| 論文名稱 | 應用支援向量迴歸於交通資料遺失值之插補：以固定式車輛偵測器資料為例 |
| 學位 | 碩士 |
| 年別 | 105 |
| 學校系所 | 淡江大學運輸管理學系 |
| 作者 | 葉蕢誠 |
| 指導教授 | 董啟崇 |
| 論文摘要 | 支援向量迴歸(Support Vector Regression, SVR)係源自於支援向量機的機器學習方法，早期運用於模式識別領域，其具有容許誤差、不需過多假設，且透過核函數(Kernel Function)處理在高維空間非線性轉換問題的特點。相關研究透過此方法處理交通領域的問題，如交通量預測、旅行時間預測等，證實有良好的成果。因此本研究目的係構建以SVR為基礎的快速反應插補模型，並檢視其特性，包括預測準確性、模式參數是否達到穩定及泛用，以及操作上是否容易，追求建立一套可以簡易修正的基礎模式參數，並可調整因應適用於不同的情境狀態問題。本研究有別以往研究模式構建直接以原始時序資料投入模式中，模式構建係以基本鄰近上、下游資料作為錨定值及上下游資料間相對變動量(差分值)之核心差分反應模型，並可透過調整因子來鬆綁模式應用限制，如參考點相對位置及車道數變化等。另基於現階段國內交通資料的蒐集仍以固定式車輛偵測器為主，本研究選擇以封閉式直線路段之速率資料作為模式示範插捕對象，並選擇不同道路等級與區域進行校估及驗證。SVR模式參數校估可分為兩部分，其一為模式內部運作參數之懲罰系數C、核函數的寬度係數γ，以及不敏感損失函數的寬度ε，並以先設ε值進行K-fold交叉驗證進行調校(C, γ)；其二為校估轉換後之線性迴歸式的權重係數ω及截距項。 |
| 附件下載 | (電子檔於105-10-27後開放下載) 應用支援向量迴歸於交通資料遺失值之插補：以固定式車輛偵測器資料為例.pdf |
| 張貼日 | 2016/11/04 |
| Hashtags |
查看次數:
102