4.2.1 路網下旅次 OD 系統與路徑流系統
在所建構之路網之下，東西、南北向各十條幹道之交錯形成100 個路口節 點，若是將每一節點皆視為旅次之起訖點進行動態 OD 推估演算，即有 100×
99 組旅次 OD 對，加以每一組 OD 對之下的路徑選擇，其演算資料量過於繁 複而龐大，勢必有所不可能；並且，如此細緻之OD 旅次矩陣推估在實務上並 無太大意義，或反造成應用上之困擾。是以本研究擬將依所設計之路網型態和 旅次產生點佈設，將路網系統劃分為 9 個交通分區 (圖 4.15 所示，白線 L1、 L2、L3、L4所區隔)，以進行各交通分區間旅次分佈型態之動態推估。
圖4.15 路網系統交通分區示意圖之 1 (轉換為右圖中黑色粗框線所區分出之區 域，右圖中陰影部分則為元系統中所設定旅次產生區域)
L1
L
3L
4L2
圖4.16 路網系統交通分區示意圖之 2(a)
圖4.17 路網系統交通分區示意圖之 2(b)
再行假設交通分區之旅次產生點於分區中心 (centroid)，即如圖 4.16 所 示。依此，9 個交通分區，A、B、C、D、E、F、G、H、I，則有 9×8 = 72 組
ab
1ab
2ab
3ab
4言，以3、4 條路徑即可含括一 OD pair 下絕大部分的路徑選擇可能，至多，6、
旅行時間即取 4.1 小節計算所得路段 ab1、ab2、ab3、ab4之平均旅行時間代入 計算求得。譬如，對於路徑CBEHG 即需計算其對於路段 CB、BE、EH、HG 之個別到達率，其中由於4.1 小節所得之路段旅行時間即已包含路口號誌延
小於0.1%，系統中即以忽略不計。Φ F( ( | ))t t 為一 (264×264) 之矩陣，其內容 ABCF、ABEF、ADEF 三種路徑選擇，若是其路徑流量分別為 10veh、-3veh、
5veh，OD 對 AF 在推估時段之車流量仍是以 12veh 計。若是以 OD 對 AB，系
4.2.3 演算結果分析
Paramics V.4.0 內部對於旅次 OD 之分配主要係由軟體操作者設定路網系 統下每一小時之 OD Table，軟體逕行透過其內部之演算邏輯分配此一小時內 每一組OD 對之旅次產生。本研究之目的在於透過動態旅次 OD 推估模式之建 立，得以經由可行之演算流程推估系統旅次OD 分佈之動態變動，進而應用於 交通參數之預測和動態控制，強調模式基於資料擷取系統對於系統狀態之描述 能力，並不一定符合於模擬軟體內部之演算邏輯。是以，針對動態旅次OD 推 估部分，本研究僅針對模擬案例進行一試算之過程，而非透過模擬軟體所呈現 之內部旅次OD 分配結果對推估模式進行驗證。
對於演算結果之分析，本研究則是將每一時階下所預測之系統狀態矩陣帶 入
Q( ) t
=ϕ(F( ), ) V( ) (式 3.11) 以求得每一時階之路段流量預測，再與所 t t
+t
偵測之路段流量進行比對，以對於推估模式在系統的描述能力進行評估。根據 本研究之試算結果，由所推估之旅次OD 計算求得之路段流量與量測值之間存 在誤差如圖 4.18、4.19 所示。圖 4.18 中之資料點代表每一時階下各路段預測 車流量之平均誤差；圖4.18 中資料點所示則是每一時階下 24 個路段 (亦即鄰 接交通分區間之車流量) 預測車流量誤差之加總。圖中所示，對於路段車流量 預測之誤差，隨時階之推移並無明顯之變動趨勢或規則，唯其 MAPE 值皆控 制於15%之內，表示本研究所提出之動態旅次 OD 推估模式，具備良好之系統 描述能力。圖4.18 推估旅次 OD 反應於路段流量之 MAPE 值
第 5 章 結論與建議
5.1 結論
總整本研究之內容，分別以資料擷取系統架構、數學模式構建、驗證分析和 未來應用四個層面進行重要結論之闡述。
資料擷取系統架構
1. 本研究所提出交通資訊擷取系統主要係針對市區路網系統下之動態交通 資訊擷取，其核心概念即在於結合主動式和被動式之資料擷取機制，以 廣泛而完整地反應市區路網下交通流狀態之動態變化。主動式交通資料 擷取系統以探測車為主，藉以取得交通流資料「動線」之表現；被動式 交通資料擷取系統則以路測偵測器為主，藉以偵測交通流在各「定點」
之狀態呈現。
2. 對於探測車為主之主動式交通資料擷取系統，本研究規劃以計程車作為 探測車車隊之主要來源，於車輛上安裝車機、GPS 定位儀、無線通訊系 統等車載單元，藉由其準大眾運輸系統之特性，長期而穩定地回傳即時 交通資料至一交通資訊中心 (TMIC)。
3. 探測車主要之回傳資料為車輛行經各路段之路段旅行時間，並且以空車 之計程車，基於其尋客之駕駛行為較異於一般車輛，是以系統中僅考慮 以載客之計程車回傳資料為有效。
4. 本研究中所考慮被動式交通資料擷取系統係以環狀線圈為主，進行路段 車流量之偵測，並透過路口車流量資訊支援轉向分配之相關估測。
數學模式構建
係根據資料擷取系統所取得之資料來源，進行市區棋盤型路網下大規模 交通流參數之演算。
2. 路段旅行時間預測模式主要係參酌 Jarjees & Drane 的公車旅行時間預測 模式，透過路段旅行時間歷史資料和鄰接路段影響，構建時間與空間關 係上之線性方程式，並透過最小平方法進行遞迴求解。
3. 預測所得之路段旅行時間即涵蓋車量通過預測路段所有延滯因素，包含 路口號誌延滯。
4. 本研究所提出之動態旅次 OD 推估模式並不根據可靠動態交通量指派模 式之假設，而是直接考慮各 OD 旅次下涵蓋之所有路徑選擇，透過路徑 旅行時間進行路徑車流對於路段到達率之分配。唯市區路網下可選擇路 徑繁多，為避免過於繁複之資料演算量，可將複雜之路網形式以交通分 區之概念呈現，以求可行之模式演算流程。
5. 動態旅次 OD 推估模式中係以路徑車流量為系統狀態變數，並以其所反 應之路段車流分別建立非線性之系統狀態方程式和系統觀測試，以推廣 卡爾曼濾波器進行遞迴演算。
驗證分析
1. 本研究透過模擬軟體 Paramics V4.0 對於四種不同路網總需求下之案 例，進行模式之校估和驗證，模擬系統本身並不強調與真實交通系統全 然符合，而是期以透過驗證過程檢視模式對於系統狀態之描述能力。
2. 在路段旅行時間預測模式中，透過準確性、強健性和穩定性之評估顯示，
路段旅行時間歷史資料之時間記憶長度在現行模式之回歸校估過程中，
對於模式準確度並無顯著影響；在空間之回歸關係上，同時考慮路段上 下游路口之鄰接路段則明顯較單考慮路段上游路口部分有較佳之預測表 現。
3. 由於探測車回傳資料本身具有相當程度之隨機性，由演算過程中顯示，
將回傳資料中大於一個路口號誌週期者予以剔除；偏異較高者並與歷史 平均資料以不同權重比例進行調和，可使預測結果得到較為準確之表現。
4. 經過資料處理，針對不同路網總需求下進行系統預測，最後所得之路段 旅行時間預測結果其MAPE 值介於 15~19%之間，根據 Lewis 之評估準 則，本研究對於模式預測結果表示滿意；每100 公尺 MAE 值介於 3.5~4.1 秒之間；預測結果誤差超過50%之資料筆數在 5%之內；60%以上之預測 結果皆在優良預測之範圍內。
5. 根據演算結果顯示，探測車回傳資料之於模擬車流整體之代表性與預測 準確度間呈現正向之相關，之差異程度與預測誤差呈正向相關，當回傳 資料對實際車流之差異超過46%，預測結果之 MAPE 值會快速地發散。
因此，研究中對於路段旅行時間預測模式，以路網系統中之探測車佔有 率進行敏感度分析，結果顯示，在探測車佔有率到達5%以上，回傳資料 對實際車流之差異即會縮減在46%以下；並且在佔有率達到 6%以上，預 測誤差之於探測車佔有率提昇之變動會漸趨平緩。
6. 對於動態旅次 OD 推估模式，本研究主要係根據模擬結果進行案例之試 算，並透過所推估旅次 OD 反應在路段流量之推估值檢視模式之合理 性，試算結果顯示，根據旅次OD 推估所得之路段流量預測誤差 MAPE 值在15%之內，是以評估模式之推估結果為合理。
未來應用
1. 本研究所提出之預測模式主要係針對都市地區棋盤型路網，然而，由於 模式之基本概念為空間、時間向度之動態回歸過程，應不受限於特定之 路網型態。透過資料庫與資料演算矩陣之調整，應仍可適用於不同之路 網型式。
2. 配合目前日益普遍之計程車即時派遣系統，本研究期以透過既有之系統
並透過預測模式之演算，支援ITS 系統下 ATMS、ATIS 系統之運作。