![]() |
|
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:14 、訪客IP:18.119.255.74
姓名 王政彥(Cheng-Yen Wang) 查詢紙本館藏 畢業系所 土木工程學系 論文名稱 應用自動車輛辨識技術於高速公路自動事件偵測
(Applying automatic vehicle identification on freeway incident detection)相關論文 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) 高速公路車輛的行駛速率較快,且道路系統較為封閉,一旦事件發生,對駕駛人生命財產的威脅及車流延滯的影響將遠較一般平面道路嚴重。因此,發展迅速且正確的高速公路自動事件偵測演算法,不但能提供交通管理者事件發生時的相關資訊,讓交通管理者能儘早將事件排除,以減少事件對高速公路車流的衝擊外,也可讓事件造成的損失減到最小。
台灣地區自2004年起開始建置電子收費系統,屆時將會利用自動車輛辨識技術來收取通行費用。而自動車輛辨識技術除了可用於收費外,同時也可取得車流參數以應用於高速公路自動事件偵測中。由於國內應用自動車輛辨識技術於高速公路事件偵測尚處於起步階段,因此本研究發展一套(1)利用自動車輛辨識技術獲得交通參數資料,(2)利用自動車輛辨識技術所獲得的交通參數-旅行時間及平均速率,並結合統計方法中的統計分配配適與無母數檢定,來判斷事件發生與否的高速公路自動事件偵測演算法。在績效分析部分,由於國內尚未建置自動車輛辨識技術相關設施,因此本研究利用車流模擬的方法以及三項績效評估因子:偵測率、平均偵測時間以及誤報率等來評估自動事件偵測演算法的績效。
經由一系列的評估分析,整理得本研究所提出的事件偵測演算法其偵測率為97%,平均偵測時間為8.58分,誤報率為0.576%。相較於文獻中的事件偵測演算法,本研究所提出的事件偵測演算法具有高偵測率、低誤報率的優異表現,在平均偵測時間方面也屬可接受的表現。因此本研究的結果確可提供相關單位研究或建置系統參考用。摘要(英) Incidents on freeways generally cause tremendous calamities than those on other types of road systems due to its closed system and higher speed limit. These calamities always include serious traffic delay and the loss of lives and financial affairs. Developing rapid and correct incident detection algorithms for freeway automatic incident detection can minimize damages from incidents, because it provides incident-related information for the traffic operators who can exclude the incident quickly and reduce the impact of freeway traffic flow efficiently.
In 2004, Taiwan is going to build up an electronic toll collection system applying automatic vehicle identification. Except for collecting tolls, automatic vehicle identification can gather traffic parameters for freeway automatic incident detection. Worldwide, there has been little literature published about automatic vehicle identification on automatic incident detection. In Taiwan research in that subject has just started in the recent years. This research develops an automatic incident detection algorithm which combines: (1) automatic vehicle identification to obtain traffic parameters, and, (2) statistic methods to judge the incident happened or not. Because of automatic vehicle identification facility not being constructed yet, this research verifies the performance of the incident detection algorithm by utilizing traffic simulation.
After series analysis of the incident algorithm, it is concluded that the detection rate is 97%, mean detective time is 8.58 min, and false alarm rate is 0.576%. Comparing with the algorithms in literature, it is shown that performance of this research is greater than those in detection rate and false alarm rate. And the performance in mean detective time is also acceptable. Therefore, the algorithm developed by this research can be provided to other researches and relative associations for reference.關鍵字(中) ★ 高速公路
★ 平均速率
★ 旅行時間
★ 電子收費系統
★ 自動事件偵測
★ 自動車輛辨識關鍵字(英) ★ electronic toll collection
★ travel time
★ automatic incident detection
★ average speed
★ automatic vehicle identification
★ freeway論文目次 摘要 III
Abstract IV
誌謝 VI
目錄 IX
圖目錄 XII
表目錄 XIV
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究對象與範圍 3
1.4 研究內容 4
1.5 研究流程與方法 4
第二章 文獻回顧 6
2.1 AVI技術收集資料方法簡介 6
2.2 事件偵測演算法文獻回顧 7
2.2.1 非利用AVI技術之事件偵測演算法文獻 8
2.2.2 利用AVI技術之事件偵測演算法文獻 14
2.3 事件偵測演算法績效評估指標 15
第三章 事件偵測演算法架構研擬 18
3.1 事件偵測演算法邏輯架構 18
3.2 旅行時間判斷方法 22
3.3平均速率檢定方法 24
第四章 事件偵測演算法建立 28
4.1 旅行時間分配配適 28
4.1.1 車輛路段旅行時間資料取得 28
4.1.2 路段旅行時間分配配適 29
4.2 低流量最適分配:Log-logistic分配 32
4.2.1 Log-logistic分配配適與參數推估 33
4.3 中、高流量最適分配-Pearson V分配 35
4.3.1 Pearson V分配配適與參數推估 35
4.4 旅行時間門檻值訂定 36
4.5 利用平均速率檢定事件發生與否 37
4.6 決策 40
第五章 車流模擬模式 43
5.1 模擬模式架構 43
5.1.1 系統基本假設 43
5.1.2 模擬模式架構與流程 45
5.1.3 模擬模式初始條件設定 50
5.2 模擬模式驗證 53
5.2.1 模擬程式確認 53
5.2.2 模擬程式校估 53
5.2.3 模擬程式驗證 54
第六章 績效評估與敏感度分析 57
6.1 演算法績效評估背景 57
6.2 演算法績效評估 59
6.2.1 偵測率 60
6.2.2 平均偵測時間 61
6.2.3 誤報率 63
6.2.4 演算法績效比較 64
6.3 敏感度分析 66
6.3.1 偵測時距 66
6.3.2 AVI車輛比例 69
6.3.3 AVI偵測器佈設間距 73
6.3.4事件發生地點 75
6.3.5事件發生時點 77
6.3.6旅行時間門檻值 80
6.3.7平均速率檢定之顯著水準 83
6.3.8小結 86
第七章 結論與建議 87
7.1 結論 87
7.2 建議 89
參考文獻 90參考文獻 1.王秀帆,「應用灰色預測於高速公路事件自動偵測之研究」,碩士論文,國立中央大學土木工程研究所,中壢(2003)。
2.交通部,交通政策白皮書:運輸,交通部,台北,第3-2-13頁(2002)。
3.李季森,「應用探測車法預測高速公路旅行時間」,碩士論文,國立中央大學土木工程研究所,中壢(2002)
4.林惠玲,陳振蒼,統計學-方法與應用,第二版,雙葉書局(2000)。
5.周義華、陳天賜,「混合車流模擬方法之初步研究」中國工程學刊,第六卷,第二期,第65-71頁(1983)。
6.侯鈞元,「應用羅吉特模式於市區道路事故偵測系統」,碩士論文,國立成功大學交通管理科學研究所,台南(2002)。
7.曾信忠,「模糊理論應用於高速公路事件自動偵測之研究」,碩士論文,國立中央大學土木工程研究所,台北(1993)。
8.黃振賢,「高速公路事件自動偵測方法之研究」,碩士論文,國立中央大學土木工程研究所,中壢(1992)。
9.黃裕文,「高速公路施工路段旅行時間預測之研究」,碩士論文,國立中央大學土木工程研究所,中壢(2003)。
10.葉源祥,「高速公路事件偵測之微觀車流參數法」,碩士論文,國立台灣大學土木工程研所,台北(1995)。
11.張修榕,「高速公路旅行時間預測之研究」,碩士論文,國立中央大學土木工程研究所,中壢(2001)。
12.張慶麟,「應用自動車輛辨識預測高速公路路段旅行時間」,碩士論文,國立中央大學土木工程研究所,中壢(2003)。
13.顏月珠,無母數統計方法,第三版,三民書局(1991)。
14.楊雨青,「高速公路事件偵測與匝道儀控整合模式之研究-類神經網路之應用」,碩士論文,國立成功大學交通管理科學研究所,台南(1998)。
15.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」,運輸計畫季刊,第二十五卷,第二期,第209-234頁(1996)。
16.Ahmed, S.A., and Cook, A.R., ‘‘Time series models for freeway incident detection,’’ ASCE Journal of Transportation Engineering, Vol. 106, No.6, pp.731-745 (1980).
17.Ahmed, S.A., and Cook, A.R., ‘‘Application of time series analysis techniques to freeway incident detection,’’ TRR 841, pp.19-21 (1982).
18.Ahmed, S.A., and Cook, A.R., ‘‘Discrete dynamic models for freeway incident systems,’’ Transportation planning and technology, Vol. 7, pp.231-242 (1982).
19.Balakrishnan, N., Handbook of the logistic distribution, Marcel Dekker, pp.189-202 (1992).
20.Bruce hellinga, Geoff knapp, ‘‘Automatic freeway incident detection using travel time data from AVI equipped vehicles,’’ Proc., 6th world congress on intelligent transporationt systems, Toronto, Canada (1999).
21.Dudek, C.L., Messer, C.J., and Nuekles N.B., ‘‘Incident detection on urban freeway,’’ TRR 495, pp.12-24 (1974).
22.F. Busch , A.Ghio, “Automatic incident detection on motorways by fuzzy logic,” Siemens AG(1994).
23.Hsiao, C.H., Lin, C.T., and Michael Cassidy, “Application of fuzzy logic and neural networks to automatically detect freeway traffic incidents,” ASCE, pp.753-772(1994)
24.Johnson, N.L., Kotz, S., Balakrishnan, N., Continuous univariate distributions, Vol. 1, 2nd ed., John Willey & Sons, Inc., pp.15-33 (1994).
25.Kotz, S., Johnson, N. L., Encyclopedia of statistical science, Vol. 6, John Willey & Sons, Inc., pp.655-658 (1981).
26.Kotz, S., Johnson, N. L., Encyclopedia of statistical science, Vol. 1, John Willey & Sons, Inc., pp.335-340 (1981).
27.Kyriacos, C.M., Tom Batz, and Peter Dwyer, ‘‘Evaluation of the TRANSCOM’s system for managing incidents and traffic(TRANSMIT),’’ IEEE Transaction on intelligent transportation systems, Vol. 1, No.1, pp.15-30 (2000).
28.Levin, M., Krause, G..M., ‘‘Incident detection algorithms part 1:off-line evaluation,’’ TRR 722, pp.49-58 (1979).
29.Levin, M., Krause, G..M., ‘‘Incident detection:a Bayesian approach,’’ TRR 682, pp.52-58 (1978).
30.Levin, M., Krause, G..M., ‘‘A probabilistic approach to incident detection on urban freeway,’’ Traffic Engineering & Control, Vol. 20, No.3, pp.107-109 (1979).
31.Michalopoulos, P.G., ‘‘Vehicle detection through video image processing:the autoscope system,’’ IEEE transaction on vehicular technology, Vol. 40, No.1, pp.21-29 (1991).
32.Neave, H.R., Worthington, P.L., Distribution-free tests, Routledge, pp.109-119 (1988).
33.Patil, G.. P., Boswell, M. T., Ratnaparkhi, M. V., Dictionary and classified bibliography of statistical distributions in scientific work, Vol. 2, International co-operative publishing house, pp.157 (1984)
34.Payne, H.J., Tignor S.C., ‘‘Freeway incident detection algorithms based on decision trees with state,’’ TRR 682, pp.30-37 (1978).
35.Sheu, J.B., Ritchie, S.G.., ‘‘A New methodology for incident detection and characterization on surface streets,’’ Transportation Research, part c 6, pp.315-335 (1998).
36.Palisade, Bestfit 4.5, Palisade Corporation, Newfield, NY (2002).指導教授 吳健生(Jiann-Sheng Wu) 審核日期 2004-7-5 推文 plurk
funp
live
udn
HD
myshare
netvibes
friend
youpush
delicious
baidu
網路書籤 Google bookmarks
del.icio.us
hemidemi
myshare