1、以車流狀態為基礎之高速公路旅行時間預測模式A Traffic State-based Model for Freeway Travel Time,運輸學刊第二十二卷第三期 民國九十九年九月汪進財Jinn-Tsai Wong1邱孟佑 Meng-Yu Chiu2,目錄,中文摘要 前言研究目的文獻探討研究方法實證分析結論與建議心得,中文摘要,考慮車流續進的過程以及彰顯車輛旅行時間與車流狀態間之關係並簡化預測模式之處理，本文藉由資料採集技術與迴歸分析設計出一套能預測高速公路交流道間旅行時間的預測模式 。以集群分析方法對每個線圈偵測器之歷史資料作交通狀態分類處理，再經由迴歸分析構建不同交通狀態類別對旅行
2、時間影響之旅行時間預測模式。最後則以ETC (Electronic Toll Collection) 車輛通行於收費站間之通行資料所計算出之旅行時間，作為旅行時間預測模式之校估依據 。關鍵詞：旅行時間、集群分析、電子收費,前言,智慧型公路系統透過先進交通管理系統 (ATMS) 和先進旅行者資訊系統 (ATIS) 的實施與應用來達到交通的管制與導引。就ATIS 在高速公路之應用而言，其要能有效運作，必須要有合理且準確的旅行時間的預估機制，該系統除了對現有交通的監測之外，更重要的是對未來交通狀況的掌握與預測。以資料採集分類技術針對每一偵測器歷史資料 (速率、流量)進行交通狀態分類，接著，藉由收費站
3、間電子收費系統之通行資料計算出路段旅行時間，最後則發展以偵測器資料所對應交通狀態為基礎之路段旅行時間預測模式並加以校估。,研究目的,模式結果顯示其不但有相當良好之預測能力，校估之係數值亦可提供系統管理者豐富的訊息，以更了解各路段之幾何與交通特性對擁擠交通狀態所造成旅行時間增加之原由，進而研提有效的管理策略。,文獻探討,合理準確的旅行時間預估為先進旅行者資訊系統成功運作之基本要件(Dharia and Adeli, 2003; Dia, 2001; van Lint et al., 2005; Zhang and Rice,2003)，因此，諸多高速公路路段旅行時間預估方法仍不斷地被發展應用，大
4、體上可概分為三類：亦即以模式為基礎 (Model-based) 之方法、瞬時旅行時間 (Instantaneous) 法及資料驅動 (Data-driven) 法 (Kwon et al., 2000;van Lint et al., 2005; Vanajakshi and Rilett, 2007; Wu et al., 2004)。其中，以模式為基礎之方法需先透過對未來交通狀態之預測，再行轉化成旅行時間，適度地將交通過程納入考量，此類方法包括各類衝擊波模式、動態交通量模式等 (Billings and Yang, 2006; Kwon and Petty, 2005; Yang, 200
5、5) 。,研究方法,研究方法,研究方法1,本研究參考基本車流理論以服務水準來分類高速公路不同交通狀態之作法，使用兩階段集群分析方法將偵測器蒐集之交通資料分類，第一階段先使用階層式的華德法，得到初步集群重心後，第二階段使用K-means 演算法，以第一階段定義6 類集群重心為起點進行集群分析，產生最後集群解。,研究方法2,資料蒐集與彙整 本研究搜集 2006/08/01 2006/08/31 期間楊梅與泰山收費站之ETC 資料與該路段間8 個偵測器歷史資料，經過系統彙整與刪除空值後，共獲得同時包含ETC 與該路段偵測器完整資料之有效樣本2,536 筆，作為模式構建之用。且以2006/10/15
6、2006/10/21 期間同樣路段之ETC 資料與該路段間偵測器歷史資料共計2,016 筆作為模式驗證用。,研究方法3,ETC 資料與偵測器資料融合 ETC 量測之旅行時間為其所代表路段上各個次路段所對應時窗下旅行時間之加總，因此，為了處理車輛於時間與空間遞移關係，合理之旅行時間推估應如式 (2) 所示： ( ) ( ) ( ) ( ) ( ) I 1 1 2 2 k k n-1 n-1 TT t = tt t + + tt t + + + tt t + + + tt t + (2)TT (t) I ：於 t 時窗時之I 路段旅行時間；t (t) k ：t 時窗第k 偵測器所代表次路段之平均旅
7、行時間 (k = 1, 2, 3, n-1)；k ：於 t 時窗通過I 路段起點之車輛，其通過第k 次路段預估之遞移時窗數。其計算公式為：(l / u (t) / 5 k k ，其中， k l 為該路段距離，u (t) k ：t 時窗之第k 次路段平均速度 (k = 1, 2, 3, n-1)。,實證分析1,圖 11 模式旅行時間與ETC 旅行時間散佈圖,實證分析2,由圖 11 可發現，模式所計算旅行時間與ETC 旅行時間呈現高度相關，不過仍有一些模式低估與高估現象，為了進一步分析此模式特性，並彰顯不同交通狀況下模式之預測能力，透過圖12 之一日中各時點ETC 之平均旅行時間 (10 月15
8、21 日之平均) 與模式預測旅行時間誤差平均值之對應關係，可以清楚發現，當交通狀況開始漸趨擁擠時模式所預估之旅行時間相較於ETC車輛所計算之實際旅行時間會有由高估轉為低估之情形。,實證分析3,圖 12 ETC 旅行時間與模式旅行時間誤差值分布圖,實證分析4,而當交通狀態由擁擠開始進入紓解狀態後則有由低估轉為高估之情形 (圖12中B 之範圍)，會有此種現象產生乃是因車流趨於擁擠時，各偵測路段依當時交通狀態分類所對應之延誤值來不及反應真實擁擠現象，此與Bartin et al.(2006) 及Loubes et al. (2006) 所指出，旅行時間分布會因車流狀態不同而產生不同型態，自由流與擁擠
9、階段之分布屬對稱型，擁擠形成與擁擠紓解期間之旅行時間分布會有不對稱現象發生，此一現象在本模式時空推移過程中即可能產生較明顯的偏誤，故交通擁擠時會有低估現象。,結論與建議,Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Vivamus et magna. Fusce sed sem sed magna suscipit egestas. Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Vivamus et magna. Fusce sed sem sed magna suscipit egestas.,Title,Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Vivamus et magna. Fusce sed sem sed magna suscipit egestas. Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Vivamus et magna. Fusce sed sem sed magna suscipit egestas.,
