• 沒有找到結果。

加州演算法的邏輯與應用

在文檔中 中 華 大 學 (頁 30-33)

第三章 事件偵測模式之建立

3.3 加州演算法的邏輯與應用

加州演算法是由美國加州運輸部門於 1973 年所發展出的事件偵測演算法,

一般簡稱為加州法,其特色在於僅需使用佔有率,也就是固定時間內車輛通過 偵測器上空的時間總合比率,即可進行事件偵測。加州法的簡單偵測邏輯為,

當事件發生時,事件上游的佔有率會增加,而下游的佔有率則會減少,因此當 上、下游佔有率超過所設定的門檻值時,即代表可能有事件發生。而也因為加 州法只需佔有率一個參數且偵測邏輯簡單,偵測率尚可(約 40%~60%),因此常 被管理當局實際應用於公路事件偵測上,也常被做為後續新發展的事件偵測演 算法之績效比較基準或模式改良基礎。

3.3.1 選擇最適的加州演算法版本

選擇最適的加州演算法版本選擇最適的加州演算法版本選擇最適的加州演算法版本

加州演算法至今共衍生出了十代的版本,每個版本所使用的變數略有不同,

其差異如表 3.2。而 Emily【21】則指出加州法各版本中,以加州法 7(TSC7)及 加州法 8(TSC8)的偵測績效最好,黃振賢【3】則認為 TSC7 與 TSC8 兩者偵測 率差不多,但 TSC8 模式法較複雜,需使用到 5 個變數,而 TSC7 只需三個變數,

另外曾信忠【4】與賴建志【13】則都使用 TSC7 來做為與其他事件偵測模式的 偵測績效比較。因此,本研究選擇 TSC7 來做為事件偵測的模式之一,而 TSC7 的偵測邏輯如圖 3.5。

表 3.2 加州演算法各版本差異

版本

OC

C DO

CC

OCC

DF

OCC

RDF DO

CC

TD

差異

原版本 基本加州演算法

TSC2

加入“事件持續”狀態之基本加州演算法

TSC3

與 2 同,但無 DOCCTD 確認

TSC4

與 2 同,但以 DOCC 取代 DOCCTD

TSC5

加入“事件持續”測試之基本加州演算法

TSC6

與 3 同,加入“事件持續”測試

TSC7

與 4 同,加入“事件持續”測試

TSC8

與 4 同,加入“壓縮波測試”及“事件持續”測試

TSC9

與 4 同,加入“壓縮波測試”

TSC10

OCCTDF、SPDTDF

用於中等及低流量時之事件偵測

註:OCCTDF 表 OCC(i,t-2)-OCC(i,t),表示同一偵測站之佔有率的時間差。

SPDTDF 表路段上游之流量除以佔有率。

資料來源:【13】

資料來源:【13】

圖 3.5 加州法偵測流程圖

3.3.2 擬定初始門檻值

擬定初始門檻值擬定初始門檻值擬定初始門檻值

TSC7 所需的三個門檻值,則引用賴建志【13】的研究(如表 3.3),以 OCCDF=5、

OCCRDF=0.25 與 DOCC=20,做為本研究的初始門檻值,並於後續再透過偵測 率與誤報率的比較,來找出最適本研究的門檻值。

表 3.3 加州法應用於各服務水準下的門檻值與偵測績效

服務水準 資料類型 OCCDF OCCRDF DOCC 偵測率 誤報率

A 級服務水準 40-40 5 0.25 13~20 0.3871 0.2617

B 級服務水準 40-40 5 0.25 18~20 0.7216 0.2567

C 級服務水準 20-20 5 0.25 20 0.8556 0.3675

D 級服務水準 20-20 6 0.25 20 0.7122 0.1483

E 級服務水準 20-20 5~6 0.25 20 0.4144 0.0642

F 級服務水準 20-20 5 0.25 20 0.5256 0.1733

資料來源:【13】

在文檔中 中 華 大 學 (頁 30-33)

相關文件