| 論文名稱 | 資料融合技術結合類神經網路對高速公路事件延遲時間預測之研究 |
| 學位 | 碩士 |
| 年別 | 100 |
| 學校系所 | 成功大學交通管理科學系 |
| 作者 | 何旺宗 |
| 指導教授 | 魏健宏 |
| 論文摘要 | 高速公路由於具有出入管制之性質，當事故發生時除了造成人員與車輛的損傷外，往往造成後方車輛的堵塞，因此事件持續時間的預測，可以提供後方駕駛人必要的交通資訊，讓駕駛人避開事件路段，減少高速公路因為事件產生之擁擠。受限於現有即時資訊系統建置的數量與區位，如何在有限的資訊記錄中準確預測出事件持續時間的長短，是本研究第一個面臨的問題。另外，該如何整合事件發生資訊與當時道路交通相關資訊來進行預測事件持續時間，在偵測器帶來多樣訊息的過程中，由於格式單位的不一致性，造成資料判斷的困難，也是必要解決的課題。本研究經由文獻回顧找出影響事件持續時間長短的主要因素，完成從不同機構取得的資料格式統一化與初步的篩選，其次使用資料融合技術進行資料的處理，讓多種來源的資料整合後具有說明事件發生的描述能力。接著分析造成事件的組成因子，包含時間、地點地理特性、參與事件的車輛類型與數量、事件的種類等因素，輔以車流量資料來確認影響事件持續時間的因子，再引用類神經網路模式來進行影響因子輸入與事件持續時間預測。對於輸出的結果採用MAPE指標來進行評估，俾以有效預測事件持續時間，案例數據顯示類神經網路模式架構對於事件延遲時間的存續有一定的預測能力。本研究除了針對事件延遲時間探討，也針對事件發生的時空背景來進行討論，試圖以多元的角度來進行事件延遲時間之預測工作。最後提供事件發生後如何進行延遲時間預測的應用程序，在事件發生時除了進行預測工作外並告知應該注意的相關事項。本研究準確性合理的結果可以作為事件處理單位客觀評估基礎，進而轉換為適當交通資訊給受事件影響後方駕駛人員，以期降低對交通之衝擊。 |
| 附件下載 | (電子檔於101-11-30後開放下載) 資料融合技術結合類神經網路對高速公路事件延遲時間預測之研究.pdf |
| 張貼日 | 2011/10/21 |
| Hashtags |
查看次數:
116