摘要
高速公路行車首重安全與效率，隨著台灣地區經濟的快速成長，家戶小客車持有率的增加，使得具有高服務水準的高速公路車流量倍增，呈現飽和的局面，車流運行不但緩慢，旅行時間增加，行車效率低落，連最起碼的行車安全也受到影響。
改善高速公路擁擠的方法眾多，包括匝道儀控、高承載車輛管制、鼓勵夜間行駛等等，其中高速公路管理局已於民國82年10月起實施連續假日部份路段匝道儀控，且於民國87年8月1日起全天候全線實施匝道儀控，由此可知在當前的高速公路車流狀況下，匝道儀控確有其實施的必要。但目前之匝道儀控策略屬於定時儀控，且採取較寬鬆之時制計畫，也只針對獨立匝道進行儀控，無法對動態的高速公路交通車流變化作一即時性的管理與管制策略。尤其是在高速公路有事件發生之時，定時儀控更是無法有效的針對事件發生的地點、型態，提供一個有效的儀控策略，反而更加擾亂已經寸步難行的高速公路車流。
類神經網路具有聯想與學習的功能，文獻報告已證實可以用來處理事件偵測與匝道儀控等工作，但以往研究者卻未能將之整合起來。本研究基於此，利用類神經網路用以整合高速公路事件偵測與匝道儀控此兩項重要的管理工作，構建成為考量交通參數時空特性之含事件偵測類神經網路匝道儀控模式，另利用貢獻圖及相對強度概念評選重要之輸入變數。最後配合邏輯控制模式與自我評估模式，建置一即時性具有事件偵測功能之匝道儀控系統，提供高速公路管理當局一套有效的管理與管制的方法與策略。
本研究另以先期研究為基礎，構建一微觀車流模擬模式，考量駕駛人習性，加入跟車模式與變換車道模式，用以作為匝道儀控系統運作與績效評估的工具。由模擬中發現，不實施匝道儀控將使得高速公路行車效率降低；而實施定時儀控將會令高速公路道路資源無法充分利用。在類神經網路模式中，可以偵測出事件之發生而隨即做儀控率上之調整，以維持高速公路之服務水準，另在加入自我評估模式後，更可以修正不恰當之儀控率與改善事件偵測誤判之問題，而提供更適切之匝道儀控策略。

ABSTRACT
Safety and efficiency are among the most important concerns of freeway operations. During the past decade, vehicle ownership and utilization increases dramatically in Taiwan due to steady economic growth. Traffic conditions on freeway are significantly affected by this trend.
Some strategies are proposed to relieve congestion on freeway. Entrance ramp metering control is one of the effective way to improve freeway operations. The authority implements whole day metering control along entire Sun-Yet-Sen freeway since August 1, 1998. Nevertheless, the most recent traffic control method is quite basic. It is fixed timing with very low restriction on entering vehicles. In particular, each ramp operates individually. Although it is desirable to gradually proceed traffic control, it is unclear how the existing strategy would satisfy the objective of freeway traffic management.
There is no clue that the existing control method has ever taken into consideration the occurrence of incidents. Therefore, developing a control model that can integrate incident detection and metering control is highly valuable for freeway management purposes. The control model should be able to operate in real time and disseminate appropriate metering rates for each ramp based on local and area-wide traffic conditions. Literature indicates that artificial neural networks are quite promising in recognizing traffic patterns on freeway. Good examples are found on separate neural network applications in incident detection models and metering estimation models. However, an efficient interface to link these two models remains overlooked. It is the primary objective of this study to integrate both incident detection and metering control with artificial neural networks using time-space traffic data information. And assessing the valued input variables by the concepts of Contribution Graph and Relative Strength. Finally, this study develops a useful advanced intelligence ramp metering system by the hybrid ANN model with logic-control model and self-adjustment model.
This research develops a freeway traffic simulation model that considered the traveler behavior of car-following and lane-change to evaluate the performance of the proposed integration model. Due to the learning capability of the artificial neural networks, the proposed model has the potential to improve over time by itself. This study will provide the authority with a useful tool for efficient freeway traffic management.

目錄
摘要………………………………………………………………………………Ⅰ
ABSTRACT………………………………………………………………………Ⅱ
誌謝………………………………………………………………………………Ⅲ
目錄………………………………………………………………………………IV
表目錄……………………………………………………………………………Ⅷ
圖目錄……………………………………………………………………………ⅩⅣ
第一章 緒論1
1.1 研究背景與動機1
1.2 研究目的3
1.3 研究範圍與限制4
1.4 研究內容與方法4
1.5 研究流程7
第二章 文獻回顧9
2.1 類神經網路9
2.1.1 類神經網路概念9
2.1.2 類神經網路在交通運輸上之應用9
2.2 事件偵測14
2.2.1 事件意義14
2.2.2 高速公路事件偵測系統與方法15
2.2.3 事件偵測之理論與演算法18
2.2.4 相關研究文獻25
2.3 匝道儀控26
2.3.1 匝道儀控基本概念26
2.3.2 匝道儀控控制策略27
2.3.3 相關研究文獻28
2.3.4 國內外之匝道儀控系統運作情形30
2.4 小結34
第三章 模式理論與系統架構35
3.1 類神經網路35
3.1.1 類神經網路模式36
3.1.2 倒傳遞類神經網路41
3.2 匝道儀控系統架構42
3.2.1 匝道儀控系統之硬體設備42
3.2.2 匝道儀控系統之處理模式架構44
3.3 小結47
第四章 事件偵測模式與變數評選48
4.1 構建事件偵測類神經網路模式48
4.1.1 模式構建48
4.1.2 結果分析50
4.1.3 分析探討51
4.2變數評選52
4.2.1 以貢獻圖評選輸入變數52
4.2.2 以相對強度評選輸入變數57
4.3 小結58
第五章 類神經網路匝道儀控模式59
5.1 匝道儀控問題特性59
5.2 訓練範例取得與校估60
5.2.1 訓練範例取得60
5.2.2 訓練範例校估60
5.3 構建事件偵測類神經網路匝道儀控模式-考慮空間因素65
5.3.1 空間特性概念65
5.3.2 模式構建65
5.3.3 網路測試67
5.3.4 評選變數後之含事件偵測匝道儀控模式68
5.4 構建事件偵測類神經網路匝道儀控模式-考慮時間因素71
5.4.1 時間特性概念71
5.4.2 模式構建72
5.4.3 結果分析74
5.4.4 具全部時空特性之事件偵測匝道儀控模式75
5.4.5 評選變數後之含事件偵測匝道儀控模式78
5.5 小結82
第六章 先進匝道儀控系統84
6.1 匝道儀控系統架構84
6.2 含事件偵測類神經網路匝道儀控模式84
6.2.1 模式功能85
6.2.2 模式績效85
6.3 邏輯控制模式86
6.4 自我評估模式86
6.4.1 缺失判別法則87
6.4.2 儀控率修正法則88
6.4.3 事件偵測誤判法則89
6.5 小結90
第七章 高速公路車流模擬模式91
7.1 模式架構91
7.2 模式基本假設93
7.3 車輛推進方式95
7.3.1 跟車模式96
7.3.2 變換車道模式99
7.3.3 進口匝道106
7.3.4 出口匝道107
7.3.5 車流模式構建108
7.4 物件建立109
7.4.1 車輛物件屬性建立109
7.4.2 車道物件屬性建立109
7.5 函式之建立111
7.6 模式確認113
7.6.1 程式的除錯114
7.6.2 程式邏輯確定114
7.7 小結116
第八章 模式驗證與績效評估117
8.1 匝道儀控系統之整合118
8.2 局部控制之模擬結果與分析119
8.2.1 含事件偵測匝道儀控模式分析119
8.2.2 不含事件偵測匝道儀控模式分析126
8.3 整體控制之模擬結果與分析133
8.3.1 含事件偵測匝道儀控模式分析133
8.3.2 不含事件偵測匝道儀控模式分析140
8.4 小結147
第九章 結論與建議148
9.1 結論148
9.2 建議150
參考文獻152

參考文獻
1.中華顧問工程司，台灣地區西部公路網交通資訊系統之建立與高速公路台北都會區交通擁塞改善計劃，民國七十九年九月。
2.王日昌、陳亭羽、陳賓權，「以類神經網路解析買車自備停車位對車輛持有與車位選擇行為之影響」，中華民國運輸學會第九屆學術論文研討會論文集，347-355頁，民國八十三年十二月。
3.王勝石，影像處理與類神經網路整合模式應用於車種分類之研究，國立成功大學交通管理科學研究所碩士論文，民國八十四年六月。
4.王勝石、魏健宏、張淳智，「類神經網路模式應用於車種分類之研究」，中華民國運輸學會第十屆學術論文研討會論文集，397-403頁，民國八十四年十月。
5. 王德潤，類神經網路應用於多目標運輸方案評選之研究，國立成功大學交通管理科學研究所碩士論文，民國八十六年六月。
6. 交通部運輸研究所，建立高速公路意外事故偵測系統之研究，民國八十五年八月。
7. 交通部運輸研究所，高速公路匝道儀控現場督導、實施績效與衝擊評估，民國八十三年十一月。
8. 交通部運輸研究所，中山高速公路連續假期試辦匝道儀控歷次整體交通疏導策略檢討報告，民國八十三年十一月。
9. 交通部運輸研究所，中山高速公路連續假期試辦匝道儀控匝道選擇與號誌設置地點會勘報告，民國八十二年十二月。
10. 交通部運輸研究所，民國八十四年春節假期高速公路交通疏導管制作業手冊，民國八十四年一月。
11. 李月仙，微觀車流模擬模式與適應性交通控制策略之整合研究，國立成功大學交通管理科學研究所碩士論文，民國七十八年六月。
12. 何志宏，偵測器資料轉為交通分析資料之研究，台北市交通管制工程處委託，民國八十一年六月。
13. 何志宏等人，國內雛形車流模擬模式之研究，康地科技顧問有限公司，民國八十一年五月。
14. 吳耿毓，類神經網路應用於自動化高速公路匝道儀控之研究，國立成功大學交通管理科學研究所碩士論文，民國八十五年六月。
15. 吳麗敏，台灣地區現階段高速公路偵測與意外事件處理模式之分析，國立成功大學交通管理科學研究所碩士論文，民國七十九年六月。
16. 呂青霖，發展高速公路交通控制策略軟體之研究，中央警官學校警政研究所碩士論文，民國七十七年六月。
17. 李英慈，北二高隧道緊急事件處理程序與執行計劃，財團法人中興工程顧問社，民國八十三年九月。
18. 李育欣，完全性網路TSP問題啟發式解法之研究-兼論類神經網路解法之應用，國立交通大學運輸研究所碩士論文，民國七十七年六月。
19. 李樑堅，建立微觀車流模擬模式以發展交通適應性號誌控制邏輯之研究，國立成功大學交通管理科學研究所博士論文，民國八十二年六月。
20. 周家蓓，「鋪面裂縫類神經網路識別系統」，第七屆鋪面工程學術研討會論文集，323-333頁，民國八十二年十二月。
21. 林旭濱，高速公路車流模擬模式與路徑導引控制之研究，國立成功大學交通管理科學研究所碩士論文，民國八十四年六月。
22. 林鄉鎮，高速公路小汽車駕駛者跟車行為之研究-以虛擬實境（VR）技術所構建之駕駛模擬系統為工具，國立成功大學交通管理科學研究所博士論文，民國八十六年六月。
23. 林鴻基，高速公路最適匝道交通控制策略之研究，國立成功大學交通管理科學研究所碩士論文，民國七十九年六月。
24. 胡大瀛，「智慧型運輸基礎建設之發展與應用」，都市交通92期，65-77頁，民國八十六年。
25. 胡守任，「發展台灣地區智慧型運輸系統策略計劃芻議」，運輸學刊第9卷第4期，77-104頁，民國八十五年十二月。
26. 高速公路局，高速公路統計年報，民國86年。
27. 曹勝雄、曾國雄、江勁毅，「傳統計量迴歸、模糊迴歸、GMDH、類神經網路四種方法在預測應用之比較-以國人赴港旅客需求之預測為例」，中國統計學報第34卷第2期，132-161頁，民國八十五年六月。
28. 郭哲肇，利用人工智慧發展電梯動態控制系統之研究，國立成功大學交通管理科學研究所碩士論文，民國八十五年六月。
29. 張家祝、柯澤，「台灣地區高速公路進口匝道加速車道設計標準之研究」，運輸計劃季刊，第18卷第1期，1-36頁，民國七十八年三月。
30. 陳柏榮，高速公路微觀車流模擬模式雛形建立之研究，國立成功大學交通管理科學研究所碩士論文，民國八十三年六月。
31. 陳奕志，含類神經網路變換車道的高速公路微觀車流模擬模式之研究，國立成功大學交通管理科學研究所碩士論文，民國八十七年六月。
32. 陳惠國，高速公路事件自動偵測方法之研究，國科會專題研究，中央大學土木工程系，民國八十二年七月。
33. 陳惠國、蔣偉寧、曾信忠，「模糊理論應用於意外事件自動偵測之研究-以中山高速公路為例」，一九九三中華民國第一屆Fuzzy理論與應用研討會論文集，445-453頁，民國八十二年六月二十五-二十六日。
34. 黃金塗，高速公路多車道車輛監控系統之實現，台灣工業技術學院電機所碩士論文，民國八十三年六月。
35. 黃思芬，都會區高速公路走廊實施匝道控制之整體交控策略研究，國立成功大學交通管理科學研究所碩士論文，民國八十年六月。
36. 黃敬仁，「類神經網路探詢-以模擬拖車倒車為例」，勤益學報，第11期，129-149頁，民國八十二年十二月。
37. 黃泰林，構建智慧型適應性網路號誌控制模式之研究，國立成功大學交通管理科學研究所博士論文，民國八十三年六月。
38. 道康國際工程顧問公司，中山高速公路入口匝道儀控系統工程規劃報告，國道高速公路局委託，民國八十四年二月。
39. 葉怡成，類神經網路模式應用與實作，儒林圖書公司，民國八十二年二月。
40. 葉怡成，應用類神經網路，儒林圖書公司，民國八十六年七月。
41. 詹宗翰，高速公路匝道儀控率之最佳化，國立成功大學土木工程研究所碩士論文，民國八十七年六月。
42. 詹義昆，修改FREQ8PE模式應用於國內市區快速道路車流模式之研究，國立成功大學交通管理科學研究所碩士論文，民國七十七年六月。
43. 鄭博王，以遺傳演算法及類神經網路應用於旅行推銷員問題，淡江大學土木工程研究所碩士論文，民國八十三年六月。
44. 劉英標，汽車駕駛人行車控制指示系統之模式構建研究，國立成功大學交通管理科學研究所博士論文，民國八十五年二月。
45. 蔡輝昇，交通控制理論與實務，生合成出版社，民國七十九年四月。
46. 蔡輝昇，「高速公路匝道控制理論與實施」，都市交通72期，13-18頁，民國八十二年十月。
47. 賴淑芳，高速公路匝道車流併入行為模式之研究，淡江大學土木工程研究所碩士論文，民國八十二年六月。
48. 藍武王、邱裕鈞，「模糊類神經網路學習演算法之推導與應用-以鋪面診斷為例」，運輸計劃季刊26卷2期，233-252頁，民國八十六年六月。
49. 藍武王、許書耕，「高速公路上匝道儀控系統之理論與實務初探」，都市及公路交通監控技術研討會，A組(E)，民國八十二年。
50. 魏健宏，「人工神經網路應用於國內交通運輸研究之可行性探討」，中華民國運輸學會第八屆論文研討會論文集，145-152頁，民國八十二年十二月。
51. 魏健宏、王勝石，「多準則方案之評選-模糊集合理論與人工神經網路的應用」，規劃學報第22期，199-213頁，民國八十四年十一月。
52. 魏健宏、吳耿毓，「智慧型自動化匝道儀控系統之研究」，國家科學委員會研究彙刊：人文及社會科學，七卷三期，371-389頁，民國八十六年七月。
53. 魏健宏、張有恆、沈進成，「應用人工神經網路預測旅次產生」，第二屆模糊理論與應用研討會，30-35頁，民國八十三年九月。
54. 魏健宏、楊雨青，「高雄港轉口貨櫃運量預測-以類神經網路評選輸入變數」，已接受刊登於運輸學刊第11卷第3期，民國八十七年十月。
55. 魏健宏、楊雨青，「高速公路事件管理之研究與探討」，中華民國運輸學會第十三屆學術論文研討會論文集，403-412頁，民國八十七年十二月。
56. 魏健宏、楊雨青，「智慧型運輸系統交通參數資料融合方法之研究－應用類神經網路」，第一屆台灣ITS國際研討會論文集，B1-26-B1-41頁，民國八十八年五月。
57. 魏健宏、傅耀南，「模糊類神經網路應用於跟車模式之研究」，電子計算機於土木水利工程應用研討會，859-870頁，民國八十四年十月。
58. 魏健宏、黃國平、陳昭宏，「應用人工神經網路發展高速公路意外事件自動偵測模式」，運輸計劃季刊第二十五卷第二期，民國八十五年六月，頁209-頁234。
59. 蘇志強、趙崇仁，「應用類神經網路鑑別中山高速公路危險路段之研究」，中華民國運輸學會第十一屆論文研討會論文集，501-511頁，民國八十五年十二月。
60. 蘇志強、蘇梓見，「應用模擬實驗構建高速公路入口匝道儀控模式」，八十五年道路交通安全與執法研討會論文集，89-103頁，民國八十五年六月。
61. Balke, K., Dudek, C. L., and Moumtain, C. E.(1996), "Using Probe - Measured Travel Times to Detect Major Freeway Incidents in Houston, Texas "Transportation Research Record 1554, pp. 213-220
62. Dia, H. and Rose, G. (1997),"Development and Evaluation Neural Network Freeway Incident Detection Models Using Field Data"Transportation Research C, Vol. 5, No.5, pp. 313-331
63. Dudek, C. L., Messer, C. J., and Nuckles, N. B.(1974),"Incident Detection on Urban Freeways,"TRR 495, pp. 12-24.
64. FHWA(1985), Traffic Control System Handbook
65. Gately, E.(1996) "Neural Networks for Financial Forecasting," Technical Publishing Advistopy Board.
66. Ito, K. , Namai, T. and Kojima, M.(1996) , Applying Neural Networks to Automatic Incident Detection, Traffic Technology International Aug/Sept'''''''', pp. 32-35
67. Ishank, S. S. and Al-Deek, H. M(1997). , "Applying Fuzzy ART to Freeway Incident Detection", the 77th Transportation Research Board Annual Meeting, Washington D.C.
68. Ivan, J. N., Schofer, J. L., Koppelman F.S. and Massone, L. L. E.(1995), "Real -Time Data Fusion for Arterial Street Incident Detection Using Neural Networks", Transportation Research Record 1497, pp. 27-35
69. Ivan, J. N.(1997),"Neural Network Representations for Arterial Street Incident Detection Data Fusion", Transportation Research Part C, Vol. 5, No. 34, pp. 245-254
70. Jacobson, L. N. and Henry, K. C. and Mehyar, O.(1989) "Real-Time Metering Algorithm for Centralized Control", Transportation Research Board 1232, pp 17-26,
71. May, A. D. (1990),"Traffic Flow Fundamentals,"University of California, Berkeley
72. Michalopoulos, P. G. and Samartin, K. (1998), "Recent Development of Advanced Technology in Freeway Management Projects",Traffic Engineering and control, march, pp.160-165.
73. Mussa, R. N. (1997), "Evaluation of Driver-Based Freeway Incident Detection", ITE Journal, March, pp.33-40.
74. Stephanedes, Y. J. and Hourdakis, J. (1996), " Transferability of Freeway Incident Detection Algorithms", Transportation Research Record 1554, pp. 184-195
75. Taylor, C., Meldrum D. and Jacobson L. (1997), "Fuzzy Ramp Metering: Design Overview and Simulation Results", the 77th Transportation Research Board Annual Meeting
76. Ullman, G. L. and Ogden, M. A. (1996), "Analysis of Major Freeway Incident in Houston, Texas"TRR 1554, pp.221-227.
77. Yoon,Y., Swales, G. J., and Margavio, T. M. (1993)"A comparision of Discriminant Analysis Versus Artifical Neural Networks" Journal of Operation Research Science. Vol.44, No. 1, pp. 51-60
78. Zhang, H. M. and Ritchie, S. G.(1997) , "Freeway Ramp Metering Using Artificial Neural Networks", Transportation Research Part C, Vol. 5, No.5, pp. 273-286