三種駕駛類型 ─ 機車駕駛類型分類

前一節提到了國內混合車流的機車駕駛特性，由於機車體積較小駕駛容易，

在市區道路中可以靈活的自由移動，因此不同的駕駛者將會產生不同的駕駛行為，

如果將所有駕駛者假設為同一種類型的駕駛，會使得某些駕駛行為無法完整呈現，

所以本節針對機車駕駛人進行類型的分類，透過駕駛人分類的方式，可以整理出 機車在國內市區道路駕駛行為的差異。首先將駕駛者的型態依據不同的冒險程度 分為三類：

 駕駛類型 A (Type A)：表示冒險程度最高的駕駛者類型。此類型駕駛者行為 最激進，屬於較積極的駕駛族群。

 駕駛類型 B (Type B)：表示冒險程度其次的駕駛者類型。此類型駕駛者行為 較接近一般正常駕駛者，人數也相對較多。

 駕駛類型 C (Type C)：表示冒險程度最低的駕駛者類型。此類型駕駛者行為 較緩慢，屬於較保守的駕駛族群。

駕駛類型 A 的駕駛者在車陣中喜歡行駛於前方，其速度最快冒險程度最高，

在駕駛時較其他類型的駕駛者移動距離更大，對於阻擋本車的前車駕駛會選擇進 行超車的行為，但是超車的路徑較多樣化，未必會遵守交通規則，時常從最內側 禁止機車通行的車道進行超車動作，加速超越使得前方阻擋消失。

駕駛類型 C 的駕駛者則是屬於速度較緩慢的駕駛類型，其通常是老人、女 性或者輕型機車駕駛居多，駕駛時會行駛於接近最外側車道，並不受到其他機車 速度的影響，而是緩慢且平穩的在外側車道中行駛。

駕駛類型 B 則是介於兩者之間，此類型的駕駛者並不會隨時都想要超車至 前方，但也不會一直安於緩慢的行駛速度，而是在混合車流的車陣中進行鑽行，

此類型的數量龐大，也是在尖峰時間車輛較多時容易在國內觀察到的特殊現象，

機車駕駛成為一群又一群的機車群，穿梭於汽車與公車的車陣之中，其移動的方 式較複雜，並非傳統的小汽車車道變換模式，而類型 A 和類型 C 的駕駛者可能 有時候會變成駕駛類型 B 的駕駛者，例如在騎機車載人的情況之下，或者趕時 間等情況。故需要將此三種類型駕駛分類，才可以歸類出符合不同類型駕駛的行 為模式。

36

37

(2) V_tⁱ

(n) = 本車過 n 秒後的行駛速度 (km/hr)

利用上述的兩項指標可以進行駕駛類型的 K-means 分群，而分群參數中的 秒數 n 可使用不同的秒數來表示車輛的移動時間。圖 5.2-3 分別將號誌週期三時 段(t = 405~605)進行不同秒數 n 的分群，各以 n = 1, 2, 3 秒的移動來進行比較分 析。由圖形結果可發現在使用 n = 1,2,3 三張圖的趨勢一致，但是 n = 3 秒的超車 情況較為明顯，故本研究將使用 n = 3 秒做為後續研究發展。

除了因為上述的超車情況更為明顯所以使用 n = 3 秒外，n 秒移動的計算需 要相對應更多的足夠秒數才可以計算距離，所以使用更高的秒數雖然超車效果會 更加明顯，但是相對的可分析資料量也會因此減少，並不是將秒數 n 一直往上加 就會更好。如圖 5.2-3 在號誌週期三的 n=1,2,3 的秒數累積出現次數，由於計算 不同秒數的距離需要有相對應的足夠資料，因此當所需要計算的 n 秒長度越長，

所能用的資料量也就會被迫減少，n=3 秒會比 n=2 秒與 n=1 秒資料量少。故在道 路攝影範圍固定的情況下，每輛機車在畫面中的秒數原本就有限，若使用 n=4 或者更高的秒數，會使得可以分群的資料量更少，故本研究使用 n=3 進行分析，

既可以從圖形看出明顯的分群族群，也可以避免資料量過少的問題。

本研究所講述的號誌週期主要是指在三十分鐘的影像畫面中，所涵蓋的九個 號誌時段，而研究所採用的資料來自於綠燈時段的車輛路段中移動軌跡，因此不 涵蓋在號誌路口的資料，號誌週期僅為時間的劃分與交叉路口資料無關。

38

Scenario 1過濾後資料 (總資料數：418) 1秒移動方式過濾後資料 (總資料數：277) 2秒移動方式過濾後資料 (總資料數：318) 3秒移動方式過濾後資料 (總資料數：364)

39

Keep minimum safety gap

(b)

Keep minimum safety gap