異常交通資料處理

為了使歷史資料之結構趨於完整，需將異常交通資料去除，並以合理值插補、

取代。而異常資料處理程序係於每日零點隨歷史資料模組執行，於分類上屬於離 線插補法。

由 VD 取得之速率資料約有 18%的資料為異常資料，包括了離群值及漏失值；

產生離群值的主因為偵測器故障，而造成漏失值的主因則多為通訊傳輸中斷；對 於整日 VD 速率異常資料處理邏輯如下：

51

圖 4-2 異常交通資料處理流程圖

設定日期、

路段起迄點

檢驗第 t 時階

移除此時階中 所有「-1」值

計算平均值μ 與標準差σ

平均值<=0

是

以前一時階 的值取代本 時階之值

檢查本時階 各數值Value

Value>=μ+3σ ^是 Value =μ+3σ

否

Value<=μ-3σ ^是 Value =μ-3σ

對本時階缺漏值 進行線性插補

否

t = 288

否

t = t + 1

End

是

檢查下一數值 設變數 t = 1

52

i. 指定日期、路段起迄點（以各匝道為端點），取得路段內所佈設 VD 之全 日速率資料。資料為五分鐘結算，故定義每五分鐘為一個時階，00:00 為 時階 1，則一日有 288 個時階（23:55 為時階 288），此步驟取得資料為 288*(路段內 VD 組數)個值。

ii. 插補程序針對同一時階資料，配合空間位置（各 VD 設置里程數）插補。

因路段起迄點為匝道，國道一號之匝道密集，各路段之旅行時間通常不 超過五分鐘，意即小於一個時階，故在插補程序中不考慮車輛行駛路段 時跨越時階之情形。

iii. 將該時階中所有漏失值忽略（數值為 0 或-1）。

iv. 計算剩餘數據之平均值與標準差，並將這些樣本視為常態分布，以「三 標準差」做為判斷離群值之準則。意即平均值正負三標準差（

  



v. 將數值過大之離群值（Value >μ + 3σ），以μ + 3σ取代。

vi. 將數值過小之離群值（Value <μ 3σ），以μ 3σ取代。

vii. 將步驟 i 中忽略之漏失值，以線性插補法補值。

viii. 繼續下一時階，回到步驟 iii，直至整日 288 時階完成。

圖 4-3 為整日 VD 速率資料處理實例，為 2011 年 12 月 1 日於后里收費站（里 程數 162）至員林收費站（里程數 218），於異常資料處理程序執行前後之對照圖。

圖中 X 軸為 VD 位置里程數，單位為公里；Y 軸為時階，一日共有 288 個時階，

單位為五分鐘；Z 軸為 VD 速率，單位為公里／小時。

圖 4-3(a)為原始資料，其中包含許多漏失資料，其值為-1，故資料三維曲面 貌似鐘乳石狀，有許多下探負值之點；圖 4-2(b)則為程序處理過後之資料三維曲 面，相對處理前之資料明顯平滑且無下探底部之負值。

53

圖 4-3(a)(b) VD 異常資料處理例

ETC 平均旅行時間資料之異常資料主要為漏失值。因 ETC 資料為五分鐘結 算，但個別收費站並非每個五分鐘期間皆有車輛扣款資料；在沒有車輛通過的時 間段即無資料，視為漏失值。對於漏失值之處理邏輯，因 ETC 收費站空間距離 遙遠，前站與後站之資料對於本站資料之參考意義不明顯，故使用同站資料於時 間維度的線性插補法。

54

圖 4-3 為 2011 年 12 月 1 日早上八點至九點，汐止收費站（里程數 9）至泰 山收費站（里程數 35）結算之平均旅行速度，原始值與線性插補值如圖所示。

圖 4-4 ETC 異常資料處理例