高速公路肇事處理時間預測之研究-應用類神經網路分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：19

、訪客IP：18.191.5.239

姓名

黃志偉(Chih-Wei Huang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

高速公路肇事處理時間預測之研究-應用類神經網路分析
(The study of highway traffic accident duration forecasting--using Artificial Neural Network analysis)

相關論文

★ 捷運乘客舒適度調查分析以台北高運量板南-土城線為例	★ 時依性路段暨時窗限制下單一車輛路線問題之研究
★ 飛航組員及客艙組員影響溝通協調關鍵因素之研究	★ 廢棄機車回收廠區位選址之研究
★ 航空客運業綠色行銷與措施對消費者忠誠度影響	★ 以高齡者觀點評估台北市政府轉運站滿意度及行為意向之研究
★ 自行車接駁軌道運輸關鍵因素之探討-以捷運為例	★ 捷運車廂內廣播系統旅客服務品質之研究 -以台北市捷運為例
★ 小汽車駕駛人之行為意向研究	★ BRT路線試營運對用路人與乘客服務水準之影響評估―以台中市BRT藍線為例
★ 高鐵車站接駁公車營運前後服務水準之評估與比較-以苗栗高鐵站為例	★ 營建公司財務績效評估模式之研究
★ 都會區基地開發道路交通衝擊預測模式之建立─應用多元迴歸與模糊迴歸分析	★ 無道碴軌道型式決策模式之研究(應用價值工程及多屬性決策理論)
★ 建設公司全面品質管理. 產品定位與規劃績效關係之研究	★ 地方基層建設引用專案營建管理最適統合方式之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

由於車輛急遽成長，使中山高速公路經常發生行車擁塞及交通事故，造成的時間延滯與社會成本損失已相當嚴重，傳統上肇事分析集中於事後資料之分析，且多著重於肇事頻率與道路幾何設計、車流特性等等的因果關係等，較少針對肇事作即時性的預測。緣此，本研究於考量事故發生處理程序之時間特性與合理性，建立二階段處理時間預測模式，依序為影像觀測與警員到場回報，以提供用路人事故資訊並幫助交控單位於已知處理時間下，進行交控策略之實施，妥善而有效率的提高高速公路運轉績效。類神經網路對於非線性問題、因子間共線性之預測上具有良好預測能力之優點，因此本研究採用類神經網路中倒傳遞演算法(Back propagation)進行處理時間預測模式的構建。
為捕捉肇事因子間特性並提昇模式的預判能力，本研究先就歷史資料探討高速公路交通事故發生之影響因子種類對於處理時間影響之特性，接著回顧各處理時間預測模式，比較各模式的特性及其預測時所發生的各種問題與限制，作為本研究模式構建之參考。本研究以倒傳遞演算法之三層(Three-Layer)、完全連結(Fully-Connected)及前向(Feed-Forward)等架構型態進行預測。肇事處理中影響的因素很多，本研究於訓練與測試範例中採用貢獻圖的概念，評估輸入層處理單元之影響性，選出較具影響之變數，而後分別動態調整隱藏層層數、學習速率及慣性因子等相關參數，以找出最佳之預測模式。最後，本研究以國內實際架設影像偵測所獲得之肇事資料進行一驗證測試與分析，在依分析之結果提出結論與建議。

摘要(英)

With the rapidly increase of motor vehicle has incline to freeway capacity. Once the traffic accident occurred on freeway, it would cause time delay and huge social cost expenditure. Traditionally, most previous studies concentrated on the relationship between cause and effect of the accident frequencies and the following factors including road design, traffic flow, environment to discuss the severity of accident based on the aggregate data. Quite few studies has concentrated on the immediately response of traffic accident. Therefore, we take into account the procedure dealing with traffic accident and construct a two-phase accident duration forecasting model, which will provide drivers the accident information and traffic control center to take measures to promote the freeway performance. Artificial neural network (ANN) is approved with its good performance on non-linear phenomenon and the ability to make use of correlated data. We used “back propagation algorithm” of artificial neural network in constructing the two-phase accident duration model.
In order to know the characteristics between accident factors and promote the forecast performance of the accident duration forecasting model, we first discussed the effect of accident factors to the accident duration from historical data. Then we reviewed several predicting models and focus on the comparison of the attributes and restrictions between each of them. We used “Three-Layer”, “Fully-Connected” and “Feed-Forward” in back propagation algorithm to forecast the accident duration. The performance of duration forecasting model is affected by many accident factors. We used the contribution graph to select the variables we need, then search for the best forecast model including "training and testing set", "input variable", "hidden layer", "transfer function", "learning rule", and "momentum factor". To evaluate the model, we performed a case study using real image detection accident data on freeway from the police records.

關鍵字(中)

★ 肇事
★ 持續時間
★ 類神經網路

關鍵字(英)

★ Accident duration
★ Artificial neural network
★ Accident

論文目次

摘要 I
ABSTRACT II
目錄 III
表目錄 VIII
第一章緒論 1
1.1 研究動機與緣起 1
1.2 研究目的與範圍 3
1.3 研究內容與方法 4
1.4 研究流程與步驟 5
第二章文獻回顧 7
2.1 事件管理 7
2.2 事件偵測 8
2.2.1 事件之意義 8
2.2.2 高速公路事件偵測系統及方法 9
2.3 肇事分析文獻回顧 13
2.3.1 肇事趨勢 13
2.3.2 肇事因果分析 14
2.3.3 危險路段鑑定 16
2.4 類神經網路 17
2.4.1 類神經網路於交通領域之應用 17
2.4.2 類神經網路於肇事分析之應用 20
2.5 肇事處理時間相關研究文獻 21
2.5.1 國內肇事偵測執行計畫 22
2.6 小結 23
第三章模式理論與系統架構 24
3.1 肇事事故處理現況 24
3.1.1 高速公路各組織事故處理現況 25
3.2 模式架構 32
3.3 構建處理時間預測模式 34
3.4 類神經網路 36
3.4.1 類神經網路基本概念 36
3.4.2 類神經網路之分類 38
3.4.3 類神經網路之基本架構 40
3.4.4 倒傳遞網路之基本概念 42
3.4.5 倒傳遞網路參數設定與效能評估 48
3.5 小結 49
第四章資料蒐集與分析 51
4.1 肇事資料蒐集 51
4.1.1 資料蒐集內容 51
4.1.2 資料取得方式 51
4.2 肇事資料之基本分析 53
4.2.1 肇事時段特性分析 53
4.2.2 肇事型態特性分析 54
4.2.3 完整事故資料基本分析 55
4.3 資料處理與網路參數設定 62
4.4 肇事因素變數說明 63
4.5 資料使用限制 70
第五章模式構建與網路績效評估 71
5.1 構建肇事處理時間預測模式 71
5.2 網路績效評估 73
5.3 模式訓練與測試 74
5.4 A3類肇事處理時間模式 75
5.4.1 A3第一階段模式訓練與測試 75
5.4.2 A3第二階段模式訓練與測試 81
5.5 A1A2類肇事處理時間模式 86
5.5.1 A1A2第一階段模式訓練與測試 86
5.5.2 A1A2第二階段模式訓練與測試 90
5.6 模式驗證 97
5.7 預測模式結果之探討 101
第六章結論與建議 105
6.1 結論 105
6.2 建議 106
6.3 貢獻 107
參考文獻 109

參考文獻

中文部分
1.王勝石、魏健宏、張淳智，『類神經網路模式應用於車種分類之研究』，中華民國運輸年會第十屆學術論文研討會，第.397~403頁(1995)。
2.石豐宇，『都市地區易肇事地點鑑定與分析模式之建立』，國立台灣大學土木工程研究所碩士論文(1987)。
3.交通部台灣區國道高速公路局，『中山高速公路第一期交通控制系統工程技術轉移工作總報告』(1985)。
4.交通部台灣區國道高速公路局，『中山高速公路第一期交通控制系統工程技術轉移工作總報告』(1985)。
5.交通部運研所，『建立高速公路事件管理系統之研究』，(1985)。
6.交通部運研所，『高速公路交通號誌控制系統』，(1987)。
7.李銷桂，『號誌轉換下猶豫區間之研究』，國立台灣大學土木所碩士論文(1995)。
8.李啟仲，『高速公路事故屬性即時鑑定之方法研究』，國立台灣大學土木工程研究所碩士論文，(1999)。
9.何森龍，『美國道路交通事故統計分析』，運輸計畫季刊，第十六卷，第
一期(1987)。
10.林大煜，『道路交通肇事資料分析方法』，運輸季刊，第八卷，第三期，(1979)。
11.林郁志，都市地區肇事嚴重程度之分析研究，國立成功大學交通管理
科學研究所碩士論文(1997)。
12.呂孟學，『應用類神經網路於即時停車場需求預測之研究』，中央大學土木所運輸工程組碩士論文(2000)。
13.吳麗敏，『台灣地區現階段高速公路偵測與意外事件處理模式之分析』，國立成功大學交通管理科學研究所碩士論文(1989)。
14.邱顯鳴，『結合車道變換之事件偵測新演算法研究』，國立台灣大學土木所碩士論文(1995)。
15.周榮昌，「中山高速公路肇事風險模式之研究」，中華民國第十二屆運輸研討會，pp.931~942(1997)。
16.周榮昌，『以類神經網路分析號誌轉換下駕駛者選擇行為之研究』，國科會專題計畫報告(1996)。
17.吳光昇，『道路交通事故鑑定滿意度調查及其作業機制之研討研究』，國立交通大學交通運輸研究所碩士論文(1997)。
18.周家蓓、廖子凱，『影像處理技術於鋪面破壞調查之研究』，中國土木水利工程學刊，第8期第1卷，第127~135頁(1996)。
19.林祥煙，『類神經網路於高速公路交通量預測之研究』，中央大學土木所運輸工程組碩士論文(1999)。
20.周雍傑，『以類神經網路探討都市地區照實嚴重程度之研究』，國立成功大學交通管理科學研究所碩士論文(2000)。
21.郭哲肇，『利用人工智慧發展電梯動態控制系統之研究』，成功大學交研所碩士論文(1996)。
22.陳是圯、蔡肇鵬，『台灣區國道高速公路潛在危險路段之建立與判別』，運輸計畫季刊，第九卷，第四期，第491~514頁(1980)。
23.陳志和，都市地區肇事嚴重程度預測模式之研究，國立成功大學交通管理科學研究所碩士論文(1999)。
24.陳高村，『道路交通事故處理與鑑定』(1997)。
25.張新立，『影響二車道公路型車安全因素之研究』，運輸計畫季刊，第18卷，第四期，第441~450頁(1989)。
26.國道高速公路局委託，淡江大學辦理『高速公路事故救援指揮體系與救援路線規劃之研究』，(2000)。
27.黃靖南，『臺灣區中山高速公路肇事分析與預測模式之研究』，國立交通大學交通運輸研究所碩士論文(1984)。
28.黃如妙，『時間序列分析在肇事預測及安全政策評估之應用』，國立成功大學交通管理科學研究所碩士論文(1988)。
29.黃泰林、何志宏，『適應性號誌中類神經網路轉向比推估模式之建立』，中華民國運輸年會第九屆學術論文研討會，第411~419頁(1994)。
30.葉怡成，『類神經網路模式與實作』，儒林圖書公司(1997)。
31.鄭傳耀、羅永光，『中山高速公路危險路段鑑定之研究』，運輸計畫季刊，第十卷，第二期，第.229~265頁(1981)。
32.鄭博王，『以遺傳演算法及類神經網路應用於旅行推銷員問題』，淡江大學土木所碩士論文(1994)。
33.鄭雅文，『高速公路追撞事故預測模式之研究』，國立台灣大學土木所碩士論文(1997)。
34.趙崇仁，『應用類神經網路鑑別高速公路危險路段之研究』，中央警察大學警政研究所碩士論文(1996)。
35.謝孟昌，『高速公路幾何設計與肇事關係之研究』，國立交通大學土木研究所碩士論文(1992)。
36.魏健宏、王勝石，『人工神經網路應用於車牌辨識之研究』，成功大學學報第30 卷，第199–213 頁(1995)。
37.魏健宏、王勝石，『多準則方案之評選–模糊集合理論與人工神經網路之應用』，規畫學報，第22 期，第199–213頁(1995)。
39.魏健宏、黃國平、陳昭宏，『應用人工神經網路發展高速公路意外事件自動偵測模式』，運輸計劃，第25卷，第2期，第209-234頁(1996)。
英文部分
1.Chang,G.L., Chen,C.H. and Arter, E.C.,“Intervention Analysis for the Impacts of the 65 mph Speed Limit on Rural Interstate Highway Facilities,” Journal of Safety Research, Vol.24, pp.33-53, (1993).
2.Florio,L. and Mussone,L.”Neural-Network Model for Classification and Forcesting of Freeway Traffic Flow Stability” Control Engineering Practice, Vol. 4, Issue: 2, February, pp.153-164,(1996).
3.Golob, T., Recher, W., Leonard, J., “An analysis of the severity and incident duration of truck-involved freeway accidents,”Accident Analysis and Prevention ,Vol.19,NO. 5,pp.375-395,(1987).
4.Gately,E. “Neural Network for Financial Forecasting”,Technical Publishing Advistory Board,(1996).
5.Jones,B., Janssen, L., Mannering, F., “Analysis of the frequency and duration of freeway accidents in Seattle,”Accident Analysis and Prevention Vol.23,pp. 239-255,(1991).
6.Khansnabis,S.and Lyoo, S.H.,“Use of Time Series Analysis to Forecast Truck Accident,” Transportation Research Record 1249, pp.30-36, (1989).
7.Khattak, A., Schofer, J., Wang, M.-H., “A Simple time sequential procedure for predicting freeway incident duration,” IVHS Journal Vol.2 NO. 2, pp.113-138,(1995).
8.Khattak, A., Schofer, J., Wang, M.-H., “A Simple time sequential procedure for predicting freeway incident duration” IVHS Journal Vol.2 NO.2,pp. 113-138, (1995).
9.Kraus, Jess F., Anderson, Craig L., Arzemanian Shakeh, Salatka Michael, Hemyari Parichehr, and Sun Guowen, “Epidemiological Aspects of Fatal and Severe Injury Urban Freeway Crashes,” Accident Analysis and Prevention, Vol.25, No.3, pp.229-239, (1993)
10.Messmer, A.; Papageorgiou, M.; Azema, J.; Drewanz, D. “A neural network approach to freeway network traffic control ,”Control Engineering Practice Vol.3, Issue:12, December, pp.1719-1726,(1995).
11.Miaou,S.P.,Hu,P.S.,Wright,T.,Rathi, A.K.and Davis, S.C. ,“Relationship Between Truck Accidents and Highway Geometric Design：A Poisson Regression Approach,” Transportation Research Record 1376, pp.10-18,(1992).
12.Miaou,S.P. and Lum,H.,“Modeling Vehicle Accidents and Highway Geometric Design Relationships,”Accident Analysis and Prevention, Vol.25, No.6, pp.689-709,(1993).
13.Morin, Donald A., “Application of Statistical Concepts to Accident Data,” HRR 188, pp.72, (1967).
14.Moses, Leon N., and Savage, Ian, “The Effect of Firm Characteristics on Truck Accidents,” Accident Analysis and Prevention, Vol.26, No.2, pp.173-179, (1994).
15.Mussone,L.,Ferrari,A.,and Oneta,M. “An Analysis of Urban Collision Using an Artificial Intelligence Model” Accident Analysis and Prevention, Vol.31,NO.6,pp.705-718,(1999).
16.Nam,D.,Mannering,F., “An exploratory hazard analysis of highway incident duration,” Transportation Research Vol.34A No.2,pp.85-102.(2000).
17.Taylor, Tames I., “Determining Hazardousness of Spot Locations,” Transportation Research Record 630, pp.38, (1977).

指導教授

謝浩明(How-Ming Shieh)

審核日期

2002-7-19

推文