新增物理合理性過濾 max_accel_kmh: 擋高信心誤讀(暴增不可能加速)

平滑前先剔除『從上一個有效讀數一秒內暴增超過 max_accel_kmh(25)』的讀數,
這類多為高信心 OCR 誤讀(如 4->70->76 conf 0.76~0.78),會造成假性提早起步。
只擋暴增,煞車減速不受限。實測擋掉 02 的 19:18 70/76 誤讀。

註: 雜訊路口的邊界精度受平滑視窗 ±3s 限制,仍有約 5 秒誤差(OCR 品質的物理極限)。

本次調整由 Claude Opus 4.8 (1M context) 協助處理。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

README.md

@@ -86,6 +86,7 @@ python auto_remove_redlight.py 01.MOV 03.MOV 05.MOV
 | `stop_seconds` | `4.0` | 連續停車超過幾秒判定為紅燈 |
 | `speed_threshold` | `0` | 時速 ≤ 此值視為停止 |
 | `min_confidence` | `0.7` | OCR 信心低於此值視為「讀不到」（交給平滑用前後判斷）|
+| `max_accel_kmh` | `25` | 物理合理加速上限（km/h 每秒）：機車不可能一秒從 4 衝到 70，超過此加速度的讀數視為高信心誤讀丟棄（只擋暴增，煞車減速不受限）|
 | `smooth_window` | `5` | 中位數濾波視窗（取樣點數） |
 | `depart_seconds` | `8.0` | 起步門檻（秒）：兩段停車間「持續行駛」需達到（滿）此秒數才算起步成功並保留（含這 8 秒）；不足者（起步 N 秒內又停）視為仍在等待，連同短暫蠕動一起剪掉（處理車陣走走停停） |
 | `depart_min_speed` | `15` | 真起步速度門檻（km/h）：一段移動要「加速到」此速度才算真起步/行駛而保留（連同前面龜速起點一起留）；若整段最高速都低於此（只是排隊龜速、從未真正騎走），整段改判停止剪掉 |

auto_remove_redlight.py

@@ -94,6 +94,9 @@ SPEED_THRESHOLD = 0                 # 時速 <= 此值視為「停止」。0 =
 MIN_CONFIDENCE  = 0.70              # OCR 信心低於此值的結果視為「未知」(交給平滑用前後判斷)
                                     #   0.7 可濾掉停車時的低信心誤讀(如把 0 看成 70@0.57)
 MAX_SPEED       = 300               # 合理時速上限,超過視為誤判(雜訊),當成未知
+MAX_ACCEL_KMH   = 25                # 物理合理加速上限(km/h 每秒)。機車不可能一秒從 4 衝到 70,
+                                    #   超過此加速度的讀數視為誤讀丟棄(擋高信心誤讀,如 4->70)。
+                                    #   只限制「暴增」;煞車減速很快,不受此限。
 
 # --- 平滑濾波(關鍵!解決停車時 OCR 在 0 與雜訊間跳動的問題)----
 # 停車時 OCR 多數讀到 0,但偶爾蹦出單格雜訊(6、60…)或空值,會把「連續停車」
@@ -323,13 +326,27 @@ def smooth_speeds(samples: List[Sample], window: int) -> List[int]:
     if n == 0:
         return []
 
+    spd: List[Optional[int]] = [s.speed for s in samples]
+
+    # 物理合理性過濾: 剔除「從上一個有效讀數一秒內暴增」的不可能加速(多為高信心誤讀,
+    # 如 4 -> 70)。只擋暴增;煞車減速很快故不限制下降。
+    last_v: Optional[int] = None
+    last_i = 0
+    for i in range(n):
+        if spd[i] is None:
+            continue
+        if last_v is not None and spd[i] - last_v > MAX_ACCEL_KMH * (i - last_i):
+            spd[i] = None                       # 不可能的暴增 → 視為誤讀丟棄
+            continue
+        last_v, last_i = spd[i], i
+
+    # 中位數(只對有效讀數;空白跳過,整個視窗都讀不到才當 0)
     half = max(0, window // 2)
     smoothed: List[int] = [0] * n
     for i in range(n):
         lo = max(0, i - half)
         hi = min(n, i + half + 1)
-        vals = sorted(samples[k].speed for k in range(lo, hi)
-                      if samples[k].speed is not None)
+        vals = sorted(v for v in spd[lo:hi] if v is not None)
         smoothed[i] = vals[len(vals) // 2] if vals else 0  # 全讀不到 → 視為停止
     return smoothed
 
@@ -1042,6 +1059,7 @@ _CONFIG_KEYS = {
     "stop_seconds":    "STOP_SECONDS",
     "speed_threshold": "SPEED_THRESHOLD",
     "min_confidence":  "MIN_CONFIDENCE",
+    "max_accel_kmh":   "MAX_ACCEL_KMH",
     "smooth_window":   "SMOOTH_WINDOW",
     "depart_seconds":  "DEPART_SECONDS",
     "depart_min_speed": "DEPART_MIN_SPEED",

config.json

@@ -10,6 +10,7 @@
   "stop_seconds": 4.0,
   "speed_threshold": 0,
   "min_confidence": 0.7,
+  "max_accel_kmh": 25,
   "smooth_window": 7,
   "depart_seconds": 8.0,
   "depart_min_speed": 15,