第六章 結論與建議
6.2 建議
1. 本研究於數值實驗中所選定用於旅行時間預測的測試路徑範圍為國道一 號林口交流道到中壢交流道，建議可以用更多不同的交流道起迄點進行 模式測試，複合式旅行時間預測模式的長短期門檻值可能會根據不同國 道地點而有所差異。
2. 本研究於數值實驗中所設定的預測時間長度為 0~59 分鐘，亦即旅次預計
93
出發時間距離目前時間最多可以是 59 分鐘，但考量用路人可能需要查詢 未來更長時間的旅行時間資訊，建議可用更長的預測時間長度進行實驗 設計與測試，而且可以將更長的預測時間長度分成更多的時間範圍，如 短期、中期與長期，以不同預測方法構建不同時間範圍的旅行時間預測 模式，並評估此類型複合式旅行時間預測模式的預測績效。
3. 於交通資料來源選擇的部分，本研究以 VD 資料和 ETC 資料進行資料融 合並作為旅行時間預測的演算資料，建議也可以採用 GVP 與日漸普遍的 CVP 資料進行旅行時間預測演算。
4. 複合式旅行時間預測模式可以再結合最短路徑演算法進行路徑導引的演 算，以路段旅行時間做為路徑導引的路徑成本，提供用路人最短旅行時 間的路徑導引結果。
94
參考文獻
1. 交通部運輸研究所(2010)，99-TDB001 車路整合系統發展趨勢與 ITS 節能減 碳關聯之研究。
2. 何旺宗(2010)，「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。
3. 吳欣潔(2004)，「熵應用於交通資料融合之研究」，國立交通大學運輸科技與管 理學系碩士論文。
4. 吳金杰(2005)，「融合偵測器與探測車資料預測高速公路旅時時間之研究」，國 立中央大學碩士論文。
5. 吳瑞豐(2006)，「最佳權重法應用於交通資料融合」，國立交通大學運輸科技與 管理學系碩士論文。
6. 李穎(2002)，「類神經網路運用於國道客運班車旅行時間預測模式之研究」，國 立成功大學交通管理科學系碩士論文。
7. 林士傑(2001)，「高速公路旅行時間預測模式之研究-類神經網路之應用」，國 立成功大學碩士論文。
8. 邱孟佑(2010)，「以車流狀態為基礎之高速公路旅行時間預測模式」，國立交通 大學交通運輸研究所博士論文。
9. 洪偉勛(2013)，「高速公路旅行時間推估模式之開發與應用－以國道五號為 例」，國立成功大學交通管理科學系碩士論文。
10. 張佳雯(2007)，「資料融合於異質性資料推估路段行駛速率之研究」，國立台灣 土木工程學系碩士論文。
11. 許政憲(2006)，「資料融合技術應用於事故影響下高速公路旅行時間預測之研 究」，國立成功大學交通管理科學系碩士論文。
12. 郭中天(2002)，「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 灣土木工程學系碩士論文。
95
13. 陳寶如(2006)，「市區路段動態旅行時間預測之研究」，國立台灣土木工程學系 碩士論文。
14. 曾志維(2004)，「Dempster-Shafer 理論於交通資料整合之應用」，國立交通大學 運輸科技與管理學系碩士論文。
15. 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」，國立 交通大學運輸科技與管理學系碩士論文。
16. 魏健宏、陳奕志(2001)，「類神經網路模式在國內交通運輸研究之成果分析」， 運輸計畫季刊第 30 卷第 2 期，pp.323-348。
17. 羅至浩(2008)，「以加入準確度之團隊共識法進行交通資料融合」，國立交通大 學運輸科技與管理學系碩士論文。
18. Bachmann, C., Abdulhai, B., Roorda, M. J., & Moshiri, B. (2013), "A comparative assessment of multi-sensor data fusion techniques for freeway traffic speed estimation using microsimulation modeling", Transportation Research Part C, Vol.26, pp.33-48.
19. Billings, D., & Yang, J. S. (2006), "Application of the ARIMA models to urban roadway travel time prediction-a case study". IEEE International Conference on Systems, Man and Cybernetics, Vol. 3, pp.2529-2534.
20. Chen, M., & Chien, S. I. J. (2001), "Dynamic Freeway Travel Time Prediction Using Probe Vehicle Data: Link-based vs. Path-based", Transportation Research Record: Journal of the Transportation Research Board, Vol.1768, pp.157-161.
21. Cheu, R. L., Lee, D. H., & Xie, C. (2001), "An Arterial Speed Estimation Model Fusing Data from Stationary and Mobile Sensors", IEEE Intelligent Transportation Systems Conference, pp.573-578.
22. Chien, S. I., Liu, X., & Ozbay, K. (2003), "Predicting Travel Times for the South Jersey Real-Time Motorist Information System", Transportation Research Record:
Journal of the Transportation Research Board, Vo1.1855, pp.32-40.
96
23. Dailey, D. J., Harn, P., & Lin, P. J. (1996), "ITS Data Fusion", No. WA-RD 410.1, Washington State Department of Transportation.
24. Dia, H. (2001), "An object-oriented neural network approach to short-term traffic forecasting" , European Jurnal of Operation Research, Vol.131, pp.253-261.
25. Hall, D. L., & McMullen, S. A. (2004), "Mathematical Techniques in Multisensor Data Fusion", Artech House, Inc. Norwood, MA.
26. Klein, L. A. (2001), "Sensor Technologies and Data Requirements for ITS", Artech House.
27. Kuchipudi, C. M., & Chien, S. I. (2003), "Development of a Hybrid Model for Dynamic Travel Time Prediction", Transportation Research Record: Journal of the Transportation Research Board, Vo1.1855, pp.22-31.
28. Linn, R. J., Hall, D. L., & Llinas, J. (1991), "Survey of Multisensor Data Fusion Systems", Proceedings of the SPIE-The International Society for Optical Engineering, Vol. 1470, pp.13-29.
29. Liu, X., Chien, S. I., & Chen, M. (2012), "An adaptive model for highway travel time prediction", Journal of Advanced Transportation.
30. Makridakis, S., Hibon, M., & Moser, C. (1979), "Accuracy of forecasting: An empirical investigation", Journal of the Royal Statistical Society. Series A (General), pp.97-145.
31. Makridakis, Spyros, et al., (1982), "The Accuracy of Extrapolation (Time Series) Methods: Results of a Forecasting Competition", Journal of Forecasting, Vol.1, pp.111-153.
32. Makridakis, Spyros, et al., (1993), "The M2-Competition: A real-time judgmentally based forecasting study", International Journal of Forecasting, Vol.9, No.4, pp.5-22.
33. Makridakis, S., & Hibon, M. (2000), "The M3-Competition: results, conclusions and implications", International Journal of Forecasting, Vol.16, No.4, pp.451-476.
97
34. Rice, J., & Van Zwet, E. (2004), "A Simple and Effective Method for Predicting Travel Times on Freeways", IEEE Transactions on Intelligent Transportation Systems, Vol.5, No.3, pp.200-207.
35. Robinson, S., & Polak, J. W. (2005), "Modeling Urban Link Travel Time with Inductive Loop Detector Data by Using the k-NN Method", Transportation Research Record: Journal of the Transportation Research Board, Vol.1935, pp.47-56.
36. Sarma, V. V. S., & Raju, S. (1991), "Multisensor Data Fusion and Decision Support for Airborne Target Identification", IEEE Transactions on Systems, Man and Cybernetics, Sept.-Oct.
37. Smith, B. L., & Demetsky, M. J. (1997), "Traffic Flow Forecasting: Comparison of Modeling Approaches", Journal of Transportation Engineering, Vol.123, No.4, pp.261-266.
38. van Lint, J. W. C., Hoogendoorn, S. P., & van Zuylen, H. J. (2005), "Accurate freeway travel time prediction with state-space neural networks under missing data", Transportation Research Part C, Vol.13, pp.347-369.
39. van Lint, J. W. C., Hoogendoorn, S. P., & 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: Journal of the Transportation Research Board, Vol.1811, pp.30-39.
40. Wu, C. H., Ho, J. M., & Lee, D. T. (2004), "Travel time prediction with support vector regression", IEEE Transactions on Intelligent Transportation Systems, Vol.5, No.4, pp.276-281.
41. Wu, H., Siegel, M., & Ablay, S. (2003), "Sensor Fusion Using Dempster-Shafer Theory II: Static Weighting and Kalman Filter-like Dynamic Weighting", IEEE Instrumentation and Measurement Technology Conference.
98
42. Wu, H., Siegel, M., Stiefelhagen, R., & Yang, J. (2002), "Sensor Fusion Using Dempster-Shafer Theory", IEEE Instrumentation and Measurement Technology Conference.