:::
博碩士論文
| 論文名稱 | 以深度學習長短時記憶神經網路演算法建立混合車道之機車行為模式 |
|---|---|
| 年別 | 107 |
| 學位 | 碩士 |
| 學校系所 | 淡江大學運輸管理學系 |
| 作者 | 吳建霆 |
| 指導教授 | 范俊海 |
| 論文摘要 | 機車為台灣最主要的交通工具之一，特色為行進時不會遵行固定路線，經常會於同一車道內併行或連續超車，在過去針對機車行為研究中，試圖利用單一數學模型解釋機車推進模式及連續超車的各種行為。但本研究認為變化萬千的機車行為模式，若只利用單一模型解釋可能會造成模擬上的困難，且無法體現台灣車流混雜的道路真實情況，故本研究針對台灣機車的特殊行車狀態，於一般市區道路汽機車混合車道中的機車行為模式為研究主體。 本研究利用深度學習運算演算法，建立機車行為模式預測模型，將機車的前進方向及影響機車推進的各項影響參數，建立其輸入與輸出變數的對應關係，並以攝影座標轉換法擷取道路機車座標，以求得更準確之研究數據，為了讓預測結果接近於數值型的座標預測，利用深度學習特殊的運算結構，結合座標及格位概念預測機車的推進行為，研究中將機車的推進行為，依座標詳細計算 25 個推進模式，配合 25 個影響行為參數，在連續的時間序列下建立關係矩陣，設計深度學習的運算結構規則。研究結果，透過模式建立成功將機車行為分成 25個行進模式，並利用資料後段之 25%與前段 75%進行模式驗證，模式預測程度可達 84%，證明模式預測機車行為確實有可行性，而後續研究可根據本研究之研究成果，蒐集完整的車流資訊執行模擬訓練，以建立完整的車流特性資料庫。 |
| 附件下載 | (電子檔於107-09-25後開放下載) |
檔案下載
- 以深度學習長短時記憶神經網路演算法建立混合車道之機車行為模式.pdf下載次數：1722
瀏覽人次:517