跳到主要內容

臺灣博碩士論文加值系統

(3.235.56.11) 您好!臺灣時間:2021/07/29 03:15
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:樓軒宇
研究生(外文):Shiuan-Yu Lou
論文名稱:快捷巴士班距營運穩態系統開發
論文名稱(外文):Development of BRT Operation System with Frequency Stability
指導教授:張堂賢張堂賢引用關係
指導教授(外文):Tang-Hsien Chang
口試委員:陶治中許聿廷
口試委員(外文):Chi-Chung TaoYu-Ting Hsu
口試日期:2014-06-20
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:土木工程學研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2015
畢業學年度:103
語文別:中文
論文頁數:89
中文關鍵詞:台中市快捷巴士公車旅行時間控制類神經網路VISSIM車間距時刻表
外文關鍵詞:Taichung City BRTBus travel time controlArtificial Neural NetworkVISSIMHeadwaySchedule
相關次數:
  • 被引用被引用:0
  • 點閱點閱:234
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
快捷巴士系統(BRT) 具備公車系統(Bus)以及大眾捷運系統(MRT)之優點,其建設經費較少、施工期程較短之,又具有較大運能,可在短期內改善城市之交通問題,亦可做為未來捷運系統推動之基礎。如今BRT成為世界各城市改善城市交通的重要選擇,因此台中市政府發展快捷巴士以改善大台中地區的交通問題。
本研究目的為透過速率的調整,研擬策略維持快捷巴士的班距穩定,增加快捷巴士的可靠度,以提昇民眾使用快捷巴士的意願,進而幫助快捷巴士系統的營運,並降低快捷巴士路線對台中市路網的負面影響。本研究針對快捷巴士系統的兩個績效評估指標,準點率以及車間距,研擬維持與改善的策略,解決快捷巴士可能會面臨的誤點問題以及群聚現象,並且降低快捷巴士停等紅燈的機率,減少優先號誌的使用頻率。
本研究使用兩個策略,分別為準點追分策略以及穩定車間距策略。準點追分策略包含一般追分模式以及預測駕駛特性追分模式兩模式。穩定車間距策略包含預測駕駛特性模式以及延長綠燈模式,本策略兩模式可以配合使用,故有四個模式組合,分別為不做預測與不延長綠燈(NN)、僅使用延長綠燈(NG)、僅使用預測駕駛特性(AN)、預測駕駛特性配合延長綠燈(AG)。穩態系統策略的使用順序為,當誤點發生時即啟動準點追分策略,而當快捷巴士使用準點追分策略到達下一停靠站時,仍然與時刻表時間產生誤差,即定義為追分失敗,此時將啟動穩定車間距模式,維持前後兩車之車間距。
兩策略所使用的預測演算法是類神經網路,其預測輸入的資料包含誤點時間以及期望旅行速率,而快捷巴士則根據類神經網路預測的速率進行操作。由於目前快捷巴士尚未正式營運,因此構建類神經網路的資料需透過VISSIM模擬取得,而模式的績效驗證亦在模擬環境下運作。
本研究選定快捷巴士藍線A09至A10站間距對兩策略進行績效評估。準點追分策略根據MAPE值得比較,預測駕駛特性追分模式(0.0473)績效優於一般追分模式(0.0961)。而在穩定車間距策略方面,MAPE值由小至大分別為AG(0.0518)、AN(0.0704)、NG(0.1541)、NN(0.197)。停等紅燈機率由低至高依序為AG(2/72)、AN(5/72)、NG(7/72)、NN(15/72)。

BRT possesses the benefits of bus and MRT. It costs less, requires less time to construct, has more capacity to alleviate traffic congestion in a short period, and can be used as a foundation for MRT system in the future. So far BRT has become an important solution for solving traffic problems in cities around the world. Therefore, Taichung City Government developed BRT to improve traffic conditions in Taichung.
The goal of this study is to boost citizen’s willingness to take BRT, assist in its operation, and to reduce the negative effects BRT has on the transportation network in Taichung by developing strategies to maintain the stability of frequency of BRT to increase its reliability. The study targets at two performance indexes, punctuality and headway, to plan strategies for maintenance and improvement to deal with the delay and bus bunching that may occur, and to lower the possibility of stopping at the traffic lights and the frequency of using priority signals.
The study makes use of two strategies, which are Schedule-Based Control and Headway-Based Control. Schedule-Based Control comprises “Normal Schedule-Based Model” and “Driver Characteristics Prediction Schedule-Based Model”. Headway-Based Control includes “Driver Characteristics Prediction Model” and “Green Light Extension Model”. The two models in this strategy can be used in combination so there are four scenarios, which are no driver characteristics prediction nor green light extension (NN), green light extension only (NG), driver characteristics prediction only (AN), and driver characteristics prediction with green light extension (AG). The sequence of implementing of strategy is: Implement Schedule-Based Control when a delay occurs. If the BRT’s arrival time deviates from the timetable (i.e. an “error” occurs) after implementing Schedule-Based Control, we define this situation as failure of schedule maintain. We will then implement Headway-Based Control to maintain a certain headway between two buses.
The predictive algorithm employed in these two strategies is “Artificial Neural Network”, whose data input consists of delay and expected travel speed. BRT conducts manipulation according to the speed calculated by Artificial Neural Network. Since BRT has not yet been officially operated, the data required for building Artificial Neural Network need to be gathered using VISSIM, and the examination of the model’s performance is conducted in a mock environment.
We chose A09 and A10 on BRT blue line to do the performance valuation. Schedule-Based Control can be compared according to MAPE figure. Driver Characteristics Prediction Model’s performance (0.0473) is superior than Normal Schedule-Based Model (0.0961). For Headway-Based Control Strategy, MAPE figure, presented from the smallest to the largest, are AG(0.0518), AN(0.0704), NG(0.1541), NN(0.1970). The possibility of stopping at the traffic light, ranked from the lowest to the highest, are AG(2/72), AN(5/72), NG(7/72), NN(15/72).

誌謝 I
中文摘要 III
英文摘要 V
目錄 VII
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 2
1.4 研究範圍 3
1.5 研究步驟與流程 3
第二章 文獻回顧 6
2.1使用者 7
2.2中心 9
2.2.1公車時刻表參數 9
2.2.2類神經網路旅行時間預測 11
2.2.3公車旅行時間控制方法 12
2.3台中市快捷巴士 14
2.3.1基本介紹 14
2.3.2藍線路線圖 15
2.3.3橫斷面 16
2.3.4 設計車輛 19
2.3.5 車站資料 21
2.3.6 路口轉向管制 22
2.3.7 號誌時制 24
2.3.8交通量資料 26
2.4綜合評析 28
第三章 研究方法 29
3.1研究模型設定 29
3.1.1準點追分策略 30
3.1.3穩定車間距策略 32
3.2預測演算法─類神經網路 34
3.2.1類神經網路分類 35
3.2.2倒傳遞網路 36
3.2.3預測工具介紹 37
3.2.4數據蒐集 38
3.2.5網路創建與訓練 39
3.3模擬軟體-VISSIM 40
3.3.1發展背景 41
3.3.2模擬架構 41
3.3.3功能特性 41
3.3.4操作流程 42
3.4模式績效評估準則 42
第四章 模擬環境構建與實驗操作 44
4.1模擬環境構建 44
4.1.1快捷巴士路線 45
4.1.2時制計畫 46
4.2 實驗操作程序 46
4.2.1準點追分策略 46
4.2.2穩定車間距策略 55
第五章 模型測試與數據分析 58
5.1 模式績效計算 58
5.1.1 準點追分策略績效計算 58
5.1.2 穩定車間距策略績效計算 60
5.1.3 模式績效計算小結 67
5.2 模式比較分析 68
5.2.1 準點追分策略比較分析 68
5.2.2 穩定車間距策略比較分析 69
5.2.3 模式比較分析小結 83
第六章 結論與建議 84
6.1結論 84
6.1.1中心 84
6.1.2快捷巴士 84
6.1.3使用者 85
6.2建議 85
參考文獻 87

1.Aashto, A. (2001). Policy on Geometric Design of Highways and Streets.American Association of State Highway and Transportation Officials, Washington, DC, 1, 990.
2.Chien, S. I. J., Ding, Y., & Wei, C. (2002). Dynamic bus arrival time prediction with artificial neural networks. Journal of Transportation Engineering, 128(5), 429-438.
3.Daganzo, C. F. (2009). A headway-based approach to eliminate bus bunching: Systematic analysis and comparisons. Transportation Research Part B: Methodological, 43(10), 913-921.
4.Daganzo, C. F. (2009). A headway-based approach to eliminate bus bunching: Systematic analysis and comparisons. Transportation Research Part B: Methodological, 43(10), 913-921.
5.Daganzo, C. F., & Pilachowski, J. (2011). Reducing bunching with bus-to-bus cooperation. Transportation Research Part B: Methodological, 45(1), 267-277.
6.Daganzo, C. F., & Pilachowski, J. (2011). Reducing bunching with bus-to-bus cooperation. Transportation Research Part B: Methodological, 45(1), 267-277.
7.Hafezi, M. H., & Ismail, A. (2011). Balancing between headway and frequency scheduling for bus service. Applied Mechanics and Materials, 97, 669-673.
8.Hafezi, M. H., & Ismail, A. (2011). Bus scheduling model for adjustment headway of bus carriers. Applied Mechanics and Materials, 97, 911-915.
9.Huang, H. J., Liao, C. Y., Tseng, C., & Lin, L. T. (2013). Taichung City BRT Design Record. In Proceedings of the Eastern Asia Society for Transportation Studies (Vol. 9).
10.Kittelson & Associates, United States. Federal Transit Administration, Transit Cooperative Research Program, & Transit Development Corporation. (2003).Transit Capacity and Quality of Service Manual (Vol. 100). Transportation Research Board.
11.PTV, A. (2009). VISSIM 5.20 user manual. Karlsruhe, Germany.
12.Sun, C., Zhou, W., & WANG, Y. (2008). Scheduling combination and headway optimization of bus rapid transit. Journal of Transportation Systems Engineering and Information Technology, 8(5), 61-67.
13.中興工程顧問股份有限公司(2013),「臺中市公車捷運系統(BRT)藍線委託設計監造技術服務案服務建議書」。
14.王信傑(2006),「輕軌路口設置型式準則之研究」,臺灣大學研究所碩士論文。
15.李鈺雯(2005),「都市幹道動態旅行時間推估與交通偵測設施佈設準則之研究」,淡江大學研究所碩士論文。
16.李穎(2002),「類神經網路應用於國道客運班車旅行時間預測模式之研究」,成功大學研究所碩士論文。
17.林士傑(2001),「高速公路旅行時間預測模式之研究-類神經網路之應用」,成功大學研究所碩士論文。
18.張修榕(2001),「高速公路旅行時間之研究」,中央大學研究所碩士論文。
19.張斐章、張麗秋(2005),「類神經網路」,東華書局。
20.設計監造技術服務案」。
21.黃絜矩(2010),「弱勢用路人安全保護與公車優先號誌設計之研究」,中華大學研究所碩士論文。
22.葉怡成(2000),類神經網路模式應用與實作,第七版,儒林圖書公司,。
23.鼎漢國際工程顧問有限公司(2011),「中台灣公車捷運系統(BRT)服務規劃設計與可行性評估」。
24.劉姿君(2013),「基於號誌因子之公車動態旅行時間預估模式研究」,臺灣大學研究所碩士論文。
25.魏健宏等(2000),「臺北市專用道旅行時間預估之初步研究」,公元2000台灣智慧運輸系統ITS國際研討會暨展覽會,頁479-495。
26.羅華強(2011),類神經網路-MATLAB 的應用,第三版,高立出版社。
27.蘇志哲(2012),「BRT系統規劃與設計」,捷運技術半年刊,第46期。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top