請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/6198完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 張堂賢(Tang-Hsien Chang) | |
| dc.contributor.author | Tzu-Chun Liu | en |
| dc.contributor.author | 劉姿君 | zh_TW |
| dc.date.accessioned | 2021-05-16T16:22:56Z | - |
| dc.date.available | 2016-02-14 | |
| dc.date.available | 2021-05-16T16:22:56Z | - |
| dc.date.copyright | 2013-08-06 | |
| dc.date.issued | 2013 | |
| dc.date.submitted | 2013-07-18 | |
| dc.identifier.citation | 1.Bie, Y., Wang, D., and Qi, H. (2012),”Prediction Model of Bus Arrival Time at Signalized Intersection Using GPS Data”, J. Transp. Eng., 138(1), pp. 12–20.
2.Chien, S. I-J. and Kuchipudi, C. M. (2003),”Dynamic Travel Time Prediction with Real-Time and Historic Data”, Journal of Transportation Engineering, pp. 608-616. 3.Highway Capacity Manual-HCM 2000 (2000), Transportation Research Board, National Research Council, Washington, D.C. 4.Kalman, R. E. (1960), “A New Approach to Linear Filtering and Prediction Problem”, J. of Basic Engineering，Trans. ASME。 5.Lewis, C. D., “Industrial and Business Forecasting Method”, 華泰書局, pp. 38-41, 1982. 6.Luis Leon Ojeda, Alain Y. Kibangou, Carlos Canudas de Wit (2013), “Adaptive Kalman Filtering for Multi-Step ahead Traffic Flow Prediction”, 2013 American Control Conference 7.Makridakis, S. and Hibon, M. (2000),”The M3-Competition: Results, Conclusions and implications”, International Journal of Forecasting, pp.451-476. 8.Makridakis, S., Andersen, A., Carbone, R., Fildes, R., Hibon, M., Lewandowski, J., Newton, J., Parzen, E., and Winkler, R. (1982), ”The Accuracy of Extrapolation (Time series) Methods: Rsults of a Forcasting Competition”, International Journal of Forecasting, pp.111-153. 9.Makridakis, S., Hibon, M., and Moser, C. (1979), ”Acurracy of Forcasting: An Empirical Investigation”, Journal of the Royal Statistical Society: Series A(General), pp. 97-145. 10.Mei Chen, Xiaobo Liu, Jingxin Xia, and Steven I. Chien (2004), “A Dynamic Bus Arrival Time Prediction Model Based on APC Data”, Journal of Computer-Aided Civil and Infrastructure Engineering, Vol.19, No.5, pp. 364-376. 11.Park, D. and Rilett L.R. (1998), “Forecasting multiple-period freeway link travel times using modular neural networks”, Transportation Research Record 1617, pp.163-170. 12.Park, D. et al. (1999), “Spectral basis neural networks for real-time travel forecasting”, Journal of Transportation Engineering, Nov/Dec, pp. 515-523. 13.Shin, S. W. et al. (1999), “Randomness of de-noised time series data for travel time forecasting”, Presented at the 6th World Congress on ITS, Toronto, Canada. 14.Steven I-Jy Chien, Yuqing Ding, and Chienhung Wei (2002), “Dynamic Bus Arrival Time Prediction with Artificial Neural Networks”, Journal of Transportation Engineering, Vol. 128, No. 5, September/October 2002, pp. 429-438. 15.Welding, P. I. (1957), “The instability of closed-interval service”, Operational Research Quarterly, Vol. 8, pp. 133-148. 16.2001年臺灣地區公路容量手冊-2007修訂版(2007)，行政院交通部運輸研究所，頁13-33。 17.吳佳峰(2001)，「有GPS資訊提供下之車輛旅行時間預估模式之研究」，國立交通大學運輸工程與管理學系研究所碩士論文。 18.李俊賢(1996)，「在靜態模型中運用傅立葉轉換分析隨機性動態旅行時間之研究」，國立台灣大學土木工程學研究所博士論文。 19.周建良(2000)，「校車位置與到站時間預估語音查詢系統之研究」，國立中央大學土木工程學系碩士論文。 20.胡守任等(2002)，「公車到站時間預估模式建立與實作」，公車動態資訊應用設計競賽論文集，頁125-149。 21.張有恆(1984)，「改善都市大眾運輸系統服務可靠性之策略」，運輸計畫季刊，第十三卷，第二期，頁165-175。 22.張有恆(1984)，「改善都市大眾運輸系統服務可靠性之策略」，運輸計畫季刊，第十三卷，第二期，頁165-175。 23.張學孔(1997)，「大眾運輸行車資訊系統之規劃設計」，台灣汽車客運股份有限公司。 24.張學孔等(1998)，「公車專用道公車旅行時間與延滯特性之分析」，運輸學刊，第九卷，第一期，頁23-40。 25.許純君譯(1999)，Delurgio 原著，「預估的原理與應用」，台灣西書出版社，。 26.郭中天(2003)，「公車到站時間暨複合路線旅行時間預估模式之研究」，國立台灣大學土木工程學研究所碩士論文。 27.陳寶如(2007)，「市區路段動態旅行時間預估之研究」，國立台灣大學土木工程學研究所碩士論文。 28.臺北市公共運輸處(2010)，「臺北市公車動態資訊系統配合2010臺北國際花卉博覽會擴充計畫案之公正第三者檢核作業」。 29.臺北市公車路線暨大眾運輸轉成查詢系統，網址： http://www.5284.com.tw/newweb/。 30.劉豹(1992)，「現代控制理論」，科技圖書股份有限公司。 31.蔡輝昇(1990)，「交通控制理論與實務」，生合成出版肚。 32.闕嘉宏(2012)，「依時性後推式路徑演算系統開發」，國立台灣大學土木工程學研究所博士論文。 33.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。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/6198 | - |
| dc.description.abstract | 先進大眾運輸系統(APTS)將運輸管理方法和資訊傳輸及處理技術應用於大眾運輸系統中，其目的為提高運作效率及提升服務水準。因此，如何運用先進大眾運輸系統於預估公車旅行時間，以提高公車服務品質和管理者之營運效率為很重要的問題之一。
本研究之目的為發展公車旅行時間預估模式，並考量公車於號誌化路口停等時的延滯時間，號誌時制依據不同路段、不同時段改變，公車行進過程亦受其影響，故本研究將依時間、空間變動之號誌時制型態納入公車旅行時間預估中，以提供使用者準確且符合即時現況之公車旅行時間。針對公車路段旅行時間，研擬兩種不同預估方法之旅行時間預估模式，再根據預估模式輸出項與當時段之號誌時制進行旅行時間解調。依據公車發車間距區分為小於15分鐘及大於15分鐘，將路段旅行時間預估模式分成兩大類型，前者屬於短期預估，使用α-β-γ濾波器預估法，後者由於發車間距較長，則使用離散傅立葉變換預估方法。 本研究實驗設計根據旅行時間預估方法分成兩部分，離散傅立葉變換預估方法使用公車實測數據結果與預估模式結果兩者進行績效評估，研究結果顯示不論平日或假日離峰時段之預估結果皆較尖峰時段之預估結果準確，故傅立葉轉換預估模式較適用於離峰時刻；由於本研究無法取得即時之公車回傳資料，因此α-β-γ濾波器預估法使用以同一班次之原始值及預估值進行績效評估，研究結果顯示不論平日或假日，當預估時期大於四小時後之預估結果精準度較高，即系統需要四小時之訓練期才足以產出穩定之預估結果。 | zh_TW |
| dc.description.abstract | Advanced public transportation systems (APTS) using transportation management and information technologies to public transportation systems and the purpose of advanced public transportation systems is to increase their efficiency of operation and improve the level of service. Therefore, how to apply advanced public transportation systems in predicting arriving time becomes one of the important issues to improve the service quality and operation efficiency.
This study aims to develop the dynamic bus travel time prediction model in considering delay of buses at the intersection. Traffic signal program in variation of time and space is both included to calculate accurate and reliable bus travel time. There are two travel time prediction models under study based on prediction segments: (1) Kalman Filter model for short headway prediction that less than 15 minutes and (2) Discrete Fourier Transform model for long headway prediction beyond 15 minutes. The result shows that Discrete Fourier Transform model has more accurate outcome in weekdays or off-peak hours in holidays than peak-hour segments, and the prediction model has the better performance than the existing algorithm model applied in Taipei City. Besides, the result shows that Kalman Filter model has higher accuracy when prediction segment is longer than 4 hours, which indicates that it will show stable performance after 4-hour period of training. | en |
| dc.description.provenance | Made available in DSpace on 2021-05-16T16:22:56Z (GMT). No. of bitstreams: 1 ntu-102-R00521509-1.pdf: 2729243 bytes, checksum: 553175d139cf7e4f10466d9a2282533a (MD5) Previous issue date: 2013 | en |
| dc.description.tableofcontents | 口試委員會審定書 I
誌謝 II 中文摘要 IV 英文摘要 V 目錄 VI 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 3 1.4 研究範圍 3 1.5 研究步驟與流程 3 第二章 文獻回顧 7 2.1 延滯定義 7 2.2 市區公車旅行時間預估問題 9 2.3 國內大眾運輸之預估到站系統發展現況─以臺北市為例 12 2.3.1 演算中心系統規劃 13 2.3.2 演算邏輯 14 2.3.3 公車到站時間演算法之分析 16 2.4 公車旅行時間預估方法之相關研究 16 2.4.1 傅立葉轉換於旅行時間預估之運用 17 2.4.2 卡曼濾波器於旅行時間預估之運用 18 2.4.3 類神經網路於旅行時間預估之運用 19 2.4.4 歷史資料推估方法於旅行時間預估之運用 20 2.4.5 時間序列推估方法於旅行時間預估之運用 21 2.5 典型預估模式比較 22 2.6 綜合評析 24 第三章 公車旅行時間預估模式建構 27 3.1 公車路段旅行問題解析 27 3.2 路段旅行時間推算法 29 3.2.1 公車旅行時間推算法 29 3.2.2 公車路段旅行時間之時空圖 30 3.2.3 基於號誌因子之公車旅行時間演算流程 30 3.3 路段旅行時間預估模式 32 3.3.1 離散傅立葉轉換預估模式 33 3.3.2 傅立葉分析 35 3.3.3 α-β-γ濾波器預估模式 38 3.3.4 卡曼濾波器 39 3.4 資料處理 44 3.4.1 座標轉換模組 45 3.4.2 異常資料濾除模組 47 3.4.3 資料插補模組 48 3.5 號誌化路口延滯時間推估模式 50 3.5.1 路口號誌時制建構 50 3.5.2 路口延滯時間動態預估修正 51 第四章 系統建置 53 4.1 資料說明 53 4.2 資料庫建置 53 4.2.1 日時段型態 54 4.2.2 時相排序 54 4.2.3 Signaldata 56 4.2.4 A1data 56 4.2.5 A2data 58 4.2.6 Pathdata(經緯度轉換模組) 59 4.2.7 Segmentdata(路段、時段資料儲存模組) 61 4.2.8 DFTDdata(傅立葉曲線模組) 63 4.3 資料結構 64 4.3.1 號誌時制之資料結構 64 4.3.2 車機回傳值之資料結構 65 4.4 資料處理 66 4.4.1 異常資料濾除機制 66 4.4.2 資料插補機制 67 第五章 旅行時間預估模式測試與實驗分析 69 5.1 實驗範圍─道路幾何資料 69 5.2 實驗情境分析 72 5.2.1 公車回傳資料取樣 72 5.2.2 路口號誌時制設計 72 5.2.3 時空圖分析 73 5.3 績效評估指標 77 5.3.1 平均絕對誤差百分比(MAPE)指標 77 5.3.2 平均絕對誤差(MAE)指標 78 5.4 離散傅立葉轉換預估模式 78 5.4.1 參數校估 79 5.4.2 實驗流程 83 5.4.3 實驗判斷邏輯 84 5.4.4 實驗環境 84 5.4.5 實驗結果與分析 85 5.5 α-β-γ濾波器預估模式 89 5.5.1 實驗情境 89 5.5.2 實驗結果與分析 90 第六章 結論與建議 91 6.1 結論 91 6.2 建議 92 參考文獻 94 附錄 97 附錄一 實驗調查表格 97 附錄二 平日尖峰調查結果表 98 附錄三 平日離峰調查結果表 100 附錄四 假日不分尖離峰調查結果表 102 | |
| dc.language.iso | zh-TW | |
| dc.title | 基於號誌因子之公車動態旅行時間預估模式研究 | zh_TW |
| dc.title | The Study of Dynamic Bus Travel Time Prediction Model Based on Traffic Signal Timing Plan | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 101-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 陶治中(Chi-Chung Tao),黃文鑑(Wen-Jing Huang) | |
| dc.subject.keyword | 先進大眾運輸系統,公車旅行時間預估,號誌時制,卡曼濾波器,離散傅立葉轉換, | zh_TW |
| dc.subject.keyword | Advanced Public Transportation Systems (APTS),Bus travel time prediction,Traffic Signal Timing Plan,Kalman Filter,Discrete Fourier transform, | en |
| dc.relation.page | 104 | |
| dc.rights.note | 同意授權(全球公開) | |
| dc.date.accepted | 2013-07-18 | |
| dc.contributor.author-college | 工學院 | zh_TW |
| dc.contributor.author-dept | 土木工程學研究所 | zh_TW |
| 顯示於系所單位： | 土木工程學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-102-1.pdf | 2.67 MB | Adobe PDF | 檢視/開啟 |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。