交通部運輸研究所

論文名稱	以機器學習進行無線嗅探技術之交通資料分析
學位	碩士
年別	108
學校系所	國立成功大學 交通管理科學系
作者	梁騰駿
指導教授	李威勲
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 上網及藍牙資料傳輸的機會亦大幅增加，特別是當行駛車輛內之手機或車載機發出Wi-Fi 或藍牙(Bluetooth, BT)等無線訊號時，因為訊號的時空變化而產生出隱含的交通訊息，值得做更進一步的探討。        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源會遇到的三大問題，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解決上述三大問題。本研究基於前述之研究，以支援向量機(Support Vector Machine, SVM)、最近鄰近法(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 形/長方形/菱形)，在一般路段的應用場域下，對三大問題做更進一步的延伸，包含在車道判斷增加變換車道之情形、運具分類上增加車種、車流量在複雜場域下之估算等，並改良及擴大實驗規模，對三大問題有更深入的探討並解決之。         關於本研究之結果，在車道判斷上，藍牙資料的表現優於Wi-Fi 資料，而在ITB 布設上，X 形與長方形之結果相近，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 形與長方形佈設在藍牙資料的表現下皆優於Wi-Fi，皆達到98%準確度，菱形則為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；在一車多機問題上，兩車在一前一後的行駛關係下，藍牙資料搭配X 形佈設之表現較佳也最為穩定。
附件下載	本全文作者未授權公開
張貼日	2019/07/09
Hashtags