| 论文名称 | 以机器学习进行无线嗅探技术之交通资料分析 |
| 年别 | 108 |
| 学位 | 硕士 |
| 学校系所 | 国立成功大学 交通管理科学系 |
| 作者 | 梁腾骏 |
| 指导教授 | 李威勲 |
| 论文摘要 |
在交通资料的蒐集上，现有之常见的方式和来源多为使用车辆侦测器、自动车辆辨识系统、GPS 定位资讯……等，然，各种交通资料源无论在蒐集或是应用上皆有其缺点，因此，开发多元的交通资料蒐集方式成了不可或缺的一步。而随着时代及科技的发展，近年由于行动装置及车机等智慧装置的普及，人们使用Wi-Fi 上网及蓝牙资料传输的机会亦大幅增加，特别是当行驶车辆内之手机或车载机发出Wi-Fi 或蓝牙(Bluetooth, BT)等无线讯号时，因为讯号的时空变化而产生出隐含的交通讯息，值得做更进一步的探讨。
于范云瀚(2017)的「以智慧车辆探测达成时空无缝隙之交通资料蒐集框架」研究中，其提出使用上述无线讯号作为交通资料源会遇到的三大问题，分别为车道判断、运具分类及一车多机，该研究在高速公路长隧道的应用场域下，提出七个启发式算法以解决上述三大问题。本研究基于前述之研究，以支援向量机(Support Vector Machine, SVM)、最近邻近法(K Nearst Neighbor, KNN)及近邻传播算法(Affinity Propagation, AP)等机器学习算法，搭配不同的侦测器布设型态(X 形/长方形/菱形)，在一般路段的应用场域下，对三大问题做更进一步的延伸，包含在车道判断增加变换车道之情形、运具分类上增加车种、车流量在复杂场域下之估算等，并改良及扩大实验规模，对三大问题有更深入的探讨并解决之。 关于本研究之结果，在车道判断上，蓝牙资料的表现优于Wi-Fi 资料，而在ITB 布设上，X 形与长方形之结果相近，菱形的结果较不定，在固定车道的判断下大致有80%准确度；运具分类的部分，X 形与长方形布设在蓝牙资料的表现下皆优于Wi-Fi，皆达到98%准确度，菱形则为Wi-Fi 资料较优，三个布设型态分别配上两资料源皆达到92%以上之准确度；在一车多机问题上，两车在一前一后的行驶关系下，蓝牙资料搭配X 形布设之表现较佳也最为稳定。 |
| 附件下载 | 本全文作者未授权公开 |
| 张贴日 | 2019/07/09 |
| Hashtags |
查看次数:
127