臺灣博碩士論文加值系統

國內智慧型運輸系統(Intelligent Transportation System ,ITS)，以先進設備為兩地之間提供順暢快捷道路，大幅縮短旅行時間。
塞車狀況跟以往比較雖有大幅改善，但常見塞車問題仍然存在，探求塞車主要原因為車速快車流變化迅速，車流資訊回饋速度跟不上車流變化速度，總是慢一步讓用路人得知。
在管理單位常以佔有率判斷道路是否壅塞，依佔有率高低或主線車流量推算匝道儀控率應開放多少秒數時間讓車輛進入主線，並未將形成塞車或者是由塞車恢復順暢不同車流行為列為參考。
本研究使用每1分鐘交通數據，探討路段形成塞車及從塞車恢復順暢車流行為。分析結果顯示兩者行為模式非「直線」也非「共線」；其反映出不同行為下，在相同佔有率及車流量下，因車流行為不同而產生明顯車速差異而影響塞車時間。
未來管理單位在使用匝道儀控執行管制車流量時，可將各路段依照偵測數據分析車流之結果行為列入為參數，針對主線要求的速度，依車流行為適時修正匝道儀控率，則可縮短塞車影響時間及提升道路服務品質。

Domestic ITS (Intelligent Transportation System) is an advanced equipment that designed for shortening the traveling time between places by providing faster and smoother ways.
Traffic-Jam has been improved compared to the past，but it is still happening. The main reasons for it are that traffic flow and vehicles speed change rapidly but the feedback of the changes are always one step behind.
Traffic Control Center judge whether the traffic is jammed or not often just base on the Occupancy. According to occupancy and main line’s traffic flow to calculate that how much cars can enter the main line by using Ramp Metering System. And the data doesn’t include the reasons of a traffic jam or how the traffic can be smoothed.
The analysis we use here is based on detecting vehicles flow per minute. By these data, we can probe into the pattern of traffic jam and the way to smooth traffic flow. The result shows that both patterns are neither linearity nor collinearity. It reveals that vehicles speeds are obviously different base on each traffic pattern even they are the same occupancy and traffic flow.
The future of Traffic Control Center should have known that before using Ramp Metering System to control the traffic flow, including the traffic pattern as the main factor, then target on the traffic speed that main line is required, according to the immediate traffic pattern to adjust the Ramp Metering, we can shorten the travel time and upgrade the level of service of the road

誌謝 i
摘要 ii
Abstract iii
目錄 iv
圖目錄 vii
表目錄 ix
第一章 緒論 11
1- 1 研究動機與目的 11
1- 2 研究內容 13
1- 3 研究流程 14
1- 4 研究範圍及限制 15
第二章 文獻回顧 17
2- 1 車輛偵測器國內外研究文獻 17
2- 2 匝道儀控國內外研究文獻 23
2- 3 車流模式(Macroscopic) 28
2- 4 筒狀模式(Tank Model) 30
2- 5 等候理論(queueing theory) 31
第三章 國內智慧型交通工程運輸系統發展 36
3- 1 車輛偵測器 37
3- 2 匝道儀控 39
第四章 研究方法 40
4- 1 交通數據來源及排除異常數值 41
4- 2 路段密度與佔有率關係 43
4- 3 路段車流行為分析方式 44
4- 4 研究方法小結 49
第五章 資料收集與分析 51
5- 1 資料收集與初步分析 51
5-1-1 壅塞影響範圍 52
5-1-2 選定研究路段 56
5- 2 時間及流量與速度關係 58
5-2-1 時間與路段速度關係 58
5-2-2 時間與路段車輛數關係 60
5-2-3 路段車輛數與車速關係 62
5-2-4 路段流量與速度關係 64
5- 3 形成塞車行為分析 66
5- 4 恢復順暢行為分析 68
5- 5 形成塞車及恢復順暢分析成果 69
5- 6 小結 71
第六章 結論與建議 72
6- 1 結論 72
6- 2 建議 72
參考文獻 73
附件一 匝道儀控之儀控率運算方式如下 76
附件二 國道1號南向里程182k事故說明 79
附件三 行駛速度與最小安全距離 81
附件四 車輛偵測器傳輸流程 82

中文部分
1.鄒啟俊，「高速公路交通事故延遲時間與等候車隊長度預測模式－以國道五號為例」，碩士論文，2014年
2. 吳承紘，「高速公路事故排除時間影響因子之研究」，碩士論文，2014年
3.朱志杰，「使用車輛偵測器和自動車輛辨識之資料預測高速公路旅行時間」，碩士論文，2013年
4.洪偉勛，「高速公路旅行時間推估模式之開發與應用－以國道五號為例」，碩士論文，2013年
5.何旺宗，「資料融合技術結合類神經網路對高速公路事件延遲時間預測之研究」，碩士論文，2010年
6.何聰儒，「利用群集分析與線性迴歸推估高速公路旅行時間之研究」，碩士論文，2009年
7.黃智建，「車輛偵測器不完整資訊推估旅行時間之研究」，碩士論文，2007年
8.洪士傑，「高速公路事件影響區段範圍之研究」，碩士論文，2005年
9.賴建志，「車流特性資料之累計時間長度及更新頻率 對高速公路事件偵測績效之影響研究」，碩士論文，2005年
10.吳東祐，「智慧型運輸走廊交通管理策略模式之研究」，碩士論文，2010年
11.陳俊佑，「細胞傳輸模型之實證研究」，碩士論文，2009年
12.鐘仁傑，「模糊邏輯匝道儀控模式-細胞自動機之模擬分析」，碩士論文，2008年
13.邱妍菁，「高速公路短期交通資訊之灰預測模型」，碩士論文，2006年
14.王雲慶，「應用基因模糊邏輯建構適應性匝道儀控系統」，碩士論文，2005年
15.吳榮光，「構建高速公路入口匝道群組化遞變式匝道儀控系統之研究」，碩士論文，2002年
16.陳樹群、蔡喬文、陳振宇、陳美珍，「筒狀模式之土壤雨量指數應用於土石流防災警戒」，中華水土保持學報，2013
17.交通部運輸研究所，「臺灣地區智慧型運輸系統綱要計畫(2004年版)」，2004年
18.交通部運輸研究所，「智慧運輸服務發展策略規劃」，2015年
19.交通部，「公路智慧型運輸系統設計規範」，1998年
20.交通部運輸研究所，「2011年臺灣公路容量手冊」，2011年
21.廖慶榮，「作業研究」華泰文化，2009
 
英文部分
22.Xia, J.X., Chen, M., Qian, Z.D., 2010. Predicting Freeway Travel Time Under Incident Conditions, Transportation Research Record: Journal of the Transportation Research Board 2178 (1), 58-66
23.OH, J.-S., JAYAKRISHNAN, R. & RECKER, W. 2002. Section Travel Time Estimation from Point Detection Data. eScholarship Repository
24.Kwon, J., B. Coifman, and P. Bickel,“Day-to-Day Travel-Time Trends and Travel-Time Prediction from Loop-Detector Data” , Transportation Research Record: Journal of the Transportation Research Board, Vol.1717,pp.120-129,2000
25.Gomes,G.and Horowitz,R.,2006,“Optimal freeway ramp metering Using the asymmetric cell transmission model,”Transpn Res.-C, 14, pp.244-262
26.Huang, D. W., 2002, “Highway on-ramp control,” Physical Review E, Vol. 65, 046103
27.Bogenberger, K., El-Araby, K. and Keller, H., 2000, “Design of a Genetic Fuzzy Approach for Ramp Metering,”IEEE Intelligent Transportation System Conference Proceedings,pp.470-475
28.Greenshields, B. D. (1935). A Study of Traffic Capacity. Highway Research Board Proceedings 14, pp. 448-47
29.Khisty, C. J. and Lall, B. K. (2002), Transportation Engineering: An Introduction,3rd ed., Pearson Education, Inc., Upper Saddle River, NewJersey 07458,
30.菅原正巳1972年，「流出解析手法」，共立出版社。(Sugawara, M. (1972).“Analytical method of outflow.” Kyoritsu Shuppan Co., Ltd. (in Japanese))
31.Willig, A Short Introduction to Queueing Theory. Berlin: Technical University Berin, Telecommunication Network Group, 1999