(54.236.58.220) 您好!臺灣時間:2021/03/05 05:54
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:楊憲國
研究生(外文):Xian-Guo Yang
論文名稱:以類神經網路推導路口交通事故成因與改善之研究
論文名稱(外文):A Study on the Effect of Intersection Geometric Characteristics on Intersection Traffic Accidents and their Remedial Strategy using Neural Network
指導教授:劉霈
學位類別:碩士
校院名稱:逢甲大學
系所名稱:交通工程與管理所
學門:運輸服務學門
學類:運輸管理學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:117
中文關鍵詞:類神經網路交通事故交通安全道路工程改善
外文關鍵詞:neural networkstraffic accidenttraffic safet
相關次數:
  • 被引用被引用:21
  • 點閱點閱:294
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:96
  • 收藏至我的研究室書目清單書目收藏:1
摘 要
影響交通事故發生的因素繁多,諸如:人為疏失、天候因素、車輛因素、道路幾何等等。在以往交通事故分析與統計結果中,多將人為疏失視為交通事故發生的主因。但事實上道路設計及規劃不當亦容易形成潛在危險而導致交通事故發生,故檢討並改善道路環境以減少交通事故發生應有其必要性。

本研究針對路口交通事故與幾何、號誌及交通現況因素進行分析研究。因交通事故與幾何、號誌及交通現況因素彼此間相互影響且錯綜複雜,對事故之影響程度不易界定;因此本研究採用類神經網路與負二項迴歸方法,選出台中市之62個路口,將其分解為636組行向組合,就其88、89年之內發生的1,593件交通事故資料,進行構建路口交通事故數量預測模式。以幾何、號誌及交通動態因素為輸入變數,交通事故數量為輸出變數。將636筆資料中抽取75%(即477筆)進行模式構建,再以其餘25%(即159筆)資料進行驗證。

本研究以相關係數、誤判率、最大誤差與最大誤差比等項目,就所構建之類神經網路與負二項迴歸模式之預測能力進行比較分析,結果以類神經網路之預測能力較佳。將所構建之類神經網路模式預測驗證資料,結果顯示其相關係數為0.992、誤判率為16.4%、最大誤差1.95、最大誤差比為2.76,網路之MSE值為3.38 10-6。

在應用上,因道路工程改善為具沉沒成本性質之投資,一但設置往往具有難以恢復的性質,若可在進行方案之前,先行預估各改善方案之效果,將可避免資源誤置與提高道路工程改善效益。本研究利用所建立之路口交通事故預測模式,預測路口若經工程改善方案後其交通事故次數,並概估方案所需成本,並以效益-成本比值法評選出最佳方案,以期作為其路口改善方案效益評估與評選之參考,以避免資源誤置與提高道路工程改善效益。
ABSTRACT
Numerous factors, such as human negligence, climate, vehicle condition and maneuver, road geometry, and roadside facilities, can be the major cause of traffic accidents. Nonetheless, analyses and/or statistics results normally deem human negligence as the major factor of traffic accidents. In fact, improper road design or planning can easily form potential dangerous spot and result in occurrence of traffic accident. That is, configuration of road also plays an important role in roadway safety. Hence, recognizing the effect of road configuration on traffic accidents, and reduce the number of traffic accidents by improving road safety is of great importance.
In this study, numbers of traffic accidents occurred within road intersection areas were studied. Sixty-two signalized roadway intersections in TaiChung city were investigated. Characteristics of the 1,593 traffic accidents occurred at these intersections during year 2000~2001 were analyzed and recorded. Meanwhile, factors, such as traffic volume, road geometry, phases of traffic signal, number of lanes, etc., of these intersections were collected. With the abovementioned information, a neural network model and a negative binominal regression model were constructed for the purpose of predicting numbers of intersection accidents. Due to the fact that traffic accidents in intersection can occur in many combinations of vehicle movement, the models were constructed based on combinations of vehicle movement instead of on intersections.
With evaluations on the correlation coefficient, misjudging rate, maximum error, and maximum error ratio, the neural network model was judged to be more accurate than the negative binominal regression model. For the neural network model, the correlation coefficient is 0.992, misjudging rate is 16.4%, maximum error is 1.95, maximum error ratio is 2.76, and the MSE value is 3.38x106. The neural network model was further applied to be a tool for evaluation of roadway improvement schemes. It was found that a better-quantified scheme could be achieved by using the proposed model.
目 錄
誌¨¨謝.................................................Ⅰ
中文摘要.................................................Ⅱ
英文摘要.................................................Ⅲ
目¨¨錄.................................................Ⅳ
圖 目 錄.................................................Ⅵ
表 目 錄.................................................Ⅶ

第一章 緒論...............................................1
1.1 研究緣起..............................................1
1.2 研究動機..............................................2
1.3 研究目的..............................................3
1.4 研究範圍..............................................4
1.5 研究內容與方法........................................5
1.6 研究流程..............................................6

第二章 文獻回顧...........................................9
2.1 肇事分析與鑑定........................................9
2.2 肇事地點改善與評估...................................16
2.3 類神經網路相關文獻...................................22

第三章 研究方法與模式架構................................28
3.1 類神經網路...........................................28
3.2 類神經網路之基本架構.................................33
3.3 統計迴歸方法.........................................41
3.4 行向組合.............................................47
3.5 研究相關變數說明.....................................50

第四章 資料蒐集及基本分析................................57
4.1 路口及肇事相關資料之蒐集及初步整理...................58
4.2 台中市區路口交通事故資料基本分析.....................61
4.3 選取路口交通事故資料初步分析.........................67

第五章 模式建立與比較分析................................71
5.1 變數資料之基本統計...................................71
5.2 模式構建.............................................72
5.3 敏感度與彈性分析.....................................82
5.4 模式預測能力之比較分析...............................89
5.5 類神經網路應用於路口改善.............................90

第六章¨結論與建議......................................104
6.1 結論................................................104
6.2 建議................................................105

參考文獻................................................107

圖目錄
圖1.1 影響肇事的因素:人車路因素交集圖...................3
圖1.2 路口範圍平面圖.....................................5
圖1.3 研究流程圖.........................................8
圖3.1 生物神經元模型圖..................................28
圖3.2 人工神經元模型圖..................................29
圖3.3 類神經網路架構圖..................................33
圖3.4 處理單元的作用....................................33
圖3.5 四岔路口之行向組合之構成方式......................48
圖4.1 路口之交通事故次數分佈圖..........................60
圖4.2 行向組合肇事次數分佈圖............................61
圖4.3 台中市88、89年交通事故地點之道路型態統計圖........63
圖4.4 台中市88、89年肇事時段分佈圖......................65
圖4.5 選取路口肇事時段分佈圖............................69
圖5.1 類神經網路模式模擬訓練資料預測圖..................75
圖5.2 類神網路模式模擬訓練資料預測值與實際值之差值圖....75
圖5.3 類神經網路測試資料預測圖..........................76
圖5.4 類神網路模式模擬驗試資料預測值與實際值之差值圖....76
圖5.5 負二項迴歸模式預測圖..............................81
圖5.6 負二項迴歸模式預測值與實際值之差值圖..............81
圖5.7 變數:快車道數之敏感度分佈圖......................82
圖5.8 利用類神經網路輔助路口改善之流程圖................90
圖5.9 台中港與文心交叉路口示意圖........................92

表目錄
表1.1 台灣地區機動車輛與道路里程統計.....................2
表1.2 台灣地區歷年道路交通事故統計.......................2
表2.1 路口事故之主要成因、改善手法及其對應措施..........21
表2.2 國內類神經網路在交通領域上應用網路架構............25
表4.1 選定路口之交會道路................................57
表4.2 路口之交通事故次數................................59
表4.3 行向組合交通事故次數統計表........................60
表4.4 台中市88、89年交通事故地點之道路型態統計表........62
表4.5 台中市88、89年交通事故地點之事故位置統計表........64
表4.6 台中市88、89年交通事故發生時間統計表..............64
表4.7 台中市88、89年交通事故型態統計圖..................66
表4.8 事故類與嚴重度相關分析表..........................67
表4.9 選定路口肇事種類分佈..............................68
表4.10 選取路口肇事時段統計表............................69
表5.1 變數資料之基本統計................................71
表5.2 網路相關設定值....................................74
表5.3 負二項迴歸模式校估與檢定結果......................77
表5.4 類神經網路輸入變數之敏感度平均值..................82
表5.5 敏感度值先取絕對值後再平均之結果..................84
表5.6 交通故事次數為5次以上之絕對平均敏感度值...........85
表5.7 負二項迴歸模式變數彈性值..........................86
表5.8 敏感度與彈性分析之比較............................86
表5.9 類神經網路與負二項迴歸模式之比較..................87
表5.10 範例路口之基本調查資料............................91
表5.11 範例路口各行向組合之交通事故實際次數與預測次數....93
表5.12 敏感度值先取絕對值後再平均之結果..................93
表5.13 改善方案一之模式預測值............................95
表5.14 改善方案一之經費概估..............................95
表5.15 改善方案二之模式預測值............................96
表5.16 改善方案二之經費概估..............................97
表5.17 改善方案三之模式預測值............................98
表5.18 改善方案三之經費概估..............................98
表5.19 各研擬改善方案之比較..............................99
表5.20 改善方案之評選...................................100
參考文獻1.中華民國八十九年交通統計要覽,交通部統計處編印,中華民國九十年六月。2.內政部警政著網頁,http://www.npa.gov.tw/,2001。3.台中市政府交通局,「台中市交通瓶頸及易肇事路口交通改善方案,九十年二月份指派路口」,民國九十年三月。4.台灣省政府交通處,「車道配置與時制設計之整體績效評估」,民國八十七年六月。5.交通部運輸計劃委員會、內政部警政署,道路交通事故調查報告表填寫須知,民國七十二年六月。6.吳銘山,「易肇事路段與路口改善績效評故與指標之建立-以台南市為例」國立交通大學交通運輸研究所碩士論文,民國八十七年七月。7.周雍傑,「以類神經網路探討都市地區肇事嚴重程度之研究」,國立成功大學交通管理科學研究所碩士論文,民國八十九年六月。8.林大煜,「道路交通肇事資料分析方法之檢討」,運輸計劃季刊,第八卷,第三期,頁379-414,民國六十八年七月。9.張新立,「影響二車道公路行車安全因素之研究」,運輸計畫季刊,第十八卷,第四期,頁441-450,民國七十八年十二月。10.戚培芳「中山高速公路肇事分析模式之研究」,國立交通大學交通運輸研究所碩士論文,民國八十六年六月。11.莊秋明,「道路交通易肇事路段改善方法與其案例研討」八十七年道路交通安全與執法研討會,民國八十七年六月,P125-138。12.陳志和,「都市地區肇事嚴重程度預測模式之研究」,國立成功大學交通管理科學研究所碩士論文,民國八十九六月。13.陳高村、曾招雄,「道路交通事故損失貨幣價值估算之研究」,交通事故與交通違規之社會成本推估研討會論文集,民國八十九年一月。14.曾平毅、林豐裕,「路口安全程度評估模式之評析」,民國八十八年道路交通安全與執法研討會,1999。15.湯儒彥,「事故地點交通工程改善方法之探討」,中華民國第十三屆運輸安全研討會,民國八十七年十一月。16.湯儒彥,「道路交通事故成因與工程改善之對策」,台灣公路工程,第二十四卷第九期,民國八十七年三月,第2-16頁。17.黃靖南,臺灣區中山高速公路肇事分析與預測模式之研究,國立交通大學交通運輸研究所碩士論文,民國七十三年五月。18.楊宗璟、曾國維、薛璟宏,「都市地區交叉路口衝突指數之預報與應用」,中華民國運輸學會第十三屆論文研討會,民國八十八年十二月,PP.285-292。19.葉怡成,「應用類神經網路」,儒林圖書公司,1997,七月。20.葉怡成,「類神經網路模式應用與實作」,儒林圖書公司,1998,五月。21.道路交通事故處理實務,內政部警政署,台北,1994。22.趙崇仁,「應用類神經網路鑑別高速公路危險路段之研究」,中央警察大學警政研究所碩士論文,民國八十五年六月。23.蔡閔光,「模組式類神經網路於高性能混凝土抗壓強度預測之應用」,國立交通大學土木工程學系碩士論文,民國八十九年六月。24.鄭添富,「公路幾何線形配合設計之安全分析」,成功大學交管所碩士論文,民國七十四年。25.謝孟昌,「高速公路幾何設計與肇事關係之研究」,國立交通大學土木研究所碩士論文,民國八十一年六月。26.魏健宏、陳奕志「類神經網路模式在國內交通運輸研究之成果評析」,運輸計劃季刊第三十卷第二期,民國九十年六月,P323-348。27.魏開元,「由肇事碰撞構圖及類神經網路推導肇事工程因素研究」,國立成功大學交通管理科學研究所碩士論文,民國八十八年七月。28.羅華強,「類神經網路-MATLAB的應用」,民國九十年六月。29.饒智平,「號誌化交岔路口風險分析及安全檢核評估方法之研究」,國立台灣大學土木工程學研究所碩士論文,民國八十四年六月。30.Kraus, Jess F., Anderson, Craig L., Arzemanian Shakeh, Salatka Michael, Hemyari Parichehr, and Sun Guowen, “Epidemiological Aspects of Fatal and Severe Injury Urban Freeway Crashes,” Accident Analysis and Prevention, Vol.25, No.3, pp.229-239, 1993.31.Miaou, S.P., and Lum, H. “Modeling Vehicle Accidents and highway Geometric Design Relationships”, Accident analysis and prevention, Vol. 25, No. 6, pp.689-709, 199332.Moses, Leon N., and Savage, Ian, “The Effect of Firm Characteristics on Truck Accidents,” Accident Analysis and Prevention, Vol.26, No.2, pp.173-179, 1994.33.Persaud, Bhagwant N., and Mucsi, Kornel, “Microscopic Accident Potential Models for Two-Lane Rural Roads,” Transportation Research Record 1485, pp.134-139, 1995.34.Poch, M., and F. Mannering, “Negative Binomial Analysis of intersection-Accident Frequencies”, Journal of Transportation Engineering, Vol. 122, No.2, pp.105-113, 1996.35.Zageer, C. V., “Accident Effects of Sideslope and Other Roadside Features on Two-Lane Roads,” Transportation Research Record 1195,1988.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔