6.3 自動車輛控制邏輯模式驗證
6.3.3 穩定和不穩定車流平均車間距之比較
經過 6.3.1 節的實驗，可以發現自動車輛在低比例下對於後方車輛產 生的震盪，相對於高比例自動車下或是完全人為駕駛下，車間距的震盪要 來得大。為了更進一步求得穩定和不穩定下車間距的差別，以 6.3.1 節的 實驗一和實驗二做為兩種不同車流狀態的代表，穩定車流首輛車不減速，
且車道流量較大，車道密度較低；不穩定車流首車每一分鐘即加減速一次 0%
40%
60%
80%
100%
20%
依，且車流量低，車道密度高。
分析的方式，先以簡單迴歸分析，在一個時間點下，利用改變自動車 的比例，找出不同比例對應相對距離的線性迴歸。再以立體圖觀察不同時 間點之下，不穩定車流下，不同比例的自動車輛對後方跟車間距的震盪大 小。
1. 迴歸分析：
將實驗一為穩定車流的代表，從 0%開始調整至 100%，每一個間距為 5%，分別求出在實驗的第三分鐘下的平均車間距，利用簡單回歸分析，利 用模型y = β0 +β1x+δ ，求出β 以及0 β ；將實驗二則為不穩定車流的代1 表，也是利用相同的方法，求得實驗二適合的線性模型。
圖 6.24 為實驗一在不同比例車輛下對應的相對距離直線圖，β0=22.8，
β1=-0.185，其直線方程式為y =22.8−0.185x+ε。在β 以及0 β 皆為顯著的1 情況下，樣本的R2值為97.77%，比例的不同對跟車間距是大的變因。
圖 6.25 為 實 驗 二 在 不 同 比 例 車 輛 下 對 應 的 相 對 距 離 直 線 圖 ， β0=21.06，β1=-0.154，其直線方程式為y =21.06−0.154x+ε。在β 以及0 β 皆1 為顯著的情況下，樣本的 R2值為 87.09%，雖然解釋能力沒有實驗一好，
但仍然在可以接受的範圍內。如果將兩條線放在同一平面上比較，如圖 6.26，可以發現穩定車流在低比例下平均車間距比不穩定時大，穩定車流 的斜率絕對值比較大，因而隨著比例增加，車間距會降低的比較快。
2. 立體圖形分析：
延伸 6.3.1 節的跟車間距圖(圖 6.19 至圖 6.22)，為了求得後方車輛震盪 幅度至何種比例時會縮小，以實驗二為例；由於在 6.3.1 節中只針對單一 個時間點的平均車距做不同比例的比較，因此，本小節當中，利用立體圖 形分析，不斷調整自動車輛的百分比，找出自動車輛比例增加至多少後，
後方車輛的震盪才開始逐漸至由不穩定轉至穩定。圖6.27 為自動車佔 0%
的情況，x 軸依序為第二輛車至第 n 輛車，y 軸代表時間，z 軸則為跟車間 距，由圖6.27 可看出，人為操作車輛，後方會因為前方車輛減速的刺激，
藉由煞車拉長了和前方的距離，依序將此刺激傳遞下去，也符合現實的跟 車狀態；此圖有兩次高起的波形，乃是因為首車每一分鐘就減速一次，造 成後方的反應。
調整自動車輛比例，一次增加 1%的幅度，持續以立體圖形觀察，圖
6.28 為自動車佔 20%，圖 6.29 為自動車佔 40%；不論是 20%或是 40%，
波形皆相當混亂，是因為自動車比例較少時，對於高密度的車流，可能在 前車還未減速之前，自動車卻判斷可能會發生危險，在顧及使用者舒適 下，已經先行減速，造成後方其他人為跟車車輛因為自動車減速的刺激，
而相對減速，造成後方車流的不可預期性增加。
實驗發現，當調整到 63%時，如圖 6.30，後方車輛的跟車間距，才逐 漸穩定且平均跟車距離比 0%的情況降低許多，因為自動車輛的增加，後 方車輛是自動車較多的情況下，在訊息可以串連下，後方車流就可以穩定 且有效率的前進。
百分比 -樣本迴歸線圖
0 5 10 15 20 25
0 20 40 百分比 60 80 100 120
平均車距
圖6.24 穩定車流下迴歸分析圖
百分比 樣本迴歸線圖
0 5 10 15 20 25
0 20 40百分比60 80 100 120
平均車距
圖6.25 不穩定車流下迴歸分析圖
0 5 10 15 20 25
0 20 40 60 80 100 120
百分比
平均車距
穩定車流 不穩定車流
圖6.26 迴歸分析比較圖
1 9
17 25
33 S1 S11
S21 S31
S41 S51
S61 S71
S81 S91
0 S101 5
10 15
20 25
30 35
相對距離
車輛數
秒數
圖6.27 立體跟車間距圖(自動車佔 0%)
1
1 7
13 19
25 S1 S8
S15 S22
S29 S36
S43 S50
S57 S64
0S71 5
10 15
20 25
30 35
相對距離
車輛數
秒數
圖6.30 立體跟車間距圖(自動車佔 63%)
七、結論與建議
本研究主要設計一套針對事故發生時，能夠運用在事故車流下的自動 車控制邏輯，第三以及第四章為跟車邏輯的基礎架構，第五章則為將概念 寫進程式的過程，大半的時間不斷的試誤以及調整模式，才有第六章許多 微妙的車流圖形，第六章延續第五章的基礎，在沒有繼續修改程式之下，
將模式放入車道上模擬，進而得到最後的結論。