| 论文名称 | 利用卷积神经网络预测国道路况之研究 |
| 年别 | 110 |
| 学位 | 硕士 |
| 学校系所 | 国立交通大学 运输与物流管理学系 |
| 作者 | 陈奕静 |
| 指导教授 | 王晋元 |
| 论文摘要 | 交通路况预测为智慧型运输系统中一个重要的课题。本研究目的为建构一套模型,整合多元的侦测器以预测国道路况。本研究所使用之资料为高速公路总局之资料,包含VD 与ETC 资料,将两者融合后透过卷积神经网络进行速率值之预测。 本研究将VD 与ETC 资料进行两种方法的融合,并绘制时空矩阵图以输入至卷积神经网络模型之中,进行国道未来速率之预测。实证研究结果显示,单一资料与融合资料之平均MAE 皆小于6,且在长时阶预测上,融合资料较单一资料有更良好的预测结果,显示本研究之资料融合方式以及预测模型可以有效预测国道之路况。 |
| 附件下载 | (电子档于113-09-03后开放下载) |
| 张贴日 | 2022/12/08 |
| Hashtags |
查看次数:
6