旅行時間預測為先進旅行者資訊系統中重要的一環，因用路人經常透過旅行時間資訊來進行路徑規劃或旅行決策，但旅行時間資訊的不確定往往使得用路人難以進行決策，因此若能提供用路人較準確之預測旅行時間，將可提升用路人做決策之效率。因此本研究建構一雲端運算之校車旅行時間資訊查詢系統，除了提供用路人預測之旅行時間外，亦在系統架構中加入雲端之概念，將旅行時間等交通資訊存儲於雲端的資料庫，旅行時間預測亦於雲端伺服器中進行運算，而用路人可以透過智慧型終端 (電腦、智慧型手機與平板電腦等) 連結至雲端伺服器介面，來獲取所需之旅行時間資訊。本研究旅行時間預測之方法是結合 (Empirical Mode Decomposition, EMD)與灰色系統理論 (Grey System Theory) 進行旅行時間預測；主要藉由EMD將車速之時間序列分解成數個內建模態函數 (Intrinsic Mode Functions, IMF) 後，再以灰預測來進行旅行時間預測。本研究之查詢系統以網路查詢為主，並結合智慧型終端來提供用路人取得交通資訊，藉此提升查詢之便利性及多元性。此外，本研究對旅行時間預測方法進行比較，並對IMF組合進行調整來改善EMD加灰預測之預測模式，測試結果顯示刪除IMF的EMD加灰預測模式優於使用全部IMF的EMD加灰預測之模式及其它方法。而在不同組合之IMF預測模式之測試部分，分析結果顯示上午班以刪除IMF1與IMF2預測模式為佳，下午班則以刪除IMF1預測模式為佳。另增設停靠站測試，結果顯示能改善旅行時間預測之預測績效。近來雲端運算的應用使日常生活越來越便利，搭配智慧型終端之流行，讓使用者隨時隨地皆可以使用雲端服務。因此本研究針對雲端運算相關議題進行詳細介紹。In this study, the method of predicting traveling time is a combination of Empirical Mode Decomposition (EMD) and Grey System Theory ; which is divided into two parts. First, the time sequence of speed is decomposed into several Intrinsic Mode Functions (IMF). Second, it is Grey System Theory that predicts Traveling time. This study’s query system is mainly by network which also combines the smartphone so that road users can obtain traffic information to enhance the convenience and diversity.
