C上方，由于车辆810无侦测到即时感知警示信息，此时，α1= 1，β1=1，s1=4，N1＝12，距离最近一次特定路况事件1被侦测到的时间为20分钟。更新特定路况事件信任度c1，并判断此特定路况事件信任度c1是否小于信任度门槛值，或是被侦测到的有效时间大于有效时间的门槛值Ti(Ti=Ti’×αi+δi×βi)，也就是特定路况i的有效时间门槛值Ti为特定路况事件i的基础时间Ti’乘以基础时间有效性转换系数αi的乘积加上特定路况事件i发生的持续时间δi乘以持续时间有效性转换系数βi。\n[0180] c1=4/12=0.33\n[0181] T1=Ti’×αi+δi×βi=90×1+2×1=92\n[0182] 由于特定路况事件信任度c1大于信任度门槛值，而且侦测到的时间(20分钟)也小于T1(92)，未达到删除此特定路况事件1的条件，因此，仍保留特定路况事件1。\n[0183] 如图8C所示，第二台车辆820经过位置B(120.29,24.15)前，会收到提前警示信息。另外，车辆820也未侦测到即时感知警示信息。\n[0184] 请参照图8D上方，由于车辆820未侦测到即时感知警示信息，此时α1=0.9，β1=0.8，s1=4，N1=13，距离最近一次特定路况事件1被侦测到的时间为35分钟。更新特定路况事件信任度c1，并判断此特定路况事件信任度c1是否小于信任度门槛值，或是被侦测到的有效时间大于有效时间i的门槛值Ti。在此说明，系数αi随着强度si减少而递减；系数βi随着时效性ti减少而递减。\n[0185] c1=4/13=0.31\n[0186] T1=Ti’×αi+δi×βi=90×0.9+2×0.8=82.6\n[0187] 由于特定路况事件信任度c1大于信任度门槛值，而且侦测到的时间(20分钟)也小于T1(92)，均不满足，故保留特定路况事件1。\n[0188] 如图8D所示，第三台车辆830经过位置B(120.29,24.15)时，会收到提前警示信息。\n[0189] 请参照图8E上方，由于第三台车辆830经过位置B并没有侦测到即时感知警示信息，此时，α1=0.8，β1=0.7，s1= 4，N1＝14，距离最近一次事件1被侦测到的时间为45分钟。\n更新特定路况事件信任度c1，并此特定路况事件信任度c1是否小于信任度门槛值，或是被侦测到的有效时间大于有效时间i的门槛值Ti。。\n[0190] c1=4/14=0.29\n[0191] T1=Ti’×αi+δi×βi=90×0.8+2×0.7=73.4\n[0192] 由于此特定路况事件信任度c1小于信任度门槛值θc(30%)，故删除特定路况事件\n1。\n[0193] 如图8E所示，由于特定路况事件1已于行车信息数据库中删除，故车辆840经过时，将无提前警示信息显示。\n[0194] 本发明的技术内容及技术特点已如上公开，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。