本發明涉及一無線通信技術，尤其涉及基于一機器學習模型或一人工智能模型的一交通分析。
背景技術：
1、除非本文另有說明，否則本小節所描述的方法相對于本發明的權利要求而言不構成現有技術，且其也不會被承認為現有技術。
2、在現有技術中，人工智能(artificial?intelligence，ai)被廣泛地應用在不同應用中。舉例來說，一機器學型模型或一ai分析模型可應用在交通分析。然而，因為邊緣裝置運算能力的限制，大部分經由機器學習模型或ai分析模型來進行交通分析的操作通常都是在一后端設備(例如：一遠端服務器或一云端服務器)執行。也就是說，邊緣裝置需要先傳送影片的后端設備，后端設備才使用機器學習模型或ai分析模型，根據影片來進行交通分析。因此，可能會產生交通分析的延遲。
3、因此，如何在邊緣裝置更即時且快速地進行交通分析是一值得討論的課題。
技術實現思路
1、以下概述僅是說明性的，并不旨在以任何方式進行限制。也就是說，提供以下概述以介紹本文描述的新穎和非顯而易見的技術的概念、要點、益處和優點。選擇的實施方式將在下文詳細描述中進一步描述。因此，以下的
技術實現要素：
并不旨在標識所要求保護的主題的本質特征，也不旨在用于確定所要求保護的主題的范圍。
2、本發明的一個目的是提出與移動通信中的交通分析有關的方案、構思、設計、系統、方法和設備。可以相信，通過實現本文描述的一個或多個所提出的方案，可以避免或減輕上述問題。
3、本發明一實施例提供一交通分析裝置。交通分析裝置可包括一相機、一處理器和一存儲器。相機可用以提取關聯于一道路景象的影片。存儲器可耦接處理器。處理器可用以使用一第一機器學習模型分析影片的一第一片段，以產生一第一交通描述，將第一交通描述嵌入和影片的第一片段同步的一第一影片編碼參數中，以及使用一第二機器學習模型，根據第一影片編碼參數，分析影片的一第二片段，以產生一第二交通描述。
4、在一些實施例中，第一機器學習模型可包括卷積神經網絡(convolutionalneural?network，cnn)模型，且第二機器學習模型可包括一轉換(transformer)模型。
5、在一些實施例中，處理器更可用以在一第一時段期間，產生第一交通描述，以及在一第二時段期間，產生影片從第一片段到第二片段的第二交通描述。上述第二時段可長于上述第一時段。
6、在一些實施例，處理器更可用以通過第一機器學習模型取得在影片第一片段的一對象的第一位置，將第一位置編碼至第一交通描述中，通過第二機器學習模型取得對象從第一片段到第二片段的軌跡，以及將軌跡編碼至第二交通描述中。
7、在一些實施例，處理器更可用以通過第一機器學習模型，判斷在第一片段的對象的一第一分類，將第一分類編碼至第一交通描述中，以及通過第二機器學習模型，根據第一分類和軌跡，產生對象從第一片段到第二片段的一描述。
8、在一些實施例中，處理器更可用以判斷交通分析裝置的運算資源，根據運算資源，判斷是否產生對象的第一分類和第一位置，以及當運算資源不足時，優先產生第一位置。
9、在一些實施例中，影片的第二片段可接續影片的第一片段，處理器更可用以將第二交通描述嵌入和影片的第二片段同步的一第二影片編碼參數中。
10、在一些實施例中，處理器更可用以通過第一機器學習模型取得在第二片段的對象的一第二位置和一第二分類，以及通過第二機器學習模型分析第二片段、第一影片編碼參數、第二位置，和第二分類，以產生關聯于對象的一描述。
11、在一些實施例中，影片可包括一交通號志，以及處理器更用以通過第一機器學習模型，判斷交通號志的交通號志階段。
12、在一些實施例中，處理器更用以從連接交通號志的一交通控制器取得交通號志的交通號志階段。
13、在一些實施例中，處理器更可用以在一服務器指示第一機器學習模型的準確性低于另一機器學習模型的準確性時，切換第一機器學習模型至另一機器學習模型。
14、在一些實施例中，處理器更可用以根據服務器的指示，判斷是否更新第一機器學習模型和第二機器學習模型。服務器可計算交通分析裝置的運算資源，以產生指示。
15、在一些實施例中，第一片段和第二片段分別可包括一第一群圖片和一第二群圖片。第一影片編碼參數和第二影片編碼參數分別可包括接續于第一群圖片的一第一補充增強信息(supplemental?enhancement?information，sei)和接續于第二群圖片的一第二補充增強信息。
16、在一些實施例中，當交通號志在綠燈階段，處理器更可用以使用一車流計算模型，以計算在影片的第一片段之前的一片段中，道路上車輛的數量。在一些實施例中，當交通號志在黃燈階段，處理器更可用以使用一快速車輛軌跡模型，以產生影片的一片段中車輛的軌跡。在一些實施例中，當交通號志在紅燈階段，處理器更可用以使用一車隊長度計算模型，以產生在影片一片段中，道路上等紅燈的車輛的總長度。
17、在一些實施例中，處理器更可用以通過第一機器學習模型，根據來自不同相機的多個影片，產生一分散交通描述，將分散交通描述嵌入每一影片的影片編碼參數中，以及根據分散交通描述判斷是否切換到另一機器學習模型。
18、本發明一實施例提供一交通分析方法。交通分析方法可應用于一交通分析裝置。交通分析方法可包括底下步驟。交通分析裝置可提取關聯于一道路景象的影片。接著，交通分析裝置可使用一第一機器學習模型分析影片的一第一片段，以產生一第一交通描述。接著，交通分析裝置可將第一交通描述嵌入和影片的第一片段同步的一第一影片編碼參數中。接著，交通分析裝置可使用一第二機器學習模型，根據第一影片編碼參數，分析影片的一第二片段，以產生一第二交通描述。
19、關于本發明其他附加的特征與優點，本領域技術人員在不脫離本發明的精神和范圍內，當可根據本案實施方法中所公開的交通分析方法和裝置，做些許的更動與潤飾而得到。
1.一種交通分析裝置，包括：
2.如權利要求1所述的交通分析裝置，其中上述第一機器學習模型可包一括卷積神經網絡，且上述第二機器學習模型可包括一轉換模型。
3.如權利要求2所述的交通分析裝置，其中上述處理器更用以：
4.如權利要求2所述的交通分析裝置，其中上述處理器更用以：
5.如權利要求4所述的交通分析裝置，其中上述處理器更用以：
6.如權利要求5所述的交通分析裝置，其中上述處理器更用以：
7.如權利要求1所述的交通分析裝置，其中上述影片的上述第二片段可接續上述影片的上述第一片段，且上述處理器更用以將上述第二交通描述嵌入和上述影片的上述第二片段同步的一第二影片編碼參數中。
8.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
9.如權利要求1所述的交通分析裝置，其中上述影片可包括一交通號志，以及上述處理器更用以通過上述第一機器學習模型，判斷上述交通號志的一交通號志階段。
10.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
11.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
12.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
13.如權利要求1所述的交通分析裝置，其中上述第一片段和上述第二片段分別包括一第一群圖片和一第二群圖片，以及其中上述第一影片編碼參數和一第二影片編碼參數分別包括接續于上述第一群圖片的一第一補充增強信息和接續于上述第二群圖片的一第二補充增強信息。
14.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
15.如權利要求1所述的交通分析裝置，其中上述處理器更用以：
16.一種交通分析方法，適用一交通分析裝置，包括：
17.如權利要求16所述的交通分析方法，其中上述第一機器學習模型可包一括卷積神經網絡，且上述第二機器學習模型可包括一轉換模型。
18.如權利要求17所述的交通分析方法，還包括：
19.如權利要求17所述的交通分析方法，還包括：
20.如權利要求19所述的交通分析方法，還包括：
21.如權利要求20所述的交通分析方法，還包括：
22.如權利要求16所述的交通分析方法，其中上述影片的上述第二片段可接續上述影片的上述第一片段，且上述處理器更用以將上述第二交通描述嵌入和上述影片的上述第二片段同步的一第二影片編碼參數中。
23.如權利要求16所述的交通分析方法，還包括：
24.如權利要求16所述的交通分析方法，其中上述影片可包括一交通號志，以及上述處理器更用以通過上述第一機器學習模型，判斷上述交通號志的一交通號志階段。
25.如權利要求16所述的交通分析方法，還包括：
26.如權利要求16所述的交通分析方法，還包括：
27.如權利要求16所述的交通分析方法，還包括：
28.如權利要求16所述的交通分析方法，其中上述第一片段和上述第二片段分別包括一第一群圖片和一第二群圖片，以及其中上述第一影片編碼參數和一第二影片編碼參數分別包括接續于上述第一群圖片的一第一補充增強信息和接續于上述第二群圖片的一第二補充增強信息。
29.如權利要求16所述的交通分析方法，還包括：
30.如權利要求16所述的交通分析方法，還包括：