臺灣博碩士論文加值系統

駕駛工作為具有連續性的工作性質，任何一時的疏忽即會造成交通意外事故發生。對國道客運公司而言，駕駛員精神狀況不佳，不但會對行車安全造成威脅並且影響服務的品質，若發生交通意外事故，還會對國道客運公司的形象產生負面的作用。因此，若能瞭解可能會造成駕駛疲勞的因素，並事先進行管理，將可以有效降低疲勞駕駛事故的發生。
本研究擬透過問卷訪談與數位式行車記錄器資料庫，收集過去研究認為可能會影響駕駛員疲勞的資訊，使用類神經網路與羅吉斯迴歸模型來建立兩種疲勞模式，比較使用不同方法建構模式的預測結果，以及影響駕駛疲勞的因子，作為管理者進行駕駛員管理與調度時考量的依據。
研究結果指出，使用類神經網路來建構疲勞模式時，在準確率方面的表現稍微高於羅吉斯迴歸模型的表現。另外，根據羅吉斯迴歸模型的結果發現，影響國道客運駕駛員疲勞的因素為開車前的睡覺時數與今日有無在午夜到清晨這段時間開車；而影響國道客運駕駛員感覺疲勞程度不同的因素為服務年資、開車前睡覺醒來次數、打鼾、過去一個禮拜累積開車時數與過去一個禮拜在午夜到清晨時段開車的次數。

Driving is a continuous work nature, any negligence of the driver will have impact on traffic safety and even cause a traffic accident. As to the inter-city bus company, if the spiritual state of the driver is not well, it can threaten the traffic safety and influence the quality of service, and once the traffic accident occurs, it will have negative effect on the image of the inter-city bus company. Therefore, if we understand the factors to fatigue and take effective countermeasures in advance, the number of accidents to fatigue driving will be reduced.
This study pursuant past research experience to collect relative information of drivers by questionnaire interview and database of digital vehicle recorder then uses Artificial Neural Network (ANN) and logistics regression to establish two kinds of fatigue models. After the model has been established, the accuracy performance of the models established differently can be compared and the factors of driver fatigue can be determined.
This study conclusion has pointed out, the performance accuracy of ANN is slightly higher than the performance accuracy of logistics regression when constructing a fatigue pattern. In addition, according to the result of logistics regression, the sleep hours of the driver prior to driving and whether having to drive from mid-night to early morning hours on the same day are significant factors to driver fatigue. And the seniority of the driver, number of times awaken during the sleep, snoring, the accumulated driving hours in the previous week and amount of times driving between mid-night to early morning hours are significant factors to degrees of fatigue.

目錄
第一章 緒論 1
1.1. 研究動機 1
1.2. 研究目的 3
1.3. 研究範圍與限制 3
1.4. 研究流程與內容 4
第二章 文獻回顧 7
2.1. 疲勞之定義與導因 7
2.1.1. 疲勞的定義 7
2.1.2. 疲勞的導因 8
2.2. 駕駛疲勞的影響 14
2.3. 疲勞的量測方式 15
2.4. 駕駛疲勞的相關研究 18
2.5. 國內外駕駛員執勤時間的規定 24
2.6. 研究方法文獻回顧 28
2.7. 小結 32
第三章 研究方法 33
3.1. 研究架構 33
3.1.1問卷內容 33
3.1.2數位式行車記錄器資料庫 35
3.2. 類神經網路 36
3.2.1. 類神經網路的基本架構 38
3.2.2. 網路參數說明 39
3.2.3. 類神經網路收斂測試 40
3.3. 羅吉斯迴歸模型 41
3.3.1. 模式理論 42
3.3.2. 模型評價 43
3.3.3. 係數解釋 44
3.4. 群集分析 44
第四章 資料蒐集與分析 46
4.1駕駛員資料 46
4.2執勤與休假資料 48
4.3駕駛員睡眠資料 50
4.4車況資料 51
4.5清醒程度資料 52
4.6駕駛疲勞的原因與對策 53
4.7小結 57
第五章 模式構建與實證 58
5.1模式構建 58
5.2疲勞發生模式 60
5.2.1模式變數說明 60
5.2.2全部變數建構模式 63
5.2.2選取變數後建構模式 72
5.2.3疲勞發生模式小結 78
5.3疲勞程度模式 80
5.3.1模式變數說明 80
5.3.2全部變數建構模式 82
5.3.3選取變數後建構模式 92
5.3.6疲勞程度模式小結 99
5.4模式比較 101
第六章 結論與建議 102
6.1結論 102
6.2建議 103
參考文獻 106
附錄 112

表目錄
表1-1大客車道路交通事故發生原因 2
表2-1疲勞量測方式 17
表2-2測試日的清醒時間與睡眠狀況 23
表2-3國內外駕駛時數之比較 28
表2-4國內外每日最低休息時數之比較 28
表3-1影響駕駛疲勞變數（一） 34
表3-2影響駕駛疲勞變數（二） 35
表3-3類神經網路模式簡介 37
表4-1駕駛員個人資料之次數統計表 47
表4-2駕駛員個人資料之敘述統計表 47
表4-3駕駛員執勤與休假之次數統計表 48
表4-4駕駛員執勤與休假之敘述統計表 49
表4-5駕駛員睡眠資料之次數統計表 50
表4-6駕駛員睡眠資料之敘述統計表 51
表4-7車齡之敘述統計表 51
表4-8駕駛員執勤前後清醒程度差異值之次數統計表 52
表4-9集群中心點與樣本次數 53
表4-10讓駕駛員在開車過程中感到疲勞的原因 54
表4-11駕駛員較常使用來在開車前預防疲勞的對策 55
表4-12駕駛員較常使用來在開車過程中對抗疲勞的對策 55
表4-13駕駛員較常使用來在開車後恢復疲勞的對策 56
表4-14在台北等候發車期間採取降低疲勞或提神的對策 56
表5-1單神經元編碼之變數設定 60
表5-2多神經元編碼之變數設定 61
表5-3測試與訓練範例分配表 63
表5-4動態調整單隱藏層之網路績效值 64
表5-5動態調整雙隱藏層之網路績效值 65
表5-6動態調整學習速率與慣性因子 66
表5-7動態調整單隱藏層之網路績效值 67
表5-8動態調整雙隱藏層之網路績效值 68
表5-9動態調整學習速率與慣性因子 69
表5-10模式預測準確率與變數解釋能力 71
表5-11參數估計 71
表5-12分類表 71
表5-13動態調整單隱藏層之網路績效值 73
表5-14動態調整雙隱藏層之網路績效值 73
表5-15動態調整學習速率與慣性因子 74
表5-16動態調整單隱藏層之網路績效值 75
表5-17動態調整雙隱藏層之網路績效值 75
表5-18動態調整學習速率與慣性因子 76
表5-19模式預測準確率與變數解釋能力 77
表5-20參數估計 77
表5-21分類表 77
表5-22各疲勞發生模式範例之網路架構比較 78
表5-23單神經元編碼之變數設定 80
表5-24多神經元編碼之變數設定 81
表5-25測試與訓練樣本分配表 83
表5-26動態調整單隱藏層之網路績效值 84
表5-27動態調整雙隱藏層之網路績效值 84
表5-28動態調整學習速率與慣性因子 85
表5-29動態調整單隱藏層之網路績效值 86
表5-30動態調整雙隱藏層之網路績效值 87
表5-31動態調整學習速率與慣性因子 89
表5-32模式預測準確率與變數解釋能力 90
表5-33參數估計 91
表5-34分類表 91
表5-35動態調整單隱藏層之網路績效值 93
表5-36動態調整雙隱藏層之網路績效值 93
表5-37動態調整學習速率與慣性因子 94
表5-38動態調整單隱藏層之網路績效值 95
表5-39動態調整雙隱藏層之網路績效值 96
表5-40動態調整學習速率與慣性因子 97
表5-41模式預測準確率與變數解釋能力 98
表5-42參數估計 98
表5-43分類表 98
表5-44各疲勞程度模式範例之網路架構比較 100
表5-45類神經網路與羅吉斯迴歸模型準確率之比較 101

圖目錄
圖1-1 營業用大客車事故件數成長圖 1
圖1-2 研究流程圖 6
圖2-1 睡眠不足、生理時鐘與飛行疲勞的關係 9
圖2-2 睡眠、生理節律、疲勞、警覺性與績效的關係 9
圖2-3 兩極問卷相反項目 16
圖2-4 視覺類比量表（Visual Analogue Scale, VAS） 18
圖3-1 研究架構圖 36
圖3-2 倒傳遞類神經網路架構圖 39

參考文獻
一、中文部份
1.王濟川與郭志剛，「Logistics迴歸模型-方法與應用」，五南圖書出版公司，台北，民國九十年。
2.交通部運輸研究所，「疲勞因素對飛航安全之影響評估與對策」，民國九十三年一月。
3.全國法規資料庫網站，http://law.moj.gov.tw/。
4.何明洲，「倦不上道，談疲勞駕駛」，科學發展，402期，頁72-75，民國九十五年。
5.吳志文，「以類神經網路探討船舶事故之研究」，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。
6.吳明隆，「SPSS統計應用學習實務」，知城數位科技股份有限公司，民國九十二年。
7.汪曼穎與何立己，「飛航組員疲勞之潛在因素」，應用心理研究，第30期，頁225-251，民國九十五年。
8.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。
9.莊禮彰與林源發，「參加南加大『航空安全人為因素』專業訓練報告」，民國九十五年。
10.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，民國八十八年。
11.陳芳正，「長途客運業駕駛績效之探討」，國立成功大學交通管理科學研究所碩士論文，民國九十四年。
12.陳順宇，「多變量分析」，華泰書局，民國九十三年。
13.楊錦洲與陳百盛，「應用類神經網路於顧客群之分類分析」，管理與系統，第十二卷，第三期，頁43-65，民國九十四年。
14.溫德生，「飛行疲勞的認識與預防」，航空醫學會會刊，第十二卷，第一期，頁16-34，民國八十七年。
15.鄔慎智、藍俊雄、藍天雄與汪慧瑜譯，「人因工程」，高立圖書有限公司，民國八十九年。
16.蔡怡成，「類神經網路模式應用與實作」，儒林圖書有限公司，民國九十三年。
17.魏健宏與陳奕志，「類神經網路模式在國內交通運輸研究之成果評估」，運輸計畫季刊，第三十卷，第二期，頁323-348，民國九十年。
18.蘇昭銘，「漫談駕駛疲勞」，運輸人通訊，第四十一期，頁3-5，民國九十四年。
19.蘇昭銘、洪啟源、林俊安與林宜賢，「國道客運駕駛員因勞因素分析」，九十四年道路交通安全與執法研討會，頁197-207，民國九十四年九月。

二、英文部份
1.Arnold, P. K., Hartley, L. R., Corry, A., Hochstadt, D., Penna, F. and Feyer, A. M., “Hours of Work, and Perceptions of Fatigue among Truck Drivers,” Accident analysis and prevention, Vol. 29, No. 4, pp. 471-477, 1997.
2.AustLII Web site, http://www.austlii.edu.au/au/legis/sa/consol_reg/rthr1999372/
3.Campagne, A., Pebayle, T. and Muzet, A., “Correlation between Driving Errors and Vigilance Level：Influence of the Driver’s Age,” Physiology and Behavior, Vol. 80, pp. 515-524, 2004.
4.Dalziel, J. R. and Job, R. F. S., “Motor Vehicle Accidents, Fatigue and Optimism Bias in Taxi Drivers,” Accident analysis and prevention, Vol. 29, No.4, pp. 489-494, 1997.
5.EUR-Lex Web site, http://eur-lex.europa.eu/en/index.htm/
6.Fletcher, A. and Dawson, D. “Field-Based Validations of a Work-related Fatigue Model Based on Hours of Work,” Transportation Research Part F, Vol. 4, pp.75-88, 2001.
7.FMCSA Web site, http://www.fmcsa.dot.gov/
8.Foushee, H. C., Lauber, J. K., Baetge, M. M.and Acomb, D. B., “Crew Factors in Flight Operations III: The Operational Significance of Exposure to Short-Haul Air Transport Operations,” NASA Technical Memorandum 88322, August 1986.
9.Gander, P. H., Marshall, N. S., James, I. and Quesne, L. L., “Investigating Driver Fatigue in Truck Crashes：Trail of a Systematic Methodology”, Transportation Research Part F, Vol. 9, pp. 65-76, 2006.
10.Gander, P. H., Marshall, N.S., “An Evaluation of Driver Training as a Fatigue Countermeasure,” Transportation Research Part F, Vol. 8, pp. 47-58, 2005.
11.Häkkänen, H. and Summala, H., “Fatal Traffic Accidents among Trailer Truck Drivers and Accident Causes as Viewed by Other Truck Drivers,” Accident analysis and prevention, Vol. 33, 2001.
12.Hasshmi, R. R., Le Blanc, L. A., Rucks, C. T. and Shearry, A., “A Neural Network for Transportation Safety Modeling,” Expert Systems with Applications, Vol. 9, No. 3, pp. 247-256, 1995.
13.He, C. and Zhao, C., “Evaluation of the Critical Value of Driving Fatigue Based on the Fuzzy Sets Theory,” Environmental Research, Vol. 61, pp. 150-156, 1993.
14.Ji, Q., Zhu, Z. and Lan, P., “Real-Time Nonintrusive Monitoring and Prediction of Driver Fatigue,” IEE Transportations on vehicular Technology, Vol. 53, No. 4, pp. 1052-1068, 2004.
15.Johns, W. M., “A Sleep Physiologist’s View of the Drowsy Driver,” Transportation Research Part F, Vol. 3, pp. 241-249, 2000.
16.Lal, S. K. and Craig, A., “A Critical Review of the Psychophysiology of Driver Fatigue, ” Biological Psychology, Vol. 55, pp. 173-194, 2001.
17.Mabbott, N. A. and Hartley, L. R., “ Patterns of Stimulant Drug use on Western Australian Heavy Transport Routes, ” Transportation Research Part F, pp. 115-130, 1999.
18.Maycock, G., “Sleepiness and Driving：the Experience of UK Drivers,” European Sleep Research Society, Vol. 5, pp. 229-237, 1996.
19.McCallum, M., Sanquist, S., Mitler, M. and Krueger, G., “Commercial Transportation Operator Fatigue Management Reference,” DTDS56-01-T-003, July 2003.
20.McCart, A. T., Rohrbaugh, J. W., Hammer, M. C. and Fuller, S. Z., “Factors Associated with Falling Asleep at the Wheel among Long-distance Truck Drivers,” Accident Analysis and Prevention, Vol.32, pp. 493-504, 2000.
21.Milia, L.D., “Shift Work, Sleepiness and Long Distance Driving,” Transportation Research Part F, Vol. 9, pp.278-285, 2006.
22.Morrow, P C. and Michael, R. C., “Antecedents of Fatigue, Close Calls, and Crashes among Commercial Motor-vehicle Drivers,” Journal of Safety Research, Vol. 35, pp.59-69, 2004.
23.Mussone, L., Ferrari, A. and Oneta, M., “An Analysis of Urban Collisions Using an Artificial Intelligence Model,” Accident Analysis and Prevention, Vol. 31, pp. 705-718, 1999.
24.Nilsson, T., Nelson, T. M. and Carolson D., “Development of Fatigue Symptoms During Simulated Driving,” Accident Analysis and Prevention, Vol. 29, No. 4, pp.479-488, 1997.
25.Oron-Gilad, T. and Shinar, D., “Driver Fatigue among Military Truck Drivers,” Transportation Research Part F, Vol. 3, pp. 195-209, 2000.
26.Philip, P. and Åkerstedt, T., “Transport and Industrial Safety, How Are They Affected by Sleepiness and Sleep Restriction?,” Sleep Medicine Reviews, Vol. 10, pp. 347-356, 2006.
27.Rosekind, M. R., Gander, P. H., Connell, L. J. and Co, E. L., “Crew Factors in Flight Operations X: Alertness Management in Flight Operations Education Module,” NASA Technical Memorandum-2001-211385, November 2001.
28.Rosekind, M. R., Neri, D. F. and Dinges, D. F., “From Laboratory to Flightdeck: Promoting Operational Alertness,” Fatigue and Duty Limitations - An International Review, pp. 7.1-7.14, 1997.
29.Sagberg, F., “Road Accidents Caused by Drivers Falling Asleep,” Accident Analysis and Prevention, Vol. 31, pp. 639-649, 1999.
30.Sherry, P., “Fatigue Countermeasures,” Association of American Railroads, 2000.
31.Stutts, J. C., Wilkins, J. W., Osberg, J. S. and Vaughn, B. V., “Driver Risk Factors for Sleep-related Crashes.” Accident Analysis and Prevention, Vol. 35, pp.321-331, 2003.
32.Su, C. T., Yang, T. and Ke C.M., “A Neural-Network Approach for Semiconductor Wafer Post-Sawing Inspection,” IEEE Transaction on Semiconductor Manufacturing, Vol. 15, No. 2, 2002.
33.Sullivan, J. J., “Fighting Fatigue,” Public Roads, September/October, pp. 19-23, 2003.
34.TFHRC’s Human Centered System Web site, http://www.tfhrc.gov/humanface/ sleep/sleepweb.html
35.Thiffault, P. and Bergeron, J., “Monotony of Road Environment and Driver Fatigue：a Simulator Study,” Accident Analysis and Prevention, Vol. 35, pp. 381-391, 2003.
36.Williamson, A. M., Feyer, A. M., Mattick, R. P., Friswell, R.and Finlay-Brown, S., “Development Measures of Fatigue using an Alcohol Comparison to Validate the Effects of Fatigue on Performance,” Accident Analysis and Prevention, Vol. 33, pp. 313-326, 2001.
37.Zurada, J. M., “Introduction to Artificial Neural System,” Info Access Distribution Pte Ltd., Singapore, pp.207-219, 1992.