全球衛星定位服務目前在各領域已被普遍使用，而應用在交通運輸上意在取得即時之交通訊息。由於校車是固定路線、單一班次、無前車資訊之通勤車輛，對於搭乘校車之使用者而言，即時資訊的掌握更為重要，若能提供即時資訊便能減少等候時間的不確定性，乘客也可在掌握充分資訊下規劃行程。本研究透過全球衛星定位技術，以獲得即時資訊，再利用無線整合封包數據服務的通訊技術，將定位資訊傳輸至資料庫中，結合語音系統作為提供即時資訊的管道，實作出一個回報完整的動態資訊系統。校車的路線包含國道高速公路與市區道路兩種，由於在國道高速公路部份無停靠站，因此推估到站時間的方法以切割路段作依據，利用GPS即時回傳的時間與位置，從歷史資料庫中尋找各路段間相同的資料，並推估下一到站時間，直至終點站為止。經由實際測試發現，此系統能即時回報各到站時間，而每個停靠站之誤差時間皆在6分鐘之內，播報時在系統中將此誤差考慮進去，讓乘客更能得知正確的資訊。未來可利用資料融合方法將有用的交通參數納入考量，讓路段資訊更加完整。

The Global Positioning System (GPS) has become a widely used aid to navigation worldwide, and useful tool for transportation science to gather real time references. As far as commuters are concerned, appeared real time information from routed bus helps them greatly to alleviate uncertainty of waiting time and scheduling problem. Therefore, a proper dynamic information reporting system retrieving from GPS-based database, which is transmitted by General Packet Radio Service (GPRS) and is demonstrated with broadcasting systems, is necessary for commuters’ decision-making. Generally, bus routes both in urban area and in freeway, however, the latter is express form so that it is necessary to divide the path from origin to destination into sections to estimate individual arrival time in order to minimize the deviation. According to real time information of routing bus by GPS, the estimated arrival time to destination can be predicted. The system is proved to return the real time information within an error which is limited in 6 minutes for each one section, and provides those errors for commuters while broadcasting. In the future, data fusion techniques will be applied to improve accuracy of the information under available traffic parameters.

1. 王煒涵(2001)，GPS結合GLONASS衛星單一時刻雙頻觀測量之即時動態定位研究，成功大學測量工程學系碩士論文，台南。
2. 王晉元(1998)，新竹公車動態系統功能更新及調度管理系統之開發，交通部運輸研究所，台北。
3. 王晉元(2000)，新竹公車動態系統運作與績效評估，交通部運輸研究所，台北。
4. 史天元(2000)，橫麥卡脫（TM）座標與經緯度轉換，地籍測量，第19卷，第2期，1-9頁。
5. 史慧順(1957)，平面測量學，成功大學航空測量研究所出版，台南。
6. 李穎(2002)，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，成功大學交通管理系碩士論文，台南。
7. 台北縣公車動態系統網頁：http://e-bus.tpc.gov.tw/
8. 交通大學資訊媒體實驗室網頁：http://cnn.cn.nctu.edu.tw/IMLab/
9. 李添財，汽車導航系統，台北市：全華科技圖書文物公司。
10. 李維(1999)，Borland C++ Builder 4程式設計進階，旗標文化出版公司，台北市。
11. 余清華(1999)，資料庫系統之基本概論，全華科技圖書文物公司，台北市。
12. 林士傑(2001)，高速公路旅行時間預測模式之研究-類神經網路之應用，成功大學交通管理系碩士論文，台南。
13. 卓訓榮，王晉元(2002)，大眾運輸車隊管理系統核心模組之推廣應用，交通科技顧問室委託，台北。
14. 卓訓榮，許家瑞，王晉元，吳玉珍，李春茂(1993)，運輸路網地理資訊系統(GIS-T)應用之研究-以鋪面維護查詢系統及公車路線查詢系統為例，中華民國運輸學會第八屆學術論文研討會論文集，153-160頁。
15. 卓訓榮，史習平，王晉元，吳玉珍，李春茂(1994)，公車動態資訊系統之實作，中華民國運輸學會第九屆學術論文研討會論文集，619-626頁。
16. 吳佳峰(2001)，有GPS資訊提供下之車輛旅行時間預估模式之研究，交通大學運輸工程與管理系碩士論文，新竹。
17. 美國太空總署之HHT網頁：http://techtransfer.gsfc.nasa.gov/HHT/index.html
18. 洪維謀(2004)，生產力導向之知識產業績效評估資訊系統建構－以教學系統為例，大葉大學工業工程學系碩士論文，彰化。
19. 徐宏宇(2006)，以車流模擬模式探討高速公路旅行時間推估所需之客運GPS探針車數，成功大學電信管理研究所碩士論文，台南。
20. 張惠汶(2002)，利用公車GPS定位資料推估路段行車速率之研究，交通大學運輸科技與管理學系碩士論文，新竹。
21. 許政憲(2006)，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，成功大學交通管理系碩士論文，台南。
22. 陳建名(2004)，有GPS資訊提供下之公車旅行時間之研究，交通大學運輸科技與管理學系碩士論文，新竹。
23. 郭中天(2003)，公車到站時間暨複合路線旅行時間預估模式之研究，台灣大學土木工程學研究所碩士論文，台北。
24. 許雅惠(2004)，以模擬分析法探討轉換函數在預測旅行時間之應用，淡江大學運輸管理學系運輸科學碩士班碩士論文，台北。
25. 許峻榕(1996)，空間及路網資訊應用於多功能導航系統之研究，中央大學土木工程學系碩士論文，中壢。
26. 黃惠隆，翁忠川，黃月貞(2004)，以車輛偵測器推估旅行時間之研究，中華技術季刊7月第63期。
27. 楊博文(2001)，先進公車動態資訊系統使用者效益之衡量，淡江大學運輸管理學系運輸科學碩士論文，台北。
28. 蔡宜樺(2005)，VD與GPS計程車之即時資料融合與資料庫建立之研究，台灣大學土木工程學研究所碩士論文，台北。
29. 鄧瑋敦(2006)，MySQL 5徹底研究第三版，博碩文化公司，台北縣。
30. 鄭志平(1992)，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，成功大學交通管理系碩士論文，台南。
31. 蘇昭銘(2002)，公車動態資訊系統前端與後端系統整合觀摩計畫，交通部科技顧問室委託，台北。
32. 蘇昭銘，吳孟璵，周思齊，詹雅婷(2000)，環境下公車車輛調度作業之研究，中華民國運輸協會第十五屆論文研討會，台北。
33. Abbott, E., and Powell, D., (1999), “Land-Vehicle Navigation Using GPS,” Proceeding of the IEEE, Vol. 87, No. 1, pp. 145-162.
34. Grol, R.V., (1999), “DACCORD: On-Line Travel Time Estimation/Prediction Results,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
35. Hotchkiss, N.J., (1999), “A Comprehensive Guide to Land Navigation with GPS,” Alexis Publication, Leesburg, Va.
36. Huisken, G. and Maarseveen, M., (2000), “Congestion Prediction on Motorway: A Comparative Analysis,” The 7th World Congress on Intelligent Transport Systems, November 6-9, Turin, Italy.
37. Huang, N.E., Shen, Z., Long, S.R., Wu, M.C., Shin, H.H., Zheng, Q., Yen, N.C., Tung, C.C., and Liu, H.H., (1998), “The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Nonstationary Time Series Analysis,” Proceedings of Royal Society of London, Series A 454, pp.903-995.
38. Jasperse, D., (1999), “Real-time Estimation of Travel Time and Queue-Lengths: A Practical Study,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
39. Jarjees, G., (2000), “Prediction of Vehicle Travel Time Using Ancillary Information Sources,” The 7th World Congress on Intelligent Transport Systems, November 6-9, Turin, Italy.
40. Kim, and Chan, Y., (1998), “Estimation of Link Travel Time Using Vehicular Detection Devices in TRACS (Traffic Adaptive Control System),” The 5th World Congress on Intelligent Transport Systems, October 12-16, Seoul, Korea.
41. Takeshi, K., (1998), “A Study on Travel Time Prediction Method on Inter-City Expressways Using Traffic Capacity at the Bottleneck,” The 5th World Congress on Intelligent Transport Systems, October 12-16, Seoul, Korea.
42. Lee, Y.I., (1998), “Development of a Link Travel Time Prediction Algorithm for Urban Expressway,” The 5th World Congress on Intelligent Transport Systems, October 12-16, Seoul, Korea.
43. Linn, R.J., and Hall, D.L., (1991), “A Survey of Multi-sensor Data Fusion Systems,” Proceedings of the SPIE-The International Society for Optical Engineering, Vol. 1470, pp.13-29.
44. Maruyama, M., (2000), “Travel Time Measurement Using the Automated Vehicle Location System,” The 7th World Congress on Intelligent Transport Systems, November 6-9, Turin, Italy.
45. Oh, J.S., Jayakrishnan, Recker, W., (2002), “Section Travel Time Estimation from Point Detction,” Presentation at 82th Annual Meeting of Transportation Research Board, Washington, D.C.
46. Paterson, D., (1999), “Dynamic Travel Time Estimation on Instrumented Freeways,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
47. Suzuki, H., (1999), “Application of a Neural Kalman Filter (NKF) Technique for Dynamic Estimation of OD Travel Time and Flow,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
48. Shin, S.W., (1999), “Randomness of De-noised Time Series Data for Travel Time Forecasting,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
49. Smith, B.L., and Demetsky, M.J., (1997), “Traffic Flow Forecasting: Comparison of Modeling Approaches,” Journal Transportation Engineering, Vol.123, pp.261-266.
50. Taranto, C.D., (2000), “Network Status Estimation and Traffic Prediction in Urban and Sub-urban Areas,” The 7th World Congress on Intelligent Transport Systems, November 6-9, Turin, Italy.
51. Thomas, G.B., (1999), “The relationship between detector location and travel characteristics on arterial streets,” ITE Journal, Vol.69, pp.36-42.
52. Yamane, K., (1999), “Development of Travel Time Estimation System Combining License Plate Recognition AVI and Ultrasonic Vehicle Detector,” The 6th World Congress on Intelligent Transport Systems, October, Toronto, Canada.
53. You, J. and Kim, T. J., (1998), “Toward Developing an Expert GIS-Based Travel Time Forecasting Model with Congress Pattern Analysis,” The 5th World Congress on Intelligent Transport Systems, October 12-16, Seoul, Korea.