第三章 資料處理
3.1 偵測器資料與 ETC 資料的比較
已知偵測器資料屬於速率及流量之道路資訊,而 ETC 資料為旅行時間 之資訊,其中 ETC 資料為經過比對過濾而得之旅行時間資料,而流量資料 為原始資料,以下將從民國 97 年 1 月中選出星期一到星期天各一天,從龍 潭收費站到樹林收費站間北上的流量資訊及旅行時間資訊進行比較。
圖 3.1 970121(一)流量與旅行時間對應圖
10 11 12 13 14 15 16 17 18 19
010022534050060570581091010101110122013201420152516301730183019302040214022402340
旅 行 時 間( 分)
時間點
970121(一)
50 60
70
500 0 1500 1000
2000 0
100 200 300 400 500 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.2 970122(二)流量與旅行時間對應圖
10 11 12 13 14 15 16 17 18 19
011031552064074084094010401135123013351430153016251720181519102010210522002305
旅 行 時 間( 分)
時間點
970122(二)
50 60
70
500 0 1500 1000
2000 0
100 200 300 400 500 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.3 970123(三)流量與旅行時間對應圖
10 11 12 13 14 15 16 17 18 19
010522033052564074584093510451150124513401440154016451740183519352030212522352335
旅 行 時 間( 分)
時間點
970123(三)
50 60
70
500 0 1500 1000
2000 0
100 200 300 400 500 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.4 970124(四)流量與旅行時間對應圖
10 11 12 13 14 15 16 17 18 19
0315440610710800855945104511351225132014151505160016501740183519252015210522002305
旅 行 時 間( 分)
時間點
970124( 四)
45 50
55 60
65 70
500 0 1500 1000
2000 0
200 400 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.5 970125(五)流量與旅行時間對應圖
10 12 14 16 18 20
0105220415540640735830925102011201215131014101505160517001755185019452045214522402335
旅 行 時 間( 分)
時間點
970125(五)
50 60
70
500 0 1500 1000
2000 0
200 400 600 800
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.6 970126(六)流量與旅行時間對應圖
10 11 12 13 14 15 16 17 18
04513021533043560570074583593010251455154016401730182019051955213022302320
旅 行 時 間( 分)
時間點
970126(六)
50 60
70
500 0 1500 1000
2000 0
100 200 300 400 500 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
圖 3.7 970127(日)流量與旅行時間對應圖
10 12 14 16 18 20 22
011021031544061072082592510251125122513251430153016301730184019402040214022402340
旅 行 時 間( 分)
時間點
970127(日)
50 60
70
500 0 1500 1000
2000 0
100 200 300 400 500 600
偵 測 器 位 置 時 間 點
每五分鐘累積流量
偵測器位置
由以上這幾張圖可以發現以下幾點
A. 當旅行時間較長時,流量資料也有比較大的現象。
流量愈高代表有愈多的車輛使用該路段,因此道路負荷增加而旅行時間 增加,因此流量和旅行時間資料之間有關係存在。
B. 當時間點較早時,流量資料較小,旅行時間的變異也比較大。
由於流量較少,因此當有一些車速度較慢,就會造成旅行時間有過慢的 現象發生,因此本研究會再找尋方法再進一步將這些資料進行過濾。
C. 偵測器的流量經常出現 0 的情形。
當偵測器出現該情形,有時是出現錯誤資訊(“E”),有時是提供流量為 0 的資料,然而無法直接判斷是否是沒有車輛經過,仰或是產生了錯誤資訊。
因此本研究需要將某些出現過多異常值之偵測器進行過濾。
D. 某些時間點,偵測器流量有過大的情形。
某幾個時間點有資料過大的現象,因此本研究會根據前後時間點的流量 判斷是否有異常的現象發生,因此依照各時間點平均流量的 95%信賴區間 進行過濾,如果發現資料在一個或兩個連續時間點有缺漏的現象發生,則 利用前後時間點的平均資料進行插補,如果有過長一段時間沒有資料,較 視該段時間點沒有資料。
以下兩節將分別針對偵測器資料及收費站資料之處理進行說明及介紹。