高速公路行車速率快，一旦有事件發生，往往會造成嚴重的車流延滯以及人員和財務的損失。因此若能快速偵測事件發生，將有助於交通管理者迅速採取適當措施，減低意外所造成的影響。本研究的目的為嘗試以灰色預測和假設檢定的方法建立一套事件偵測演算法，來判斷有無事件發生，並以實例測試灰色預測於事件偵測的績效。演算法的偵測邏輯為：根據最近幾個時段的佔有率進行預測，並比較該預測值與實際觀測值的差異，以兩者之間的差異程度為判斷事件發生與否的標準。整個演算法的架構包括灰色預測模式和門檻值界定兩大部分。演算的流程為建立歷史佔有率預測誤差分配圖，利用假設檢定方法算出門檻值，再將灰色預測算出來的預測值與實際值做比較之誤差值，和門檻值比較，判斷有無事件發生。本研究根據不同型Ⅰ錯誤的機率，切割門檻值，算出不同門檻值下的偵測率和誤報率，提供給決策者做參考。決策者可依照本身所期望的偵測率和可接受之誤報率，訂定上下游佔有率預測誤差的門檻值，來判斷有無事件發生。

The car on freeway is traveling at high speed. Once an incident happens, it will cause serious traffic delay and the loss of life and financial affairs. Therefore, if it can detect the occurrence of incident happen as soon as possible, it can help traffic managers to make appropriate decision to decrease accident influence. This research build up an incident detection algorithm by using grey prediction and hypothesis test, which judged whether incidents happened or not. We use actual examples to test the effect of grey prediction in incident detection. The detected logic of this algorithm is to predict occupancies according to late time and compare the difference between predict value and actual value. The standard determined to occur incident is base on the difference. The whole framework of algorithm includes grey prediction and threshold decision. The procedures in this algorithm are built up historically predictive occupancy error distribution, then using hypothesis test for threshold. Moreover, compared errors that actual value subtracts predict value of grey prediction with the threshold to judge whether anything happened. This research depends on different probability of typeⅠerror cutting threshold and figuring out detection rate and false-alarm rate for policymaker’s consulting. The policymaker makes upstream and downstream thresholds according to his expectant detection rate and acceptable false-alarm rate to judge whether incident occurred.

1. 國道高速公路局，「九十一年高速公路年報」，民國92年
2. Payne, H.J and S.C. Tignor , “Freeway Incident-Detection Algorithms Based on Decision Trees With State”, TRR 682, 1978, pp.30-37
3. Levin, M. and G .M. Krause, “Incident-Detection Algorithms, Part 1: Off-Line Evaluation” ,TRR 722, 1979, pp.49-58
4. Levin M. and Krause , G .M . , “Incident Detection : A Bayesian Approach”, TRR 682, 1978, pp.52-58
5. Levin M. and Krause , G .M . , “A Probabilistic Approach to Incident Detection on Urban Freeway”, Traffic Engineering & Control, Vol. 20, No.3, 1979, pp.107-109
6. Dudek, C. L., C. J. Messer and N.B. Nuekles, “Incident Detection on Urban Freeway”, TRR 495, 1974, pp.12-24
7. Ahmed, S. A. and Cook, A. R. , “Time Series Models for freeway Incident Detection”, ASCE Journal of Transportation Engineering, Vol. 106, No. 6, 1980, pp.731-745
8. Ahmed, S. A. and Cook, A. R. , “Application of Time-Series Analysis Techniques to Freeway incident detection”, TRR 841, 1982, pp.19-21
9. Ahmed, S. A. and Cook, A. R. , “Discrete Dynamic Models for Freeway Incident Systems”, Transportation Planning and Technology, Vol. 7, 1982, pp.231-242
10. Sethi, V., Bhandari, N., Koppelman, F. S. and Schofer, J. L. ,“Arterial incident detection using fixed detector and probe vehicle data”, Transportation Research Part C, Vol. 3, No. 2, 1995, pp.99-112
11. Kyriacos C. Mouskos, Edip Niver, Stuart Lee, Tom Batz, and Peter Dwyer, “Transportation Operations Coordinating Committee System for Managing Incidents and Traffic-Evaluation of the Incident Detection System”, TRR 1679, 1999, pp.50-57
12. Michalopoulos, P. G.., “Vehicle Detection through video Image Processing: the Autoscope system”, IEEE Transactions on Vehicular Technology, Vol. 40, No. 1, 1991, pp. 21-29
13. J. B. Sheu and S. G. Ritchie, “A New Methodology for Incident Detection and Characterization on Surface Streets”, Transportation Research Part C 6, 1998, pp.315-335
14. Abdulhai, Baher和Ritchie, Stephen G . “Enhancing the Universality and Transferability of Freeway Incident Detection Using a Bayesian-based neural network”, Transportation Research Part C 7, 1999, pp.261-280
15. Srinivasan, D. , et al. “Development of an intelligent technique for traffic network incident detection”, Engineering Applications of Artificial Intelligence 13, 1992, pp.311-322
16. John N. Ivan and Vaneet Sethi, “Data Fusion of Fixed Detector and Probe Vehicle Data for Incident Detection”, Computer-Aided Civil and Infrastructure Engineering 13, 1998, pp.329-337
17. 吳麗敏，「台灣地區現階段高速公路偵測與意外事件處理模式之分析」，國立成功大學交通管理科學研究所碩士論文，民國79年6月
18. 朱榮祥，「高速公路意外事件自動偵測演算法」，中華民國運輸學會第五屆論文集，民國79年7月
19. 黃振賢，「高速公路事件自動偵測方法之研究」，國立中央大學土木工程研究所碩士論文，民國81年6月
20. 曾信忠，「模糊理論應用於高速公路事件自動偵測之研究」，國立中央大學土木工程研究所碩士論文，民國82年6月
21. 邱顯鳴，「結合車道變換率之事件偵測新演算法研究」，國立台灣大學土木工程研究所碩士論文，民國84年6月
22. 葉源祥，「高速公路事件偵測之微觀車流參數法」，國立台灣大學土木工程研究所碩士論文，民國84年6月
23. 魏健宏、黃國平、陳昭宏，「應用人工神經網路發展高速公路意外事件自動偵測模式」，運輸計劃季刊，第二十五卷，第二期，209-234頁，民國85年6月
24. 鄭雅文，「高速公路追撞事故預測模式之研究」，國立台灣大學土木工程研究所碩士論文，民國86年6月
25. 沈良珍，「高速公路事故發生對車流衝擊之即時預測」，國立台灣大學土木工程研究所碩士論文，民國87年6月
26. 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」，國立成功大學交通管理科學研究所碩士論文，民國87年6月
27. 李啟仲，「先進高速公路事故屬性即時鑑定之方法研究」，國立台灣大學土木工程研究所碩士論文，民國88年6月
28. 交通部國道新建工程局，「台灣地區肇事時自動偵測紀錄系統之實測研究」，民國89年8月
29. 侯鈞元，「應用羅吉特模式於市區道路事故偵測系統」，國立成功大學交通管理科學研究所碩士論文，民國91年6月
30. 林科，「兩岸通航多評準決策分析之研究」，國立交通大學交通運輸研究所碩士論文，民國82年6月
31. 溫裕弘，「航空運量預測與航空網路設計之研究－應用灰色理論」，國立交通大學交通運輸研究所碩士論文，民國86年6月
32. 陳垂彥，「兩岸海運直航貨運量預測與分佈之研究」，國立成功大學交通管理科學研究所碩士論文，民國87年7月
33. 萬怡灼，「航空公司經營管理對飛航安全水準之影響」，國立成功大學交通管理科學研究所碩士論文，民國88年7月
34. 鄭仲凱，「境外航運中心貨物運輸需求之研究」，長榮管理學院經營管理研究所碩士論文，民國88年6月
35. 江金山等，「灰色理論入門」，高立，民國87年1月
36. 鄧聚龍，「灰色系統理論與應用」，高立，民國89年1月
37. 鄧聚龍、郭洪，「灰預測原理與應用」，全華科技，民國85年7月