(3.238.96.184) 您好!臺灣時間:2021/05/08 04:21
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:::

: 
twitterline
研究生:吳忠賢
研究生(外文):Chung-Shian Wu
論文名稱:應用資料探勘技術與結合eTag車輛偵測器於市區道路旅行時間預測
論文名稱(外文):Applying Data Mining Techniques Combined with eTag Vehicle Detector for Urban Road Travel Time Prediction
指導教授:蔡志豐蔡志豐引用關係
學位類別:碩士
校院名稱:國立中央大學
系所名稱:資訊管理學系在職專班
學門:電算機學門
學類:電算機一般學類
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:92
中文關鍵詞:旅行時間預測eTag市區道路資料探勘
外文關鍵詞:Travel time predictioneTagurban roaddata mining
相關次數:
  • 被引用被引用:0
  • 點閱點閱:211
  • 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:71
  • 收藏至我的研究室書目清單書目收藏:0
隨著經濟迅速發展,使得現有道路供給量不足以負荷急速成長之交通量,使得交通壅塞發生情形成為各都市普遍現象,然而道路開闢跟不上運具成長速度,運輸管制成為有效降低交通壅塞之手段,若能提供準確之旅行時間預估給用路人,使用路人選擇行駛交通順暢路段,進而達到分散車流,紓解交通壅塞之情形,惟旅行時間預測相關研究多應用於高速公路,國內亦少有針對市區道路之旅行時間預測相關研究及應用。

本研究提出一套應用資料探勘技術並結合eTag車輛偵測器之市區道路旅行時間預測方法,使用Weka資料探勘軟體以最近鄰居法(K-NN)、支持向量迴歸(SVR)、多層感知器(MLP)、迴歸樹(Regression Tree)及隨機森林(Random Forest)等不同演算法進行實驗分析,其中過去相關研究之車流量累積區間多僅考慮短時間內之車流量,而本研究發現車流量累計區間若大幅拉長,可大幅提高預測準確度,另外本研究亦發現大型車通行量確實對於旅行時間預測有顯著之影響。本研究利用桃園市政府交通局之eTag車輛偵測器作為資料來源,並對桃園春日路南向之平假日尖峰時段進行旅行時間預測,根據實測結果,使用本研究方法其預測表現在MAPE評估標準中皆屬於高精準的預測,可有效應用於市區道路車輛分流管理策略。
With the economic development, the existing road supply is not enough to load the rapid growth of traffic, making traffic congestion a common phenomenon in various cities. However, road supply can’t keep up with the growth rate of transport vehicles, and transportation control has become an effective way to reduce traffic congestion. If we provide accurate travel time estimates to drivers, drivers can choose substitute route to achieve traffic flow distribution and reduce traffic congestion. However, studies on travel time prediction are mostly applied to expressways and few studies related to travel time prediction for urban roads in domestic.

This study proposes a urban road travel time prediction method that use data mining techniques combined with eTag vehicle detectors. By using Weka data e mining software to test nearest neighbor method, support vector regression, multi-layer perceptron, regression tree and random forest etc. algorithms for experimental analysis. Among them, in the past related research, the traffic flow accumulation factor mostly considered only the short-term traffic flow, in this study, we found that if the traffic flow accumulation interval is greatly lengthened, the prediction accuracy can be greatly improved. In addition, this study also found that the traffic volume of large vehicles does have a significant impact on the travel time prediction. This study uses the eTag vehicle detector of the Taoyuan City Government Department of Transportation as the data source, and predicts the travel time of peak hours on weekdays and weekends of the south bound Taoyuan Chunri Road. Based on the actual measurement results, the prediction performance of this research method is a high-precision prediction in the MAPE evaluation standard, which can be effectively applied to urban road vehicle diversion management strategies.
摘要 I
Abstract II
誌謝 IV
目錄 V
表目錄 VII
圖目錄 VIII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 4
1.3 研究範圍 5
1.4 研究流程 5
第二章 文獻探討 8
2.1 資料探勘技術相關文獻 8
2.2 旅行時間預測相關文獻 9
2.3 小結 11
第三章 研究方法 12
3.1 研究架構 12
3.2 資料前處理 15
3.3 建立資料探勘模型 20
3.3.1 旅行時間資料庫建立 20
3.3.2 融合旅行時間影響因子資料建立資料探勘模型 22
3.4 資料探勘軟體應用 24
3.4.1 最近鄰居法 K-NN 29
3.4.2 支持向量迴歸 SVR 29
3.4.3 多層感知器 MLP 30
3.4.4 迴歸樹 Regression Tree 31
3.4.5 隨機森林 Random Forest 32
3.5 評估指標 33
第四章 實例分析 36
4.1 實例資料 36
4.1.1 資料來源 36
4.1.2 路段特性及旅行時間分布型態 38
4.2 資料探勘技術應用 43
4.2.1 上午尖峰時段旅行時間資料探勘 45
4.2.2 下午尖峰時段旅行時間資料探勘 50
4.2.3 演算法綜合比較 55
4.2.4 大車影響 56
4.2.5 天氣影響 59
4.2.6 平假日影響 63
4.3 累積車流因子比較分析 68
第五章 結論與建議 74
5.1 結論 74
5.2 建議與未來研究方向 74
參考文獻 76
【英文文獻】
1. Yang, Z.X. and Zhu, M.H., “A Dynamic Prediction Model of Real-Time Link Travel Time Based on Traffic Big Data”, 2019 International Conference on Intelligent Transportation, Big Data & Smart City, pp.330-333, 2019.
2. Zhu, G., Song, K. and Zhang, P., “A Travel Time Prediction Method for Urban Road Traffic Sensors Data”, 2015 International Conference on Identification, Information, and Knowledge in the Internet of Things, pp.29-32, 2015.
3. Mehran, B. and Kuwahara, M., “Fusion of probe and fixed sensor data for short term traffic prediction in urban signalized arterials”, International Journal of Urban Sciences, Vol. 17, No. 2, pp.163–183, 2013.
4. Song, X.H., et al., “Highway traffic status abstraction via dedicated short range communication on-board units”, Advances in Transportation Studies an international Journal Section A 41, pp.15-24, 2017.
5. Zhu, X., et al., “Multiple-Factor Based Sparse Urban Travel Time Prediction”, MDPI applied sciences, pp.1-18, 2018.
6. Liu, Y., et al., “Short-term travel time prediction by deep learning A comparison of different LSTM-DNN models”, 20th International Conference on Intelligent Transportation Systems, 2017.
7. Siripanpornchana, C., Panichpapiboon, S. and Chaovalit, P., “Travel-time prediction with deep learning”, IEEE Region 10 Conference (TENCON), pp.1859-1862, 2016.
8. Zhang, P. and Qian, Z.S., “User-centric interdependent urban systems Using time-of-day electricity usage data to predict morning roadway congestion”, Transportation Research Part C 92, pp.392-411, 2018.
9. Fayyad, U., Shapiro, G.P. and Smyth, P., “From Data Mining to Knowledge Discovery in Databases”, AI Magazine, Vol. 17, No. 3, pp.37-54, 1996.
10. Frawley, W. J., Paitetsky, S.G. and Matheus, C.J., “Knowledge Discovery in Databases: An Overview”, Communications of the ACM, Vol. 39, pp.1-34, 1996.
11. Tan, P.N., et al., Introduction to Data Mining (2nd Edition), Pearson Inc., 2018.

【中文文獻】
12. 王晉元,陳彥佑(2012),「高速公路中長程旅行時間預測模式之建立與應用報告書」,交通部臺灣區國道高速公路局。
13. 馮道亨等(2015),eTag旅行時間推估探討,中華技術,107期,104~117頁。
14. 王晉元(2009),旅行時間預測初探,中華技術,第83期,124~139頁。
15. 汪進財,邱孟佑(2010),以車流狀態為基礎之高速公路旅行時間預測模式,運輸學刊,第22卷第3期,261~284頁。
16. 陳志華等(2017),深度學習應用於交通旅行時間預測,電工通訊季刊,第3季,92~109頁。
17. 翁慈宗(2009),資料探勘的發展與挑戰,科學發展,第442期,33~34頁。
18. 邱孟佑(2010),以交通狀態為基礎之旅行時間預測,國立交通大學交通運輸研究所博士論文。
19. 劉軒寧(2016),變動k值之k-NN法應用於高速公路旅行時間預測之研究,國立交通大學運輸與物流管理學系碩士論文。
20. 詹凱捷(2017),應用資料探勘技術於市區幹道旅行時間預測,國立臺灣大學土木工程學研究所碩士論文。
21. 陳盈潔(2013),應用交通資料蒐集與發佈設備及資料探勘法協助觀光地區交通管理策略之研究:以桃園大溪老街為例,國立中央大學土木工程學系碩士論文。
22. 吳耿暉(2018),以深度學習預測國道短期旅行時間,國立交通大學資訊科學與工程研究所碩士論文。
23. 梁依儒(2016),利用交通速度偵測數據於高速公路塞車行為之研究,國立中興大學土木工程學系碩士論文。
24. 邱逸彥(2014),利用貝氏理論於旅行時間推估之研究,國立交通大學運輸與物流管理學系碩士論文。
25. 朱志杰(2013),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,國立交通大學運輸與物流管理學系碩士論文。
26. 蔡昇翰(2006),基於行動定位服務的即時旅行時間知識庫預測系統,國立交通大學資訊科學與工程研究所碩士論文。
27. 袁梅宇(2016),王者歸來:WEKA機器學習與大數據聖經(第三版),佳魁資訊。
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔