高速公路多時階旅行時間預測之研究

提供旅行者必要的交通資訊以作為路徑選擇的決策依據為先進旅行者資訊系統(ATIS)的主要目的，旅行時間資訊為交通資訊中相當重要的資訊之一，而依旅次預計出發時間查詢起迄點的旅行時間資訊為旅行者於行前規劃路徑時的重要需求，因此為提供符合旅行者需求的交通服務資訊，本研究提出一複合式旅行時間預測模式以進行未來多時階的旅行時間預測演算，於不同預測時間範圍採用不同預測方法進行旅行時間預測以提高預測準確度。本研究的複合式旅行時間預測模式共包含三個演算模組，分別為異常資料處理模組、資料融合模組與旅行時間預測模組，異常資料處理模組針對離群與漏失資料做前處理，而資料融合模組是以VD 資料和ETC 資料進行資料融合，目的為提升演算資料的準確度，旅行時間預測模組則分別以歷史資料和即時資料構建兩卡曼濾波預測模式(KF1、KF2)，以歷史資料構建傅立葉轉換預測模式(DTFT)。本研究分別建立以KF1 和DTFT 所組合的複合式預測模式一與以KF2 和DTFT 所組合的複合式預測模式二，建立方式為將預測時間長度分為短期與長期兩個時間範圍，並比較預測模式於不同預測時間長度的預測績效以建立合適的長短期門檻值並決定預測模式適用的時間範圍。以國道一號林口交流道到中壢交流道為路徑範圍，分別以不同日型態(平常日、周末日)進行測試，結果顯示兩複合式旅行時間預測模式的預測績效皆比單一預測模式佳，且長短期門檻值會依不同日型態而有所不同，而比較兩複合式預測模式於不同日型態的預測績效後，本研究建議平常日採用複合式預測模式一進行旅行時間預測，周末日採用複合式預測模式二進行旅行時間預測。

關鍵字

多時階；旅行時間預測；複合式模式；資料融合

並列摘要

The primary objective of Advanced Traveler Information System (ATIS) is providing travelers the necessary traffic information as decision guidance of route selection, and travel time information is one of the most important traffic information; querying travel time based on trip departing time is indispensable demand when travelers doing pre-trip planning. Hence, in order to provide traffic information which meets the need of travelers, this study proposes a "Hybrid Travel time Prediction Model" to forecast multi-step ahead travel time, applying different prediction methods within different prediction periods to conduct travel time prediction to improve prediction accuracy. Hybrid travel time prediction model includes abnormal data processing module, data fusion module and travel time prediction module. The abnormal data processing module is for addressing outlier and missing data interpolation. The data fusion module fuses VD data and ETC data to improve the accuracy of input data. The travel time prediction module respectively constructs two Kalman Filter prediction models (KF1, KF2) with historical data and real-time data, and a Fourier Transform prediction model with historical data (DTFT). This study proposes hybrid prediction modelⅠwith KF1 and DTFT, hybrid prediction modelⅡwith KF2 and DTFT, dividing prediction length into short-term and long-term, and comparing performance of prediction models to decide the threshold and applicable prediction models for both short-term and long term prediction. With respect to the tests for different daily traffic profiles (weekday, weekend), the result shows that the performance of the two hybrid travel time prediction models is significantly better than the single prediction model. The result also supports applying the hybrid prediction modelⅠ in weekday and the hybrid prediction modelⅡ in weekend.

並列關鍵字

Multi-Step Ahead ； Travel Time Prediction ； Hybrid Model ； Data Fusion

參考文獻

10. 張佳雯(2007)，「資料融合於異質性資料推估路段行駛速率之研究」，國立台灣土木工程學系碩士論文。

13. 陳寶如(2006)，「市區路段動態旅行時間預測之研究」，國立台灣土木工程學系碩士論文。

16. 魏健宏、陳奕志(2001)，「類神經網路模式在國內交通運輸研究之成果分析」，運輸計畫季刊第30 卷第2 期，pp.323-348。

8. 邱孟佑(2010)，「以車流狀態為基礎之高速公路旅行時間預測模式」，國立交通大學交通運輸研究所博士論文。

15. 蔡繼光(2009)，「高速公路旅行時間預測-以k-NN 法及分群方法探討」，國立交通大學運輸科技與管理學系碩士論文。

國際替代計量

高速公路多時階旅行時間預測之研究

主題瀏覽