雲端運算之校車旅行時間資訊查詢系統

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：23

、訪客IP：3.143.235.212

姓名

劉祐任(You-Ren Liu) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

雲端運算之校車旅行時間資訊查詢系統
(School Bus Travel Time Information Query System of Cloud Computing)

相關論文

★ 圖書館系統通閱移送書籍之車輛途程問題	★ 起迄對旅行時間目標下高速公路匝道儀控之研究
★ 結合限制規劃法與螞蟻演算法求解運動排程問題	★ 共同邊界資料包絡分析法在運輸業之應用-以國內航線之經營效率為例
★ 雙北市公車乘客知覺服務品質、知覺價值、滿意度、行為意向路線與乘客之跨層次中介效果與調節式中介效果	★ Investigating the influential factors of public bicycle system and cyclist heterogeneity
★ A Mixed Integer Programming Formulation for the Three-Dimensional Unit Load Device Packing Problem	★ 高速公路旅行時間預測之研究--函數資料分析之應用
★ Behavior Intention and its Influential Factors for Motorcycle Express Service	★ Inferring transportation modes (bus or vehicle) from mobile phone data using support vector machine and deep neural network.
★ 混合羅吉特模型於運具選擇之應用-以中央大學到桃園高鐵站為例	★ Preprocessing of mobile phone signal data for vehicle mode identification using map-matching technique
★ 含額外限制式動態用路人均衡模型之研究	★ 動態起迄旅次矩陣推估模型之研究
★ 動態號誌時制控制模型求解演算法之研究	★ 不同決策變數下動態用路人均衡路徑選擇模型之研究

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)

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。

摘要(英)

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.

關鍵字(中)

★ 旅行時間預測
★ 經驗模態分解
★ 雲端運算

關鍵字(英)

★ Travel Time Prediction
★ Empirical Mode Decomposition
★ Cloud Computing

論文目次

摘要I
Abstract II
誌謝III
目錄IV
圖目錄VI
表目錄VIII
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 研究方法與流程 5
第二章文獻回顧7
2-1 雲端運算與交通運輸之相關文獻7
2-2 旅行時間預測相關文獻8
2-2-1 時間序列相關文獻10
2-2-2 類神經網路相關文獻10
2-2-3 灰色系統理論相關文獻10
2-2-4 經驗模態分解法相關文獻 11
2-3 小結 13
第三章預測方法分析 15
3-1 旅行時間預測方法15
3-2各整合預測方法介紹21
第四章系統架構31
4-1 雲端系統架構31
4-2 資料接收系統33
4-3 旅行時間預測系統35
4-4 校車查詢系統40
4-5 小結43
第五章範例測試44
5-1 測試對象與評比標準44
5-2 探討IMF數量對誤差之影響45
5-3 各預測方法之範例測試47
5-4 不同IMF組合之範例測試50
5-5 增加虛擬站點之範例測試52
第六章雲端運算的應用與議題55
6-1 雲端運算之應用55
6-1-1 雲端運算服務架構之介紹 55
6-1-2 本研究雲端運算之應用57
6-1-3 查詢頁面操作示範59
6-2 雲端議題61
第七章結論與建議64
7-1 結論64
7-2 建議65
參考文獻67
附錄A 校車路線圖71
附錄B 方法比較之檢定結果73
附錄C 資料庫79

參考文獻

1. 中華智慧型運輸系統協會網頁，http://www.its-taiwan.org.tw/，2012。
2. 王耀聰、陳威宇，雲端運算簡介(投影片)，國家高速網路與計算中心(NCHC)，自由軟體實驗室，2008。
3. 白明珠，「應用經驗模態分解及頻譜分析重建時間序列」，淡江大學管理科學研究所博士班博士論文，台北，2011。
4. 邱妍菁，「高速公路短期交通資訊之灰預測模型」，逢甲大學交通工程與管理學系碩士論文，台中，2006。
5. 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」，成功大學交通管理學系碩士論文，台南，2002。
6. 林昱廷「整合式交通資訊服務雲系統之實作」，逢甲大學資訊工程所碩士論文，台中，2012。
7. 周建良，「校車位置與到站時間預估語音查詢系統之研究」，國立中央大學土木工程學系碩士論文，中壢，2007。
8. 拓墣產業研究所，http://www.topology.com.tw/tri/，2012。
9. 卓訓榮、林國顯、張瓊文，「小型車高速公路旅行時間預測模式-應用灰色理論」，中華民國運輸學會第二十二屆運輸論文研討會，頁229-244，台北，2007。
10. 柯宏儒，「以小波與HHT轉換為基礎利用二次自我迴歸模型預測金融股價」，逢甲大學應用數學系研究所碩士論文，台中，2009。
11. 許立佳，「雲端運算平民商機」，創新發現誌，頁34-54，2009。
12. 許峻榕，「空間及路網資訊應用於多功能導引系統之研究」，國立中央大學土木工程學系碩士論文，中壢，1996。
13. 許雅惠，「以模擬分析法探討轉換函數在預測旅行時間之運用」，淡江大學運輸科學研究所碩士論文，台北，2004。
14. 陳惠國，「雲端基礎式之智慧型運輸系統」，中華道路季刊，第50卷，第一期，頁1-10，2011。
15. 陳惠國，「服務科學與先進交通管理服務」，運輸人通訊，第109期，中華民國運輸學會編印，2011。
16. 陳惠國，「雲端運算與交通運輸」，運輸人通訊，第99期，中華民國運輸學會編印，2010。
17. 陳惠國，研究方法-理論與實務，一版，滄海書局，台北，2010。
18. 陳瑄易，「基於經驗模態分解法之遞迴式赫米特類神經網路預測模型–以短時交通流量預測為例」，電腦與通訊期刊，第142期，頁98-105，2011。
19. 陳賓權「智慧型運輸系統未來發展與雲端應用」，國土資訊系統通訊，第75期，頁22-31，2010。
20. 國立中央大學交通車教職員交通車行駛路線及時間表， http://www.nsc.gov.tw/sci/letternews328.html，2012。
21. 國立中央大學數據分析方法研究中心，http://rcada.ncu.edu.tw/，2012。
22. 張旻傑，「多元交通資料融合進行旅行時間預測-以臺中港路為例」，逢甲大學交通工程與管理學系碩士論文，台中，2011。
23. 張智星，MATLAB程式設計入門，初版，碁峰資訊，台北， 2011。
24. 雲端運算產業發展方案，經濟部，2010。
25. 黃重憲，「淺談雲端運算」，國立台灣大學計算機及資訊網路中心電子報，第0008期，2009。
26. 黃惠隆、翁忠川、黃月貞，「以車輛偵測器推估旅行時間之研究 — 以北二高為例」，中華技術季刊，第63期，財團法人中華顧問工程司編印，2004。
27. 葉清江，「結合經驗模態分解法與類神經網路在股價預測之應用」，第14屆科際整合管理研討會，頁125-138，2011。
28. 葉建榮，PHP與My SQL基礎學習教室，初版，上奇資訊，台北，2010。
29. 维基百科-雲端運算，http://zh.wikipedia.org/wiki/%E9%9B%B2%E7%AB%AF%E8%A8%88%E7%AE%97，2012。
30. 鄧聚龍，灰色系統理論與應用，高立出版社，台北：高立出版社，2000。
31. Chen, H. K. and Wu, C. J. “Travel Time Prediction Using Empirical Mode Decomposition and Grey Theory: An Example of a School Bus”, Transportation Research Record, Transportation Research Board 91st Annual Meeting, Washington, DC, 2011.
32. Chen, M., Chien, I. J., “Dynamic Freeway Travel Time Prediction Using Probe Vehicle Data：Link-based vs. Path-based”, TRB Paper No. 01-2887, 80th Annual Meeting, 2001.
33. Guin, A., “Travel Time Prediction Using a Seasonal Autoregressive Integrated Moving Average Time Series Model”, Proceedings of the 9th IEEE International Conference on Intelligent Transportation Systems, pp. 493-498, 2006.
34. Hamad, K., “Near-Term Travel Speed Prediction Utilizing Hilbert–Huang Transform”, Computer-Aided Civil and Infrastructure Engineering, Vol. 24, pp. 551-576, 2009.
35. Hellinga, B. and Fu, L., “Assessing Expected Accuracy of Probe Vehicle Travel Time Reports”, Journal of Transportation Engineering, Vol. 125, No. 6, pp. 524-530, 1999.
36. Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C., and Liu, H. H., “ The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis”, The Royal Society, Series A 454, pp. 903-995, 1998.
37. Lewis, C. D., Industrial and Business Forecasting Methods: A Practical Guide to Exponential Smoothing and Curve Fitting, Butterworth Scientific, London, 1982.
38. Lei, H., Xing, T.and Zhou, X., “Monitoring Travel Time Reliability from the Cloud: Cloud Computing Based Architecture for Advanced Traffic Information Dissemination”, Submitted for Consideration for Presentation and Publication at the 90th Annual Meeting of the Transportation Research Board, 2010.
39. Li, G. D., Yamaguchi, D., Nagai, M., “A Prediction Model Using Hybrid Grey GM(1,1) Model”. Grey System, Vol. 11, No. 1 , pp. 19-26, 2008.
40. Li, Z. J., Chen, Cheng. and Wang, K., “Cloud Computing for Agent-Based Urban Transportation Systems”, IEEE Intelligent Systems, Vol. 26 , No. 1, pp. 73-79, 2011.
41. Oladosu, G., “Identifying the Oil Price-Macroeconomy Relationship: An Empirical Mode Decomposition Analysis of US Data”. Energy Policy, Vol. 37 No. 12 , pp. 5417-5426, 2009.
42. Shin, C. H. and Kim, S. H., “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.
43. Wu, Z. and Huang, N. E., “Ensemble empirical mode decomposition: A noise assisted data analysis method”, Advances in Adaptive Data Analysis, Vol. 1, No. 1, pp. 1-41, 2009.
44. Yuriyama, M. and Kushida, T., “Sensor-Cloud Infrastructure-Physical Sensor Management with Virtualized Sensors on Cloud Computing”, 13th International Conference on Network-based Information Systems, pp. 1-8, 2010.
45. Zhang, X., Lai, K. K. and Wang, S. Y., “A New Approach for Crude Oil Price Analysis Based on Empirical Mode Decomposition”, Energy Economics, Vol. 30, Issue 3, pp. 905-918, 2008.

指導教授

陳惠國(Huey-Kuo Chen)

審核日期

2012-10-1

推文