應用自動車輛辨識預測高速公路路段旅行時間

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：103

、訪客IP：3.149.23.182

姓名

張慶麟(Ching-Lin Chang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

應用自動車輛辨識預測高速公路路段旅行時間

相關論文

★ 紅燈右轉人車衝突風險分析	★ 機車騎士紅燈怠速熄火意願及其預期成效之研究
★ 雪山隧道路徑導引策略研究	★ 利用回饋式類神經插補探討路段車輛偵測器佈設間距
★ 利用基因規劃法進行車輛偵測器資料填補	★ 機車紅燈怠速熄火節能減碳效果評估
★ 應用存活分析法於運具移轉行為之研究	★ 利用基因規劃法預測高速公路旅行時間
★ 以鏈結串列搜尋車輛偵測器遺漏值最佳填補方式	★ 應用存活分析法於鋪面坑洞影響因素及使用年限之研究
★ 機車隨機到達情況下紅燈怠速熄火效果之研究	★ 雪山隧道行車速率特性分析
★ 應用存活分析法於公路長隧道事故分析之研究	★ 需求反應式運輸系統營運模式與績效評估－以復興鄉為例
★ 應用存活分析於市區公車駕駛行為異常之研究	★ 市區公車油耗與節能減碳之研究

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)

目前國道路網已逐漸完成，而在預測機制精準之前提下，旅行時間預測資訊不但能直接提供用路人瞭解本身即將遭遇到的車流情形，並且相關交管單位更可整合此訊息進行決策與建議，方便用路人針對其旅次需求目的判斷適當的路徑，以發揮未來高速公路路網之整理績效。
但因國內高速公路路段尚未使用自動車輛辨識蒐集旅行時間資料，因此本研究針對平常日之車流情形，先行應用車流模擬方式考量不同資料輸出時距、佈設間距及AVI辨識率等產生相關資料；再配合簡單指數平滑法、Holt’s指數平滑法、自我迴歸移動平均整合模式及倒傳遞神經網路構建四種旅行時間預測模式，分別進行預測績效分析，以期提供實用且精準的旅行時間預測資訊，藉此作為用路人路徑選擇判斷之依據。
經由多種條件組合之測試結果可知，針對本研究資料蒐集方式及預測對象之設定下，資料輸出時距5分鐘、佈設間距1公里易產生較佳的預測成效；此外，就四種旅行時間預測模式而言，Holt’s指數平滑法之預測績效最差，而其餘三者預測效果差異無多，但以倒傳遞網路易獲得較佳之預測績效。可作為相關交通規劃單位之參考。

摘要(英)

Now, the network of freeway is being completed. In presupposition that forecasting results are exact. The travel time forecasting information not only can let passengers directly realize the situation of traffic flow they will in, but also can let the traffic management make a suitable decision to fit this situation and decide a proper route of passenger’s needs to make the best use of the network of freeway in the future.
Because that our link of freeway hasn’t use Automatic Vehicle Identification system to collect travel time data, so this study focus on the weekday’s situation of traffic flow, using simulation to gain travel time data and considering all kinds of related influential factors, such as the updating time period of information, distance between two neighborly collecting stations, and AVI rate. Furthermore, Using four forecasting models, such as single exponential smoothing method, Holt’s exponential smoothing method, autoregressive integrated moving average method, and back-propagation network, to test and analyze if forecasting results are exact. Hoping to offer practicable and exact travel time forecasting information, and using it as the basis of how passengers choose their routes.
From the result of all kinds of test, we can know that it can have better forecast effect when information update takes five minutes, keeps one kilometer between two neighborly collecting stations. Besides, in four travel time forecasting models. HES forecast effect is the worst, and other’s forecast effects are almost the same but we still can have better forecast effect much easily from BPN forecasting model. Lastly, we can regard the result of all kinds of test as reference which is related to the traffic management.

關鍵字(中)

★ 自動車輛辨識
★ 旅行時間預測
★ 簡單指數平滑法
★ Holt's指數平滑法
★ 自我迴歸移動平均整合模式
★ 倒傳遞網路

關鍵字(英)

★ Holt's Exponential Smoothing Method
★ Single Exponential Smoothing Method
★ Travel Time Forecasting
★ Automatic Vehicle Identification
★ Auto-Regressive Integrated Moving Average Method
★ Back-Propagation Network

論文目次

中文摘要 I
英文摘要 II
目錄 III
圖目錄 V
表目錄 VI
第一章緒論 1
1.1 研究動機 1
1.2 研究目的 1
1.3 研究對象與範圍 2
1.4 研究方法與流程 2
第二章文獻回顧 4
2.1 應用自動車輛辨識蒐集資料 4
2.2 國內相關文獻 5
2.3 國外相關文獻 8
2.4 小結 12
第三章預測方法評選 15
3.1 時間序列預測方法 15
3.1.1 移動平均法 15
3.1.2 簡單指數平滑法 16
3.1.3 Holt’s指數平滑法 16
3.1.4 Winter’s指數平滑法 17
3.1.5 自我迴歸移動平均整合模式 18
3.1.6 卡門濾波器法 19
3.2 因果關係預測方法 20
3.2.1 多元迴歸分析法 20
3.2.2 類神經網路模式 21
3.3 預測方法適用性 23
第四章車流模擬模式應用 25
4.1 變換車道特性調查 25
4.2 應用模擬模式產生資料 27
4.2.1 旅行時間資料 28
4.2.2 模擬模式修改與設定 28
4.3 模擬模式校估與驗證 33
4.3.1 模擬模式校估 33
4.3.1.1 車種組成比例 34
4.3.1.2 車輛到達間距分配 35
4.3.1.3 車輛期望速率分配 37
4.3.2 模擬模式驗證 38
第五章旅行時間預測模式初步分析 41
5.1 實驗設計 41
5.1.1 預測模式測試條件 41
5.1.2 預測模式範例型態 42
5.1.3 預測績效評估指標 43
5.2 SES旅行時間預測模式 44
5.2.1 預測模式參數測試 45
5.2.2 預測績效初步分析 50
5.3 HES旅行時間預測模式 54
5.3.1 預測模式參數測試 55
5.3.2 預測績效初步分析 62
5.4 ARIMA旅行時間預測模式 65
5.4.1 預測模式發展 66
5.4.2 預測績效初步分析 70
5.5 BPN旅行時間預測模式 72
5.5.1 預測模式參數設定 73
5.5.2 演算法步驟 74
5.5.3 預測績效初步分析 78
5.6 小結 82
第六章預測績效比較性分析 84
6.1 資料輸出時距之影響 84
6.2 佈設間距之影響 87
6.3 AVI辨識率之影響 90
6.4 路段長度之影響 92
6.5 小結 96
第七章結論與建議 97
7.1 結論 97
7.2 建議 99
參考文獻 101
附錄A HES旅行時間預測績效值 103
附錄B BPN旅行時間預測績效值 128

參考文獻

1. 鄭建勳，「動態地磅結合自動車輛辨識系統於國內收費道路應用之可行性研究」，台灣大學土木工程研究所碩士論文，民國88年6月。
2. 交通部運輸研究所，「自動車輛辨識系統原理及其應用之研究」，民國82年11月。
3. 交通部運輸研究所，「智慧型運輸系統（ITS）發展演進與相關技術之探討」，民國87年11月。
4. 鄭志平，「應用衝擊波理論在高速公路封閉部分車道時旅行時間推算之研究」，成功大學交通管理科學研究所碩士論文，民國82年7月。
5. 張修榕，「高速公路旅行時間預測之研究」，中央大學土木工程研究所碩士論文，民國90年6月。
6. 林士傑，「高速公路旅行時間預測模式之研究-類神經網路之應用」，成功大學交通管理科學研究所碩士論文，民國90年6月。
7. 李季森，「應用探測車法預測高速公路旅行時間」，中央大學土木工程研究所碩士論文，民國91年7月。
8. 李穎，「類神經網路應用於國道客運班車旅行時間預測模式之研究」，成功大學交通管理科學研究所碩士論文，民國91年6月。
9. 呂孟學，「應用類神經網路於即時停車需求預測之研究」，中央大學土木工程研究所碩士論文，民國89年6月。
10. 曾芳美，「時間數列預測方法之整合與比較研究」，交通大學工業工程與管理學系科技管理組博士論文，民國87年9月。
11. 陳奕志，「含類神經網路變換車道的高速公路微觀車流模擬模式之研究」，成功大學交通管理科學研究所碩士論文，民國87年6月。
12. Stephen A. DeLurgio原著，許純君譯，「預測的原則與應用」，台灣西書出版社，民國88年3月初版。
13. 葉怡成，類神經網路模式應用與實作，儒林書局，第7版，民國91年3月
14. 林茂文，時間數列分析與預測，民國72年9月印行。
15. Bruce Hellinga, Geoff Knapp,“Automatic Freeway Incident Detection using Travel Time Data from AVI Equipped Vehicles”, 6th World Congress on Intelligent Transport Systems, Toronto, Canada, 1999.
16. Yoshikazu Ohba, Hideki Ueno, Masao Kuwahara,“Travel Time Information Calculation Method for Expressway Using Toll Collection System Data”, 6th World Congress on Intelligent Transport Systems, Toronto, Canada, 1999.
17. D. Park, L. Rilett,“Forecasting Multiple-Period Freeway Link Travel Times Using Modular Neural Networks”, Transportation Research Board Annual Meeting, 1998.
18. Chi-Hyun Shin, Seong-Ho Kim,“Development of Low-cost AVI System and a Travel Time Estimation Algorithm for the Olympic Expressway Traffic Management System in Seoul”, 5th ITS World Congress, 1998.
19. Ken’ichiro Yamane, Takumi Fushiki, Masataka Furuta, Yutaka Sano,“Development of Travel Time Estimation System Combining License Plate Recognition AVI and Ultrasonic Vehicle Detectors”, 6th World Congress on Intelligent Transport Systems, Toronto,Canada, 1999.
20. Laurence R. Rilett, Dongjoo Park, Byron Gajewski,“Estimating Confidence Interval for Freeway Corridor Travel Time Forecasts”, 6th World Congress on Intelligent Transport Systems, Toronto, Canada, 1999.
21. Tadaaki Tanaka, Masayoshi Sasaki, Hiroyuki Sugimura,“Study on Fluctuations in Link Travel Times due to Traffic Regulation in Areas Peripheral to Regulation”, 6th World Congress on Intelligent Transport Systems, Toronto,Canada, 1999.
22. Bruce Hellinga, Liping Fu,“Route Selection Considering Travel Time Variability”, 6th World Congress on Intelligent Transport Systems, Toronto,Canada, 1999.
23. Benjamin Coifman,“Vehicle Re-Identification(VRI) and Travel Time Measurement(TTM) in Real-Time on Freeways Using Existing Loop Detector Intrastructure”, Transportation Reasearch Record 1643,pp.181-191,1998.
24. Mei Chen, Steven I.J. Chien,“Dynamic Freeway Travel Time Prediction Using Probe Vehicle Data: Link-based vs. Path-based”, TRB Paper No. 01-2887, 80th Annual Meeting, January 7-11, 2001.
25. Lianyu Chu, Zhaosheng Yang, Jun-Seok Oh,“Development of a Synthetic Link Travel Time Prediction Model for ATMIS Applications”, TRB Annual Meeting, 2001.
26. J.W.C. van Lint, S.P. Hoogendoorn, H.J. van Zuylen,“State Space Neural Networks for Freeway Travel Time Prediction”.
27. Fulin Zhu,“Locations of AVI System and Travel Time Forecasting”, Virginia Polytechnic Institute and State University Press, Blacksburg Virginia, 2000.
28. Adolf D.May,“Traffic Flow Fundamentals”, Prentice Hall,1990.

指導教授

吳健生(Jiann-Sheng Wu)

審核日期

2003-7-18

推文