利用基因規劃法預測高速公路旅行時間

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：20

、訪客IP：3.145.94.130

姓名

張騰文(Teng-wen Chang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

利用基因規劃法預測高速公路旅行時間
(Forecasting Travel Time on Freeway based on Genetic Programming)

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	★ 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	★ 臺北市YouBike公共自行車節能減碳替代效果

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]

至系統瀏覽論文 ( 永不開放)

摘要(中)

由於國內外文獻尚未利用基因規劃法(Genetic Programming，GP)預測高速公路旅行時間，且近年來國道高速公路局將電子收費系統(Electronic Toll Collection，ETC)所偵測之交通資料開放索取，又高速公路主要交通資料來自車輛偵測器(Vehicle detector，VD)，故本研究期望透過車輛偵測器(VD)及電子收費(ETC)所偵測之交通資料，利用基因規劃法預測高速公路旅行時間，提供精準之旅行時間預測，以作為用路人路徑選擇或是出發時間決策判斷之依據。
本研究研究範圍為國道三號樹林收費站至龍潭收費站，以此範圍之車輛偵測器資料及電子收費資料加以分析，透過偵測器資料、電子收費資料與基因規劃法，建立高速公路旅行時間預測模式，故本研究主要目的為處理車輛偵測器資料以作為輸入資料、篩選研究範圍之電子收費資料進而求得電子收費旅行時間、車輛偵測器資料與電子收費資料之整合、以輸入變數和輸入偵測器之方式利用基因規劃法建立旅行時間預測模式、以電子收費之旅行時間資料驗證旅行時間預測模式。最後，將基因規劃法之預測績效與國內外文獻績效進行比較。
結果顯示，利用基因規劃法預測高速公路旅行時間可獲得優良之預測績效，其平均績效介於4.87%~10.04%之間，而且與國內外旅行時間文獻之績效相當。綜合輸入變數預測而言，以速度預測之績效最佳，其次為流量&速度，而流量&占有率績效最差。其中利用VD間隔取之速度資料，可獲得最佳預測績效，平均MAPE值為4.87%。綜合輸入VD預測而言，利用VD隨機選取資料預測可獲得最佳績效，而VD全取與VD間隔取並列第二。其中利用速度之VD隨機選取資料，可獲得最佳預測績效，平均MAPE值為4.98%。

摘要(英)

Owing to the literature is unused by Genetic Programming to forecast travel time on freeway all over the world ,as well as the Taiwan Area National Freeway Bureau makes Electronic Toll Collection open the traffic information from for free and freeway traffic information major from vehicle detectors. Our objective in this report is using the information of VD and ETC to provide data exactly for the choice of passerby or the base of departure time.
The study was designed to establish the range from Shulin tollbooth No. 3 to Longtan tollbooth to analyze data thronging VD, ETC and GP to establish the method of time forecast on freeway. The aim of this study was to use the data of VD which is inputted and selected by ETC data from the range of study to receive ETC travel time,VD data,Data compilation,using the way which is inputted data of VD to establish the method of travel time by GP ,and verification by ETC. Then, we get the forecast by GP to compare to literatures at home and abroad.
These results suggest that using GP to forecast travel time on freeway can get a superior consequent. The average value between 4.87 to 10.04% is just similar to other literatures. Therefore, data of VD gets the first place for speed prediction, second place is flow & speed, and flow &occ is the worst of the three. In sum, speed data of VD interval selection that the average MAPE riches 4.87% is the best prediction. From what has been discussed with forecasting on VD inputting, we can get the best performance by randomly selected, and whole selection is tied with interval selection for second place. In conclusion, random selection is the greatest performance on VD that we can get 4.98% on MAPE.

關鍵字(中)

★ 電子收費
★ 基因規劃法
★ 旅行時間預測
★ 車輛偵測器

關鍵字(英)

★ Genetic Programming
★ Travel time forecasting
★ Vehicle detector
★ Electronic Toll Collection

論文目次

目錄
摘要 iv
Abstract v
誌謝 vi
目錄 viii
圖目錄 x
表目錄 xii
第一章緒論 1
1.1研究背景與動機 1
1.2研究目的 2
1.3研究範圍 2
1.4研究方法 3
1.5研究流程 3
第二章文獻回顧 5
2.1基因規劃法 5
2.2旅行時間預測 8
2.3小結 17
第三章研究方法 23
3.1基因規劃法 23
3.2績效分析方法 30
3.3績效評估 31
3.3.1 變異數分析 31
3.3.2平均數差異檢定 33
第四章資料前置處理 37
4.1車輛偵測器資料 37
4.2電子收費資料 56
4.3資料分析 63
第五章實證分析 71
5.1實驗設計 72
5.1.1輸入變數 72
5.1.2輸入偵測器 72
5.2不同變數輸入預測結果 77
5.2.1 VD全取 79
5.2.2 VD間隔取 100
5.2.3 VD隨機選取 122
5.2.4小結 143
5.3不同VD輸入預測結果 144
5.3.1速度 145
5.3.2流量 146
5.3.3占有率 148
5.3.4速度&占有率 149
5.3.5流量&占有率 150
5.3.6流量&速度 151
5.3.7流量&速度&占有率 153
5.3.8小結 158
5.4綜合分析 159
第六章結論與建議 160
6.1結論 160
6.2建議 163
參考文獻 164
附錄 169

參考文獻

參考文獻
一、中文文獻
1. 陳立信譯，「變異數分析」，初版，華泰書局，1997。
2. 黃俊英，「多變量分析」，七版，翰蘆圖書，2000。
3. 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」，國立成功大學交通管理科學研究所碩士論文，2001。
4. 張修榕，「高速公路旅行時間預測之研究」，國立中央大學土木工程研究所碩士論文，2001。
5. 吳啓聰譯，「商用統計學－入門與應用」，初版，美商麥格羅希爾，2002。
6. 李季森，「應用探測車法預測高速公路旅行時間」，國立中央大學土木工程研究所碩士論文，2002。
7. 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」，國立成功大學交通管理科學研究所碩士論文，2002。
8. 張慶麟，「應用自動車輛辨識預測高速公路路段旅行時間」，國立中央大學土木工程研究所碩士論文，2003。
9. 魏健宏、林士傑和李穎「高速公路客運車輛旅行時間預測之實證評析」，運輸計劃季刊，第32卷，第4期，651~680頁，2003。
10. 石村貞夫、陳耀茂，「變異數分析入門」，初版，鼎茂圖書，2004。
11. George Argyrous原著，史麗珠、林莉華編譯，「統計學─社會與健康科學研究」，初版，學富文化，2004。
12. 黃文龍、黃龍，「統計學」，初版，滄海書局，2004。
13. 吳金杰，「融合偵測器與探測車資料預測高速公路旅行時間之研究」，國立中央大學土木工程研究所碩士論文，2005。
14. 謝明昇，「應用遺傳規劃法進行氣候預報降尺度分析於季節性河川流量預報」，國立台灣大學生物環境系統工程學研究所碩士論文，2005。
15. 許正憲，「資料融合技術應用於事故影響下高速公路旅行時間預測之研究」，國立成功大學交通管理科學研究所碩士論文，2006。
16. 吳定穎，「演化模糊推論系統應用於洪水位預測」，逢甲大學水利工程與資源保育學系碩士班碩士論文，2008。
17. 潘文超、黃瑞靜、林維垣，「應用遺傳程式規劃進行共同基金淨值之預測」，中華管理評論國際學報，第十一卷，四期，2008。
18. 林昇甫、徐永吉，「遺傳演算法及其應用」，五南圖書出版公司，2009。
19. 林惠玲、陳正倉，「應用統計學」，四版，雙葉書廊，2009。
20. 何聰儒，「利用群集分析與線性迴歸推估高速公路旅行時間之研究」，國立交通大學運輸科技與管理學系碩士論文，2009。
21. 陳建旻，「比較k-NN模式與時變係數模式對高速公路旅行時間預測之研究」，國立交通大學運輸科技與管理學系碩士論文，2009。
22. 蔡繼光，「高速公路旅行時間預測-以k-NN法及分群方法探討」，國立交通大學運輸科技與管理學系碩士論文，2009。
23. 林鈺翔，「利用時間資料填補車輛偵測器遺漏值之研究」，國立中央大學土木學系碩士論文，2010。
24. 汪進財、邱孟佑，「以車流狀態為基礎之高速公路旅行時間預測模式」，運輸學刊第二十二卷第三期，頁261-284頁，2010年。
25. 邱孟佑，「以交通狀態為基礎之旅行時間預測」，國立交通大學交通運輸研究所博士論文，2010。
26. 陳玉菁，「台灣地區國道交通事故影響車輛行車延滯時間之研究」，逢甲大學運輸科技與管理學系碩士班碩士論文，2010。
27. 國立交通大學，「高速公路旅行時間預測模式之開發與調查分析期末成果報告」，交通部臺灣區國道高速公路局，2011。
28. 陳世倫，「利用基因規劃法進行車輛偵測器資料填補」，國立中央大學土木學系碩士論文，2012。

二、英文文獻
29. Koza, J. R., “Genetic Programming：On the Programming of Computers by Means of Natural Selection”, MIT Press, 1992.
30. Koza, J. R., “Genetic programming II: automatic discovery of reusable programs ” , MIT Press, 1994.
31. Benyahia, I., Potvin, J.Y., “Decision Support for Vehicle Dispatching Using Genetic Programming”, IEEE transactions on systems, man, and cybernetics—part a: systems and humans, Vol. 28, no. 3, 1998.
32. Delurgio, S. A., Forecasting principles and applications, McGraw-Hill, 1998.
33. Hitoshi Iba and Takashi Sasaki,“Using Genetic Programming to Predict Financial Data”, in Proc. 1999 Congress on Evolutionary Computation (CEC99), IEEE Press, 1999.
34. Dragan A. Savic, Godfrey A. Waters and James W. Davidson,“A Genetic Programming Approach to Rainfall&Runoff Modeling”, Water Resources Management, vol. 13, pp. 219-231, 1999.
35. Massimo Santini and Andrea Tettamanzi, “Genetic Programming for Financial Time Series Prediction”, Proceedings of the 4th European Conference on Genetic Programming, p.361-370, April 18-20, 2001.
36. Abhijit Dharia and Hojjat Adeli, “Neural network model for rapid forecasting of freeway link travel time,” Engineering Applications of Artificial Intelligence 16, pp.607–613, 2003.
37. Rick Riolo, Bill Worzel,“Genetic programming theory and practice”, Boston: Kluwer Academic, 2003.
38. Steven I-Jy Chien and Chandra Mouly Kuchipudi, “Dynamic Travel Time Prediction with Real-Time and Historic Data,” Journal Of Transportation Engineering, ASCE, November/December, pp. 608-616, 2003.
39. Wu, C. H., Ho, J. M., and Lee, D. T., “Travel-time Prediction with Support Vector Regression,” IEEE Transactions on Intelligent Transportation Systems, Vol. 5, No. 4, pp. 276-281, 2004.
40. Yang, Y. C.,“Modeling the Impact of Climate Change on Water Temperature and Potential Population of Formosan Landlocked Salmon’s Reintroduction Habitat ”, Thesis for the Degree of Master of Science Graduate Institute of Bioenvironmental Systems Engineering National Taiwan University, 2004.
41. Chang, G.L., Zou, Nan and Wang, Jianwei, “Development and Filed Evaluation of a Real-Time Travel Time Prediction System,” Maryland Department of Transportation State Highway Administration, Draft Final Report, 2006.
42. J. W. C. van Lint, “Reliable Real-Time Framework for Short-Term Freeway Travel Time Prediction,” Journal Of Transportation Engineering, ASCE, December, pp.921-932, 2006
43. Yang, D.B, “Application of The ARIMA Models to Urban Roadway Travel Time Prediction”, Systems, Man and Cybernetics, SMC IEEE International Conference, pp.2529-2534, 2006.
44. M. Li, G. Liu, and Y. Zhao, “Forecasting GDP Growth using Genetic Programming” International Conference on Natural Computation, China, pp. 393-397, 2007.
45. Wei, C. H. and Lee, Y., “Development of Freeway Travel Time Forecasting Models by Integrating Different Sources of Traffic Data,” IEEE Transactions on Vehicular Technology, Vol. 56, No. 6, pp. 3682-3694, 2007.
46. LI Zhi-Peng,YU Hong,LIU Yun-Cai,LIU Fu-Qiang, “An Improved Adaptive Exponential Smoothing Model for Short-term Travel Time Forecasting of Urban Arterial Street,” Acta Automatica Sinica, Vol.34, No.11 November,pp. 1404-1409, 2008.
47. Peng Chen, Zhao Lu and Junzhong Gu, “Vehicle Travel Time Prediction Algorithm Based on Historical Data and Shared Location,”2009 Fifth International Joint Conference on INC, IMS and IDC, pp. 1632-1637, 2009.
48. Abhishek, M., “A genetic programming approach to explore the crash severity on multi-lane roads”, Accident Analysis and Prevention, 2010.
49. Dewang Chen, Kun Zhang,and Tao Liao, “Practical Travel Time Prediction Algorithms Based on Neural Network and Data Fusion for Urban Expressway,” 2010 Sixth International Conference on Natural Computation, 2010.
50. Menglong Yang, Yiguang Liu, and Zhisheng You, “The Reliability of Travel Time Forecasting,” IEEE Transactions On Intelligent Transportation Systems, VOL. 11, NO. 1, pp. 162-171, MARCH 2010.
51. Axel Simroth and Henryk Zahle, “Travel Time Prediction Using Floating Car Data Applied to Logistics Planning,” IEEE Transactions On Intelligent Transportation Systems, VOL. 12, NO. 1, pp. 243-253, MARCH 2011.

指導教授

吳健生(Jiann-sheng Wu)

審核日期

2012-8-23

推文