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 成功大学 交通管理科学研究所
作者 梁腾骏
指导教授 李威勳
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上网及蓝芽(Bluetooth ,BT)等无线讯号时,因为讯号时空变化而产生出隐含的交通讯息,值得作更进一步的探讨。
       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员会遇到的三大问题,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举决上述三大问题。本研究基于前述之研究,以支援向量机 (Support Vetor Machhine,SVM)、最近临近法(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型/长方型/菱形),在一般路段的应用场域下,对三大问题作更近一步的延伸,包含在车到判断增加变换车道之情型、运据分类上增加车种、车流量在复杂场域之估算等,并改良及扩大实验规模,对三大问题有深入的身讨并解决之。
关于本研究之结果,在车道判断上,蓝芽资料的表现优于Wi-Fi资料,而再ITB步设上,X型与长方型之结果相近,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型与长方型不设在蓝芽资料的表现下皆优于Wi-Fi,菱型则为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:在一车多机的问题上,两车在一前一后的行驶关系下,蓝芽资料搭配X型不设之表现较佳也最为稳定。
附件下载 (电子档于113-08-27后开放下载)
张贴日 2020/05/13
Hashtags
查看次数: 6