張堂賢臺灣大學：土木工程學研究所許聿廷Hsu, Yu-TingYu-TingHsu2007-11-252018-07-092007-11-252018-07-092004http://ntur.lib.ntu.edu.tw//handle/246246/50544為達到先進運輸管理系統之運作，本研究提出一即時交通資訊擷取系統，規劃以計程車車隊為主體之探測車系統，結合路側偵測系統，以對於都市地區路網系統進行廣泛而完整之交通資訊擷取，並研擬系統運作下之資料庫系統設計。根據此一資料系統架構之下，考量資料項目之取得，本研究分別建構「路段旅行時間預測」和「動態旅次OD推估」之數學模式，並以廣義最小平方法和推廣卡爾曼濾波器進行模式之演算，對於路網系統之車流狀態進行預測，藉以支援相關動態交通控制、管理之決策。 在模式驗證部分，本研究係透過Paramics軟體模擬一般化棋盤型路網系統下之交通車流，對路段旅行時間預測模式之預測結果進行分析，研究中主要藉由準確度、強健性和穩定性三個面向評估模式之預測能力。預測結果顯示，經由模式校估以及來源資料之處理過程，可得到優良之預測結果表現。對於動態旅次OD推估模式亦根據同樣的模擬結果進行試算之流程，將推估所得之旅次OD流量反應於路段流量上可得到良好之預測結果，是以評估模式之推估結果為合理。 根據預測誤差，探討探測車回傳資料對於整體車流之代表性在模式預測準確度之影響，分析結果顯示，在車流中探測車佔有率達到5%以上，本研究所提出之路段旅行時間預測模式即可反應良好之預測能力。In order to establish an advanced traffic management system (ATMS), this study proposes a real-time traffic data acquisition system. The framework of system has its basis of taxi fleets as probe vehicles, and combines roadside detectors to collect traffic data from urban network extensively. According to the physical architecture, the study builds the mathematic models of “travel time prediction for road section” and “dynamic OD estimation”. The algorithms are based on generalized least squares (GLS) and extended Kalman filter (EKF) respectively. Through the prediction model, the traffic flows at various conditions are predicted to support decision-making of traffic control and management. To verify the models, for travel time prediction, this study analyzes the prediction results of grid network simulation from the Paramics, which is a traffic simulation package, and evaluates prediction capability by indices of precision, robustness and stability. The model proves a good prediction resulting in data calibration and processing. For the dynamic OD estimation, the study estimates traffic volume from predicted OD flows, which generates the mean error is within 10%. Accordingly, it concludes that the model is reasonable. Also, considering the representation of probe vehicles in the traffic flow, the model has good prediction capability, when the proportion of probe vehicles is above 5% of all vehicles.第一章 緒論 1 1.1 研究背景與動機 1 1.2 研究目的與範圍 2 1.3 研究方法 3 1.4 研究內容與流程 4 1.5 論文章節說明 6 第二章 文獻回顧 8 2.1 探測車輛於交通資料擷取系統之應用與相關研究 8 2.2 旅行時間預測方法 10 2.3 動態旅次OD推估問題 12 2.3.1 指派依據之動態旅次OD推估方法 13 2.3.2 非指派依據之動態旅次OD推估方法 16 第三章 方法論 19 3.1 最小平方法 19 3.1.1 基本關係式 19 3.2 卡爾曼濾波理論 21 3.2.1 系統基本描述 21 3.2.2 卡爾曼濾波器之求解 24 3.2.3 推廣卡爾曼濾波器 28 第四章 市區棋盤型路網環境下之交通資訊擷取系統 31 4.1 路網環境與實體系統架構 31 4.2 即時交通資訊擷取系統 32 4.2.1 主動交通資訊擷取 32 4.2.2 被動交通資訊擷取 35 4.3 資料庫系統與模式演算架構 37 第五章 市區棋盤型路網環境下動態旅行時間預測與旅次OD推估模式之建立 42 5.1 動態旅行時間預測模式 42 5.2 動態旅次OD推估模式 46 5.2.1 數學模式建構 47 5.2.2 系統演算流程 50 第六章 模式驗證與數值分析 54 6.1 模擬資料背景說明 54 6.1.1 Paramics V4.0基本介紹 55 6.1.2 路網與車流資料設定 56 6.2 動態路段旅行時間預測模式之校估與驗證 59 6.2.1 評估指標說明 60 6.2.2 模式校估與演算 61 6.2.3 背景資料處理與分析 68 6.2.4 敏感度分析與探測車佔有率之探討 72 6.3 動態旅次OD推估模式之數值演算 76 6.3.1 路網下旅次OD系統與路徑流系統 76 6.3.2 案例演算 79 6.3.3 演算結果分析 81 第七章　結論與建議 84 7.1 結論 84 7.2 建議 87 參考文獻 88771980 bytesapplication/pdfen-US交通資料擷取動態旅次OD路段平均旅行時間探測車Probe VehicleTraffic Data AcquisitionsDynamic ODTravel Time Predictionthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/50544/1/ntu-93-R91521502-1.pdf