论文名称 资料融合技术结合类神经网络对高速公路事件延迟时间预测之研究
年别 100
学位 硕士
学校系所 成功大学交通管理科学系
作者 何旺宗
指导教授 魏健宏
论文摘要        高速公路由于具有出入管制之性质,当事故发生时除了造成人员与车辆的损伤外,往往造成后方车辆的堵塞,因此事件持续时间的预测,可以提供后方驾驶人必要的交通资讯,让驾驶人避开事件路段,减少高速公路因为事件产生之拥挤。受限于现有即时资讯系统建置的数量与区位,如何在有限的资讯记录中准确预测出事件持续时间的长短,是本研究第一个面临的问题。另外,该如何整合事件发生资讯与当时道路交通相关资讯来进行预测事件持续时间,在侦测器带来多样讯息的过程中,由于格式单位的不一致性,造成资料判断的困难,也是必要解决的课题。本研究经由文献回顾找出影响事件持续时间长短的主要因素,完成从不同机构取得的资料格式统一化与初步的筛选,其次使用资料融合技术进行资料的处理,让多种来源的资料整合后具有说明事件发生的描述能力。接着分析造成事件的组成因子,包含时间、地点地理特性、参与事件的车辆类型与数量、事件的种类等因素,辅以车流量资料来确认影响事件持续时间的因子,再引用类神经网络模式来进行影响因子输入与事件持续时间预测。对于输出的结果采用MAPE指标来进行评估,俾以有效预测事件持续时间,案例数据显示类神经网络模式架构对于事件延迟时间的存续有一定的预测能力。本研究除了针对事件延迟时间探讨,也针对事件发生的时空背景来进行讨论,试图以多元的角度来进行事件延迟时间之预测工作。最后提供事件发生后如何进行延迟时间预测的应用程序,在事件发生时除了进行预测工作外并告知应该注意的相关事项。本研究准确性合理的结果可以作为事件处理单位客观评估基础,进而转换为适当交通资讯给受事件影响后方驾驶人员,以期降低对交通之冲击。
附件下载 (电子档于101-11-30后开放下载)
资料融合技术结合类神经网络对高速公路事件延迟时间预测之研究.pdf
张贴日 2011/10/21
Hashtags
查看次数: 5