第三章 公車到站時間預測模式
3.2 k-NN 之公車到站時間預測模式構建
本研究利用 k-NN 方法建立 找與即時樣本相類似的歷史交通狀況
到站時間，利用即時的交通資訊比對歷史交通資訊 時間下擁有類似的交通資訊
時間。
進行 k-NN 預測前需先建立歷史資料庫 為第一階段建立資料庫的流程圖
詳細步驟說明如下：
步驟 1：蒐集交通資料 取得市區公車的
步驟 2：資料過濾 過濾不合理的資料
圖
之公車到站時間預測模式構建
方法建立公車到站時間預測模式，希望可以利用該方法尋 找與即時樣本相類似的歷史交通狀況。假設在相同的交通趨勢變化下會有相同的
利用即時的交通資訊比對歷史交通資訊的方法，能夠辨識出哪 時間下擁有類似的交通資訊，並由該歷史時間所對應的到站時間預測目前的
預測前需先建立歷史資料庫，以提供演算法的資料比對過程 為第一階段建立資料庫的流程圖：
： 蒐集交通資料
市區公車的即時資料。
過濾不合理的資料，以避免異常的歷史資料造成預測的誤差 圖 2 第一階建立資料庫流程圖
希望可以利用該方法尋 假設在相同的交通趨勢變化下會有相同的
能夠辨識出哪些歷史 時間預測目前的到站
以提供演算法的資料比對過程，圖 2
以避免異常的歷史資料造成預測的誤差。
步驟 3：將路線依站牌分段：
以站牌為切割點，將路線分為數個路段。
步驟 4：劃分資料庫時段
時段內的資料要能代表當時的交通狀況，以交通狀況改變幅度不大的時 段為資料畫分的範圍。
步驟 5：計算路段平均速度
步驟 5.1：搜尋時段內的速度資料
依劃分的時段，依序搜尋非進離站範圍的路段速度資料。
步驟 5.2：加總平均速度資料
將搜尋出來的速度資料加總平均，得到路段平均速度。
步驟 5.3：輸出路段平均速度資料
輸出每時段每路段的路段平均速度資料。
步驟 6：計算路段平均速度
步驟 6.1：計算每車次的路段旅行時間
將每車次依進離站資訊計算路段旅行時間，亦即相鄰兩站的進站時 間差為路段的旅行時間。
步驟 6.2：加總平均時段內的每車旅行時間
依照劃分時段，將時段內的每車旅行時間加總平均，得到每時段的 路段旅行時間。
步驟 6.3：輸出路段旅行時間資料
輸出每時段每路段的路段旅行時間。
步驟 7：儲存至歷史資料庫
計算出來的路段平均速度及路段旅行時間，依資料格式儲存至資料庫。
第二階段為依照上述 k-NN 的演算法構建市區公車的到站時間預測模式。當 有一筆即時資料輸入時，從歷史資料庫中先搜尋出符合時間窗限制的歷史資料，
再比對即時與歷史資料，得出各筆歷史資料與即時資料的距離量度，從各距離量 度中尋找與即時資料最鄰近的 k 筆歷史資料，並將此 k 筆資料的路段旅行時間作 加總平均，再依延遲加總的機制算出目標的總旅行時間，即為所得之預測結果。
圖 3 為本研究構建的 k-NN 預測流程圖：
訂定時間窗範圍，搜尋預測時間前後時間段內的資料。利用 k-NN 法的 歷史資料庫通常都很龐大，若是每次計算過程都要比對全部的歷史資料，則 需要花費許多的運算時間；因為每日同時段的交通狀況相似，故本研究訂定 搜尋時間窗範圍，只搜尋預測時間前後時間段內的資料。
假設歷史旅行時間為#"$%&，dm為日期，tn為時間，l 為路段。搜尋|t-tn|<tw 的歷史資料，tw 為時間窗範圍。
步驟 3：比對即時資料與歷史資料
利用距離量度比對即時與歷史資料，以得到各筆歷史資料與即時資料的 差異程度。其距離公式為
'(#$%& )! #$%&
"
(8)
步驟 4：選取 k 筆歷史資料
依照距離量度的大小排序，選取 k 筆最小距離的歷史資料。假設 M={h1,h2,h3,…,hk}為 k 筆距離最小的歷史資料集合，h1為距離最小的歷史資 料。
步驟 5：延遲加總路段旅行時間
因為到站時間預測為預測未來的到站時間，車輛在行進的時候時間隨之 改變，所儲存的路段旅行時間亦因為時段不同，若是從頭到尾只用同一時段 的資料，則無法準確反映車輛所遭遇的交通狀況。因此本研究採用延遲加總 方法，從車輛所在位置，依序加總路段旅行時間，檢察是否有超過資料庫的 記錄時段，調整所參考的歷史路段旅行時間。
步驟 5.1：在 t 時間預測車輛至目標站牌的總旅行時間,Tt為 0，路段 l 為 車輛目前的所在路段。
步驟 5.2：將 k 筆歷史資料中的路段 l 的旅行時間加總平均，得路段 l 之 歷史旅行時間預測值,ttl。
"
* -. +", (9)
步驟 5.3：若由於 k 筆歷史資料之路段 l 的旅行時間皆為空值，而無法得 到路段 l 的平旅行時間，則利用歷史資料的路段平均速度與路段長度算 出路段 l 的歷史旅行時間。
步驟 5.4：累加總旅行時間，則 Tt+="。
步驟 5.5：若預測路段已到達目標站牌，則停止延遲加總計算；反之，則 繼續下一路段的計算。
步驟 5.6：檢查總旅行時間是否超過歷史資料庫的記錄時段，若是超過時
段長度，則搜尋