按 Enter 到主內容區
:::

交通部運輸研究所Institute of Transportation, MOTC

:::
  • 小字級
  • 中字級
  • 大字級
  • 列印
  • facebook
  • plurk
  • twitter

博碩士論文

論文名稱 以機器學習進行無線嗅探技術之交通資料分析
年別 108
學位 碩士
學校系所 成功大學 交通管理科學研究所
作者 梁騰駿
指導教授 李威勳
論文摘要

       在交通資料的蒐集上,現有之常見的方式和來源多為使用車輛偵測器、自動車輛辨識系統、GPS定位資訊……等,然,各種交通資料源無論在蒐集或是應用上皆有其缺點,因此開發多元的交通資料蒐集方式成了不可或缺的一步。而隨著時代及科技的發展,近年由於行動裝置及車機等智慧裝置的普及,人們使用Wi-Fi上網及藍芽(Bluetooth ,BT)等無線訊號時,因為訊號時空變化而產生出隱含的交通訊息,值得作更進一步的探討。
       於范雲瀚(2017)的「以智慧車輛探測達成時空無縫隙之交通資料蒐集框架」研究中,其提出使用上述無線訊號作為交通資料員會遇到的三大問題,分別為車道判斷、運具分類及一車多機,該研究在高速公路長隧道的應用場域下,提出七個啟發式演算法以舉決上述三大問題。本研究基於前述之研究,以支援向量機 (Support Vetor Machhine,SVM)、最近臨近法(k nearst Neighbor,KNN)及近鄰傳播演算法(Affinity Propagation,AP)等機器學習演算法,搭配不同的偵測器佈設型態(X型/長方型/菱形),在一般路段的應用場域下,對三大問題作更近一步的延伸,包含在車到判斷增加變換車道之情型、運據分類上增加車種、車流量在複雜場域之估算等,並改良及擴大實驗規模,對三大問題有深入的身討並解決之。
關於本研究之結果,在車道判斷上,藍芽資料的表現優於Wi-Fi資料,而再ITB步設上,X型與長方型之結果相近,菱形的結果較不定,在固定車道的判斷下大致有80%準確度;運具分類的部分,X型與長方型不設在藍芽資料的表現下皆優於Wi-Fi,菱型則為Wi-Fi資料較優,三個佈設型態分別配上兩資料源皆達到92%以上之準確度:在一車多機的問題上,兩車在一前一後的行駛關係下,藍芽資料搭配X型不設之表現較佳也最為穩定。

 

 

 

 

”無公開電子檔,歡迎至本所查閱紙本”

附件下載 (電子檔於113-08-27後開放下載)
瀏覽人次:712
回頁首