第七章 結論與建議
7.2 建議
本研究的建議如下
1. 在未來國道高速公路里程費上路後，將會出現新形態的 ETC 資料，其特性 與 AVI 資料相似且具有相當高的密度及準確度，更能偵測車輛的即時通過 量。目前本研究的模型受制於 VD 資料，仰賴 VD 能夠即時收集速度、流量 的特性，導致在 VD 出現某些狀況時，旅行時間預測不準確。新的 ETC 資 料能夠解決目前本研究模型上的缺陷，未來將新的 ETC 資料應用在本研究 的模型上，可望能有更好的預測結果。
2. 本研究的門檻值，雖然對於旅行時間預測結果無影響，但卻是相當有效的警 示系統。實際使用在生活上，當歷史資料庫不足時，透過門檻值的警示，在 預測前就可以得知，當下預測的結果沒有足夠的信心，馬上就能制定應變策 略來降低用路人的時間損失，如使用 VD 的即時資料計算旅行時間等等。
文獻參考
ALTMAN, N. S. 1992. An Introduction to Kernel and Nearest-Neighbor Nonparametric Regression. The American Statistician, 46, 175-185.
CHANG, G. L., ZOU, NAN, WANG, J., 2006. Development and Filed Evaluation of a Real-Time Travel Time Prediction System. Maryland Department of Transportation State Highway, Final Report.
CHEN, P., LU.ZHAO. & GU.J. 2009. Vehicle Travel Time Prediction Algorithm Based on Historical Data and Shared Location. Fifth International Joint Conference.
CHIEN, S. & KUCHIPUDI, C. 2003. Dynamic Travel Time Prediction with Real-Time and Historic Data. Journal of Transportation Engineering, 129, 608-616.
CLARK, S. 2003. Traffic Prediction Using Multivariate Nonparametric Regression.
Journal of Transportation Engineering, 129, 161-168.
LAM, W. K., TANG, Y. F., CHAN, K. S. & TAM, M.-L. 2006. Short-term Hourly Traffic Forecasts using Hong Kong Annual Traffic Census. Transportation, 33, 291-310.
OH, J.-S., JAYAKRISHNAN, R. & RECKER, W. 2002. Section Travel Time Estimation from Point Detection Data. eScholarship Repository.
SANO, Y., FURUKAWA, S., TAKAMURA, F. & YAMANE, K. 2000. Travel-time Measuring System for Efficient Traffic Information Service. Hitachi Review Vol. 49.
SMITH, B. & DEMETSKY, M. 1997. Traffic Flow Forecasting: Comparison of Modeling Approaches. Journal of Transportation Engineering, 123, 261-266.
TAM, M. L. & LAM, W. H. K. 2008. USING AUTOMATIC VEHICLE IDENIFICATION DATA FOR TRAVEL TIME ESTIMATION IN HONG KONG. Transportmetrica, 4, 179-194.
VLAHOGIANNI, E. I. 2004. Short‐term traffic forecasting: Overview of objectives and methods. Transport Reviews, 24, 533.
WU, C.-H., HO, J.-M. & LEE, D. T. 2004. Travel-time prediction with support vector regression. Intelligent Transportation Systems, IEEE Transactions on, 5, 276-281.
王晉元，2011，高速公路旅行時間預測模式之開發與調查分析，國道高速公路總 局委託計畫。
李穎，2002，類神經網路應用於國道客運班車旅行時間預測模式之研究，碩士論 文，成功大學，交通管理學系。
張慶麟，2003，應用自動車輛辨識預測高速公路路段旅行時間，碩士論文，國立 中央大學，土木工程研究所。
陳建旻，2009，比較 k-NN 模式與時變係數模式對高速公路旅行時間預測之研究，
蔡繼光，2009，高速公路旅行時間預測-以 k-NN 法及分群方法探討，碩士論文，
國立交通大學，運輸科技與管理學系。
羅峻庭、余玟璇、王乃翎，2012，高速公路旅行時間校估及分析－以國道一號北 部地區為例，畢業專題期末報告，國立交通大學，運輸科技與管理學系。
王淵海，1999，統計學，王冠出版社。
張 智 星 ， 2013 ， 資 料 分 群 與 樣 式 辨 認 ， 網 路 線 上 課 程 ， 可 由 作 者 之 網 頁 http://www.cs.nthu.edu.tw/~jang 連結到此線上課程，登入日期 2013 年 7 月 17 日。
附錄
附錄 1 VD 台北-新竹延遲加總，旅行時間歷史資料分布
0 10 20 30 40 50 60 70 80 90 100
06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00
旅行時間
1月6日 1月13日 1月20日 1月27日 2月3日 2月10日 2月17日 2月24日 3月2日 3月16日 3月23日 3月30日 4月6日 4月13日 4月20日 5月4日 5月11日 5月25日 6月1日 6月29日 7月13日 7月20日 7月27日
附錄 2VD+AVI 台北-新竹延遲加總，旅行時間歷史資料分布
0 10 20 30 40 50 60 70 80 90 100
06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00
旅行時間
時間
1月6日 1月13日 1月20日 1月27日 2月3日 2月10日 2月17日 2月24日 3月2日 3月16日 3月23日 3月30日 4月6日 4月13日 4月20日 5月4日 5月11日 5月25日 6月1日 6月29日 7月13日 7月20日 7月27日
附錄 3VD 新竹-台北延遲加總，旅行時間歷史資料分布
0 10 20 30 40 50 60 70 80 90 100 110 120 130
06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00
旅行時間(分)
時間
1月6日 1月13日 1月20日 1月27日 2月3日 2月10日 2月17日 2月24日 3月2日 3月16日 3月23日 3月30日 4月6日 4月13日 4月27日 5月4日 5月11日 5月18日 6月1日 6月8日 6月15日 6月22日 6月29日 7月13日 7月20日 7月27日
附錄 4VD+AVI 新竹-台北延遲加總，旅行時間歷史資料分布
0 10 20 30 40 50 60 70 80 90 100 110 120 130
06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00
旅行時間(分)
時間
1月6日 1月13日 1月20日 1月27日 2月3日 2月10日 2月17日 2月24日 3月2日 3月16日 3月23日 3月30日 4月6日 4月13日 4月27日 5月4日 5月11日 5月18日 6月1日 6月8日 6月15日 6月22日 6月29日 7月13日 7月20日 7月27日