臺灣博碩士論文加值系統

近年隨資訊科技的進步，鋪面檢測採自動化方式收集資料，增進鋪面資料的收集效率，並將大量的鋪面資料儲存於鋪面管理系統的資料庫中，造成資料庫快速的成長，越來越多的資料將為各公路主管機關或研究單位，面對鋪面養護或修復決策時帶來新的挑戰。資料採礦是個整合性的新技術，已擴展應用於資料庫系統、機器學習、智慧型資訊系統、統計與專家系統等學門領域，該技術對於提昇鋪面管理系統決策過程的正確性與效率深具潛力，本研究主要目的係依據資料採礦的觀念，針對中壢工務段轄區道路養護資料，應用分類規則、約略集合理論以及關聯分析法，並探討鋪面養護壽命，以系統化方式將其應用於鋪面管理資料上，萃取有用的鋪面資訊。
分類規則即是研究已經分類好的資料之特徵，再依這些特徵預測其他未分類或新的資料。本研究採C5.0決策樹演算法，針對中壢工務段鋪面管理資料庫進行分類分析，找出關鍵影響鋪面養護維修方式的決策規則與因子，並與約略集合理論分析結果比較。本研究亦採用Aproiri關聯演算法分析柔性鋪面破損因子間之關聯性，並以專家問卷方式輔證本研究分析結果，提升分析結果可信度。最後利用工務段於鋪面養護管理作業之紀錄表單，來探討鋪面養護延長壽命狀況。
本研究以實際資料進行研究，證實資料採礦技術對於分析不精確或不確定之鋪面管理資料是個有用且有效率的工具，將資訊科技的概念應用於鋪面管理上，盼能藉此獲得寶貴的鋪面知識，並協助國內公路主管機關將鋪面管理系統資料庫中的資料作最佳化的運用。

The process of collecting pavement data has been evolving with advances in technology, thus generating huge amounts of data by both objective and subjective methods to be stored in pavement management systems (PMS) databases. The rapid size increases of these databases presents a challenge for state agencies, as they attempt to understand and take advantage of the data to support pavement maintenance and rehabilitation (M&R) decisions. Data mining is an interdisciplinary research area spanning several disciplines such as database systems, machine learning, intelligent information systems, statistics, and expert systems. This approach has the potential to further increase the accuracy and efficiency of the decision-making process for PMS. The primary objective of this study is to apply a systematic data minig technique approach on a large practical pavement management database to extract useful information.
The study provides evidences showing that data mining technique constitutes a sound basis for data mining applications and also can be a useful tool for the analysis of inexact, uncertain, or vague pavement data. Study was being conducted in which results from the whole set of data is presented and interpreted in order to obtain a better view of the condition of pavements and be able to increase the effectiveness of the decision-making process.

第一章 緒論 1
1.1 研究緣起 1
1.2 研究動機與目的 1
1.3 研究範圍與內容 1
1.4 研究流程 2
第二章 文獻回顧 4
2.1 交通部公路總局道路養護維修管理流程 4
2.1.1 預約路面零星修補工程 4
2.1.2 挖掘路面修復工程 5
2.1.3 挖掘路面(含零星)修復工程 6
2.1.4 挖掘路面整修工程 7
2.2 資料採礦方法於鋪面管理之應用 7
2.2.1 分類規則應用於鋪面養護管理 9
2.2.2 關聯分析應用於鋪面養護管理 13
2.2.3 約略集合理論應用於鋪面養護管理 15
2.3 資料採礦技術於公路管理之效益 18
第三章 資料庫建立及研究方法探討 20
3.1 資料收集 20
3.1.1 交通量 20
3.1.2 氣候資料 23
3.1.3 道路挖掘紀錄 24
3.1.4 挖掘路面修復紀錄 24
3.1.5 路面整修紀錄 25
3.1.6 鋪面破損狀況記錄 27
3.2 資料庫設計與建立 28
3.2.1 資料庫表單與欄位設計與建立 29
3.2.2 建立結構化查詢語言(SQL) 31
第四章 分類規則分析探討 35
4.1 決策樹分析探討 35
4.1.1 資料處理與轉換設計 35
4.1.2 決策樹分析結果討論 36
4.2 約略集合理論分析(ROUGH SET THEORY) 41
4.2.1 資料處理及轉換設計 42
4.2.2 法則推演 44
4.2.3 法則驗證 48
4.3 分類規則分析結果比較 50
第五章 鋪面破損成因關聯分析與壽命分析 52
5.1 鋪面破損成因與關聯分析 52
5.1.1 資料處理及轉換設計 52
5.1.2 中壢工務段轄區分析結果 52
5.1.3 專家問卷結果分析與比較 55
5.2 鋪面養護延長壽命分析 59
5.2.1 刨除加鋪工法養護路段之壽命分析 59
5.2.2 道路挖掘回填路段之壽命分析 63
5.2.3 挖掘道路修復路段之壽命分析 67
5.2.4 零星修補路段之壽命分析 71
5.2.5 綜合分析討論 72
第六章 結論與建議 75
6.1 結論 75
6.2 建議 76
參考文獻 77
附錄一 鋪面專家學者問卷80
附錄二 約略集合理論推演法則結果86

公路法，http://www2.tchcvs.tc.edu.tw/unit/unit-2/unit-2b/traffic/law_way.htm，1959年公布，2002年2月修訂。
公路養護手冊，交通部，2003年3月。
公共設施管線工程挖掘道路注意要點，公路總局，1993年訂定，2008年修正。
公路總局挖掘道路作業程序，公路總局，2000年11月訂定。
交通部公路總局受理挖掘公路作業程序手冊，公路總局，2008年修正。
李豪剛，2007，「運用資料探勘技術於臺灣鋼筋混凝土橋梁構件劣化因子之研究」，國立中央大學碩士論文。
周惠文，2003，「中輟生預測系統之探索-資料挖掘之應用」，國立中央大學碩士論文。
陳芳智，2008，「公路路面服務品質提升策略之研究－以交通部公路總局為例」國立中央大學碩士論文。
高淑珍，2004，「應用資料探勘於顧客回應模式之研究－以國內A壽險公司為例」，國立成功大學博士論文。
張芸瑋、許成之，2006，網路學習平台功能剖析之研究，2006數位科技與創新管理國際研討會。
張家瑞、洪境聰，2003，鋪面管理系統資料庫資料採擷之研究，國科會報告。
張家瑞、洪境聰，2004，以約略集合理論推演鋪面養護策略之研究，國科會報告。
張家瑞、洪境聰、胡光復，2006，「以約略集合理論推演鋪面破損養護維修法則」，第七屆鋪面材料再生學術研討會，建國科技大學，P.331-P.342。
張銘雄，2006，「運用粗集合理論改善CMP之EWMA控制器」，東海大學碩士論文。
羅均緯，2005，「應用約略集合理論預測交通事故嚴重程度之研究」，南台科技大學碩士論文。
Adriaans, P. & Zantinge, D. (1996), “Data ming’, Reading Mass,: Addison- Wesley.
Aggarwal, C.C., and Yu, P.S. (1999), “Data Mining Techniques for Associations, Clustering and Classification,” Proceedings of the Third Pacific-Asia Conference on Methodologies for Knowledge Discovery and Data Mining.
Aleksanderrn, (1999). Discernibility and Rough Sets in Medicine: Tools and Applications, Ph.D. thesis, Department of Computer and Information Science, Norwegian University of Science and Technology, Trondheim, Norway, NTNU report 1999: 133, IDI report 1999: 14, 239 pages.
Amado, V. “Expanding the Use of Pavement Management Data,” Department of Civil and Environmental Engineering, University of Missouri-Columbia, 2000 MTC Transportation Scholars Conference, Ames, Iowa.
Attoh-Okine, N. O. (1997). “Potential application of Bayesian influence diagram in pavement management.” Proceeding of 2nd International Symposium (IEEE) on Uncertainty Modeling and Analysis (ISUMA), College PARK, Md.
C. Clair, C. Liu and N. Pissinou (1998). ”Attribute weighying: a method of applying domain knowledge in the decision tree process,” The Seventh International Conference on Information and Knowledge Management, pp. 259-266.
Chin-Te Jung, Chin-Hong Sun, (2006), 以決策樹分析台北市便利商店區位之適宜性研究, 兩岸四地GIS, Kunming(昆明), China(中國大陸)。
Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P. & Uthurusamy, R., (1996), Advances in knowledge discovery and data mining, Menlo Park, CA：AAAI Press.
Fayyad, U. M., & Uthurusamy, R., (1995), Proceedings of the First International Conference on Knowledge Discovery and Data Mining. AAAI/MIT Press.
Goebel, M., and Gruenwald, L. (June 1999). “A survey of data mining and knowledge discovery software tools,” ACM SIGKDD Explorations, Vol. 1, No. 1, pp.20-33.
J.R. Quinlan,Programs for Machine Learning, Morgan Kaufmann, San Mateo,CA,1993.
J.R. Quinlam (1986). ”Induction of decision trees,” Machine Learning, Vol. 1, pp. 81-106.
Khaled Nassar, 2007, Application of data-mining to state transportation agencies’ projects databases, ITcon Vol. 12, pg. 139-149, http://www.itcon.org/2007/8.
Pawlak, Z. (1982). “Rough Sets.” International Journal of Computer and Information Sciences, 11(5), 341-356.
Quinlan, J. R. (1993), C4.5: Programs for machine learning, San Mateo: Morgan Kaufmann

林志棟，2008，「公路設施快速重建及修復技術之研究Ⅱ－鋪面快速整建、修復技術研發規劃」，交通部運輸研究所合作研究計畫。
竺亞杰，2006，「SQL Server 2005 MDX 商業智慧應用」，精誠資訊股份有限公司。
許正憲、張嘉琪，2007，「SQL Server 2005資料庫實務應用」，金禾資訊股份有限公司。
曾憲雄等，2005，「DATA MINING 資料探勘」，旗標股份有限公司，。
RuleQuest Research data mining tools, 2007, http://www.rulequest.com/
Warsaw University, 2005,「RSES 2.2 User’s Guide」. http://logic.mimuw.edu.pl/~rses/