建議

i. 本研究資料取得受限於資料更新的即時性，無法以即時資料做為模式演算 對象；若未來高速公路局及遠通電收公司可改善資料更新速度，即可應用 於即時演算。

ii. 受限於資料取得，僅進行收費站間旅行時間預測之驗證，但用路人所需要 的資訊為匝道至匝道的旅行時間；若有辦法取得匝道間旅行時間真實歷史 資料，即可進行驗證，或承接建議 i.，進行即時預測與實車驗證。

iii. 國道 ETC 收費制度將由計次收費改制為計程收費，採用主線收費法，於 任兩交流道間架設收費門架；此舉將使 ETC 資料蒐集來源增加，對本研 究模式預測績效應有正面幫助。

88

參考文獻

[1] Arem Van, B., Vlist Van der, Muste M. J. M., Ruiter M., De, J. C. C., Smulders, S.A. and DOUGHERTY, M. S. (1994), “Models for monitoring the current and expected traffic state on inter-urban motorways,” 1st World Congress on Applications of Transport Telematics and Intelligent Vehicle-Highway Systems, Vol. 3, pp. 1186-1201.

[2] Chandra Mouly, and Chien, Steven I.J., (2002), “Development of a Hybrid Model for Dynamic Travel Time Prediction,” 81th Annual Meeting of Transportation Research Board, Washington D.C.

[3] Chen, M. and Chien S. I. J. (2001), “Dynamic Freeway Travel Time Prediction Using Probe Vehicle Data: Link-based vs. Path-based,” 80th Annual Meeting of Transportation Research Board, Washington, D.C.

[4] Chen, H., Susan G. M., Mussone L., and Montgomery, F. (2001), “A Study of Hybrid Neural Network Approaches and the Effects of Missing Data on Traffic Forecasting,” Neural Computing & Applications, Vol. 10, No. 3, pp. 277-286.

[5] Chien, S. I-J. and Kuchipudi, C. M. (2003),”Dynamic Travel Time Prediction with Real-Time and Historic Data”, Journal of Transportation Engineering, 2003, pp. 608-616.

[6] Dia Hussein (2001), “An object-oriented neural network approach to short-term traffic forecasting,” European Jurnal of Operation Research, Vol. 131, pp.

253-261.

89

[7] Gold, M. S., and Bentler, P. M. (2000), “Treatments of missing data: A Monte Carlo comparison of RBHDI, iterative stochastic regression imputation, and expectation-maximization,” Structural Equation Modeling, Vol. 7, pp. 19-355.

[8] Huang, C. C., and Lee, H. M. (2004), “A Grey-Based Nearest Neighbor Approach or Missing Attribute Value Prediction,” Applied Intelligence, Vol. 20, No. 3, pp.239-252.”

[9] Kaan, E. and Altintas, A. (2001), “High speed CNC system design. Part I: jerk limited trajectory generation and quintic spline interpolation,” International Journal of Machine Tools & Manufacture, Vol. 41, pp. 1323-1345.

[10] Kwon, J., Coifman, B., and Bickel, P., (2000), “Day-to-Day Travel Time Trends and Travel Time Prediction from Loop Detector Data,” Transportation Research Record, No. 1717, pp. 120-129.

[11] Li Q., Li L., Yi Z., and Hu, J. (2009), “PPCA-Based Missing Data Imputation for raffic Flow Volume: A Systematical Approach”, IEEE Transactions on Intelligent ransportation Systems, Vol. 10, No. 3, pp. 512-522.

[12] Matsumura, S., Yamashita, H., Iwaki, S. and Sugimura, H. (1998), “Experimental Verification of Travel-time Prediction Method,” 5th ITS World Congress.

[13] Nam D. H. and Drew D. R. (1998), “Analyzing Freeway Traffic under Congestion: Traffic Dynamics Approach,” Journal of Transportation Engineering, pp. 208-212.

[14] Oh, J. S., Jayakrishnan, R., and Recker, W. (2002), “Section Travel Time Estimation from Point Detection Data,” Proceedings of the 82th Annual Meeting of Transportation Research Board, Washington, D. C., U.S.A.

90

[15] Park, D., Rilett, L. R., and Han, G. (1998), “Forecasting multiple-period freeway link travel times using neural networks with expanded input nodes,” Proc., 5th Int. Conf. of Advanced Technol, Application in Transp. Engrg., pp. 325–332.

[16] Paterson, D. and Rose, G. (2008), “A recursive, Cell Processing Model for Predicting Freeway Travel Times,” Transportation Research C, Vol. 16, pp.432-453.

[17] Peeta, S. and Anastassopoulos, L. (2002), “Automatic Real-time Detection and Correction of Erroneous Detector Data with Fourier Transforms for Online Traffic Control Architectures,” Transportation Research Record, Vol. 1811, pp.

1-11.

[18] Singh, V. P. and Harmancioglu, N. B. (1996), Estimation of missing values with use of entropy, NATO Advanced Research Workshop, Izmir, Turkey, pp.

267-274.

[19] Smith, G. C., Wood, A. M., Pell, J. P., White, I. R., Crossley, J. A., and Dobbie, R.

(2004), “Second-Trimester Maternal Serum Levels of Alpha-Fetoprotein and the Subsequent Risk of Sudden Infant Death Syndrome,” New England Journal of Medicine, Vol. 351, pp. 978–986.

[20] Van Lint, J. W. C., Hoogendoorn, S. P. and van Zuylen, H. J. (2002), “Freeway travel time prediction with state-space neural networks-Modeling state-space dynamics with recurrent neural networks,” Transportation Research Record, Vol.

1811, pp. 30-39.

91

[21] Zhang, X. and Rice, J.A., (2001) “Short-Term Travel Time Prediction Using a Time-Varying Coefficient Linear Model”, Technical Report Dept. Statistics, UC.

Berkely, Mar. 2001.

[22] 李季森，「應用探測車法預測高速公路旅行時間」，國立中央大學土木工程學 系碩士論文，民國 2002 年 6 月。

[23] 李穎，「類神經網路應用於國道客運班車旅行時間預測模式之研」，國立成功 大學交通管理科學系，碩士論文，2002 年。

[24] 李穎，「考慮事故延續時間動態更新預測之高速公路旅行時間預測模式建立 與資料簡化方法比較」，國立成功大學交通管理科學系博士論文，2007 年六 月。

[25] 李易儒，「於資料漏失下之旅行時間預估」，國立臺灣大學土木工程學系碩士 論文，2009 年六月。

[26] 何旺宗，「資料融合技術結合類神經網路對高速公路事件延遲時間預測之研 究」，國立成功大學交通管理科學系碩士論文，2010 年十二月。

[27] 吳金杰，「融合偵測器與探測車資料預測高速公路旅行時間之研究」，國立中 央大學土木工程學系碩士論文，2005 年六月。

[28] 林鈺翔，「利用時空資料插補車輛偵測器遺漏值之研究」，國立中央大學土木 工程學系碩士論文，2010 年七月。

[29] 邱孟佑，「以交通狀態為基礎之旅行時間預測」，國立交通大學交通運輸研究 所博士論文，2010 年六月。

92

[30] 卓訓榮、周幼珍、王晉元、蔡繼光，「高速公路旅行時間預測－以 k-NN 及 分群方法探討」，中華民國運輸學會 98 年學術論文研討會，頁 1231-1252，

2009 年十二月。

[31] 郭中天，「公車到站時間暨複合路線旅行時間預估模式之研究」，國立台灣大 學土木工程學系碩士論文，2002 年。

[32] 許程詠、王晉元，「利用灰色理論於偵測器遺失資料插補之研究」，國立交通 大學運輸科技與管理學系碩士論文，2011 年六月。

[33] 許雅惠，「以模擬分析法探討轉換函數在預測旅行時間之應用」，淡江大學運 輸管理學系碩士論文，2004 年六月。

[34] 張堂賢、黃宏仁，「車輛偵測器資料漏失之在線插補技術」，運輸學刊，第二 十卷第四期，頁 300-320，2008 年。

[35] 張修榕，「高速公路旅行時間之研究」國立中央大學土木工程學系碩士論文，

民國 2001 年 6 月。

[36] 陳寶如，「市區路段動態旅行時間預測之研究」，國立臺灣大學土木工程學系，

碩士論文，2007 年六月。

[37] 陳首源，「結合移動式與固定式偵測器資料以轉換函數推估旅行時間」，淡江 大學運輸管理學系碩士論文，2007 年三月。

[38] 黃宏仁，「車輛偵測器數據補償與正規化研究」，國立台灣大學土木工程學系 博士論文，2009 年一月。

[39] 闕嘉宏，「依時性後推式路徑演算系統開發」，國立台灣大學土木工程學系博 士論文，2012 年十月。

93

[40] 魏健宏、林士傑、李穎，「高速公路客運車輛旅行時間預測之實證評析」，運 輸計畫季刊，第 32 卷第 4 期，民國 92 年 12 月。