模擬實驗

開放性的展場時，當下可能無明顯的目的或喜好，多以隨興、隨機的方式參觀所以並 未有明確的路線規劃，因此本實驗考量實際環境的狀況認為亂數選取法為一般參觀者 在展場的狀況，認為有列入實驗評比的必要性。在實驗過後，記錄的結果包含「演算 法執行時間」、「路徑導引長度」和「路徑行走時間」。對參觀者來說，由兩項指標可 瞭解導覽路徑機制是否有效，一是到達感興趣的展點的時間是愈短愈好，另一是對路 徑的滿意度；以下兩小節，分別介紹實驗與問卷調查的結果。5.1.1 節為針對路徑長 短變化之實驗結果，5.1.2 節為實際使用路徑規劃服務後的問卷調查。

5.1.1 實驗之數據統計

在實驗中，我們測試 A*演算法、亂數選取法與本論文演算法導引演算法的效果，

各進行實驗次數 100 次，每次皆以亂數產生當時使用者所在的地點與使用者要前往 的展點，當執行完三種演算法各 100 次時進行統計。

實驗步驟如下：

步驟一：以隨機方式產生出使用者所在的地點、及前往的展點與節點上人數。

步驟二：使用 A*演算法、亂數選取法與本論文演算法，搜尋出由步驟一所產生出實 驗中的最短路徑。

步驟三：記錄 A*演算法、亂數選取法與本論文演算法，所搜尋出最短路徑。

步驟四：檢查是否達成實驗滿足條件，若達成，則進行數據統計，反之，回至 步驟一。

當執行完三種演算法各 100 次時進行統計，圖 5.1、圖 5.2 與圖 5.3 分別為路徑 長短、行走時間、執行時間的實驗分析圖，在「路徑長短」部分由實驗結果可看出，

以路徑長短來比較，A*演算法最好；本論文演算法次之；亂數選取法最差。雖然 A*

演算法效果最佳，但大多數的情況下，本論文的演算法路徑都近似 A*演算法，而且

本論文演算法產生比 A*演算法差之情況，若要徹底解決此問題，則必需搜尋所有路 徑或是判斷整張地圖中最短路徑應該位於地圖何處附近，但此就喪失我們利用 A*演 算法快速搜尋與產生出趨近於最短路徑的概念；「行走時間」是一個評估值，在每個 展點系統都有預設行走時間，系統預設為 5 個單位時間，依據展場節點飽和率的不同 可增加 1~10 個單位時間，來評估使用者根據導覽路徑是否有減少其行走時間，從實 驗分析圖發現若是以行走時間比較，本論文演算法是優於 A*演算法與亂數選取法；

若以執行時間快慢排序為：A*演算法＞本論文演算法＞亂數選取法，在執行時間方 面本論文演算法比 A*演算法來的長，但在搜尋結果比較時發現，證明本論文演算法 是增加少許執行時間，但可規劃出行走時間短的較佳路徑。

圖 5-1 最短路徑比較

圖 5-2 使用者行走時間

圖 5-3 演算法執行時間

5.1.2 實驗二 問卷調查

在路徑規劃方面，本論文在改良 A*演算法中加入個人化權重並且考量展場內人 數，與單純的 A*路徑規劃相較，所規劃的路徑在路徑長短方面並無明顯優勢，改良 A*演算法主要是針對使用者的規劃路徑做客製化和盡量避開擁擠人潮，當起始點與 目的地都相同的兩位使用者因為個人喜好的不同，所規劃路線也有所不同，針對使用 者在模擬展場環境使用本系統後進行評比，根據圖 5-4 統計圖大部分的使用者對於本 論文的路徑規劃的效果是滿意的，接著再讓使用者使用單純 A*演算法與加入個人化 權重和人數因素的本論文演算法路徑規劃，讓使用者察覺差異後以問卷評比調查，根 據統計圖 5-5 顯示上述兩種路徑規劃方式，本論文方法在使用者觀感方面是優於純 A*演算法。

圖 5-4 路徑規劃滿意調查

圖 5-5 路徑規劃使用者觀感