以鏈結串列搜尋車輛偵測器遺漏值最佳填補方式

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：43

、訪客IP：3.147.43.113

姓名

林岳威(Yue-Wei Lin) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

以鏈結串列搜尋車輛偵測器遺漏值最佳填補方式
(Searching the Optimal Data Imputation Method for Missing Values of Vehicle Detector Using Linked List)

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
★ 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)

本研究主要目的為針對雪山隧道路段車輛偵測器資料發生遺漏時進行即時填補。填補方法有空間填補與時間填補兩大種類，因為在填補過程中不考慮本身歷史資料與鄰近偵測器歷史資料投入填補，所以是採用空間填補方式。當路段上有數組偵測器資料發生遺漏時，必須利用剩餘完整偵測器來當作投入填補的資源。透過鏈結串列的應用，將遺漏偵測器與完整偵測器區隔開，分別建立出資料遺漏偵測器串列與資料完整偵測器串列。最後對遺漏偵測器依序進行填補，其填補組合是利用完整偵測器依照投入組數的不同透過組合方法將所有填補組合計算得出。最後從這些填補組合中搜尋出各遺漏偵測器的最佳填補組合。
結果顯示，依照遺漏偵測器數量不同，其填補組合的數量也不同。但因為在4組以上偵測器投入填補的填補組合數量過多又填補績效以隨機方式假設，故4組以上的局部最佳填補組合的填補績效值皆為5%居多。接著再從這些局部最佳填補組合選擇最多組偵測器投入作為遺漏偵測器的最佳填補組合。

摘要(英)

To search for the optimal imputation of Vehicle Detector, this paper using the Data Structure-Linked Lists to search the optimal solution of imputation of Vehicle Detector. We have to establish three the essential VD Lists and the numbers of data imputation Lists. Using the Lists to find the optimal solution of missing values VD.
First, use the 35 VD to establish the original VD Lists and copy the data of the original VD Lists to establish another List, it’s call data complete lists. Then we input the VD of missing values to delete VD of data complete lists, at the same time, use the VD of missing values to establish missing data lists. And then using combination of statistics of data complete lists to find the imputation mode, MAPE use the random to decide. Use the imputation mode to establish the numbers of data imputation Lists. Finally , we can search the local optimal solution from the data imputation Lists, and find the optimal solution from those local optimal solution.
The result showed that every VD of missing value the local optimal solutions MAPE are 5%, because the imputation mode is too much and the MAPE is random to decide. But we have to find the optimal solution of missing value VD, so according to Literature, we choose the most VD imputation Data is optimal solution.

關鍵字(中)

★ 最佳填補組合
★ 鏈結串列

關鍵字(英)

★ Linked List
★ optimal solution
★ Missing Value

論文目次

摘要i
Abstract ii
誌謝iii
目錄v
圖目錄vii
表目錄x
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2
1.5研究流程3
第二章文獻回顧5
第三章車輛偵測器遺漏值填補12
3.1遺漏值填補設計12
3.1.1 空間填補12
3.1.2 時間填補14
3.1.3 小結15
3.2遺漏偵測器與投入填補偵測器選擇16
3.3鏈結串列18
3.3.1 雙向鏈結串列20
3.3.2雙向鏈結串列的建立、刪除與新增節點21
第四章車輛偵測器遺漏值最佳填補組合26
4.1 車輛偵測器遺漏值填補流程26
4.2原始偵測器數量27
4.3遺漏偵測器與完整偵測器區隔30
4.4 填補組合與績效值35
4.3 最佳填補組合45
第五章案例測試47
5.1實驗設計47
5.1.1 測試範圍47
5.1.2 車輛偵測器遺漏數量48
5.2 測試結果49
5.6 小結72
第六章結論與建議73
6.1 結論73
6.2 建議74
參考文獻75

參考文獻

1.黃智健，「車輛偵測器不完整資訊推估旅行時間之研究」，逢甲大學交通工程與管理學系研究所碩士論文，2007。
2.廖梓淋，「利用資料填補概念探討車輛偵測器佈設間距」，國立中央大學土木工程學系研究所碩士論文，2009。
3.高英穗，「雪山隧道行車特性分析」，國立中央大學土工程學系研究所碩士論文，2009
4.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。
5.陳世倫，「利用基因規劃法進行車輛偵測器資料填補」，國立中央大學土木工程學系研究所碩士論文，2011。
6.唐琬玲，「利用回饋式類神經插補探討路段車輛偵測器佈設間距」，國立中央大學土木工程學系研究所碩士論文，2011。
7.吳啓聰譯，「商用統計學－入門與應用」，初版，美商麥格羅希爾，2002。
8.余俊瑜譯，「基礎統計學」，初版，全華圖書，2004。
9.Ellis Horowitz、Sartaj Sahni、Susan Anderson Freed 原著，蘇維雅譯，「資料結構-使用C語言(Fundamentals of Data Structure in C)」，松崗電腦圖書資料股份有限公司，1994。
10.Sartaj Sahni 著，黃焜煌審閱，「資料結構、演算法與應用使用C++(Data Structure, Algorithms, and Applications in C++)」，麥格羅・希爾國際出版公司，2002。
11.Gilberg・Forouzan著，樂以虎譯，「資料結構使用C/C++語言-Data Structures A Psedocode Approach With C++」，高立圖書有限公司，2004。
12.胡昭民、吳燦銘著，「圖解資料結構使用C++」，博碩文化股份有限公司，2010。
13.陳惠國，「研究方法-理論與實務」，滄海書局，2010。
14.Gold, D. L., Turner, S. M., Gajewski, B. J. and Spiegelman, C., “Imputing Missing Values In ITS Data Archives For Intervals Under 5 Minutes,” Transportation Research Board 80th Annual Meeting January 7-11, Washington, D.C, 2001, Paper No. 01-2760.
15.Chen, D., Muller, S. G., Mussone, L. and Montgomey, F. , “A Study of Hybrid Neural Network Approaches and the Effects of Missing Data on Traffic Forecasting”, Neural Computing & Applications, pp. 277-286, 2001.
16.Chen, C., Kwon, J., Rice, J., Skabardonis, A. and Varaiya, P. , “Detecting Errors And Imputing Missing Data For Single Loop Surveillance Systems”, Transportation Research Board January, Washington, D.C, Vol.1855, pp160-167. 2002.
17.Satish Sharma, Pawan Lingras, Ming Zhong, “Effect of Missing Value Imputations on Traffic Parameters Estimations from Permanents Traffic Counts ”, Transportation Research Board, Vol. 1836,pp. 132-142,2003.
18.Brian L. Smith, William T. Scherer, James H. Conklin, “Exploring Imputation Techniques for Missing Data in Transportation Management System”, Transportation Research Board, Vol. 1836,pp. 132-142,2003.
19.Satish Sharma, Pawan Lingras, Ming Zhong, “Effect Imputation Techniques for Missing Data in Transportation Management System ”, Transportation Planning and Technology, Vol. 27 no.2,pp. 119-144,2004.
20.Huang, C. C. and Lee, H. M., “A Grey-based Nearest Neighbor Approach For Missing Attribute Value Prediction”, Applied Intelligent, Vol.20, No.3, pp. 239-252, 2004.
21.Wen, Y. H., Lee, T. T. and Cho, H. T., “Missing Data Treatment And Data Fusion Toward Travel Time Estimation For ATIS”, Journal of the Eastern Asia Society for Transportation Studies, Vol.6, pp. 2546-2560, 2005.
22.Mei Chen, Jingxin Xia, Rongfang Liu,“Developing a Strategy for Imputing Missing Traffic Volume Data”, JOURNAL of the TRANSPORTATION RESEARCH FORUM, Vol. 45, No. 3, pp. 57-76, 2006.
23.Zhaobin Liu, Satish Sharma, Sandeep Datla, “Imputation of Missing Traffic Data during Holiday Periods”, Transportation Planning and Technology, Vol. 31, No. 5, pp. 525-544, 2008.
24.Li Qu, Li Li, Yi Zhang, Jianming Hu, “PPCA-Based Missing Data Imputation for Traffic Flow Volume: A Systematical Approach”, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, Vol. 10,No. 3, pp.512-522,2009.
25.Tung, C. P., Lee, T. Y., Yang, Y. C. E. and Chen, Y. J.,“ Application of genetic programming to project climate change impacts on the population of Formosan landlocked salmon”, Environmental Modelling & Software, 24: 1062&1072, 2009.

指導教授

吳健生(Jiann-Sheng Wu)

審核日期

2012-8-24

推文