臺灣博碩士論文加值系統

本研究主要是利用建立一套行車轉彎辨識系統(The system of identifying with driving wheels)，以方便對於利用行車記錄器收集到的資料進行分析及辨識。由於資料量非常地大，採取方式是利用資料倉儲(Data warehouse)，將資料集中、清理與整理後作最適化調整之資訊儲存。再研究這些行車資訊所提供的資訊配合演算法做計算，找出在資訊裡面顯示的特徵值，並整理特徵資訊，提出一套可信賴的資訊辨識系統，加以應用在日常駕駛行為上。
本研究主要是針對利用行車轉彎辨識系統對轉彎行為來做探討，將其區分為行車舉動與行車特徵，行車舉動是指ㄧ般的駕駛轉彎行為，行車特徵則是去判斷ㄧ些被定義比較危險的駕駛行為，最後再用轉彎舒適度，來評比單趟車程在進行轉彎相關行為上是否會讓旅客感到不舒服。

研究結果顯示，本研究所開發出來的系統，對於ㄧ般的駕駛轉彎行為與較危險的轉彎行為有相當水準的辨識準確度，而針對轉彎舒適度的評比對於大小車都可以進行分析，長期累積下來也可以針對駕駛的行車習慣作分析，此部份可以成為業者在評斷駕駛人員優劣時ㄧ項客觀數據。

This research is mainly to build the system of identifying with driving wheels, and to analyze and identify the data which were collected by the traffic recorder. Since the quantity of the information is huge, so we use Data Warehouse to centralize and clear-up the information, then store the most optimal adjusted information. Following, we used algorithm to calculate the information to find the characteristics. Then use them to build a system and apply then into the driving behaviors.

This research primarily discussed the behavior of driving wheels through this system. Then separating the behavior into the “driving movement” and the “driving characteristics”. The driving movements represents the common wheeling behaviors, and the driving characteristics are defined as more dangerous wheeling behavior. Last, we use the rate of comfortable wheeling to measure that whether the single journey will make the passenger uncomfortable when processing the relative wheeling behavior.

The result of the research shows that the system that being developed by this research has the acceptable accuracy of identifying the common wheeling behavior and dangerous wheeling behavior. In measuring the rate of comfortable wheeling, we could analyze both buses and cars, and also analyze the driving habits of the drivers. This part could become an objective data that assists owners judging the drivers.

1. 序論 1
1.1. 研究背景與動機 1
1.2. 研究目的 2
1.3. 研究方法與流程 3
2. 相關文獻 5
2.1. 行車紀錄器介紹 5
2.2. 資料探勘 8
2.2.1. 資料探勘原理 8
2.2.2. 關聯法則-Apriori原理 9
2.2.3. 關聯法則-Apriori相關文獻 11
2.3. 駕駛行為之相關文獻 12
2.4. 曲率半徑之原理 13
2.5. 專家系統 14
3. PATTERN RULE BASE 16
3.1. PATTERN RULE BASE建置 16
3.1.1. Pattern Rule Base建置流程 16
3.1.2. 原始資料欄位說明 17
3.1.3. 衍生欄位設計 17
3.2. PATTERN RULE BASE特色 22
3.3. PATTERN RULE BASE的建立 24
3.3.1. 實驗設計 25
3.3.2. 實驗數據前處理 25
3.3.3. 篩選辨識指標 27
3.3.4. Pattern Rule的建立 32
3.4. 判斷指標的比較 34
3.4.1. 累計方向角速度 34
3.4.2. 橫向角 35
3.4.3. 行車曲率 36
4. 行車舉動認知 38
4.1. 目前的PATTERN RULE 38
4.1.1. 行車舉動 38
4.1.2. 行車特徵 38
4.1.3. 綜合評估 39
4.2. 行車舉動辨識 40
4.2.1. 交流道轉彎 40
4.2.2. 迴轉（倒U型轉彎） 41
4.2.3. 垂直轉彎（含十字路口轉彎） 43
4.2.4. 一般轉彎 45
4.3. 行車特徵辨識 47
4.3.1. 急轉彎 47
4.3.2. 變換車道 49
4.3.3. 連續變換車道 52
4.3.4. 超車 52
4.4. 綜合評估 54
4.4.1. 轉彎舒適度 54
5. 轉彎動作分析系統規劃與設計 56
5.1. 轉彎動作分析系統設計 56
5.2. 實驗分析結果 62
5.2.1. 交流道轉彎 62
5.2.2. 迴轉（倒U型轉彎） 62
5.2.3. 垂直轉彎&一般轉彎 63
5.2.4. 急轉彎 64
5.2.5. 變換車道 65
5.2.6. 連續變換車道 65
5.2.7. 超車 66
5.3. 綜合評估 68
5.3.1. 轉彎舒適度 68
6. 結論與建議 70
7. 參考文獻 73

[1]桃園縣政府交通處全球資訊網http://traffic.tycg.gov.tw/news/news/fprint.asp?p0=4818
[2]德立斯科技股份有限公司http://www.trisco.com/MIS-6/product/ls212r-ch.htm
[3]游勝傑，「危險路段辨認及提醒之系統設計」，元智大學資訊工程學系，民國九十六年七月。
[4]Datatec網站(http://www.datatec.co.jp/)
[5]大葉大學工業工程學系http://www.dyu.edu.tw/~msung/Ecommerce/Data_Mining/DM_Index.htm
[6]資料採掘理論與實務規劃手冊-松崗
[7]陳垂呈，「利用有效率布林演算法探勘關聯規則」，南台科技大學資訊管理系
[8]維基百科，http://zh.wikipedia.org/wiki/曲率半徑
[9]曹亮吉，科學月刊第十六卷第八期，「怎麼說它有多彎？」
[10]洪文斌，資訊概論，第十五章人工智慧
[11]蔡宗憲，「應用數位行車資訊結合駕駛行為與人格特質之油耗因子關聯研究」，台北大學統計學系，民國九十七年七月。
[12]楊如平，「行車資訊平台建置及資訊辨識之應用研究」，元智大學資訊工程學系，民國九十七年七月。
[13]曲率公式的推導，http://tw.myblog.yahoo.com/jw!4MTXODSTEx9E0Y3lIcXrAI9MGg0-/article?mid=409&prev=417&next=404&l=f&fid=10
[14]探宇科技，http://www.uniminer.com/center01.htm
[15]蔡宜良，「道路特徵對行車影響之研究」，元智大學資訊工程學系，民國九十八年七月。
[16]鄭子玔/林維信，中華技術第63期，「數位式行車紀錄器功能技術規範建立與應用之研究」，民國九十三年。