跳到主要內容

簡易檢索 / 詳目顯示

回結果列表
研究生： 吳金杰
Ching-Chieh Wu
論文名稱： 融合偵測器與探測車資料預測高速公路旅行時間之研究
Applying data fusion techniques on the freeway travel time forecasting with vehicle detector and probe vehicle data
指導教授： 吳健生
Jiann-Sheng Wu
口試委員:
學位類別： 碩士
Master
系所名稱： 工學院 - 土木工程學系
Department of Civil Engineering
畢業學年度： 93
語文別： 中文
論文頁數： 143
中文關鍵詞： 模擬 、探測車 、車輛偵測器 、資料融合 、類神經網路 、倒傳遞類神經網路 、旅行時間預測
外文關鍵詞： Travel Time Forecasting, Back-Propagation Network, Artificial Neural Network, Data Fusion, Vehicle Detector, Probe Vehicle, Simulation
相關次數： 點閱：12  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 由於用路人資訊日益受到重視且第二高速公路的通車以及高快速道路路網的形成，正確及有效的提供用路人行前旅行時間資訊，對於交通壅塞抒解及整體交通績效提升乃致於作為駕駛者選擇適當之路徑與出發之時間皆有著極大的正面影響。而利用即時之交通資料預測未來旅行時間，為先進旅行者資訊系統中不可或缺之交通資訊。
    本研究運用微觀角度之車流模擬程式產生車輛偵測器與探測車資料，並自行構建一套使用探測車單一資料來源之浮動加總旅行時間預測模式，以及融合車輛偵測器與探測車資料，運用類神經網路構建雙資料來源之類神經資料融合旅行時間預測模式，進而探討不同流量型態、不同資料收集時距、不同探測車比例等相關參數之實驗組合，再者以真實資料對於模式輸出結果進行驗證。
    經由反覆的校估與測試結果可以得知，本研究所構建之浮動加總旅行時間預測模式與類神經資料融合旅行時間預測模式，其預測效果良好，皆屬於『高精準預測』，於高速公路旅行時間相關資料提供方面，可作為交通相關單位參考之用途。

    Due to the traveler information emphasized, the inauguration of the second freeway and the completion of expressway toward network, the offering of travel time information precisely and efficiently to traveler will be helpful in reducing traffic congestion, increasing entire performance of transportation and selecting suitable paths and the time to start off. The forecasting of the future travel time adopted real-time traffic data are essential for ATIS.
    This research adopted the traffic flow simulation method via microscopically view to create data pertaining to vehicle detector and probe vehicle and then constructed two forecasting models. The first model is floating summary travel time using single data source from probe vehicle, and the second model is data fusion using artificial neural network travel time. Base on these two models, it consider the alternative combination including flow type, data collection interval and probe vehicle percentage. Furthermore, taking the actual data to validate the output .
    After repeatedly correcting and testing, the performance of floating summary travel time forecasting model and data fusion by artificial neural network travel time forecasting model that both constructed in the research belong to “high-precise”. This research can be provided to forecast travel time in real-time highway travel time estimation.

    目錄 中文摘要 .........I 英文摘要 .........Ⅱ 誌謝..............Ⅲ 目錄..............Ⅴ 圖目錄............Ⅷ 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 研究對象與範圍 3 1.4 研究內容 3 1.5 研究流程與方法 4 第二章 文獻回顧 6 2.1 國外旅行時間相關文獻回顧 6 2.1.1 偵測器資料推估 6 2.1.2 探測車資料推估 7 2.2 國內旅行時間相關文獻回顧 10 2.2.1 偵測器資料推估 10 2.2.2 探測車資料推估 10 2.2.3 自動車輛辨識資料推估 12 2.3 資料融合相關文獻回顧 14 2.3.1資料融合概念 14 2.3.2資料融合定義與特性 14 2.3.3資料融合相關文獻整理 16 第三章 預測模式構建 18 3.1 浮動加總預測模式構建 18 3.1.1 模式理論 18 3.1.2 模式構建 19 3.1.3 模式流程 21 3.2 類神經資料融合預測模式構建 25 3.2.1 模式理論 25 3.2.2 演算法學習策略 26 3.2.3 輸入變數之選擇 29 3.2.4 網路架構與參數設定 30 第四章 車流資料產生 33 4.1資料產生方式比較 33 4.2 模擬模式系統架構 34 4.2.1 系統基本假設 34 4.2.2 模擬架構與流程 37 4.3 模式驗證 41 4.3.1 程式確認 41 4.3.2 程式校估 41 4.3.3 程式驗證 42 第五章 類神經預測模式先期分析 43 5.1 實驗設計 43 5.2 模式評估指標 46 5.3 模式訓練與測試 47 5.4 流量固定型態下模式分析 49 5.4.1 資料收集時距3分鐘分析 49 5.4.2 資料收集時距5分鐘分析 58 5.5 實際流量變化型態下模式分析 67 5.5.1 資料收集時距5分鐘分析 67 5.6 小結 70 第六章 預測模式分析與績效評估 73 6.1 模式績效評估準則 73 6.2 類神經資料融合預測模式 74 6.2.1 比較性分析 74 6.2.2 精確度分析 81 6.2.3 模式績效評估 92 6.3 浮動加總預測模式 95 6.3.1 比較性分析 95 6.3.2 精確度分析 102 6.3.3 模式績效評估 113 6.4 綜合績效評估 116 6.4.1 固定流量型態 116 6.4.2 實際流量變化型態 117 第七章 結論與建議 119 7.1 結論 119 7.2 建議 122 參考文獻 124

    參考文獻
    1. 交通部運輸計畫委員會，交通工程手冊，第三版，民國61年。
    2. 交通部運輸研究所，『2001台灣地區公路容量手冊』，交通部運輸研究所，民國90年。
    3. 交通部運輸研究所，『先進式微觀車流模擬器-PARAMICS模擬軟體應用台灣地區發展ITS模擬路網之模式校估測試研究』，民國90年9月。
    4. 交通部運輸研究所，『先進式微觀車流模擬器-PARAMICS模擬軟體應用於高速公路與市區道路交控系統整合策略研究』，民國90年。
    5. 李季森，『應用探測車法預測高速公路旅行時間』，碩士論文，國立中央大學土木工程研究所，民國91年7月。
    6. 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』，碩士論文，國立成功大學交通管理科學研究所，民國91年。
    7. 呂孟學，『應用類神經網路於即時停車場需求預測之研究』，碩士論文，國立中央大學土木工程研究所，民國91年。
    8. 吳佳峰，『有GPS資訊提供下之車輛旅行時間預估模式之研究』，碩士論文，國立交通大學交通運輸工程研究所，2000。
    9. 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』，碩士論文，國立成功大學交通管理科學研究所，民國90年。
    10. 周義華，陳天賜，『混合車流模擬方法之初步研究』，中國工程學刊，第六卷第二期，65-71頁，民國72年。
    11. 高速公路局，高速公路統計年報，民國89年。
    12. 黃裕文，『高速公路施工路段旅行時間預測之研究』，碩士論文，國立中央大學土木工程研究所，民國92年。
    13. 張修榕，『高速公路旅行時間之研究』，碩士論文，國立中央大學土木工程研究所，民國90年。
    14. 張慶麟，『應用自動車輛辨識預測高速公路路段旅行時間』，碩士論文，國立中央大學土木工程研究所，民國92年。
    15. 葉怡成，『類神經網路模式應用與實作』，第七版，儒林出版社，民國91年。
    16. 楊雨青，「高速公路事件偵測與匝道儀控整合模式之研究-類神經網路之應用」，碩士論文，國立成功大學交通管理科學研究所，民國87年。
    17. 樓乃基，『基本交通工程』，台灣公路工程出版社，第二版，民國78年。
    18. 魏建宏、楊雨青，『智慧型運輸系統交通參數資料融合方法之研究-應用類神經網路』第一屆ITS研討會論文集，民國88年。
    19. Adolf D. May, Traffic Flow Fundamentals, Prentice Hall, 1990.
    20. Benjamin, Coifman ., “Vehicle Re-Identification (VRI) and Travel Time Measurement (TTM) in Real-Time on Freeways Using Existing Loop Detector Infrastructure” , Transportation Research Record 1643, pp181-191,1998
    21. 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.
    22. Choi, K., YounShik .Chung,“A Data Fusion Algorithm For Estimating Link Travel Time”, Intelligent Transportation Systems,7:235-260,2002.
    23. Choi, K., Shin, C. H., and Park, I., “An Algorithm for Calculating Dynamic Link Travel Times Using GPS and A Digital Road Map,” 5th ITS World Congress,1998.
    24. Daniel J. Dailey., Fredrick W. Cathey., “AVL-Equipped Vehicles as Traffic Probe Sensors ” , University of Washington ,Seattle,2002.
    25. Daniel J. Dailey., Patricia Ham, Po-Jung Lin., “ITS DATA FUSION ”, University of Washington, Seattle ,1996.
    26. Daniel J. Dailey , Chandrasekar . Elango ., “ Irregularly Sampled Transit Vehicles used as a probe vehicle traffic sensor ”, University of Washington ,Seattle,1999.
    27. D. J. Dailey , “Travel Time Estimates Using a Series of Single Loop Volume ” , Transportation Research Board 76th Annual Meeting, January 12-16, 1997.
    28. Daniel J. Dailey., “A Statistical Algorithm for estimating speed from single loop volume and occupancy Measurements” , Transportation Research Record B, Vol. 33B, No. 5, pp. 313-22, June 1999.
    29. Daniel J. Dailey ., Suree Pumrin , Fredrick W. Cathey ., “An Algorithm to estimate mean traffic speed using un-calibrated camera”, University of Washington , Seattle,1998.
    30. D.J. Dailey , L. Li., “Video Image Processing to Create a speed sensor”, ITS Research Program, March ,1999.
    31. Ivan, J. N. et al., “Real- Time Data Fusion for Arterial Street Incident Detection Using Neural Networks,” Transportation Research Record, No. 1497, pp.27-35, 1995.
    32. John N. Ivan , “Neural Network Representation for Arterial Street Incident Detection Data Fusion” , TR part .c Vol.5 , No. 3/4, pp.245-254,1997.
    33. Karl F. Petty, Jiming Jiang ,“Assessing Expected Accuracy of Probe Vehicle Travel Time Reports”, Journal of Transportation Engineering, 1999.
    34. Linn R .,D .Hall . “A survey of multi-sensor data fusion system”, 1991.
    35. Lewis, C. D. Industrial and Business Forecasting Method, 華泰書局, 1982.
    36. 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, 2001.
    37. Petty, K. F., Bickel, P., Jiang, J., Outland, M., Rice, J., Ritov,Ya’acov, and Schoenberg F. ”Accurate Estimation of Travel Times from Single-loop Detectors.” , Presentataion at the 76th Annual Meeting of Transportation Research Board, Washington, D.C. ,1997.
    38. Traffic Management, “Travel time estimation by evidential data fusion”, pp.29-30 , Sep , 2000.
    39. William M. Evanco., “A Data Fusion Framework For Meta-Evaluation of Intelligent Transportation System Effectiveness”, University of Washington , Seattle ,1996.
    40. Z .Wall , D. J. Dailey., “An algorithm for predicting the arrival time of mass transit vehicles using automatic vehicle location data”, University of Washington, Seattle, 1999.
    41. http://ais.its-ogram.anl.gov/advance/reports/travel.time.software.html
    42. http://www.stormingmedia.us/keywords/data_fusion.html
    43. http://www.itsa.org/

    QR CODE
    :::