國道旅行時間資訊之時空無縫演算模型

A Spatio-Temporal Seemless Model for Predicting of Highway Travel Time

楊傑理(Chieh-Li Yang)

指導教授 ： 張堂賢

國立臺灣大學/工學院/土木工程學研究所/碩士(2013年)

https://doi.org/10.6342/NTU.2013.02429

摘要

旅行時間預測，為先進用路人資訊服務（Advanced Traveler Information Services, ATIS）各項服務之重要核心參考。基於準確的旅行時間預測，方可做出合理的路徑導引決策，進而判斷各項交通資訊對於個別用路人的必要性。
　完善的歷史資料，是準確旅行時間預測的基礎；本研究對於歷史資料使用傅立葉轉換處理，將歷史資料轉換為參數，不但節省了資料儲存空間、提升資料存取速度，且將不連續的歷史資料轉為無縫連續型的函數。
　後續之旅行時間預測模式則依預測時距長短，分為長期預測及短期預測兩種模式。長期預測模式依據前述的傅立葉轉換歷史資料參數，經演算求得與預測時距相對應的歷史資料以進行旅行時間預測；短期預測模式則使用卡曼濾波法，根據即時資料趨勢進行旅行時間預測。長期預測模式與短期預測模式之分界門檻值訂定為15分鐘。
　本研究以國道一號為實驗對象進行旅行時間預測實驗。實驗結果顯示，在絕大多數的情形下，預測旅行時間與真實旅行時間的誤差值(以MAPE計算)皆不大於10，依統計學家Lewis (1982) 所提出的衡量標準，本研究之預測方法績效為高精準度。

關鍵字

旅行時間預測 ； 漏失資料插補 ； 資料融合 ； 傅立葉轉換 ； 卡曼濾波

並列摘要

Travel time predicting is the important core reference of Advanced Traveler Information Services (ATIS). Only based on the accurate travel time predicting, we can make a reasonable route guidance decisions. Then we can judge the necessity of traffic informations for individual users.
　A complete historical data is the corner stone of accurate travel time predictions. This study dealt historical data with the Fourier transform, which transforms the data into the parameters. This process saved the storage space, improved data access efficiency, and made the discrete data transformed into seemless, continuous function.
　The follow-up module of travel time prediction is divided by predicting temporal distance into two parts, which are long-term prediction and short-term prediction. The long-term prediction is based on the Fourier transform, and deduces the historical data corresponding the temporal distance. The short-term prediction is based on Kalman Filter, and does the prediction to react the real-time data. The threshold of long-term and short-term is 15 minutes.
　In this study, we did a travel time predicting experiment on national freeway number one. The result shows that the error values, calculated by MAPE, are not greater than 10 in most cases. By statistician Lewis metrics proposed in 1982, this result is sorted in high accuracy.

並列關鍵字

Travel time prediction ； Missing data interpolation ； Data fusion ； Fourier transform ； Kalman filter

參考文獻

[32] 許程詠、王晉元，「利用灰色理論於偵測器遺失資料插補之研究」，國立交通大學運輸科技與管理學系碩士論文，2011年六月。

[29] 邱孟佑，「以交通狀態為基礎之旅行時間預測」，國立交通大學交通運輸研究所博士論文，2010年六月。

[26] 何旺宗，「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」，國立成功大學交通管理科學系碩士論文，2010年十二月。

[37] 陳首源，「結合移動式與固定式偵測器資料以轉換函數推估旅行時間」，淡江大學運輸管理學系碩士論文，2007年三月。

[36] 陳寶如，「市區路段動態旅行時間預測之研究」，國立臺灣大學土木工程學系，碩士論文，2007年六月。